BAB II

LANDASAN TEORI

2.1. Distribusi Frekuensi

2.1.1. Definisi
Distribusi frekuensi adalah pengelompokan data ke dalam beberapa
kelompok (kelas) dan kemudian dihitung banyaknya data yang masuk ke dalam
tiap kelas. Distribusi frekuensi merupakan salah satu bentuk klasifikasi data, yaitu
klasifikasi data secara kuantitatif.
Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-
ciri penting data tersebut dapat segera terlihat. Daftar frekuensi ini akan
memberikan gambaran yang khas tentang bagaimana keragaman data. Sifat
keragaman data sangat penting untuk diketahui, karena dalam pengujian-
pengujian statistik selanjutnya harus selalu memperhatikan sifat dari keragaman
data. Tanpa memperhatikan sifat keragaman data, penarikan suatu kesimpulan
pada umumnya tidaklah sah.
Di dalam statistik deskriptif selalu diusahakan data dapat disajikan dalam
bentuk yang lebih berguna, lebih mudah dipahami dan lebih cepat dimengerti.
Jika data yang ada hanya sedikit, kita tidak mengalami kesulitan untuk membaca
dan mengerti angka-angka itu, tetapi apabila data yang tersedia banyak sekali
jumlahnya, maka untuk mengerti data tersebut kita akan mengalami kesulitan.
Untuk memudahkannya data harus disusun secara sistematis atau teratur ke dalam
distribusi frekuensi.
Dengan demikian, distribusi frekuensi adalah daftar nilai data (bisa nilai
individual atau nilai data yang sudah dikelompokkan ke dalam selang interval
tertentu) yang disertai dengan nilai frekuensi yang sesuai.
Tujuan disusunnya data kedalam bentuk Distribusi Frekuensi antara lain
adalah:
1. Agar data hasil pengukuran / eksperimen yang bervariasi dapat
dikelompokan secara berurutan sehingga mudah untuk dianalisa dan
dianalisis.

3
 2. Perhitungan statistik data dalam bentuk Distribusi Frekuensi (data
kelompok) lebih mudah dan lebih efisien jika dibandingkan dengan
data tersebut dalam bentuk individu.
3. Analisis distribusi data memerlukan data tersebut berbentuk Distribusi
Frekuensi.
Data dalam bentuk Distribusi Frekuensi adalah data yang disajikan dalam
bentuk tabel yang mengandung dua unsur, yakni kelas yang mengelompokkan
data dan frekuensi yang menghitung banyaknya data didalam kelas tersebut.
Contoh: sebuah Distribusi Frekuensi dapat dilihat pada tabel dibawah ini.
Tabel 2.1. Contoh Tabel Distribusi Frekuensi
Banyaknya
Nilai
(Orang)
11-20 2
21-30 3
31-40 3
41-50 6
51-60 8
61-70 7
71-80 5
81-90 3
91-100 3
Total 40
Sumber : Contoh Soal Statistik, 2020

2.1.2. Karakteristik
Distribusi frekuensi mempunyai ciri-ciri khusus yaitu data umumnya ≥
30 data, sehingga dapat diamati pancaran datanya, apakah terdistribusi dengan
normal atau tidak. Kegunaan distribusi frekuensi adalah untuk melihat
penyebaran data, dan untuk menyusun dan mengatur data dengan
mengelompokkan data.

2.1.3. Macam- Macam Tabel Distribusi Frekuensi

Tabel distribusi frekuensi adalah salah satu bentuk penyajian data. Tabel
distribusi frekuensi dibuat agar data yang telah dikumpulkan dalam jumlah yang
sangat banyak dapat disajikan dalam bentuk yang jelas dan baik. Dengan kata
lain, tabel distribusi frekuensi dibuat untuk menyederhanakan bentuk dan jumlah
data sehingga ketika disajikan kepada para pembaca dapat dengan mudah

4
dipahami atau dinilai. Berikut ini adalah macam-macam jenis tabel distribusi
frekuensi
a. Tabel distribusi frekuensi data tunggal, di dalamnya disajikan frekuensi dari
data angka dimana angka yang ada tidak dikelompokkan. Dibawah ini contoh
tabel distribusi frekuensi tunggal.
Tabel 2.2. Contoh Distribusi Frekuensi

Sumber : Wordpress, Nilailiya, 2020

b. Tabel distribusi frekuensi bergolong biasa digunakan untuk menyusun data

yang memiliki kuantitas yang besar dengan mengelompokkan ke dalam
interval-interval kelas yang sama panjang.
Tabel 2.3. Contoh Tabel Distribusi Frekuensi Bergolong

Sumber : Wordpress, Nilailiya, 2020

Pada distribusi frekuensi kelompok, terdapat interval kelas, cara mencari interval
kelas adalah dengan cara menghitung terlebih dahulu banyak kelas dengan cara

5
 K=1+ (3,3 ) log n
Setelah didapat banyak kelas, barulah menjadi kelas interval dengan rumus
berikut ini .
R
P=
K
Keterangan :
P = Kelas interval
R = Range (Data terbesar – Data terkecil)
K = Banyak kelas interval

c. Tabel distribusi frekuensi kumulatif adalah salah satu jenis tabel statistik yang
di dalamnya disajikan frekuensi yang dihitung terus meningkat atau selalu
ditambah-tambahkan baik dari bawah ke atas mauapun dari atas ke bawah.
Tabel distribusi frekuensi kumulatif ada dua yaitu tabel distribusi frekuensi
kumulatif data tunggal dan kelompok.
Tabel 2.4. Distribusi Frekuensi Kumulatif
Nilai Frekuens
Frekuensi
Nilai Tenga Frekuensi i Lebih
Kurang Dari
h Dari

10,5 0 0 40

11-20 15,5 2 2 38

21-30 25.5 3 5 35

31-40 35,5 3 8 32

41-50 45,5 6 14 26

51-60 55,5 8 22 18

61-70 65,6 7 29 11

71-80 75,5 5 34 6

81-90 85,5 3 37 3

6
 91-
95,5 3 40 0
100

Sumber : Data Distribusi Frekuensi Kumulatif, 2020

d. Tabel distribusi frekuensi relative (table persentase)
Tabel ini juga dinamakan tabel persentase, dikatakan “frekuensi relatif”
sebab frekuensi yang disajikan disini bukanlah frekuensi yang sebenarnya,
melainkan frekuensi yang ditungkan dalam bentuk angka persenan.

2.1.5. Parameter Distribusi Statistik

Parameter yang ada didalam Distribusi Frekuensi terdiri dari :
2.1.5.1. Batas kelas (Class Limit)
Batas kelas adalah angka yang menjadi batas dari kelas tersebut. Batas
kelas bawah menunjukkan kemungkinan nilai data terkecil pada suatu kelas.
Sedangkan batas kelas atas mengidentifikasi kemungkinan nilai terbesar dalam
suatu kelas. Setiap kelas didalam Distribusi Frekuensi mempunyai dua batas
kelas, yakni batas kelas atas (BKA) dan batas kelas bawah (BKB). Sebagai
contoh, pada Distribusi Frekuensi data nilai UAS Matematika siswa diatas batas
kelas untuk:
a) Kelas pertama : BKB = 11
BKA = 20

b) Kelas kedua : BKB = 21

BKA = 30

2.1.5.2. Tepi Kelas (Class Boundaries)

Tepi kelas adalah batas impit yang terjadi diantara dua kelas. Setiap kelas
dalam Distribusi Frekuensi juga mempunyai dua tepi kelas, yakni Tepi Kelas Atas
(TKA) dan Tepi Kelas Bawah (TKB). Sebagai contoh, Distribusi Frekuensi data
nilai UAS Matematika siswa, maka tepi kelas untuk:
a) Kelas kedua : TKB = 20,5
TKA = 30,5
b) Kelas ketiga : TKB = 30,5
TKA = 40,5

7
 Perhatikan bahwa TKA kelas kedua = TKB kelas ketiga

2.1.5.3. Titik Tengah (Class Mark)

Titik tengah adalah nilaii tengah dari kelas. Jadi titik tengah kelas :
a) Pertama : 11 + 20 = 15,5
2

b) Kedua : 21 + 30 = 25,5 (dan seterusnya).

2
2.1.5.4. Lebar Kelas
Lebar kelas (biasanya dinotasikan dengan c) adalah selisih antara TKA
dan TKB, dari kelas yang bersangkutan. Jadi lebar kelas untuk:
a) Kelas pertama :c = 20,5 – 10,5 = 10
b) Kelas kedua :c =30,5 – 20,5 = 10

2.1.5.5. Frekuensi Kelas

Kata “frekuensi” yang dalam bahasa Inggris adalah frequency berarti:
“kekerapan”, ”keseringan”, atau “jarang-kerapnya”. Dalam statistik ”frekuensi”
mengandung pengertian: Angka (bilangan) yang menunjukkan seberapa kali suatu
variabel (yang dilambangkan dengan angka-angka itu) berulang dalam deretan
angka tersebut atau berapa kalikah suatu variabel (yang dilambangkan dengan
angka itu) muncul dalam deretan angka tersebut. (Sudijono Anas.2009: 36)

2.2. Bagian – Bagian Distribusi Frekuensi

Bagian-bagian dari distribusi frekuensi antara lain:
1. Kelas (class) merupakan kelompok nilai data atau variabel dari sebuah
data acak
2. Batas Kelas (class limit) merupakan nilai yang menjadi batas antar
kelas. Batas kelas adalah batas semu dari masing-masing kelas, karena

8
 di antara kelas yang satu dengan kelas yang lain masih ada lubang
tempat angka tertentu. Terdapat dua batas kelas untuk data yang telah
diurutkan, yakni batas kelas bawah (lower class limit) dan batas kelas
atas (upper class limit)
3. Tepi kelas atau batas nyata kelas yang tidak mempunyai lubang
untuk angka tertentu antara kelas yang satu dengan yang lainnnya.
Terdapat dua kelas yakni tepi kelas atas dan tepi kelas bawah.
4. Titik tengah kelas atau tanda kelas merupakan angka atau nilai data
yang tepat berada di tengah kelas. Titik tengah kelas merupakan nilai
yang menjawi wakil kelasnya dalam data. Untuk menetapkan titik
tengah kelas bisa dicari dengan rumus: Titik Tengah Kelas = ½
(batas atas kelas + batas bawah kelas)
5. Interval kelas merupakan selang yang menjadi pemisah kelas yang
satu dengan kelas yang lain.
6. Panjang interval kelas atau luas kelas merupakan jarak antara tepi
atas kelas dengan tepi bawah kelas
7. Frekuensi kelas merupakan banyaknya data yang termasuk ke dalam
kelas tertentu dari data acak.

2.3. Ukuran Statistik

Ukuran statistik adalah bilangan yang diperoleh dari sekumpulan data
statistik melalui proses sistematik tertentu. Dalam analisis data, ukuran statistik ini
mengisyaratkan gejala spesifik, misalnya gejala letak pusat pengelompokkan data,
gejala penyebaran/variasi/ keseragaman data, atau gejala lainnya yang dikandung
oleh data yang sedang dianalisis.
Apabila ukuran statistik ini diperolehnya atas dasar perhitungan yang
menyeluruh (complete enumeration) atau sensus, maka namanya parameter,
sedangkan jika diperolehnya atas dasar perhitungan terhadap data statistik yang
ada dalam sampel, ukuran statistik ini disebut statistik. Ukuran ini mengisyaratkan
letak pemusatan pengelompokkan data. Oleh karena itu ukuran-ukuran statistik ini
disebut juga ukuran letak (Measures of Location).

9
2.3.1. Ukuran Pemusatan Dan Penyebaran Data
1. Mean (Rata-Rata)
Rata - rata adalah setiap bilangan yang bisa dipakai sebagai wakil dari
rentetan nilai rata-rata itu, wujudnya berupa satu bilangan saja namun dapat
mencerminkan gambaran secara umum mengenai kumpulan atau deretan bahan
keterangan berupa angka atau bilangan itu. Mean adalah jumlah dari keseluruhan
bilangan yang ada dibagi dengan banyaknya angka bilangan tersebut.
Jenis mean ada dua, yaitu data yang terkelompok dan data yang tidak
terkelompok. Untuk mencari mean data yang tidak kelompok, berikut ini adalah
rumusnya

x 1+ x 2+ x 3 …+ xn
X=
n

Sedangkan rumus untuk menghitung mean dengan data yang berkelompok adalah
berikut :

X =x 0+ p
( ∑ fi . ci
∑ fi )
Keterangan :
X = Rata-rata
P = Lebar kelas
ci = Nilai kelas tengah dikurangin dengan nilai keas bawah dibagi
lebar kelas
fi = Jumlah frekuensi data
Adapun yang menjadi sifat dan penggunaan rata-rata hitung adalah:
a. Nilai numerik rata-rata hitung ditentukan secara ketat oleh bilangan-
bilangan yang menyusunnya.
b. Nilai numerik rata-rata hitung adalah unik.
c. Nilai Numerik rata-rata hitung sangat dipengaruhi oleh nilai ekstrim.
d. Rata-rata hitung hanya boleh dihitung (valid sebagai ukuran gejala
pusat) untuk variabel yang memenuhi tingkat pengukuran sekurang-
kurangnya interval,

10
 e. Apabila dalam rentetan data yang dihadapi terdapat bilangan ekstrim,
tidak disarankan untuk menggunakan rata-rata hitung sebagai ukuran
gejala pusat, sebab bisa memberikan kesimpukan yang keliru.
f. Tidak disarankan untuk mengambil kesimpulan yang hanya
didasarkan kepada rata-rata hitung.

2. Median
Median merupakan suatu harga yang merupakan titik tengah dari
keseluruhan harga pada suatu satuan data. Oleh karena itu terdapat 50% data yang
berada di bawah atau sama dengan nilai tersebut dan terdapat 50% lagi data yang
berada di atas atau sama dengan data tersebut.
Untuk menghitung Median dari data bergolong, dipergunakan rumus:

(( n−F )
)
1
2
Me=b+ p
f

Keterangan :
b = batas bawah, di mana median akan terletak
p = panjang kelas interval
F = jumlah semua frekuansi sebelum kelas interval
f = frekuensi kelas median

Adapun yang menjadi sifat-sifat dari penggunaan median adalah sebagai

berikut:
a. Nilai numerik median tidak ditentukan secara ketat oleh bilangan-
bilangan yang menyusunnya. Oleh karena itu, jika dalam rentetan
bilangan ada yang berubah nilai numeriknya, median belum tentu
berubah.
b. Median tidak dipengaruhi oleh nilai ekstrim, dan nilai median adalah
unik.
c. Median boleh dihitung (valid sebagai ukuran gejala pusat) untuk
variabel yang memenuhi skala pengukuran sekurang-kurangnya
ordinal.

11
Apabila dalam rentetan bilangan terdapat nilai ekstrim, disarankan untuk
menggunakan median sebagai pengganti rata-rata hitung.

3. Modus
Modus didefinisikan sebagai bilangan yang paling banyak muncul atau
bilangan yang frekuensi kemunculannya paling besar dari sutau satuan data.
Modus tidak selalu dengan mudah diperoleh. Hal ini akan terjadi jika dihadapkan
pada suatu harga yang mempunyai frekuensi kemunculan yang sama dengan yang
lainnya.
Untuk menghitung modus pada data bergolong dipergunakan rumus:

Mo=b+ ( b1
)
b1 +b2
p

Keterangan :
b = Batas kelas interval dengan frekuensi terbanyak
p = Panjang kelas interval
b1 = Frekuensi pada kelas modus dikurangi frekwensi kelas terdekat
sebelumnya
b2 = Frekuensi kelas modus dikurangi frekuensi kelas interval
berikutnya.
Adapun yang menjadi sifat-sifat dan penggunaan modus adalah sebagai
berikut:
a. Nilai numerik modus tidak unik (dalam sebuah rentetan data bisa
terdapat lebih dari sebuah modus).
b. Modus digunakan sebagai ukuran gejala pusat untuk variabel dengan
tingkat pengukuran sekurang-kurangnya nominal.
Hubungan antara Mean, Median, dan Modus adalah dapat digunakan
untuk mengetahui kemiringan kurva poligon distribusi frekuensi data observasi.
1. Mean = Median = Modus => Kurvanya simetris
2. Mean < Median < Modus => Bentuk kurvanya miring ke kiri
3. Mean > Median > Modus => Bentuk kurvanya miring ke kanan

12
 4. Kuartil
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,
sesudah disusun menurut urutan nilainya, maka bilangan pembaginya disebut
dengan kuartil. Simbol kuartil adalah K. Dengan demikian, ada tiga buah kuartil,
yaitu K1, K2, dan K3. Pemberian nama dimulai dari nilai kuartil yang paling
kecil. Berikut adalah rumus untuk menghitung kuartil.

( )
i
−F
4
Ki=b+ p
f
Keterangan :
Ki = Kuartil ke-i
B = Batas bawah kelas kuartil terletak
P = Panjang kelas
N = Ukuran sampel/jumlah data
F = Jumlah Frekuensi semua kelas sebelum kelas kuartil terletak
f = Frekuensi kelas kuartil

5. Desil
Desil adalah nilai yang membagi susunan data menjadi 10 bagian yang
sama banyak. Dengan demikian nilai-nilai dari desil yaitu ke-1 (D1), desil ke-2
(D2), desil ke-3 (D3), desil ke-4 (D4), dan seterusnya.

Keterangan :
D1 = Desil ke-i
Tb = Tepi bawah kelas kuartil
P = Panjang kelas

13
 n = Banyak data
F = Frekuensi kumulatif sebelum kelas kuartil
F = Frekuensi kelas kuartil
2.3.2. Ukuran Dispersi Atau Variasi
Selain ukuran gejala pusat, terdapat ukuran lain yaitu ukuran dispersi
atau ukuran vasiasi yang mengisyaratkan keseragaman data. Nilai numerik ukuran
ini tidak pernah negatif (selalu positif). Apabila nilai ukuran ini diperoleh sama
dengan nol (0), hal ini menunjukkan bahwa data yang kita miliki keadaannya
seragam sempurna (tidak ada variasi, atau semua bilangan nilai numeriknya
sama). Oleh karena itu makin jauh nilai numerik ukuran ini dari nol (0), makin
tidak seragam keadaan data tersebut. Terdapat bebeapa ukuran variasi yang biasa
digunakan, yang juga akan diuraikan di sini, adalah; rentang (range), varians
(variance), simpangan baku (standar deviation), koefisien variasi (koeficient of
variation), rentang antar kuartil (interquartiles ranges), dan indeks dispersi (index
of dispersion).

A. Varians (Variance)
Rumus yang dipergunakan untuk menghitung varians, jika data berasal

(∑ )
dari populasi adalah N 2

N
xi
i =1
∑ x 12 -
N
2 i=1
σ =
N

Sedangkan varians yang dihitung berdasarkan sampel dihitung dengan rumus:

(∑ )
n 2

n
xi
i=1
∑ x
12
-
n
2 i=1
s =
n-1

14
 B. Simpangan Baku (Standar Deviation)
Simpangan baku didefinisikan sebagai akar dari Varians. Oleh karena itu

σ =√ σ 2
rumus simpangan baku adalah:

Untuk sampel adalah;

s = √ s2
Varians dan simpangan bau hanya boleh digunakan sebagai alat
pembanding keseragaman data, apabila data yang dibandingkan keseragamannya
itu berasal dari variabel yang sama dengan satuan pengukuran (unit of
measurement) yang sama pula. Varians dan Simpangan Baku hanya valid
digunakan sebagai ukuran variasi untuk variabel yang memenuhi tingkat
pengukuran sekurang-kurangnya interval.

2.3.3. Koefisien Kemiringan Dan Keruncingan Dari Distribusi

Derajat kemiringan distribusi data di sebut skewnes di ukur melalui
koefesien yang salah satu rumusannya adalah sebagai berikut:

KKM = X - modus = 3 ( X – Median )

Jika nilai koefisien kemiringan positif maka distribusi akan miring

kekanan, sebaliknya jika koefisien kemiringan negative distribusi akan miring
kekiri dan jika koefisien kemiringan mendekati nol maka distribusi akan
mendekati simetris (distribusi normal).

Gambar 2.1. Gambar Kemiringan Koefisien

Sumber : Laporan Pratikum Distribusi Frekuensi, 2018

15
 .............................Derajat keruncingan distribusi yang disebut dengan kurtosis di ukur
dengan koefisien keruncingan yang salah satu rumusnya adalah sebagai berikut :

Q Q3 –Q1
KKR = ;Q=
P90 – P10 2

Gambar 2.1.
Gambar 2.2. Keruncingan Distribusi
Sumber : Laporan Pratikum Distribusi Frekuensi, 2018

2.3.4. Histogram Dan Frekuensi Poligon

Histogram dan frekuensi poligon adalah dua cara untuk menggambarkan
DF dengan grafik. Histogram terdiri dari sekumpulan segi empat yang
mempunyai
1. Basis pada axis horizontal (axis X) dengan pusatnya pada nilai tengah
dan panjangnya sama dengan lebar kelas.
2. Luas dari segi empat tersebut sebanding dengan frekuensi kelas. Jika
semua interval kelas mempunyai lebar yang sama, tinggi dari segi
empat histogram tersebut sama dengan frekuensi kelas. Jika lebar
kelas tidak sama, tinggi segi empat histogram harus disesuaikan.
Frekuensi poligon adalah garis kontinu yang menghubungkan titik tengah
dari masing-masing puncak segi empat histogram histogram dan frekuensi
poligon dari DF adalah sebagai berikut:

16
 Gambar 2.1.
Gambar 2.2. Histogram dan Frekuensi Poligon
Sumber : Laporan Pratikum Distribusi Frekuensi, 2018
2.3.2.
2.3.3.
2.3.4.
2.3.5. Ukuran Pemusatan
Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat
segugus data, yang telah diurutkan dari yang terkecil sampai yang terbesar atau
sebaliknya dari yang terbesar sampai yang terkecil.
Salah satu kegunaan dari ukuran pemusatan data adalah untuk
membandingkan dua (populasi) atau contoh, karena sangat sulit untuk
membandingkan masing-masing anggota dari masing-masing anggota populasi
atau masing-masing anggota data contoh.Nilai ukuran pemusatan ini dibuat
sedemikian sehingga cukup mewakili seluruh nilai pada data yang bersangkutan.
Kegunaan ukuran penyebaran antara lain sebagai berikut:
a. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai
rata-ratanya benar-benar representatif atau tidak. Apabila suatu
kelompok data mempunyai penyebaran yang tidak sama terhadap nilai
rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak
representatif. 
b. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan
terhadap variabilitas data.

17
 c. Ukuran penyebaran dapat membantu penggunaan ukuran statistika,
misalnya dalam pengujian hipotesis, apakah dua sampel berasal dari
populasi yang sama atau tidak.

2.1.
2.2.

18