Statistik Eko

BAB I
PENDAHULUAN
1.1 SEJARAH STATISTIK

Penggunaan Statistika sudah dikenal sebelum abad 18, pada saat itu
negara-negara
Babilon, Mesir dan Roma mengeluarkan catatan tentang nama, usia, jenis
kelamin, pekerjaan dan jumlah anggota keluarga. Kemudian pada tahun 1500,
pemerintahan Inggris mengeluarkan catatan mingguan tentang kematian dan
tahun 1662, dikembangkan catatan tentang kelahiran dan kematian. Baru pada
tahun 1772 – 1791, G. Achenwall menggunakan istilah statistika sebagai
kumpulan data tentang negara. Tahun 1791 – 1799, Dr .E.A.W Zimmesman
mengenalkan kata statistika dalam bukunya Statistical Account of Scotland.
Tahun 1981 – 1935 R. Fisher mengenalkan analisavarians dalam literatur
statistiknya.
1.2 PENGERTIAN STASTIK DAN STATISTIKA

Pada umumnya, kebanyakan orang tidak membedakan antara statistik dan
statistika. Sebenarnya pengertian istilah statistika atau ilmu statistik, tidak
sama dengan istilah statistik. Istilah STATISTIKA memiliki pengertian
berbeda dengan STATISTIK. Statistik merupakan kumpulan data, bilangan
atau non bilangan yang disajikan sedemikian rupa (biasanya dalam
bentuk tabel atau grafik) yang menggambarkan suatu persoalan atau
keadaan. Sedangkan statistika adalah pengetahuan yang berhubungan
dengan cara-cara pengumpulan, penyajian, pengolahan dan analisis data,
serta macam teknik analisis data. Statistika digunakan sebagai cara-cara ilmiah
untuk mengumpulkan, menyusun, meringkas dan menyajikan data
penelitian. Lebih lanjut statistika merupakan cara untuk mengolah data
tersebut dan menarik kesimpulan yang teliti dan keputusan yang logik dari
pengolahan data tersebut. Sedangkan statistik lebih banyak digunakan
1
untuk menggambarkan keadaan atau permasalahan seperti pencataan
banyaknya penduduk, hasil pertanian di suatu daerah, dan semacamnya.
Kata Statistik berasal dari bahasa latin yakni status yang berarti
negara. Perkembangan awalnya statistik diartikan sebagai keterangan-
keterangan yang dibutuhkan oleh negara dan berguna bagi negara itu
sendiri. Dalam pengertian ini statistik hanya diartikan sangat terbatas
yaitu sekumpulan data atau angka mengenai kondisi penduduk.
Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua, yaitu :

1. Statistika Deskriptif
Statistika deskriptif adalah statistika yang mempelajari bagaimana caranya
mengumpulkan data, mengolah data, menyajikan data, menganalisis data
Contoh masalah statistik deskriptif :
a. Tabulasi data
b. Diagram batang
c. Diagram kue pie
d. Grafik perkembangan harga dari tahun ke tahun
2. Statistika Induktif (Inferens)

Statistika inferens adalah statistika yang mempelajari bagaimana caranya
mengumpulkan data, mengolah data, menyajikan data, menganalisis data,
membuat kesimpulan dan mengambil keputusan Kegunaan dan Fungsi
Statistik.
Contoh masalah statistik inferens :

a. Penduga statistik
b. Peramalan hipotesis peramalan dengan regresi/korelasi
c. Pengujianhipotesis
2
1.3 PERANAN DAN MANFAAT STATISTIK DALAM KEHIDUPAN
Adapun manfaat statistik dalam kehidupan yaitu ;
 Untuk meramalkan
 Untuk peneliti
 Untuk managur kualitas barang
 Untuk produktifitas
 Untuk memperbaiki proses (eksperimen)
1.4 MACAM-MACAM DATA

1. Pengertian data
Data dalah sekumpulan informasi atau juga keterangan –
keterangan dari suatu hal yang diperoleh dengan melalui pengamatan atau
juga pencarian ke sumber – sumber tertentu. Data yang diperoleh tersebut
dapat menjadi sebuah anggapan atau fakta disebabkan karena memang
belum diolah dengan lebih lanjut. Sebab itu kemudian di olah melalui
penelitian atau percobaan maka suatu data tersebut dapat menjadi bentuk
yang lebih kompleks seperti seuatu database, informasi atau juga bahkan
solusi untuk menyelesaikan masalah tertentu.
Tujuan pengumpulan data adalah :
 Untuk memperoleh gambaran suatu gambaran

 Untuk dasar pengambilan keputusan
2. Syarat data yang baik
 data harus objektif
 data harus mewakili
 data harus up to date
 data harus relevan dengan masalah yang akan dipecahkan
3
3. pembagian data
a. menurut cara memperolehnya data dibagi atas :
 Data Primer, yaitu data yang diperoleh atau dikumpulkan oleh
orang yang melakukan penelitian atau yang bersangkutan yang
memerlukannya. Data primer dapat disebut juga dengan data
asli atau data baru.
 Data Sekunder, yakni merupakan data yang diperoleh atau
dikumpulkan dari sumber-sumber yang telah ada. Data
sekunder biasanya diperoleh dari perpustakaan atau laporan
atau dokumern yang dilakukan peneliti yang terdahulu. Data
sekunder disebut juga data tersedia.
b. Menurut sifatnya data dibagi atas :
 Data kuantitatif, data kuantitatif merupakan data yang
berbentuk bilangan atau dat kualitatif yang diangkakan
contoh: jumlah, skor hasil belajar, tinggi, umur, temperatur, dll
 Data menurut waktu pengumpulannya, data menurut waktu

pengumpulannya adalah data yang terkumpul dari waktu ke
waktu untuk memberikan gambaran perkembangan suatu
kegiatan. contoh: data penjualan susu selama 10 bulan terakir
yang dikumpulkan setiap bulan.
4
1.5 PENGUMPULAN DATA
Pengumpulan data menurut waktu dibagi 2 yaitu :
 Cross section/insidentil, yakni data yang dikumpulkan hanya pada suatu

waktu tertentu
 Data berkala/ time series, yakni data yang dikumpulkan dari waktu ke
waktu untuk menggambarkan suatu perkembangan atau kecenderungan
keadaan/ peristiwa/ kegiatan.
1.6 SKALA PENGUKURAN

1. Sekala Nominal
Skala nominal merupakan skala pengukuran paling sederhana atau

tingkatannya paling rendah di dalam suatu penelitian. Skala ini
hanya digunakan untuk memberikan kategori saja. Misalnya
digunakan untuk memberi label, simbol, lambang, atau nama pada
sebuah kategori sehingga akan mempermudah pengelompokan data
menurut kategorinya.
Pada skala nominal ini, peneliti akan mengelompokkan objek, baik

individu atau pun kelompok kedalam kategori tertentu dan
disimbolkan dengan label atau kode tertentu.
Kemudian, angka yang diberikan kepada objek hanya memiliki arti

sebagai label atau pembeda saja dan bukan untuk menunjukkan
adanya tingkatan. Agar lebih paham, berikut ini ciri-ciri dari skala
nominal:
 Kategori data bersifat mutually exclusive (setiap objek hanya

memiliki satu kategori saja).
 Kategori data tidak memiliki aturan yang logis (bisa sembarang).
5
Contoh Skala Nominal
contoh yang paling umum digunakan yaitu variabel jenis kelamin.
Jenis kelamin akan dibedakan menjadi Laki-laki dan Perempuan.
Dalam hal ini, hasil pengukuran tidak memiliki tingkatan tertentu.
Artinya laki-laki tidak lebih tinggi daripada perempuan, atau
sebaliknya.
Di dalam sebuah penelitian, biasanya akan diberi simbol angka

sebagai pembeda, misal jenis kelamin laki-laki diberi simbol angka
1, jenis kelamin perempuan diberi simbol 0. Simbol angka disini
hanya untuk membedakan saja, tidak menunjukkan bahwa 1 lebih
besar dari 0 dan sebagainya.
2. Skala Ordinal
Skala ordinal merupakan skala pengukuran yang sudah menyatakan

peringkat antar tingkatan. Jarak atau interval antar tingkatan juga
tidak harus sama. Skala ordinal ini memiliki tingkatan yang lebih
tinggi daripada skala nominal, karena skala ini tidak hanya
menunjukkan kategori saja tetapi juga menunjukkan peringkat.
Di dalam skala ordinal, objek atau kategorinya disusun berdasarkan

urutan tingkatannya, dari tingkat terendah ke tingkat tertinggi atau
sebaliknya, Ciri-ciri dari skala ordinal antara lain:
 kategori data saling memisah.

 kategori data ditentukan berdasarkan jumlah karakteristik khusus
yang dimilikinya.
 kategori data dapat disusun sesuai dengan besarnya karakteristik
yang dimiliki.
6
Contoh Skala Ordinal
contoh pada variabel sikap seseorang terhadap suatu pernyataan,
sikap tersebut berupa sangat setuju, setuju, biasa saja, tidak setuju,
sangat tidak setuju.
Pada variabel sikap ini dari sangat setuju ke sangat tidak setuju
menunjukkan kategori dan memiliki tingkatan.
Di dalam sebuah penelitian, kategori tersebut bisa disimbolkan

dengan angka, misal angka 5 untuk sangat setuju, angka 4 untuk
setuju, angka 3 untuk biasa saja, angka 2 untuk tidak setuju, dan
angka 1 untuk sangat tidak setuju.
7
3. Skala interval
Skala Interval merupakan skala pengukuran yang bisas digunakan

untuk menyatakan peringkat untuk antar tingkatan. Jarak atau
interval antar tingkatan pun sudah jelas, hanya saja tidak memiliki
nilai 0 (nol) mutlak. Skala interval ini bisa dikatakan berada diatas
skala ordinal dan nominal. Besar interval atau jarak satu data
dengan data yang lainnya memiliki bobot nilai yang sama. Besar
interval ini bisa saja di tambah atau dikurang.
Berikut ini adalah ciri-ciri dari skala interval:
 Kategori data memiliki sifat saling memisah.

 Kategori data memiliki aturan yang logis.
 Kategori data ditentukan skalanya berdasarkan jumlah karaaktristik
khusus yang dimilikinya.
 Perbedaan karakteristik yang sama tergambar dalam perbedaan
yang sama dalam jumlah yang dikenakan pada kategori.
 Angka nol hanya menggambarkan satu titik dalam skala (tidak
memiliki nilai nol absolut).
Contoh Skala Interval

contoh yang paling umum pada skala interval adalah suhu.
Misalkan suatu ruangan memiliki suhu 0C, ini bukan berarti bahwa
ruangan tersebut tidak ada suhunya.
Angka 0C disini merupakan suhu, hal ini dikarena pada skala
interval 0 (nol) bukanlah nilai yang mutlak.
8
4. Skala rasio
Skala rasio adalah skala pengukuran yang ditujukan pada hasil

pengukuran yang bisa dibedakan, diurutkan, memiliki jarak
tertentu, dan bisa dibandingkan. Skala rasio merupakan tingkatan
skala paling tinggi dan paling lengkap dibanding skala-skala
lainnya. Jarak atau interval antar tingkatan sudah jelas, dan
memiliki nilai 0 (nol) yang mutlak. Nilai nol mutlak berarti benar-
benar menyatakan tidak ada
Contoh Skala Rasio

misal tinggi badan Agung adalah 190 cm sedangkan tinggi badan
Vatinson adalah 95 cm. Pada situasi ini dapat dikatakan bahwa
jarak tinggi badan Vatinson dengan Agung adalah 95 cm. Bisa juga
dikatakan bahwa tinggi badan Agung 2 kali tinggi badan Vatinson.
9
BAB II
DATA
2.1 PENDAHULUAN
Data mempunyai keterkaitan yang sangat erat dengan statistika, hal ini
dapat dilihat dari definisi statistika, yhaitu suatu metode yang bertujuan
mengumpulkan, mengelola, menyajikan, dan menginterprensikan data. Dengan
kata lain data meupakan bahan baku atau komponen utama dalam statistika. Data
merupakan bentuk jamak dari datum. Datum merupakan informasi yang diperoleh
dari satu kesatuan amatan.
Sebagai bahan baku maka ketepatan suatu data akan sangat menentukan
dalam menghasilkan ketepatan pengambilan suatu keputusan. Persyaratan data
tang baik dan supaya berguna antara lain sebgai berikut :
 data harus objektif

 data harus mewakili
 data harus up to date
 data harus relevan dengan masalah yang akan dipecahkan
Data dalah sekumpulan informasi atau juga keterangan – keterangan dari suatu hal
yang diperoleh dengan melalui pengamatan atau juga pencarian ke sumber –
sumber tertentu. Data yang diperoleh tersebut dapat menjadi sebuah anggapan
atau fakta disebabkan karena memang belum diolah dengan lebih lanjut. Sebab itu
kemudian di olah melalui penelitian atau percobaan maka suatu data tersebut
dapat menjadi bentuk yang lebih kompleks seperti seuatu database, informasi atau
juga bahkan solusi untuk menyelesaikan masalah tertentu.
2.2 JENIS DATA
Data dapat diklasifikasikan menurut jenisnya berdasarkan empat kiteria

yang disajikan dalam tabel berikut :
10
No Kriteria Jenis Keterangan
1. Sifatnya a. kulifatif Data yang bersifat menggolongkan

saja
Contoh : macam pengrajin (pengrajin bambo, pengrajin

kayu, pengrajin emas, dan lain sebagainya)
b. kuantitatif Data yang berbentuk angka
Contohnya : keuntungan perusahaan tuan saleh dwiyanto

tahun 2016 = Rp27.500.000,00
2. Sumbernya a. internal Data yang menggambarkan keadaan

dalam organisasi
b. eksternal Data yang menggambarkan keadaan

diluar organisasi
3. Cara a. primer Data yang dikumpulkan dan diolah

memperoleh sendiri oleh peneliti langsung
responden
b. sekunder Data yang diperoleh dalam bentuk

sudah jadi, yaitu diolah dan disajikan
oleh pihak lain
4. Waktu a. Cross section Data yang dikumpulkan pada waktu

tertentu saja.
b. Time series Data yang dikumpulkan dari

beberapa tahapan waktu
Contohnya : data perkembangan keuntungan perusahaan dwi

krisnaningsih dari mulai berdiri hingga kini
Tabel 2.1 tabel klasifikasi data
11
2.3 METODE PENGUMPULAN DATA
2.3.1 METODE PENGUMPULAN DATA PRIMER
Dalam melakkan pengumpulan data secara langsng untuk memperoh data

primer observarory, melakkan observatory sendiri baik dilapangan maupun
dilaboratorium. Pengumpulan data dengan cara ini secara garis besarnya dapat
dilakukan dengan dua cara :
A. Wawancara
Wawancara adalah teknik pengumpulan data yang dilakukan
melalui tatap muka dan tanya jawab langsung antara peneliti dan
narasumber. Seiring perkembangan teknologi, metode wawancara dapat
pula dilakukan melalui media-media tertentu, misalnya
telepon, email, atau skype. Wawancara terbagi atas dua kategori, yakni
wawancara terstruktur dan tidak terstruktur.
a. Wawancara terstruktur
Dalam wawancara terstruktur, peneliti telah mengetahui dengan pasti

informasi apa yang hendak digali dari narasumber. Pada kondisi ini,
peneliti biasanya sudah membuat daftar pertanyaan secara sistematis.
Peneliti juga bisa menggunakan berbagai instrumen penelitian seperti
alat bantu recorder, kamera untuk foto, serta instrumen-instrumen lain.
b. Wawancara tidak terstruktur
Wawancara tidak terstruktur adalah wawancara bebas. Peneliti tidak

menggunakan pedoman wawancara yang berisi pertanyaan-pertanyaan
spesifik, namun hanya memuat poin-poin penting dari masalah yang
ingin digali dari responden.
12
B. POS
Cara ini sudah banyak berjalan dinegara-negara maju. Dengan metode
ini observatory menyusun daftar pertanyaan disertai dengan petunjuk
pengisian dan menggirimkan kepada responden melalu pos,
selanjutnya responden akan mengisi sendiri jaeaban dan mengirimkan
kembali ke observatory.
C. OBSERVASI LANGSUNG
Observasi adalah metode pengumpulan data yang kompleks karena
melibatkan berbagai faktor dalam pelaksanaannya. Metode
pengumpulan data observasi tidak hanya mengukur sikap dari
responden, namun juga dapat digunakan untuk merekam berbagai
fenomena yang terjadi.
Teknik pengumpulan data observasi cocok digunakan untuk penelitian
yang bertujuan untuk mempelajari perilaku manusia, proses kerja, dan
gejala-gejala alam. Metode ini juga tepat dilakukan pada responden
yang kuantitasnya tidak terlalu besar
2.3.2 PENYAJIAN DATA
data dapat disajikan dengan berbagai cara. Pada umumnya dipakai tiga
media yaitu : tabel, grafik, dan gambar. Penyajian data dibuat sedemikian rupa
sehingga menarik untuk dibaca dan dipahami. Alat bantu program komputer telah
banyak tersedia untuk membuat tabel, grafik dan gambar berikut disajikan.
Contoh-contoh gambar, tabel, maupun grafik yang sering dipergunakan untuk

penyajian data :
13
A. Grafik Batang B. Grafik Garis
C. Grafik Batang Berkelompok
14
BAB III
PENYAJIAN DATA
3.1 Definisi Statistika

Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, mengintrepretasi, dan mempresentasikan
data. Istilah ‘statistika’ (bahasa inggris : statistics) berbeda dengan
‘statistik’ (statistic). Statistika merupakan ilmu yang berkenaan dengan
data, sedang statistik adalah data, informasi, atau hasil penerapan
alogoritma statistika pada suatu data.
3.2 Definisi Distribusi Frekuensi

Distribusi frekuensi adalah metoda statistika untuk menyusun data
dengan cara membagi nilai-nilai observasi data ke dalam kelas-kelas
dengan interval tertentu. Distribusi frekuensi terdiri dari beberapa
komponen, yaitu :
1. Interval kelas (Ci)
Interval kelas merupakan jarak nilai observasi dalam suatu kelas.
2. Jumlah Kelas (N)
Jumlah kelas merupakan jumlah dari kelas-kelas yang terdapat pada
suatu distribusi frekuensi.
3. Batas Bawah dan Batas Atas Kelas (B dan B’)
Batas bawah kelas adalah nilai terbawah pada kelas tersebut.
Batas atas kelas adalah nilai tertinggi pada kelas tersebut.
4. Tepi Kelas Bawah dan Tepi Kelas Atas (T dan T’)
5. Mid Point atau Titik Tengah Kelas (x)
6. Nilai Komulatif Kurang Dari dan Lebih Dari (fk< dan fk>)
15
3.3 Pengumpulan Data
100 data pengeluaran Yakult dalam jumlah RIBUAN di Taman Banten
Lestari pada tgl 16 September 2019 sebagai berikut :
Tabel 2.1 Data penjualan yang belum diurutkan

Rp. Rp. Rp. Rp. RP. Rp. Rp. Rp. Rp. Rp.
45 25 20 25 10 15 80 20 30 15
Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. RP.
10 50 13 20 15 35 15 18 10 15
Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp.
30 25 23 12 80 10 15 15 20 30
RP. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp. Rp.
50 60 50 75 50 50 75 75 80 35
50 50 50 50 20 20 20 15 15 18
50 50 15 19 25 20 19 35 18 25
10 80 20 20 25 20 20 20 15 15
Rp. Rp. Rp. Rp. RP. Rp. Rp. Rp. Rp. Rp.
15 50 20 20 50 20 25 28 25 20
32 40 15 15 20 15 10 25 20 20
20 15 10 18 70 20 30 20 25 15
Data ini adalah data pengeluaran Yakult di Taman Banten Lestari

pada tgl 16 September 2019. Data tersebut dengan jumlah Rupiah dalam
Ribuan.
16
3.4 Pengolahan Data
1. Definisi Tabel Distribusi Frekuensi
Tabel distribusi frekuensi adalah penyajian statistik data
berkelompok dalam bentuk tabel dimana setiap data dikelompokkan
dalam kelas interval.
Tabel 2.2 Data penjualan yang telah di urutkan
10 10 10 10 10 10 10 12 13 15
15 15 15 15 15 15 15 15 15 15
15 15 15 15 15 15 15 18 18 18
18 19 19 20 20 20 20 20 20 20
20 20 20 20 20 20 20 20 20 20
20 20 20 20 20 20 23 25 25 25
25 25 25 25 25 25 25 25 25 28
30 30 30 30 32 35 35 40 45 50
50 50 50 50 50 50 50 50 50 50
50 60 70 75 75 75 80 80 80 80
2. Jumlah Kelas (N)

Jumlah kelas merupakan jumlah dari kelas-kelas yang terdapat pada
suatu distribusi frekuensi.
Jumlah kelas dapat dihitung dengan rumus
N = 1 + 3,322 log n
Maka, N = 1 + 3,322 log n

= 1 + 3,322 log 100
= 1 + 6,644
= 7,644
17
3. Interval Kelas (Ci)
Interval kelas merupakan jarak nilai observasi dalam suatu kelas.
Dengan rumus
Range Higher−Lower
Ci = =
N N
Higher−Lower
Maka Ci =
N
80−10
=
8
= 8.75
4. Range Kelas (K)
 Rumus : K = (Lower + Interval) - 1
 Range kelas ke-
1. (195 + 45) –1 = 5. (375 + 45) – 1 =
239 419
195 ~ 239 375 ~ 419
2. (240 + 45) – 1 = 6. (420 + 45) – 1 =
284 464
240 ~ 284 420 ~ 464
3. (285 + 45) – 1 = 7. (465 + 45) – 1 =
329 509
285 ~ 329 465 ~ 509
4. (330 + 45) – 1 = 8. (510 + 45) – 1 =
374 554
330 ~ 374 510 ~ 554
5. Nilai Tengah
Rumus :
Batas Bawah Kelas +Batas Atas Kelas
2
Nilai Tengah Kelas Ke- :

1. (195 + 239) / 2 = 217 2. (240 + 284) / 2 = 262
18
3. (285 + 329) / 2 = 307 6. (420 + 464) / 2 = 442
4. (330 + 374) / 2 = 352 7. (465 + 509) / 2 = 487
5. (375 + 419) / 2 = 397 8. (501 + 554) / 2 = 532
6. Tepi Kelas Bawah
 Rumus : Batas Bawah Kelas - 0,5
 Tepi kelas bawah ke- :
1. 195 – 0,5 = 194,5 5. 375 – 0,5 = 365,5
2. 240 – 0,5 = 239,5 6. 420 – 0,5 = 419,5
3. 285 – 0,5 = 284,5 7. 465 – 0,5 = 464,5
4. 330 – 0,5 = 329,5 8. 510 – 0,5 = 509,5
7. Tepi Kelas Atas
 Rumus : Batas Atas Kelas + 0,5
 Tepi kelas atas ke- :
1. 239 + 0,5 =239,5 5. 419 + 0,5 = 419,5
2. 284 + 0,5 = 284,5 6. 464 + 0,5 = 464,5
3. 329 + 0,5 = 329,5 7. 509 + 0,5 = 509,5
4. 374 + 0,5 = 374,5 8. 554 + 0,5 = 554,5
8. Tabel Distribusi Frekuensi
Tabel 2.3 Tabel Distribusi Frekuensi
Nilai Tepi Kelas
Kelas Frekuensi
Tengah Bawah Atas
195 ~ 239 5 217 194,5 239,5
240 ~ 284 6 262 239,5 284,5
285 ~ 329 20 307 284,5 329,5
330 ~ 374 28 352 329,5 374,5
375 ~ 419 10 397 374,5 419,5
420 ~ 464 9 442 419,5 464,5
465 ~ 509 7 487 464,5 509,5
510 ~ 554 15 532 509,5 554,5
19
3.5 Penyajian Data
a. Histogram
Histogram adalah tampilan grafis dari tabulasi frekuensi yang
digambarkan dengan grafis batangan sebagai manifestasi data binning.
Tiap tampilan batang menunjukkan proposi frekuensi pada masing-
masing deret kategori yang berdampingan dengan interval yang tidak
tumpang tindih.
30
25
20
Frekuensi
15 Series1
10
0
239.5 284.5 329.5 374.5 419.5 464.5 509.5 554.5
Tepi Kelas
Grafik 2.1 Histogram
b. Polygon Frekuensi
Polygon Frekuensi adalah penyajian data statistik dengan memakai
grafis. Titik tengah sebagai sumbu x dan frekuensinya sebagai sumbu
y.
20
30
25
20
Frekuensi
15
Series1
10
0
217 262 307 352 397 442 487 532
Nilai Tengah
Grafik 2.2 Polygon Frekuensi
c. Pie Diagram
Pie diagram adalah penyajian data data statistik dengan memakai
gambar dalam bentuk lingkaran. Lingkaran tersebut dibagai dalam
beberapa bagian yang menyatakan nilai dengan bentuk nilai persen
atau derajat.
Rumus grafik derajat : f/n x 360⁰
Kelas ke-
21
1. 5/100 x 360⁰ = 18⁰ 5. 10/100 x 360⁰ = 36⁰
2. 6/100 x 360⁰ = 21,6⁰ 6. 9/100 x 360⁰
3. 20/100 x 360⁰ = 72⁰ = 32,4⁰
4. 28/100 x 360⁰ = 7. 7/100 x 360⁰ = 25,2⁰
100,8⁰ 8. 15/100 x 360⁰ = 54⁰
21,6°
18°
54°
25,2°
72°
32,4°
36°
100,8°
Grafik 2.3 Pie Diagram Derajat
Rumus Grafik Presentase : f/n x 100

Kelas ke-
1. 5/100 x 100 = 5 % 2. 6/100 x 100 = 6%
22
3. 20/100 x 100 = 20% 6. 9/100 x 100 = 9%
4. 28/100 x 100 = 28% 7. 7/100 x 100 = 7%
5. 10/100 x 100 = 10% 8. 15/100 x 100 = 15%
5%
15% 6%
7%
20%
9%
10%
28%
Grafik 2.4 Pie Diagram Persentase
Tabel 2.4 Pie Diagram

Kelas Persen (%) Derajat (⁰)
195 - 239 5% 18⁰
240 - 284 6% 21,6⁰
285 - 329 20% 72⁰
330 - 374 28% 100,8⁰
375 - 419 10% 36⁰
420 - 464 9% 32,4⁰
465 - 509 7% 25,2⁰
510 - 554 15% 54⁰
BAB IV
PENGUKURAN NILAI SENTRAL
4.1 Definisi Nilai Sentral
23
Nilai sentral atau nilai nilai tendensi pusat adalah suatu nilai yang
mewakili semua nilai observasi dalam suatu data. Nilai tersebut dianggap
sebagai gambaran dari kondisi suatu data.
4.2 Mean (Rata - Rata Hitung)

Mean adalah teknik penjelasan kelompok yang didasarkan atas
nilai rata-rata dari kelompok tersebut. Rata-rata ini menjumlahkan data
seluruh individu dalam kelompok itu, kelompok dibagi dengan jumlah
individu yang ada pada kelompok tersebut.
Tabel 3.1 Mencari Mean
Frekuens Nilai Coding

Kelas f.X u.F
i Tengah (u)
195 - 239 5 217 1085 -4 -20

240 - 284 6 262 1572 -3 -18
285 - 329 20 307 6140 -2 -40
330 - 374 28 352 9856 -1 -28
375 - 419 10 397 3970 0 0
420 - 464 9 442 3978 1 9
465 - 509 7 487 3409 2 14
510 - 554 15 532 7980 3 45
(f . x)
Rumus rata-rata (X) = ∑
n
Rumus rata-rata dengan coding (X) = Xo + [ ∑ u . f . Ci

n ]
24
(f . x)
X=∑
n
37990
=
100
= 379,9
Rata – rata dengan coding
X = Xo + [ ∑ u . f . Ci
n ]
−38
= 397 + .45
100
= 379,9
4.3 Median
Median adalah nilai yang terletak di tengah suatu data yang telah
diurutkan dari nilai yang terkecil hingga terbesar. Jika jumlah item data
genap nilai median adalah nilai rata-rata dari 2 nilai yang terletak di tengah
data.
Tabel 3.2 Letak Median
Kelas Frekuensi Frekuensi

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Menentukan letak median
25
N
Letak median =
2
100
=
2
= 50
N
−fk
Median = Lmd + 2
[ × Ci]
fmd
N
−fk
Median = Lmd + 2
[ × Ci]
fmd
100
−31
= 329,5 + 2
[ × 45]
28
19
= 329,5 + [ ×45 ]
28
= 329,5 + 30,5
= 360
4.4 Modus
Modus adalah item yang memiliki frekuensi tertinggi pada suatu
data. Dengan kata lain, modus adalah nilai yang paling sering muncul pada
suatu data.
Tabel 3.3 Letak Kelas Modus
Tepi Kelas
Kelas Frekuensi
Bawah Atas
195 – 239 5 194,5 239,5
240 – 284 6 239,5 284,5
285 – 329 20 284,5 329,5
330 – 374 28 329,5 374,5
375 – 419 10 374,5 419,5
420 – 464 9 419,5 464,5
26
465 – 509 7 464,5 509,5
510 – 554 15 509,5 554,5
d1
Rumus Modus = Lmo + [ ×Ci ]
d 1+d 2
d1
Modus = Lmo + [ ×Ci ]
d 1+d 2
8
= 329,5 + [ × 45]
8+18
= 329,5 + 13,8
= 343,3
4.5 Kesimpulan Nilai Sentral
Tabel 3.4 Kesimpulan Nilai Sentral

Nilai Sentral Letak Kelas Nilai
Mean 5 379,9
Median 4 360
Modus 4 343,3
4.6 Hubungan Antara Mean, Median, dan Modus

Hubungan antara mean, median dan modus ini dapat dimanfaatkan
untuk menghitung kemencengan suatu kurva distribusi frekuensi.
Berdasarkan perhitungan dari data di atas diperoleh nilai mean 379,9,
median 360, dan modus 343,3, maka dari nilai tersebut bahwa X>Md>Md.
27
Mo Md X
Gambar 3.1 Kurva Hubungan antara X, Md dan Mo

Kurva di atas menunjukkan bahwa kurva menceng ke kanan.
Kurva di atas berari bahwa rata-rata lebih besar dari median lebih besar
dari modus (X > Md > Mo).
4.7 Nilai Kwartil

Nilai kwartil adalah nilai yang membagai nilai observasi suatu data
yang lebih diurutkan dari nilai terendah sampai nilai tertinggi menjadi
empat bagian yang sama besar.
1. Kwartil 1 (Q1)
Tabel 3.5 Letak Kelas Q1

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 ~ 509 7 85
510 ~ 554 15 100
1 1
Letak Q1 = ( )n = ×100=25
4 4
Rumus Q1 = LQ1 + ¿
Q1 = LQ1 + ¿
= 284,5 + ¿
= 284,5 + 31,5
28
= 316
2. Kwartil 2 (Q2)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Q2 = Median
= 360
3. Kwartl 3 (Q3)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
29
3 3
Letak Q3 = ( )n = ×100=75
4 4
Rumus Q3 = LQ3 + ¿
Q3 = LQ3 + ¿
= 419,5 + ¿
= 419,5 + 30
= 449,5
Tabel 3.8 Nilai Kwartil
Letak Kelas
Kwartil Nilai Kwartil
Kwartil
1 1 (285 - 329) 316
2 2 (330 - 374) 360
3 3 (420 - 464) 449,5
Q1 = 316 Q2 = 360 Q3 = 449,5

Gambar 3.2 Garis Data Kwartil
4.8 Nilai Desil

Nilai dasil adalah nilai-nilai yang membagi nilai observasi suatu data
yang telah diurutkan dari nilai tertinggi hingga nilai terendah menjadi 10
bagian yang sama besar.
30
1. Desil 1 (D 1)
Tabel 3.9 Letak Kelas D1

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D1 = (1/10) x 100 = 10
D1 = LD1 + 10 )
(
[ ]
1
× N−Fk
× Ci
Fd
[
= 239,5 + 10 )
(
]
1
× 100−5
×45
6
= 239,5 + 36
= 275,5
31
2. Desil 2 (D2)
Tabel 3.10 Letak Kelas D2 & D3

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D2 = (2/10) x 100 = 20
(
[ )× N−Fk × Ci
]
2
D2 = LD + 10
Fd
= 284,5 +
[ ( 102 )× 100−11 × 45
20 ]
= 284,5 + 20,25
= 304,75
3. Desil 3 (D3)
Letak D3 = (3/10) x 100 = 30
D3 = LD3 +
[ ( 103 )× N−Fk × Ci
Fd ]
32
= 284,5 +
[ ( 103 )× 100−11 × 45
20 ]
= 284,5 + 42,75
= 327,25
4. Desil 4 (D4)
Tabel 3.11 Letak Kelas D4 & D5

Komulatif
195 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D4 = (4/10) x 100 = 40
D4 = LD4 +
[ ( 104 )× N−Fk × Ci
Fd ]
= 329,5 +
[ ( 104 )× 100−31 × 45
28 ]
= 329,5 + 13,5
= 343
5. Desil 5 (D5)
33
Letak D5 = (5/10) x 100 = 50
D5 = LD5 +
[ ( 105 )× N−Fk × Ci
Fd ]
= 329,5 +
[ ( 105 )× 100−31 × 45
28 ]
= 329,5 + 27
= 356,5
6. Desil 6 (D6)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D6 = (6/10) x 100 = 60
D6 = LD6 +
[ ( 106 )× N−Fk × Ci
Fd ]
= 374,5 +
[ ( 106 )× 100−59 ×45
10 ]
34
= 374,5 + 4,5
= 349
7. Desil 7 (D7)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D7 = (7/10) x 100 = 70
D7 = LD7 +
[ ( 107 )× N−Fk × Ci
Fd ]
35
= 419,5 +
[ ( 107 )× 100−69 × 45
9 ]
= 419,5 + 4,95
= 424,45
8. Desil 8 (D8)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
Letak D8 = (8/10) x 100 = 80
36
D8 = LD8 +
[ ( 108 )× N−Fk × Ci
Fd ]
= 464,5 +
[ ( 108 )× 100−78 ×45
7 ]
= 464,5 + 12,6
= 477,1
9. Desil 9 (D9)

Komulatif
195 - 239 5 5
240 - 284 6 11
285 - 329 20 31
330 - 374 28 59
375 - 419 10 69
420 - 464 9 78
465 - 509 7 85
510 - 554 15 100
37
Letak D9 = (9/10) x 100 = 90
D9 = LD9 +
[ ( 109 )× N−Fk × Ci
Fd ]
= 509,5 +
[ ( 109 )× 100−85 × 45
15 ]
= 509,5 + 13,5
= 523
Tabel 3.16 Nilai Desil

Letak Kelas
Desil Nilai Desil
Desil
1 2 (240 - 284) 275,5
2 3 (285 - 329) 304,75
3 3 (285 - 329) 327,25
4 4 (330 - 374) 343
5 4 (330 - 374) 356,5
6 5 (375 - 419) 349
7 6 (420 - 464) 424,45
8 7 (465 - 509) 477,1
9 8 (510 - 554) 523
38
D1 D2 D3 D4 D5 D6 D7 D8 D9
275,5 304,75 327,25 343 356,5 349 424,45 447,1 523
Gambar 3.3 Garis Data Desil
4.9 Nilai Persentil

Persentil adalah nilai-nilai yang membagai nilai observasi suatu
data yang telah diurutkan dari nilai terkecil hingga terbesar menjadi 100
bagian yang sama besar.
Tabel 3.17 Letak Persentil
Frekuensi Letak Kelas

Kelas Frekuensi
Komulatif P(n)-
195 - 239 5 5 1–5

240 - 284 6 11 6 – 11
285 - 329 20 31 12 – 31
330 - 374 28 59 32 – 59
39
375 - 419 10 69 60 – 69
420 - 464 9 78 70 – 78
465 - 509 7 85 79 – 85
510 - 554 15 100 86 – 100
1. Persentil 1 (P1)
Letak P1 = 1/100 ×100=1
[ [( ) ] ]
1
×100 −fk
P1 = LP1 + 100
×Ci
fP 1
[ [( ) ] ]
1
×100 −0
P1 = 194,5 + 100
× 45
5
= 194,5 + 9
= 203,5
2. Persentil 2 (P2)
Letak P2 = 2/100 ×100=2
[ [( ) ] ]
2
×100 −fk
P2 = LP2 + 100
×Ci
fP 2
P2 = 194,5 +
[ ([ 1002 ) ×100 ]−0 × 45
5
]
= 194,5 + 18
= 212,5
40
3. Persentil 3 (P3)
Letak P3 = 3/100 ×100=3
P3 = LP3 +
[ ([ 1003 ) ×100 ]−fk ×Ci
fP 3
]
[ [( ) ] ]
3
×100 −0
P3 = 194,5 + 100
× 45
5
= 194,5 + 27
= 221,5
4. Persentil 4 (P4)
Letak P4 = 4/100 ×100=4
[ [( ) ] ]
4
×100 −fk
P4 = LP4 + 100
×Ci
fP 4
[ [( ) ] ]
4
×100 −0
P4 = 194,5 + 100
× 45
5
= 194,5 + 36
= 230,5
5. Persentil 5 (P5)
Letak P5 = 5/100 ×100=5
41
[ [( ) ] ]
5
×100 −fk
P5 = LP5 + 100
×Ci
fP 5
[ [( ) ] ]
5
×100 −0
P5 = 194,5 + 100
× 45
5
= 194,5 + 45
= 239,5
6. Persentil 6 (P6)
Letak P6 = 6/100 ×100=6
P6 = LP6 +
[ ([ 1006 ) ×100 ]−fk ×Ci
fP 6
]
[ [( ) ] ]
6
×100 −5
P6 = 239,5 + 100
× 45
6
= 239,5 + 7,2
= 246,7
7. Persentil 7 (P7)
Letak P7 = 7/100 ×100=7
[ [( ) ] ]
7
×100 −fk
P7 = LP7 + 100
×Ci
fP 7
[ [( ) ] ]
7
×100 −5
P7 = 239,5 + 100
× 45
6
= 239,5 + 13,5
= 253
42
8. Persentil 8 (P8)
Letak P8 = 8/100 ×100=8
[ [( ) ] ]
8
×100 −fk
P8 = LP8 + 100
×Ci
fP 8
P8 = 239,5 +
[ ([ 1008 ) ×100 ]−5 × 45
6
]
= 239,5 + 22,5
= 262
9. Persentil 9 (P9)
Letak P9 = 9/100 ×100=9
P9 = LP9 +
[ ([ 1009 ) ×100 ]−fk ×Ci
fP 9
]
[ [( ) ] ]
9
×100 −5
P9 = 239,5 + 100
× 45
6
= 239,5 + 27
= 266,5
10. Persentil 10 (P10)

Letak P10 = 10/100 ×100=10
43
[ [( ) ] ]
10
×100 −fk
P10 = LP10 + 100
×Ci
fP 10
P10 = 239,5 + [[ ( 10
100)×100 −5
] × 45 ]
6
= 239,5 + 36
= 275,5

Letak P11 = 11/100 ×100=11
[ [( ) ] ]
11
×100 −fk
P11 = LP11 + 100
×Ci
fP 11
P11 = 239,5 + [[ ( 11
100)×100 −5
] × 45 ]
6
= 239,5 + 45
= 284,5

Letak P12 = 12/100 ×100=12
[ [( ) ] ]
12
×100 −fk
P12 = LP12 + 100
×Ci
fP 12
44
[ [( ) ] ]
12
×100 −11
P12 = 284,5 + 100
× 45
20
= 284,5 + 2,25
= 286,75

Letak P13 = 13/100 ×100=13
[ [( ) ] ]
13
×100 −fk
P13 = LP13 + 100
×Ci
fP 13
P13 = 284,5 + [[ ( 13
100)×100 −11] × 45 ]
20
= 284,5 + 4,5
= 289

Letak P14 = 14/100 ×100=14
[
P14 = LP14 + [ 100 )
( ×100 ] −fk
]
14
×Ci
fP 14
P14 = 284,5 + [[ ( 14
100)×100 −11] × 45 ]
20
= 284,5 + 6,75
45
= 291,25

Letak P15 = 15/100 ×100=15
[[( ) ] ]
15
×100 −fk
P15 = LP15 + 100
×Ci
fP 15
[ [( ) ] ]
15
×100 −11
P15 = 284,5 + 100
× 45
20
= 284,5 + 9
= 293,5

Letak P16 = 16/100 ×100=16
[[( ) ] ]
16
×100 −fk
P16 = LP16 + 100
×Ci
fP 16
P16 = 284,5 + [[ ( 16
100)×100 −11] × 45 ]
20
= 284,5 + 11,25
= 295,75

Letak P17 = 17/100 ×100=17
46
[[( ) ] ]
17
×100 −fk
P17 = LP17 + 100
×Ci
fP 17
P17 = 284,5 + [[ ( 17
100)×100 −11
] × 45 ]
20
= 284,5 + 13,5
= 298

Letak P18 = 18/100 ×100=18
[
P18 = LP18 + [ 100 )
( ×100 ] −fk
]
18
×Ci
fP 18
P18 = 284,5 + [[ ( 18
100)×100 −11] × 45 ]
20
= 284,5 + 15,75
= 300,5

Letak P19 = 19/100 ×100=19
[[( ) ] ]
19
×100 −fk
P19 = LP19 + 100
×Ci
fP 19
P19 = 284,5 + [[ ( 19
100)×100 −11] × 45 ]
20
= 284,5 + 18
= 302,5
47
Letak P20 = 20/100 ×100=20
[[( ) ] ]
20
×100 −fk
P20 = LP20 + 100
×Ci
fP 20
P20 = 284,5 + [[ ( 20
100)×100 −11] × 45 ]
20
= 284,5 + 20,25
= 304,75

Letak P21 = 21/100 ×100=21
[
P21 = LP21 + [ 100 )
( ] ×Ci ]
21
×100 −fk
fP 21
[ [( ) ] ]
21
×100 −11
P21 = 284,5 + 100
× 45
20
= 284,5 + 22,5
= 307

Letak P22 = 22/100 ×100=22
48
[ [( ) ] ]
22
×100 −fk
P22 = LP22 + 100
×Ci
fP 22
P22 = 284,5 + [[ ( 22
100)×100 −11
] × 45 ]
20
= 284,5 + 24,75
= 309,25

Letak P23 = 23/100 ×100=23
[ [( ) ] ]
23
×100 −fk
P23 = LP23 + 100
×Ci
fP 23
P23 = 284,5 + [[ ( 23
100)×100 −11
] × 45 ]
20
= 284,5 + 27
= 311,5

Letak P24 = 24/100 ×100=24
[ [( ) ] ]
24
×100 −fk
P24 = LP24 + 100
×Ci
fP 24
49
[ [( ) ] ]
24
×100 −11
P24 = 284,5 + 100
× 45
20
= 284,5 + 29,25
= 313,75

Letak P25 = 25/100 ×100=25
[ [( ) ] ]
25
×100 −fk
P25 = LP25 + 100
×Ci
fP 25
P25 = 284,5 + [[ ( 25
100)×100 −11] × 45 ]
20
= 284,5 + 31,5
= 316

Letak P26 = 26/100 ×100=26
[
P26 = LP26 + [ 100 )
( ×100 ] −fk
]
26
×Ci
fP 26
P26 = 284,5 + [[ ( 26
100)×100 −11] × 45 ]
20
= 284,5 + 33,75
50
= 318,25

Letak P27 = 27/100 ×100=27
[[( ) ] ]
27
×100 −fk
P27 = LP27 + 100
×Ci
fP 27
[ [( ) ] ]
27
×100 −11
P27 = 284,5 + 100
× 45
20
= 284,5 + 36
= 320,5

Letak P28 = 28/100 ×100=28
[[( ) ] ]
28
×100 −fk
P28 = LP28 + 100
×Ci
fP 28
P28 = 284,5 + [[ ( 28
100)×100 −11] × 45 ]
20
= 284,5 + 38,25
= 322,75

Letak P29 = 29/100 ×100=29
51
[[( ) ] ]
29
×100 −fk
P29 = LP29 + 100
×Ci
fP 29
P29 = 284,5 + [[ ( 29
100)×100 −11
] × 45 ]
20
= 284,5 + 40,5
= 325

Letak P30 = 30/100 ×100=30
[
P30 = LP30 + [ 100 )
( ×100 ] −fk
]
30
×Ci
fP 30
P30 = 284,5 + [[ ( 30
100)×100 −11] × 45 ]
20
= 284,5 + 42,75
= 327,25

Letak P31 = 31/100 ×100=31
[[( ) ] ]
31
×100 −fk
P31 = LP31 + 100
×Ci
fP 31
P31 = 284,5 + [[ ( 31
100)×100 −11] × 45 ]
20
= 284,5 + 45
= 329,5
52
Letak P32 = 32/100 ×100=32
[[( ) ] ]
32
×100 −fk
P32 = LP32 + 100
×Ci
fP 32
P32 = 329,5 + [[ ( 32
100)×100 −31] × 45 ]
28
= 329,5 + 1,35
= 330,85

Letak P33 = 33/100 ×100=33
[
P33 = LP33 + [ 100 )
( ] ×Ci ]
33
×100 −fk
fP 33
[ [( ) ] ]
33
×100 −31
P33 = 329,5 + 100
× 45
28
= 329,5 + 3,15
= 332,65

Letak P34 = 34/100 ×100=34
53
[ [( ) ] ]
34
×100 −fk
P34 = LP34 + 100
×Ci
fP 34
P34 = 329,5 + [[ ( 34
100)×100 −31
] × 45 ]
28
= 329,5 + 4,5
= 334

Letak P35 = 35/100 ×100=35
[ [( ) ] ]
35
×100 −fk
P35 = LP35 + 100
×Ci
fP 35
P35 = 329,5 + [[ ( 35
100)×100 −31
] × 45 ]
28
= 329,5 + 6,3
= 335,8

Letak P36 = 36/100 ×100=36
[ [( ) ] ]
36
×100 −fk
P36 = LP36 + 100
×Ci
fP 36
54
[ [( ) ] ]
36
×100 −31
P36 = 329,5 + 100
× 45
28
= 329,5 + 7,65
= 337,15

Letak P37 = 37/100 ×100=37
[ [( ) ] ]
37
×100 −fk
P37 = LP37 + 100
×Ci
fP 37
P37 = 329,5 + [[ ( 37
100)×100 −31] × 45 ]
28
= 329,5 + 9,45
= 338,95

Letak P38 = 38/100 ×100=38
[
P38 = LP38 + [ 100 )
( ×100 ] −fk
]
38
×Ci
fP 38
P38 = 329,5 + [[ ( 38
100)×100 −31] × 45 ]
28
= 329,5 + 11,25
55
= 340,75

Letak P39 = 39/100 ×100=39
[[( ) ] ]
39
×100 −fk
P39 = LP39 + 100
×Ci
fP 37
[ [( ) ] ]
39
×100 −31
P39 = 329,5 + 100
× 45
28
= 329,5 + 12,6
= 342,1

Letak P40 = 40/100 ×100=40
[[( ) ] ]
40
×100 −fk
P40 = LP40 + 100
×Ci
fP 40
P40 = 329,5 + [[ ( 40
100)×100 −31] × 45 ]
28
= 329,5 + 14,4
= 343,9

Letak P41 = 41/100 ×100=41
56
[[( ) ] ]
41
×100 −fk
P41 = LP41 + 100
×Ci
fP 41
P41 = 329,5 + [[ ( 41
100)×100 −31
] × 45 ]
28
= 329,5 + 15,75
= 345,25

Letak P42 = 42/100 ×100=42
[
P42 = LP42 + [ 100 )
( ×100 ] −fk
]
42
×Ci
fP 42
P42 = 329,5 + [[ ( 42
100)×100 −31] × 45 ]
28
= 329,5 + 17,55
= 347,05

Letak P43 = 43/100 ×100=43
[[( ) ] ]
43
×100 −fk
P43 = LP43 + 100
×Ci
fP 43
P43 = 329,5 + [[ ( 43
100)×100 −31] × 45 ]
28
= 329,5 + 18,9
= 348,4
57
Letak P44 = 44/100 ×100=44
[[( ) ] ]
44
×100 −fk
P44 = LP44 + 100
×Ci
fP 44
P44 = 329,5 + [[ ( 44
100)×100 −31] × 45 ]
28
= 329,5 + 20,7
= 350,2
45. Perntil 45 (P45)

Letak P45 = 45/100 ×100=45
[
P45 = LP45 + [ 100 )
( ] ×Ci ]
45
×100 −fk
fP 45
[ [( ) ] ]
45
×100 −31
P45 = 329,5 + 100
× 45
28
= 329,5 + 22,5
= 352

Letak P46 = 46/100 ×100=46
58
[ [( ) ] ]
46
×100 −fk
P46 = LP46 + 100
×Ci
fP 46
P46 = 329,5 + [[ ( 46
100)×100 −31
] × 45 ]
28
= 329,5 + 23,85
= 353,35

Letak P47 = 47/100 ×100=47
[ [( ) ] ]
47
×100 −fk
P47 = LP47 + 100
×Ci
fP 47
P47 = 329,5 + [[ ( 47
100)×100 −31
] × 45 ]
28
= 329,5 + 25,65
= 355,15

Letak P48 = 48/100 ×100=48
[ [( ) ] ]
48
×100 −fk
P48 = LP48 + 100
×Ci
fP 48
59
[ [( ) ] ]
48
×100 −31
P48 = 329,5 + 100
× 45
28
= 329,5 + 27
= 356,5

Letak P49 = 49/100 ×100=49
[ [( ) ] ]
49
×100 −fk
P49 = LP42 + 100
×Ci
fP 49
P49 = 329,5 + [[ ( 49
100)×100 −31] × 45 ]
28
= 329,5 + 28,8
= 358,3

Letak P50 = 50/100 ×100=50
[
P50 = LP50 + [ 100 )
( ×100 ] −fk
]
50
×Ci
fP 50
P50 = 329,5 + [[ ( 50
100)×100 −31] × 45 ]
28
= 329,5 + 30,15
60
= 359,65

Letak P51 = 51/100 ×100=51
[[( ) ] ]
51
×100 −fk
P51 = LP51 + 100
×Ci
fP 51
[ [( ) ] ]
51
×100 −31
P51 = 329,5 + 100
× 45
28
= 329,5 + 31,95
= 361,45

Letak P52 = 52/100 ×100=52
[[( ) ] ]
52
×100 −fk
P52 = LP52 + 100
×Ci
fP 52
P52 = 329,5 + [[ ( 52
100)×100 −31] × 45 ]
28
= 329,5 + 33,75
= 363,25

Letak P53 = 53/100 ×100=53
61
[[( ) ] ]
53
×100 −fk
P53 = LP53 + 100
×Ci
fP 53
P53 = 329,5 + [[ ( 53
100)×100 −31
] × 45 ]
28
= 329,5 + 35,1
= 364,6

Letak P54 = 54/100 ×100=54
[
P54 = LP54 + [ 100 )
( ×100 ] −fk
]
54
×Ci
fP 54
P54 = 329,5 + [[ ( 54
100)×100 −31] × 45 ]
28
= 329,5 + 36,9
= 366,4

Letak P55 = 55/100 ×100=55
[[( ) ] ]
55
×100 −fk
P55 = LP55 + 100
×Ci
fP 55
P55 = 329,5 + [[ ( 55
100)×100 −31] × 45 ]
28
= 329,5 + 38,25
= 367,75
62
Letak P56 = 56/100 ×100=56
[[( ) ] ]
56
×100 −fk
P56 = LP56 + 100
×Ci
fP 56
P56 = 329,5 + [[ ( 56
100)×100 −31] × 45 ]
28
= 329,5 + 40.05
= 369,55

Letak P57 = 57/100 ×100=57
[
P57 = LP57 + [ 100 )
( ] ×Ci ]
57
×100 −fk
fP 57
[ [( ) ] ]
57
×100 −31
P57 = 329,5 + 100
× 45
28
= 329,5 + 41,4
= 370,9

Letak P58 = 58/100 ×100=58
63
[ [( ) ] ]
58
×100 −fk
P58 = LP58 + 100
×Ci
fP 58
P58 = 329,5 + [[ ( 58
100)×100 −31
] × 45 ]
28
= 329,5 + 43,2
= 372,7

Letak P59 = 59/100 ×100=59
[ [( ) ] ]
59
×100 −fk
P59 = LP59 + 100
×Ci
fP 59
P59 = 329,5 + [[ ( 59
100)×100 −31
] × 45 ]
28
= 329,5 + 45
= 374,5

Letak P60 = 60/100 ×100=60
[ [( ) ] ]
60
×100 −fk
P60 = LP60 + 100
×Ci
fP 60
64
[ [( ) ] ]
60
×100 −59
P60 = 374,5 + 100
× 45
10
= 374,5 + 4,5
= 379

Letak P61 = 61/100 ×100=61
[ [( ) ] ]
61
×100 −fk
P61 = LP61 + 100
×Ci
fP 61
P61 = 374,5 + [[ ( 61
100)×100 −59] × 45 ]
10
= 374,5 + 9
= 383,5

Letak P62 = 62/100 ×100=62
[
P62 = LP62 + [ 100 )
( ×100 ] −fk
]
62
×Ci
fP 62
[ [( ) ] ]
62
×100 −59
P62 = 374,5 + 100
× 45
10
= 374,5 + 13,5
65
= 388

Letak P63 = 63/100 ×100=63
[[( ) ] ]
63
×100 −fk
P63 = LP63 + 100
×Ci
fP 63
[ [( ) ] ]
63
×100 −59
P63 = 374,5 + 100
× 45
10
= 374,5 + 18
= 392,5

Letak P64 = 64/100 ×100=64
[[( ) ] ]
64
×100 −fk
P64 = LP64 + 100
×Ci
fP 64
P64 = 374,5 + [[ ( 64
100)×100 −59] × 45 ]
10
= 374,5 + 22,5
= 397

Letak P65 = 65/100 ×100=65
66
[[( ) ] ]
65
×100 −fk
P65 = LP65 + 100
×Ci
fP 65
P65 = 374,5 + [[ ( 65
100)×100 −59
] × 45 ]
10
= 374,5 + 27
= 401,5

Letak P66 = 66/100 ×100=66
[
P66 = LP66 + [ 100 )
( ×100 ] −fk
]
66
×Ci
fP 66
P66 = 374,5 + [[ ( 66
100)×100 −59] × 45 ]
10
= 374,5 + 31,5
= 406

Letak P67 = 67/100 ×100=67
[[( ) ] ]
67
×100 −fk
P67 = LP67 + 100
×Ci
fP 67
P67 = 374,5 + [[ ( 67
100)×100 −59] × 45 ]
10
= 374,5 + 36
= 410,5
67
Letak P68 = 68/100 ×100=68
[[( ) ] ]
68
×100 −fk
P68 = LP68 + 100
×Ci
fP 68
P68 = 374,5 + [[ ( 68
100)×100 −59] × 45 ]
10
= 374,5 + 40,5
= 415

Letak P69 = 69/100 ×100=69
[
P69 = LP69 + [ 100 )
( ] ×Ci ]
69
×100 −fk
fP 69
[ [( ) ] ]
69
×100 −59
P69 = 374,5 + 100
× 45
10
= 374,5 + 45
= 419,5

Letak P70 = 70/100 ×100=70
68
[ [( ) ] ]
70
×100 −fk
P70 = LP70 + 100
×Ci
fP 70
P70 = 419,5 + [[ ( 70
100) ]
×100 −69
× 45 ]
9
= 419,5 + 4,95
= 424,45

Letak P71 = 71/100 ×100=71
[ [( ) ] ]
71
×100 −fk
P71 = LP71 + 100
×Ci
fP 71
P71 = 419,5 + [[ ( 71
100) ]
×100 −69
× 45 ]
9
= 419,5 + 9,9
= 429,4
72. Persesntil 72 (P72)

Letak P72 = 72/100 ×100=72
[ [( ) ] ]
72
×100 −fk
P72 = LP72 + 100
×Ci
fP 72
69
[ [( ) ] ]
72
×100 −69
P72 = 419,5 + 100
× 45
9
= 419,5 + 14,85
= 434,35

Letak P73 = 73/100 ×100=73
[ [( ) ] ]
73
×100 −fk
P73 = LP73 + 100
×Ci
fP 73
P73 = 419,5 + [[ ( 73
100) ]
×100 −69
× 45 ]
9
= 419,5 + 19,8
= 439,3

Letak P74 = 74/100 ×100=74
[
P74 = LP74 + [ 100 )
( ×100 ] −fk
]
74
×Ci
fP 74
P74 = 419,5 + [[ ( 74
100) ]
×100 −69
× 45 ]
9
= 419,5 + 24,75
70
= 444,25

Letak P75 = 75/100 ×100=75
[[( ) ] ]
75
×100 −fk
P75 = LP75 + 100
×Ci
fP 75
[ [( ) ] ]
75
×100 −69
P75 = 419,5 + 100
× 45
9
= 419,5 + 29,7
= 449,2

Letak P76 = 76/100 ×100=76
[[( ) ] ]
76
×100 −fk
P76 = LP76 + 100
×Ci
fP 76
P76 = 419,5 + [[ ( 76
100) ]
×100 −69
× 45 ]
9
= 419,5 + 34,65
= 454,15

Letak P77 = 77/100 ×100=77
71
[[( ) ] ]
77
×100 −fk
P77 = LP77 + 100
×Ci
fP 77
P77 = 419,5 + [[ ( 77
100) ]
×100 −69
× 45 ]
9
= 419,5 + 39,6
= 459,1

Letak P78 = 78/100 ×100=78
[
P78 = LP78 + [ 100 )
( ×100 ] −fk
]
78
×Ci
fP 78
P78 = 419,5 + [[ ( 78
100) ]
×100 −69
× 45 ]
9
= 419,5 + 45
= 464,5

Letak P79 = 79/100 ×100=79
[[( ) ] ]
79
×100 −fk
P79 = LP79 + 100
×Ci
fP 79
P79 = 464,5 + [[ ( 79
100) ]
×100 −78
× 45 ]
7
= 464,5 + 6,3
= 470,8
72
Letak P80 = 80/100 ×100=80
[[( ) ] ]
80
×100 −fk
P80 = LP80 + 100
×Ci
fP 80
P80 = 464,5 + [[ ( 80
100) ]
×100 −78
× 45 ]
7
= 464,5 + 12,6
= 477,1

Letak P81 = 81/100 ×100=81
[
P81 = LP81 + [ 100 )
( ] ×Ci ]
81
×100 −fk
fP 81
[ [( ) ] ]
81
×100 −78
P81 = 464,5 + 100
× 45
7
= 464,5 + 18,9
= 483,4

Letak P82 = 82/100 ×100=82
73
[ [( ) ] ]
82
×100 −fk
P82 = LP82 + 100
×Ci
fP 82
P82 = 464,5 + [[ ( 82
100) ]
×100 −78
× 45 ]
7
= 464,5 + 25,65
= 490,15

Letak P83 = 83/100 ×100=83
[ [( ) ] ]
83
×100 −fk
P83 = LP83 + 100
×Ci
fP 83
P83 = 464,5 + [[ ( 83
100) ]
×100 −78
× 45 ]
7
= 464,5 + 31,95
= 496,45

Letak P84 = 84/100 ×100=84
[ [( ) ] ]
84
×100 −fk
P84 = LP84 + 100
×Ci
fP 84
74
[ [( ) ] ]
84
×100 −78
P84 = 464,5 + 100
× 45
7
= 464,5 + 38,25
= 502,75

Letak P85 = 85/100 ×100=85
[ [( ) ] ]
85
×100 −fk
P85 = LP85 + 100
×Ci
fP 85
P85 = 464,5 + [[ ( 85
100)×100 −78] × 45 ]
7
= 464,5 + 45
= 509,5

Letak P86 = 86/100 ×100=86
[
P86 = LP81 + [ 100 )
( ×100 ] −fk
]
86
×Ci
fP 86
P86 = 509,5 + [[ ( 86
100)×100 −85] × 45 ]
15
= 509,5 + 2,7
75
= 512,2

Letak P87 = 87/100 ×100=87
[[( ) ] ]
87
×100 −fk
P87 = LP87 + 100
×Ci
fP 87
[ [( ) ] ]
87
×100 −85
P87 = 509,5 + 100
× 45
15
= 509,5 + 5,85
= 515,35

Letak P88 = 88/100 ×100=88
[[( ) ] ]
88
×100 −fk
P88 = LP88 + 100
×Ci
fP 88
P88 = 509,5 + [[ ( 88
100)×100 −85] × 45 ]
15
= 509,5 + 9
= 518,5

Letak P89 = 89/100 ×100=89
76
[[( ) ] ]
89
×100 −fk
P89 = LP89 + 100
×Ci
fP 89
P89 = 509,5 + [[ ( 89
100)×100 −85
] × 45 ]
15
= 509,5 + 11,7
= 521,2

Letak P90 = 90/100 ×100=90
[
P90 = LP90 + [ 100 )
( ×100 ] −fk
]
90
×Ci
fP 90
P90 = 509,5 + [[ ( 90
100)×100 −85] × 45 ]
15
= 509,5 + 14,85
= 524,35

Letak P91 = 91/100 ×100=91
[[( ) ] ]
91
×100 −fk
P91 = LP91 + 100
×Ci
fP 91
P91 = 509,5 + [[ ( 91
100)×100 −85] × 45 ]
15
= 509,5 + 18
= 527.5
77
Letak P92 = 92/100 ×100=92
[[( ) ] ]
92
×100 −fk
P92 = LP92 + 100
×Ci
fP 92
P92 = 509,5 + [[ ( 92
100)×100 −85] × 45 ]
15
= 509,5 + 20,7
= 530,2

Letak P93 = 93/100 ×100=93
[
P93 = LP93 + [ 100 )
( ] ×Ci ]
93
×100 −fk
fP 93
[ [( ) ] ]
93
×100 −85
P93 = 509,5 + 100
× 45
15
= 509,5 + 23,85
= 533,35

Letak P94 = 94/100 ×100=94
78
[ [( ) ] ]
94
×100 −fk
P94 = LP94 + 100
×Ci
fP 94
P94 = 509,5 + [[ ( 94
100)×100 −85
] × 45 ]
15
= 509,5 + 27
= 536,5

Letak P95 = 95/100 ×100=95
[ [( ) ] ]
95
×100 −fk
P95 = LP95 + 100
×Ci
fP 95
P95 = 509,5 + [[ ( 95
100)×100 −85
] × 45 ]
15
= 509,5 + 29,7
= 539,2

Letak P96 = 96/100 ×100=96
[ [( ) ] ]
96
×100 −fk
P96 = LP96 + 100
×Ci
fP 96
79
[ [( ) ] ]
96
×100 −85
P96 = 509,5 + 100
× 45
15
= 509,5 + 32,85
= 542,35

Letak P97 = 97/100 ×100=97
[ [( ) ] ]
97
×100 −fk
P97 = LP97 + 100
×Ci
fP 97
P97 = 509,5 + [[ ( 97
100)×100 −85] × 45 ]
15
= 509,5 + 36
= 545,5

Letak P98 = 98/100 ×100=98
[
P98 = LP98 + [ 100 )
( ×100 ] −fk
]
98
×Ci
fP 98
P98 = 509,5 + [[ ( 98
100)×100 −85] × 45 ]
15
= 509,5 + 38,7
80
= 548,2

Letak P99 = 99/100 ×100=99
[[( ) ] ]
99
×100 −fk
P99 = LP99 + 100
×Ci
fP 99
[ [( ) ] ]
99
×100 −85
P99 = 509,5 + 100
× 45
15
= 509,5 + 41,85
= 551,35
Tabel 3.18 Nilai Persentil

Letak Kelas
Persentil Nilai Persentil
Persentil
1 195 - 239 203,5
2 195 - 239 212,5
3 195 - 239 221,5
4 195 - 239 230,5
5 195 - 239 239,5
6 240 - 284 246,7
7 240 - 284 253
8 240 - 284 262
9 240 - 284 266,5
10 240 - 284 275,5
11 240 - 284 284,5
12 285 - 329 286,75
13 285 - 329 289
81
14 285 - 329 291,25
15 285 - 329 293,5
16 285 - 329 295,75
17 285 - 329 298
18 285 - 329 300,5
19 285 - 329 302,5
20 285 - 329 304,75
21 285 - 329 307
22 285 - 329 309,25
23 285 - 329 311,5
24 285 - 329 313,75
25 285 - 329 316
26 285 - 329 318,25
27 285 - 329 320,5
28 285 - 329 322,75
29 285 - 329 325
30 285 - 329 327,25
31 285 - 329 329,5
32 330 - 374 330,85
33 330 - 374 332,65
34 330 - 374 334
35 330 - 374 335,8
36 330 - 374 337,15
37 330 - 374 338,95
38 330 - 374 340,75
37 330 - 374 342,1
40 330 - 374 343,9
41 330 - 374 345,25
42 330 - 374 347,05
43 330 - 374 348,4
82
44 330 - 374 350,2
45 330 - 374 352
46 330 - 374 353,35
47 330 - 374 355,15
48 330 - 374 356,5
49 330 - 374 358,3
50 330 - 374 359,65
51 330 - 374 361,45
52 330 - 374 363,25
53 330 - 374 364,6
54 330 - 374 366,4
55 330 - 374 367,75
56 330 - 374 369,55
57 330 - 374 370,9
58 330 - 374 372,7
59 330 - 374 374,5
60 375 - 419 379
61 375 - 419 383,5
62 375 - 419 388
63 375 - 419 392,5
64 375 - 419 397
65 375 - 419 401,5
66 375 - 419 406
67 375 - 419 410,5
68 375 - 419 415
69 375 - 419 419,5
70 420 - 464 424,45
71 420 - 464 429,4
72 420 - 464 434,35
73 420 - 464 439,3
83
74 420 - 464 444,25
75 420 - 464 449,2
76 420 - 464 454,15
77 420 - 464 459,1
78 420 - 464 464,5
79 465 - 509 470,8
80 465 - 509 477,1
81 465 - 509 483,4
82 465 - 509 490,15
83 465 - 509 496,45
84 465 - 509 502,75
85 465 - 509 509,5
86 510 - 554 512,2
87 510 - 554 515,35
88 510 - 554 518,5
89 510 - 554 521,2
90 510 - 554 524,35
91 510 - 554 527,5
92 510 - 554 530,2
93 510 - 554 533,35
94 510 - 554 536,5
95 510 - 554 539,2
96 510 - 554 542,35
97 510 - 554 545,5
98 510 - 554 548,2
99 510 - 554 551,35
P1 P2 P3 P4 P5 P6 P7 P8 P9
203,5 212,5 221,5 230,5 239,5 246,7 253 262 266,5
84
P10 P11 P12 P13 P14 P15 P16 P17 P18
275,5 284,5 286,75 289 291,25 293,5 295,75 298 300,5
P19 P20 P21 P22 P23 P24 P25 P26 P27

302,5 304,75 307 309,25 311,5 313,75 316 318,25 320,5
P28 P29 P30 P31 P32 P33 P34 P35 P36

322,75 325 327,25 329,5 330,85 332,65 334 335,8 337,15
P37 P38 P39 P40 P41 P42 P43 P44 P45

338,95 340,75 342,1 343,9 345,25 347,05 348,4 350,2 352
P46 P47 P48 P49 P50 P51 P52 P53 P54

353,35 355,15 356,5 358,3 359,65 361,45 363,25 364,6 366,4
P55 P56 P57 P58 P59 P60 P61 P62 P63

367,75 369,55 370,9 372,7 374,5 379 383,5 388 392,5
P64 P65 P66 P67 P68 P69 P70 P71 P72

397 401,5 406 410,5 415 419,5 424,45 429,4 434,35
85
P73 P74 P75 P76 P77 P78 P79 P80 P81
439,3 444,25 449,2 454,15 459,1 464,5 470,8 477,1 483,4
P82 P83 P84 P85 P86 P87 P88 P89 P90

490,15 496,45 502,75 509,5 512,2 515,35 518,5 521,2 524,35
P91 P92 P93 P94 P95 P96 P97 P98 P99

527,5 530,2 533,35 536,5 539,2 542,35 545,5 548,5 551,35
Gambar 3.4 Garis Data Persentil
BAB V
PENGUKURAN DISPERSI
5.1 Pengertian Pengukuran Dispersi
86
Pengukuran dispresi digunakan untuk melengkapi perhitungan nilai
sentral. Dispersi adalah besarnya nilai penyimpangan suatu nilai dari nilai
sentralnya. Pengukuran dispersi yang merupakan salah satu aspek yang
sangat penting dalam studi deskriptif suatu data, pengukuran variabilitas
nilai-nilai observasi dari nilai sentralnya. Dua kelompok data mungkin
memiliki rata-rata yang sama, tetapi berbeda dalam hal variabilitas nilai-nilai
observasinya.
5.2 Deviasi Kwartil

Deviasi Kwartil merupakan nilai-nilai Xi yang ordinatnya membagi
seluruh distribusi dalam 4 bagian yang sama dinamakan nilai-nilai kwartil.
Q3−Q1
Rumus : Dk =
2
Q3−Q1
Dk =
2
449.5−316
=
2
= 66,75
5.3 Deviasi Rata-Rata

Deviasi rata-rata merupakan jumlah absolut dari deviasi (penyimpangan
nilai observasi dari nilai sentralnya) dibagi dengan jumlah item atau nilai
observasi pada data.
n
Rumus : Dx =
∑ fi .|xi−x|
i=1
n
87
Tabel 4.1 Tabel Deviasi Rata-Rata
Kelas fi xi f i. x i x i- x |xi−x|. f i
195 ~ 239 5 217 1085 -162,9 814,5

240 ~ 284 6 262 1572 -117,9 707,4
285 ~ 329 20 307 6140 -72,9 1458
330 ~ 374 28 352 9856 -27,9 781.2
375 ~ 419 10 397 3970 17,1 171
420 ~ 464 9 442 3978 62,1 558.9
465 ~ 509 7 487 3409 107,1 749,7
510 ~ 554 15 532 7980 152,1 2281.5
100 37990 3900,6
Mulai mencari dengan nilai rata-rata dengan menggunakan rumus :

n
X=
∑ fi . xi 37990
i=1
= =379,9
n 100
n
Dx =
∑ fi .|xi−x|
i=1
n
3900,6
=
100
= 39,006
5.4 Deviasi Standar

Deviasi standar merupakan ukuran sebaran statistik yang paling lazim.
Singkatnya, ia mengukur bagimana nilai-nilai data tersebar. Bisa juga
didefinisikan sebagai, rata-rata jarak penyimpangan titik-titik data diukur dari
nilai rata-rata data tersebut.
88
Tabel 4.2 Tabel Deviasi Standar
Kelas fi xi f i. x i ( x i- x) 2
(x i−x ) f i ( xi −x)2
195 ~ 239 5 217 1085 -162,9 26536,41 132682,05

240 ~ 284 6 262 1572 -117,9 13900,41 83402,46
285 ~ 329 20 307 6140 -72,9 5314,41 106288,2
330 ~ 374 28 352 9856 -27,9 778,41 21795,48
375 ~ 419 10 397 3970 17,1 292,41 2924,1
420 ~ 464 9 442 3978 62,1 3856,41 34707,69
465 ~ 509 7 487 3409 107,1 11470,41 80292,87
510 ~ 554 15 532 7980 152,1 23134,41 347016,15
100 37990 85283,28 809109
Rumus : S =
√ ∑ fi .( xi−x )2
n−1
X=
∑ f i . x i = 37990 =379,9
n 100
S=
√ ∑ fi . ( xi−x )2
n−1
=
√ 809109
100−1
= 90,4
89
5.5 Koefisien Variansi
Koefisien variansi yaitu membagi ukuran dispersi dengan nilai sentralnya.
Koefisisen variansi ukuran disepersi dan nilai sentral yang digunakan adalah
deviasi standar dan rata-rata.
S
Rumus : V = ×100 %
x
S
V= ×100 %
x
90,4
= ×100 %
379,9
= 23%
5.6 Koefisien Variansi Kwartil

Koefisien variansi kwartil menggunakan konsep yang sama dengan
koefisien variansi yaitu dengan membagi ukuran dispersi dengan nilai
sentralnya. Koefisien variansi kwartil ukuran dispersi dan nilai sentral yang
digunakan adalah deviasi kwartil median.
(Q 3−Q1)
2 (Q 3−Q1)
Rumus : V k = =
(Q 3+Q 1) (Q3+Q 1)
2
( Q3−Q 1 )
2 ( Q3 – Q1 )
Vk= =
( Q 3+Q1 ) ( Q3+ Q1 )
2
90
( 449,5−316 )
2 ( 449,5 – 316 )
= =
( 449,5+316 ) ( 449,5+316 )
2
( 449,5−316) ( 449,5 – 316 )
= =
(449,5+316) ( 449,5+316 )
133,5
=
765,5
= 0,17
BAB VI
PENGUKURAN KEMENCENGAN
6.1 Pengertian Pengukuran Kemencengan

Kemencengan atau kemiringan (skewness) adalah tingkat
ketidaksimetrisan atau kejuhan simetris dari sebuah distribusi. Sebuah
distribusi yang tidak simetris akan memiliki rata-rata, median, dan modus
yang tidak sama besarnya sehingga distribusi akan terkonsentrasi pada
salah satu sisi dan kurvanya akan menceng.
6.2 Kemencengan Suatu Distribusi Frekuensi

a. Distribusi dapat berbentuk simetris yang berarti luas kurva sebelah kiri
sama dengan luas kurva sebelah kanan nilai rata-rata.
b. Distribusi frekuensi dikatakan menceng ke kiri jika nilai-nilai
observasinya yang berfrekuensi rendah lebih banyak berada di sebelah
kiri rata-rata atau ekornya menjulur ke kiri.
91
c. Distribusi dikatakan menceng ke kanan apabila sebagian besar nilai
yang memiliki frekuensi rendah kebanyakan berada disebelah kanan
dari nilai rata-rata atau dikatakan “ekor” nya menjulur ke kanan.
6.3 Metode Pengukuran Kemencengan

6.3.1 Karl Pearson
Untuk mengukur kemencengan suatu distribusi frekuensi, dapat
digunakan rumus Koefisien Karl Pearson.
( x−Mo)
Rumus : Sk =
s
Tabel 5.1 Mencari Nilai Karl Pearson
2
fi.
Kelas Fi xi (xi−x )
(xi−x )2
195 ~ 239 5 217 26536,41 132682,05

S =
240 ~ 284 6 262 13900,41 83402,46
285 ~ 329 20 307 5314,41 106288,2
330 ~ 374 28 352 778,41 21795,48
375 ~ 419 10 397 292,41 2924,1
420 ~ 464 9 442 3856,41 34707,69
465 ~ 509 7 487 11470,41 80292,87
510 ~ 554 15 532 23134,41 347016,15
100 809109
√ ∑ fi .(xi−x )2
n−1
92
S=
√ 809109
100−1
S = √ 8172,81
S = 90,4
Menghitung koefisien Karl Pearson :

( x−mo)
Sk =
s
(379,9−343,3)
=
90,4
= 0,4048 = 40,48%
Atau
3( x−md)
Sk =
S
3(379,9−360)
=
90,4
= 0,6603 = 66,03%
Mo Md X
Gambar 5.1 Kurva Hubungan Mean, Median dan Modus

Sesuai dengan hasil perhitungan diatas, bahwa hasil perhitungan
dari koefisien Karl Person adalah dengan hasil positif. Maka Sk positif
artinya distribusi frekuensi menceng ke kanan. Dengan X>Mo dan
X>Md.
6.3.2 Bowley
93
Kemencengan suatu distribusi frekuensi dapat juga diukur dengan
mengggunakan rumus koefisien Bowley :
( Q3−Q 2 )−(Q 2−Q 1)
Rumus : Sk(Bowley) =
(Q 3−Q 1)
( Q3−Q 2 )−(Q 2−Q 1)
Sk(Bowley ) =
(Q 3−Q 1)
( 449,5−360 )−(360−316)
Sk(Bowley ) =
(449,5−316)
Sk(Bowley ) = 0,3408 = 34,08%
Mo Md X
Gambar 5.2 Kurva hubungan antara nilai kwartil

dengan distribusi frekuensi
Sesuai dengan hasil perhitungan diatas, bahwa hasil perhitungan

koefisien Bowley menghasilkan nilai positif, maka distribusi
frekuensinya menceng ke kanan. Dengan (Q3-Q2)>(Q2-Q1),x>y.
94
BAB VII
PEMBAHASAN
7.1 Data
100 data 5 bulan terakhir penjualan Yakult oleh Yakult Lady di
Perumahan Taman Banten Lestari bulan Maret sampai Mei 2017 yang
dilakukan oleh salah satu Yakult Lady yang bertempat tinggal di daerah
tersebut. Data tersebut dengan satuan per botol dengan seberapa banyak
botol yang terjual setiap harinya.
7.2 Penyajian
A. Distribusi Frekuensi
95
Dari tabel distribusi frekuensi menunjukkan bahwa penjualan
Yakult paling banyak antara 330 - 374 botol dengan frekuensi 28 dan
penjualan paling sedikit antara 195 - 239 botol. Hal ini menunjukkan
hasil yang tidak begitu buruk karena target penjualan selama 3 bulan
adalah 360.
B. Histogram
Dari grafik histogram menunjukkan hasil penjualan Yakult dengan
frekuensi tertinggi sebanyak 28 yaitu dengan range 330 - 374. Dalam
hasil penjualan dengan range 330 - 374 terbilang cukup terpenuhi
karena target penjualan selama 3 bulan adalah 360 botol yang terjual
setiap harinya.
Untuk frekuensi terkecil terletak pada range 195 - 239 dengan
frekuensi 5. Hal ini menunjukkan bahwa peminat Yakult di Perumahan
Taman Banten Lestari terbilang cukup bagus, karena sangat jarang
masyarakat yang tidak membeli yakult.
C. Polygon
Dari grafik polygon menunjukkan nilai tengah pada setiap
range/kelas penjualan Yakult dimana untuk frekuensi tertinggi adalah
28 dan frekuensi terendah adalah 5. Hal ini menunjukkan bahwa
sejauh ini penjualan Yakult di Perumahan Taman Banten Lestari
dilihat dari frekuensi terendah hasil penjualan masih batas wajar.
7.3 Pie Diagram

1. Pie Diagram Derajat
Dari grafik pie diagram derajat menunjukkan frekuensi
penjualan Yakult di Perumahan Taman Banten Lestari dengan
potongan terbesar sebesar 100,8⁰ pada range 330 - 374 dan
96
frekuensi penjualan dengan potongan terkecil sebesar 18⁰ pada
range 195 – 239.
2. Pie Diagram Presentase

Dari grafik pie diagram presentase menunjukkan frekuensi
penjualan Yakult di Perumahan Taman Banten Lestari dengan
potongan terbesar sebesar 28% pada range 330 - 374 dan frekuensi
penjualan dengan potongan terkecil sebesar 5% pada range 195 –
239.
7.4 Pengukuran Nilai Sentral

1. Mean
Nilai rata-rata data penjualan Yakult ini berada di kelas kelima
antara 375 – 419 dengan nilai mean sebesar 379,9. Nilai mean ini
menunjukkan rata-rata penjualan Yakult di Perumahan Taman Banten
Lestari selama 5 bulan terakhir ini tidak begitu buruk.
2. Median
Nilai median atau nilai tengah dari data penjualan Yakult berada
pada kelas keempat dengan range 330 – 374 yaitu sebesar 360. Hal ini
menunjukkan bahwa jika data dibagi menjadi 2 bagian dengan kategori
baik dan buruk maka untuk data diatas nilai median termasuk dalam
kategori buruk. Data dengan kategori buruk inilah yang tidak
diinginkan oleh perusahaan.
3. Modus
Nilai modus menunjukkan data yang sering muncul dengan
frekuensi sebanyak 28 berada pada kelas keempat yaitu antara 330 –
374 dengan nilai 343,3. Hal ini menunjukkan bahwa penjualan Yakult
97
di Perumahan Taman Banten Lestari cukup baik karena target
penjualan Yakul selama 3 bulan adalah 360 botol yang terjual setiap
harinya.
4. Kwartil
Dari data kwartil, data dapat dikelompokkan menjadi 4 kategori
dengan presentase masing-masing kategori data adalah 25% . Data
tertinggi dari 25% penjualan Yakult di Perumahan Taman Banten
Lestari yang memiliki nilai terendah adalah sama dengan Q1. Dengan
demikian 50% data penjualan Yakult di Perumahan Taman Banten
Lestari masih memenuhi target penjualan dan sisanya sebesar 50%
kurang memenuhi target penjualan.
5. Desil
Dari data desil, data dapat dikelompokkan menjadi 10 kategori
dengan presentase masing-masing kategori data adalah 10%. Data
terendah dari 10% penjualan Yakult adalah sama dengan Q1. Dengan
demikian 50% data penjualan yakult di Perumahan Taman Banten
Lestari masih dalam batas wajar karena dapat memenuhi target
penjualan dan sisanya 50% kurang memenuhi target penjualan.
6. Persentil
Dari data persentil, data dapat dikelompokkan menjadi 100
kategori dengan presentase masing-masing kategori data adalah 1%.
Data tertinggi dari 1% penjualan Yakult yang memiliki nilai terendah
98
adalah P1. Data penjualan Yakult di Perumahan Taman Banten Lestari
dapat memenuhi target sama dengan P50 dengan presentase 50%.
Dengan demikian 50% penjualan Yakult di Perumahan taman Banten
Lestari yang dilakukan oleh salah satu Yakult Lady masih dapat
memenuhi target penjualan dan sisanya sebesar 50% kurang
memenuhi target penjualan.
7. Hubungan Antara Mean, Median, dan Modus

Dari hasil pengukuran nilai sentral didapat kurva yang
menunjukkan hubungan antara mean, median dan modus dengan kurva
menceng ke kanan. Kurva tersebut menunjukkan bahwa distribusi
penjualan Yakult di atas rata-rata dengan nilai frekuensi rendah.
Kemudian nilai modus juga dapat direpresentasikan sebagai penjualan
yang kuarang memenuhi target dalam penjualan Yakult. Kurva
tersebut menunjukkan bahwa hasil penjualan Yakult di Perumahan
Taman Banten Lestari sejauh ini kurang memenuhi target karena
sejauh ini terlihat dari frekuensi tertinggi dengan nilai modus adalah
343,3.
7.5 Pengukuran Kemencengan

a. Karl Person
Dari hasil perhitungan koefisisen Karl Pearson didapat koefisien
sebesar 40,48%. Semakin tinggi tingkat kemencengan menunjukkan
bahwa distribusi frekuensi menceng cukup berarti ke kanan.
b. Bowley
Dari hasil perhitungan koefisien SK Bowley di dapat koefisien
sebesar 34,08%. Menurut Bowley jika SK Bowley > + 30% atau < -
30% maka distribusinys menunjukkan tingkat kemencengan yang
sangat tinggi.
99
7.6 Kontribusi Bagi Perusahaan
Dari data 100 penjualan Yakult, sebanyak 50 % penjualan dapat
memenuhi target penjualan yaitu di kelas kelima (375 – 419) sampai
dengan kelas kedelapan (510 – 554). Hal ini harus terus ditingkatkan
karena akan berpengaruh pada hasil penjualan dan pengadaan produk. Dan
utuk 50% penjualan yang tidak memenuhi target penjualan yaitu terdapat
pada kelas pertama (195 – 239) sampai kelas keempat. Dengan kondisi
seperti ini penjualan Yakult dan tujuan utamanya yaitu untuk memenuhi
target penjualan akan tercapai. Untuk itu penjualan ataupun pemasaran
yakult harus ditingkatkan lagi.
Adapun faktor penyebab kurangnya penjualan Yakult antara lain
perencanaan strategi pemasaran yang kurang matang, kurang
melaksanakan bauran masyarakat secara optimal, harga, dan banyaknya
kebutuhan konsumen. Hal tersebut dapat berpengaruh pada pendapatan,
target penjualan dan pengadaan produk. Untuk itu penjualan produk yakult
dan pemasarannya harus direncanakan secara optimal dan melakukan
marketing mix dengan baik.
BAB VIII
KESIMPULAN DAN SARAN
8.1 Kesimpulan
Evaluasi dari hasil penjualan Yakult di Perumahan Taman Banten
Lestari yang dilakukan oleh salah satu Yakult Lady di daerah tersebut
adalah cukup baik karena dapat memenuhi 50% dari target penjualan.
Untuk itu ada beberapa faktor yang menyebabkan kurangnya minat
konsumen terhadap produk Yakult , tentunya hal ini perlu dievaluasi agar
dapat memenuhi target yang ingin diperoleh dan untuk menghindari hal-
hal yang tidak diinginkan.
100
Adapun beberapa cara untuk meningkatkan penjualan suatu produk, antara
lain :
a. Mengenali pelanggan. Melakukan identifikasi konsumen yang menjadi
target pemasaran untuk semua kalangan umur.
b. Melakukan Promosi. Melakukan pengenalan produk kepada konsumen
dengan cara sekreatif mungkin agar konsumen berminat terhadap
produk yang dipasarkan.
c. Memilih lokasi yang strategis. Memilih lokasi yang strategis sangat
penting untuk proses penjualan. Memilih lokasi usaha yang strategis
dan tepat juga sangat berpengaruh agar produk yang dipasarkan mudah
dijangkau konsumen.
d. Menggunakan internet marketing. Salah satu strategi pemasaran yang
sedang gencar dilakukan adalah internet marketing. Produk bisa
dipasarkan melalui media online
e. Menjalin hubungan yang baik dengan konsumen. Konsumen adalah
raja. Slogan satu ini patut dipertahankan guna menjaga kelangsungan
suatu usaha. Jalinan mereka untuk sekadar menanyakan testimoni
mengenai produk usaha yang dipasarkan ataupun informasi produk
baru maupun promo yang sedang berjalan. Konsumen membutuhkan
produk dan penjual membutuhkkan konsumen untuk orientasi
keuntungan.
8.2 Saran
Untuk meningkatkan penjualan Yakult di Perumahan Taman
Banten Lestari, pelaksanaan penjualan/pemasaran sebaiknya menggunakan
strategi pemasaran yang lebih baik untuk meningkatkan hasil penjualan.
Sebaiknya dilakukan penjadwalan untuk penjualan di tempat-tempat yang
strategis. Strategi tersebut diharapkan dapat meningkatkan penjulan
Yakult. Selain itu, proses pemasaran juga harus disertai dengan
pendekatan dengan pelanggan dan memberikan informasi produk yang
101
dipasarkan dan memberikan promosi produk agar konsumen semakin
tertarik dengan produk yang dipasarkan.
DAFTAR PUSTAKA
Krisnaningsih, Erni. 2017. Bahan Ajar Statistika Industri. Universitas Banten

Jaya.
Serang.
www.yakult.co.id
http://belajar-pintar.blogspot.co.id/2012/08/presentil-dari-data-tunggal-dan-
data.html
http://www.astamediagroup.com/blog/5-strategi-pemasaran-untuk-meningkatkan-
penjualan.html
https://smartstat.wordpress.com/2010/03/29/distribusi-frekuensi/
102
103

Statistik Eko

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Statistik Eko

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

1.1 SEJARAH STATISTIK

1.2 PENGERTIAN STASTIK DAN STATISTIKA

Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua, yaitu :

2. Statistika Induktif (Inferens)

Contoh masalah statistik inferens :

1.4 MACAM-MACAM DATA

Tujuan pengumpulan data adalah :

 Untuk memperoleh gambaran suatu gambaran

 Data menurut waktu pengumpulannya, data menurut waktu

 Cross section/insidentil, yakni data yang dikumpulkan hanya pada suatu

1.6 SKALA PENGUKURAN

Skala nominal merupakan skala pengukuran paling sederhana atau

Pada skala nominal ini, peneliti akan mengelompokkan objek, baik

Kemudian, angka yang diberikan kepada objek hanya memiliki arti

 Kategori data bersifat mutually exclusive (setiap objek hanya

Di dalam sebuah penelitian, biasanya akan diberi simbol angka

Skala ordinal merupakan skala pengukuran yang sudah menyatakan

Di dalam skala ordinal, objek atau kategorinya disusun berdasarkan

 kategori data saling memisah.

Di dalam sebuah penelitian, kategori tersebut bisa disimbolkan

Skala Interval merupakan skala pengukuran yang bisas digunakan

Berikut ini adalah ciri-ciri dari skala interval:

 Kategori data memiliki sifat saling memisah.

Contoh Skala Interval

Skala rasio adalah skala pengukuran yang ditujukan pada hasil

Contoh Skala Rasio

 data harus objektif

2.2 JENIS DATA

Data dapat diklasifikasikan menurut jenisnya berdasarkan empat kiteria

1. Sifatnya a. kulifatif Data yang bersifat menggolongkan

Contoh : macam pengrajin (pengrajin bambo, pengrajin

b. kuantitatif Data yang berbentuk angka

Contohnya : keuntungan perusahaan tuan saleh dwiyanto

2. Sumbernya a. internal Data yang menggambarkan keadaan

b. eksternal Data yang menggambarkan keadaan

3. Cara a. primer Data yang dikumpulkan dan diolah

b. sekunder Data yang diperoleh dalam bentuk

4. Waktu a. Cross section Data yang dikumpulkan pada waktu

b. Time series Data yang dikumpulkan dari

Contohnya : data perkembangan keuntungan perusahaan dwi

Tabel 2.1 tabel klasifikasi data

2.3.1 METODE PENGUMPULAN DATA PRIMER

Dalam melakkan pengumpulan data secara langsng untuk memperoh data

Dalam wawancara terstruktur, peneliti telah mengetahui dengan pasti

b. Wawancara tidak terstruktur

Wawancara tidak terstruktur adalah wawancara bebas. Peneliti tidak

2.3.2 PENYAJIAN DATA

Contoh-contoh gambar, tabel, maupun grafik yang sering dipergunakan untuk

C. Grafik Batang Berkelompok

3.1 Definisi Statistika

3.2 Definisi Distribusi Frekuensi

Tabel 2.1 Data penjualan yang belum diurutkan

Data ini adalah data pengeluaran Yakult di Taman Banten Lestari

2. Jumlah Kelas (N)

Maka, N = 1 + 3,322 log n

Nilai Tengah Kelas Ke- :

Grafik 2.2 Polygon Frekuensi

Grafik 2.3 Pie Diagram Derajat

Rumus Grafik Presentase : f/n x 100

Grafik 2.4 Pie Diagram Persentase

Tabel 2.4 Pie Diagram

4.1 Definisi Nilai Sentral