MAKALAH

MATERI STATISTIKA
O
L
E
H
NAMA : BETA S.R OMPUSUNGGU
NIM : 190502002
SEMESTER : III (Tiga)
PRODI : BAHASA INGGRIS
M.KULIAH : STATISTIKA

Universitas Sisingamangaraja XII Tapanuli Utara

UNITA Silangit
2020/2021
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa karena dengan rahmat, karunia, serta
taufik dan hidayah-Nya lah kami dapat meyelesaikan makalah STATISTIKA sebatas pengetahuan dan
kemampuan yang dimiliki.

Kami sangat berharap makalah ini dapat berguna dalam rangka wawasan serta pengetahuan kita
mengenai pengertian, prinsip kerja, jenis- jenis STATISTIKA, aplikasi dan perhitungan pada
STATISTIKA. Kami juga menyadari sepenuhnya bahwa di dalam tugas ini terdapat kekurangan-
kekurangan dan jauh dari apa yang kami harapkan.

Untuk itu, kami berharap adanya kritik, saran dan usulan demi perbaikan di masa yang akan
datang, mengingat tidak ada nenambah sesuatu yang sempurna tanpa sarana yang membangun. Semoga
makalah sederhana ini dapat dipahami bagi siapapun yang membacanya. Sekiranya laporan yang telah
disusun ini dapat berguna bagi kami sendiri maupun orang yang membacanya.

Sebelumnya kami mohon maaf apabila terdapat kesalahan kata-kata yang kurang berkenan dan
kami memohon kritik dan saran yang membangun demi perbaikan di masa depan.

Silangit, Februari 2021

 DAFTAR ISI

JUDUL .......................................................................................................................................

KATA PENGANTAR ................................................................................................................

DAFTAR ISI...............................................................................................................................

BAB l PENDAHULUAN

A. Latar belakang masalah..........................................................................................................

B. Rumusan masalah ..................................................................................................................

C. Tujuan pembahasan ...............................................................................................................

BAB ll PEMBAHASAN

A. Statistika dan Statistik…………….......................................................................................

B. Penyajian data dan distribusi frekuensi ................................................................................

C. Penyajian data dalam bentuk grafik ......................................................................................

D. Latihan membuat daftar distribusi.........................................................................................

E. Ukuran gejala pusat ( rata rata ) ............................................................................................

F. Modus ..................................................................................................................................

G. Ukuran gejala letak ( median dan kuartil ) ..........................................................................

H. Ukuran gejala letak ( desil dan persentil )...........................................................................

I. Rentang antar kuartil , simpangan kuartil dan rataan simpangan………………………….

J. Varians dan simpangan baku ...............................................................................................

K. Pengantar dan distribusi peluang .......................................................................................

L. Penaikan parameter ............................................................................................................

M. Pengujian varians ..............................................................................................................

BAB lll PENUTUP

A. Kesimpulan ........................................................................................................................

B. Saran ..................................................................................................................................
DAFTAR PUSTAKA .............................................................................................................

BAB l PENDAHULUAN

A. LATAR BELAKANG
Ilmu statistik memegang peranan penting dalam penelitian, baik dalam penyusunan model,
perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan data, penyusunan
design penelitian, serta penentuan sampel dan dalam analisis data. Dalam banyak hal, pengolahan
dan analisa data tidak luput dari penerapan teknik dan metode statistik tertentu, yang mana
kehadirannya dapat memberikan dasar bertolak dalam menjelaskan hubungan-hubungan yang
terjadi.
Statistik dapat digunakan sebagai alat untuk mengetahui apakah hubungan kausal antara
dua atau lebih variabel benar-benar terkait secara benar dalam suatu kausalitas empiris ataukah
hubungan tersebut hanya bersifat random atau kebetulan saja. Ilmu statistik telah memberikan
teknik-teknik sederhana dalam mengklasifikasikan data serta dalam menyajikan data secara lebih
mudah. Statistik telah menyajikan suatu ukuran yang dapat dimengerti secara lebih mudah.
Statistik dapat menyajikan suatu ukuran yang dapat mensifatkan populasi ataupun
menyatakan variasinya, dan memberikan gambaran yang lebih baik tentang kecenderungan
tengah-tengah dari variabel.
Statistik dapat menolong peneliti untuk menyimpulkan apakah suatu perbedaan yang
diperoleh benar-benar berbeda secara signifikan. Apakah kesimpulan yang diambil cukup
refresentatif untuk memberikan infensi terhadap populasi tertentu. Penarikan kesimpulan secara
statistik memungkinkan peneliti melakukan kegiatan ilmiah secara lebih ekonomis dalam
pembuktian induktif.
Tetapi harus disadari bahwa statistik hanya merupakan alat bukan tujuan dari analisa.
Karena itu, janganlah dijadikan statistik sebagai tujuan yang menentukan komponen-komponen
peneliti yang lain. Berdasarkan latar belakang diatas penyusun ingin mengetahui lebih jauh tentang
ilmu statistik termaksud juga tentang hubungan ilmu statistik dengan ilmu yang lainnya serta
aplikasi/penerapan ilmu statistik dalam berbagai bidang.

B. RUMUSAN MASALAH
Dengan memperhatikan latar belakang, agar dalam penulisan ini memperoleh hasil yang
diinginkan, maka penulis mengemukakan beberapa rumusan masalah, rumusan masalah tersebut
mengenai :
 1. Apa Perbedaan dan persamaan statistic
2. Apa saja Penyajian data dan distribusi frekuensi
3. Penyajian data dalam bentuk grafik
4. Latihan membuat daftar distribusi
5. Ukuran gejala pusat ( rata rata )
6. Apa pengertian Modus
7. Apa saja Ukuran gejala letak ( median dan kuartil )
8. Apa saja Ukuran gejala letak ( desil dan persentil )
9. Pengertian Rentang antar kuartil , simpangan kuartil dan rataan simpangan
10. Pengertian Varians dan simpangan baku
11. Pengantar dan distribusi peluang
12. Penaikan parameter
13. Pengujian varians

C. TUJUAN PENULISAN
Adapun penulisan makalah ini memiliki beberapa tujuan yaitu untuk mengetahui :
1. Perbedaan dan persamaan statistik
2. Penyajian data dan distribusi frekuensi
3. Penyajian data dalam bentuk grafik
4. Latihan membuat daftar distribusi
5. Ukuran gejala pusat ( rata rata )
6. Modus - Ukuran gejala letak ( median dan kuartil )
7. Ukuran gejala letak ( desil dan persentil )
8. Rentang antar kuartil , simpangan kuartil dan rataan simpangan
9. Varians dan simpangan baku
10. Pengantar dan distribusi peluang
11. Penaikan parameter dan pengujian varian
 BAB II PEMBAHASAN

A. STATISTIKA DAN STATISTIK

a. Statistika
1. Pengertian Statistika

Secara umum statistika merupakan sebuah cabang ilmu pendidikan yang berhubungan dengan data –
data dan bagaimana cara menumpulkan data tersebut. Statistika juga diartikan sebagai sebuah metode
ilmiah yang mempelajari tentang bagaimana merencanakan, mengumpulkan, mengelola,
menginterprestasi kemudian menganalisa data untuk kemudian mempresentasikan hasil data yang
diperoleh.

Kemudian menurut Kamus Besar Bahasa Indonesia (KBBI), statistika didefinisikan sebagai ilmu
yang mempelajari tentang cara menabulasi, mengumpulkan, menganalisis serta menemukan keterangan
yang berarti dari data. Data yang dikumpulkan dan dianalisis ini adalah berupa angka-angka.

2. Tujuan Statistika

Sebagai sebuah ilmu dan metode ilmiah, statistika digunakan untuk mempermudah dalam pengolahan
dan menginterpretasikan data yang sudah dikumpulkan sebelumnya. Dengan menggunakan statistika, data
dari sebuah masalah yang sebelumnya sudah dikumpulkan, dapat diolah, diinterpretasikan, dan kemudian
digunakan untuk tujuan tertentu.

Data hasil pengolahan ilmu statistika inilah yang kelak akan disebut sebagai data statistik. Oleh karena
itu, secara umum fungsi statistika adalah untuk mengubah data dan informasi acak menjadi sebuah data
statistik yang dapat dimengerti.

3. Metode Penelitian yang digunakan pada statistka

Pada statistika, metode penelitian yang digunakan terdiri dari dua metode, yaitu survei dan
eksperimen. Kedua metode ini sama-sama mempelajari perilaku respons yang diakibatkan oleh perubahan
penjelas maupun pengaruhnya. Bedanya hanya pada pelaksanaan dari proses kajian tersebut. Intinya, pada
proses statistika, metode yang digunakan berfokus pada pengolahan dan pengelolaan data yang
dikumpulkan. Data-data ini kemudian akan dikeluarkan menjadi statistik.

4. Contoh Statistika

statistika lebih banyak membahas mengenai proses pengolahan data-data yang ada agar bisa menjadi
sebuah informasi, atau sebuah statistik.

Berikut ini adalah contoh-contoh statistika pada kehidupan sehari hari:

 Pengolahan data kependudukan suatu wilayah untuk menentukan piramida penduduk dengan

menggunakan analisis cohort demografi
 Pengolahan data kependudukan suatu wilayah untuk menentukan transisi demografi dengan
 Prediksi penduduk di masa depan dengan memanfaatkan proyeksi penduduk aritmatik
  Menemukan rata-rata dan standar deviasi dari nilai ujian mahasiswa di suatu universitas
 Menemukan median umur penduduk di suatu desa

Berdasarkan contoh yang telah diberikan, dapat ditaik kesimpulan bahwa statistika adalah sebuah
metode untuk mengolah data-data yang banyak, agar nantinya bisa dihasilkan sebuah statistik dari data
tersebut.

b. Statistik

1. Pengertian statistik (statistic)

Statistic  adalah kumpulan keterangan yang disusun atau disajikan dalam daftar atau gambar yang
melukiskan atau menggambarkan sesuatu. statistik sendiri adalah hasil data yang ditampilkan dalam
bentuk grafik, tabel dan lain sebagainya.

Menurut Kamus Besar Bahasa Indonesia (KBBI), statistik didefinisikan sebagai angka-angka atau
catatan yang dikumpulkan, dikelompokkan dan ditabulasi sehingga didapatkan informasi berkaitan
dengan masalah tertentu. Angka atau data yang ditampilkan dalam statistik ini diperoleh dari hasil
pengumpulan data baik berupa wawancara maupun tanpa wawancara.

2. Tujuan Statistik

Statistik merupakan hasil data yang sebelumnya sudah dikumpulkan melalui proses atau metode
ilmiah dan kemudian diolah serta diinterpretasikan untuk kemudian ditampilkan dalam bentuk grafik atau
diagram. Data yang sudah diolah dan ditampilkan inilah yang disebut sebagai statistik.

Jadi, tujuan statistik adalah mendapat gambaran atas data-data yang sudah dikumpulkan dan dikaji
sebelumnya. Dengan begitu, dari data-data tersebut kemudian dapat ditarik kesimpulan atas permasalahan
yang sedang dikaji.

3. Metode penelitian yang digunakan pada Statistik

 pada statistik, metode kajian atau penelitian yang digunakan adalah dengan memperoleh kumpulan
data terlebih dahulu yang didapat dan diolah pada proses statistika untuk kemudian dikaji setelahnya.

Intinya, pada statistik, metode yang digunakan lebih banyak bersifat interpretatif terhadap ‘statistik’
apa yang sudah dikeluarkan dari pengolahan menggunakan metode statistika.

4. Contoh Statistik

Statistik adalah data hasil pengolahan menggunakan metode statistika yang kemudian dapat
diinterpretasi. Berikut ini adalah contoh-contoh statistik pada kehidupan sehari-hari:

 Data kependudukan dan perekonomian milik Badan Pusat Statistik (BPS)

 Data kepemilikan kendaraan bermotor di suatu kawasan perkotaan
 Data belanja daerah dan anggaran pemerintah daerah milik Kemenkeu (DPJK)
 Data kependudukan suatu desa yang didapatkan lewat survei
 Data guna lahan suatu kabupaten yang dikeluarkan oleh dinas pertanahan
 Jika diperhatikan diatas, semua contoh mengenai statistik berhubungan dengan data dan informasi
tertentu yang terkandung oleh data. Oleh karena itu, dapat di asumsikan bahwa statistik adalah ‘data’ itu
sendiri.

B. PENYAJIAN DATA DAN DISTRIBUSI FREKUENSI

a. Penyajian Data

Data yang sudah diolah, agar mudah dibaca dan dimengerti oleh orang lain atau pengambil
keputusan, perlu disajikan ke dalam bentuk-bentuk tertentu.

Penyajian data memiliki fungsi antara lain :

1)      Menunjukkan perkembangan suatu keadaan.

2)      Mengadakan perbandingan pada suatu waktu.

Penyajian data dapat dilakukan  melalui bentuk tabel dan grafik

1.    Tabel Data

Tabel data disingkat tabel adalah penyajian data dalam bentuk kumpulan angka yang dususun
menurut kategori-kategori tertentu, dalam suatu daftar. Dalam tabel, data disusun dengan cara alfabetis,
geografis, menurut besarnya angka, historis, atau menurut kelas-kelas yang lazim. Sebuah tabel memuat
bagian-bagian sebagai berikut:

a)        Kepala Tabel

Kepala tabel memuat:

o Nomor tabel
o Judul tabel (mungkin termasuk tahun dan/atau unit).

b)        Leher tabel

Leher tabel memuat keterangan atau judul kolom (mungkin termasuk unit yang harus ditulis
singkat dan jelas)

c)        Badan tabel

        Badan tabel memuat data (mungkin termasuk tahun)

d)        Kaki tabel

        Kaki tabel memuat:

o Keterangan –keterangan tambahan

o Sumber data, yaitu sumber yang menjelaskan dari mana data itu dikutip atau diambil.

Didasarkan atas pengaturan datanya, tabel dapat dibedakan atas beberapa jenis yaitu:
a.       Tabel frekuensi, adalah tabel yang menunjukkan atau memuat banyaknya kejadian atau frekuensi
dari suatu kejadian.

b.      Tabel Klasifikasi, adalah tabel yang menunjukkan atau memuat pengelompokan data. Tabel
klasifikaasi dapat berupa tabel klasifikasi ganda.

c.      Tabel kontingensi, adalah tabel yang menunjukkan atau memuat data sesuai dengan rinciannya.
Apabila bagian baris berisikan m baris dan bagan kolom tabel berisikan n kolom maka didapatkan tabel
kontigensi berukuran m x n.

d.      Tabel korelasi, adalah tabel yang menunjukkan atau memuat adanya korelasi ( hubungan) antara
data yang disajikan.

2.  Grafik data

Grafik data, disebut juga diagram data, adalah penyajian data dalam bentuk gambar-gambar.
Grafik data biasanya berasal dari tabel, karena itu tabel dan grafik biasanya dibuat secara bersama-sama,
yaitu tabel dilengkapi dengan grafik. Grafik data sebenarnya merupakan penyajian data secara visual dati
data bersangkutan. Grafik data dapat dibedakan atas beberapa jenis, yaitu;

a.       Piktogram

Pictogram adalah grafik data yang menggunakan gambar atau lambang dari data itu sendiri dengan
skala tertentu.

b.      Grafik batang atau balok

Grafik Batang atau Balok adalah grafik data berbentuk persegi panjang yang lebarnya sama dan
dilengkapi dengan skala atau ukuran sesuai dengan data yang bersangkutan. Setiap batang (persegi
panjang) tidak boleh saling menempel atau melekat antara satu dengan yang lainnya dan jarak antara
setiap batang yang berdekatan harus sama. Susunan dari batang-batang tersebut boleh tegak atau
mendatar.

c.       Diagram Lingkaran

Grafik lingkaran adalah grafik data berupa lingkaran yang telah dibagi menjadi juring-juring
sesuai dengan data tersebut. Bagian-bagian dari keseluruhan data tersebut dinyatakan dalam presen.
Untuk membuat grafik ligkaran, biasanya dipakai dua cara yaitu:

 Membagi keliling lingkatan menurut data-data yang ada.

 Membagi lingkaran menurut data yang ada dengan menggunakan busur derajat.

b. Distribusi Frekuensi

1.        Pengertian Distribusi Frekuensi

Data yang telah diperoleh dari suatu penelitian yang masih berupa data acak atau data mentah
dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke dalam kelas-kelas tertentu.
Daftar yang memuat data berkelompok disebut distribusi frekuensi atau table frekuensi. Jadi, distribusi
frekuensi adalah susunan data menurut kelas-kelas interval tertentu atau menurut kategori tertentu dalam
sebuah daftar. Dari distribusi frekuensi, dapat diperoleh keterangan atau gambaran sederhana dan
sistematis dari data yang diperoleh.

2.        Bagian-bagian distribusi frekuensi

Sebuah distribusi frekuensi akan memiliki bagian-bagian sebagai berikut:

1)      Kelas-kelas (class)

Kelas adalah kelompok nilai data atau variabel.

2)      Batas Kelas (class limits)

Batas kelas adalah nilai-nilai yang membatasi kelas yang satu dengan kelas yang lain. Terdapat
dua batas kelas, yaitu:

 Batas kelas bawah (over class limits), terdapat dideretan sebelah kiri setiap kelas.
 Batas kelas atas (upper class limits) terdapat di deretan sebelah kanan setiap kelas.

Batas kelas merupakan batas  semu dari setiap kelas, karena diantara kelas yang satu dengan kelas
yang lain masih terdapat lubang tempat angka-angka tertentu.

3)      Tepi kelas (class boundry/real limits/true class limits)

Tepi kelas disebut juga batas nyata kelas, yanitu batas kelas yang tidak memiliki lubang untuk
angka tertentu antara kelas yang satu dengan kelas yang lain. Terdapat dua tepi kelas, yaitu:

 Tepi bawah kelas atau batas bawah kelas bawah sebenarnya.

 Tepi atas kelas atau batas kelas atas sebenarnya.

Penentuan tepi bawah kelas dan tepi atas kelas bergantung pada keakuratan pencatatan data.
Misalnya, data dicatat dengan ketelitian sampai satu decimal, maka rumus tepi bawah kelas dan tepi atas
kelas ialah sebagi berikut:

 Tepi bawah kelas = batas bawah kelas – 0,5

 Tepi atas kelas = batas atas kelas + 0,5

4)      Titik tengah kelas atau tanda kelas (class mid point, class mark)

Titik tengah kelas adalah angka atau nilai data yang tepat terletak di tengah suatu kelas. Titik
tengah kelas merupakan nilai data yang tepat terletak di tengah suatu kelas. Titik tengah kelas merupakan
nilai yang mewakili kelasnya.

Titik tengah kelas = ½ (batas atas + batas bawah ) kelas.

5)      Interval kelas (class interval)

Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas yang lain.

6)      Panjang interval kelas atau luas kelas (interval size)

Panjang interval kelas adalah jarak antara tepi atas kelas dan tepi bawah kelas.

7)      Frekuensi kelas (class frequency)

 Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu.

3.        Penyusunan distribusi frekuensi

Distribusi frekuensi dapat dibuat dengan mengikuti pedoman sebagai berikut:

1)      Mengurutkan data dari yang terkecil ke yang terbesar.

2)      Menentuan jangkauan (range) dari data.

Jangkauan = data terbesar – data terkecil

3)      Menentukan banyaknya kelas (k).

Banyaknya kelas ditentukan dengan rumus sturgess:

k  = 1 + 3,3 log n ;  k   bilangan bulat

Keterangan:

k   =  banyaknya kelas

n  =  banyaknya data

Hasilnya dibulatkan, biasanya keatas.

4)      Menentukan panjang interval kelas.

Panjang interval kelas ( i )  = Jangkauan ( R ) ÷  Banyaknya kelas ( k )

5)      Menentukan batas bawah kelas pertama.

Batas bawah kelas pertama biasanya dipilih dari data terkecil atau data terkecil yang berasal dari
pelebaran jangkauan ( data yang lebih kecil dari data terkecil) dan selisihnya harus kurang dari panjang
interval kelasnya.

6)      Menuliskan frekuensi kelas secara melidi dalam kolom turus atau tally ( sistem turus ) sesuai
banyaknya data.

Beberapa catatan tentang penyusunan distribusi frekuensi anatara lain :

1)      Pada pembuatan distribusk frekuensi, perlu dijaga jangan sampai ada data yang tidak dimasukkan ke
dalam kelas atau ada data yang masuk ke dalam dua kelas yang berbeda.

2)      Titik tengah diusahakan bilangan bulat/tidak pecahan.

3)      Nilai frekuensi diusahakan tidak ada yang nol.

4)      Dalam menentukan banyaknya kelas ( k ), diusahakan:

 Tidak terlalu sedikit, sehingga pola kelompok kabur;

 Banyaknya kelas berkisar 5 sampai 15 buah;
 Jika jangkauan terlalu besar aka banyaknya kelas antara 10 sampai 20
5)      Cara lain dalam menetapkan banyaknya kelas adalah:

 Memilih atau menetapkannya sesuai dengan kebutuhan yang diinginkan;

 Menggunakan rumus.

C. PENYAJIAN DATA DALAM BENTUK GRAFIK

Grafik adalah penyajian data yang terdapat dalam table yang ditampilkan ke dalam bentuk
gambar. Dalam sebuah grafik terdapat dua jenis garis koordinat, yakni garis koordinat X dengan posisi
horizontal dan garis koordinat Y dengan posisi vertikal.

Grafik merupakan suatu rangka yang digunakan untuk membentuk objek visualisasi dari data
sebuah table. Data dalam table yang dimaksut disini ialah data yang terdiri dari angka-angka dan dapat
kita tampilkan ke dalam bentuk gambar, bisa dalam berbentuk bidang datar seperti persegi, lingkaran,
segitiga, atau kedalam bentuk bangun ruang seperti balok, tabung, kerucut dll.

Fungsi Grafik

Fungsi dari grafik adalah untuk menggambarkan data-data yang berupa angka-angka kebetuk yang
lebih sederhana secara teliti dan menjelaskan perkembangan serta perbandingan suatu obyek ataupun
peristiwa yang saling berhubungan secara singkat dan jelas.

Cara Penyajian Data dalam Bentuk Grafik.

>> Penyajian dalam bentuk grafik/grafik frekuensi, pada hakikatnya merupakan kelanjutan dari
pembuatan tabel distribusi frekuensi karena dalam membuat grafik harus didasarkan pada tabel distribusi
frekuensi. Oleh karena itu, pembuatan tabel distribusi frekuensi harus tetap dilakukan untuk membuat
grafik frekuensi.

>> Penyajian data dalam bentuk grafik terlihat lebih menarik karena data tersaji dalam bentuk visual.
Gambar grafik frekuensi yang banyak dipergunakan dalam metode statistik adalah histogram, polygon,
kurve dan garis (Burhan Nurgiyantoro).

Berikut cara-cara penyajian data dalam bentuk grafik secara garis besar, antara lain:

1. Grafik batang/Histogram (bar chart)

Grafik batang adalah grafik yang penyajian datanya mengunakan batang  atau persegi panjang.
Grafik batang atau sering kita kenal dengan sebutan histogram. Sebagai sumbu horizontal boleh memakai
tepi-tepi kelas, batas-batas kelas atau nilai variabel yang diobservasi, sedang sumbu vertical menunjukkan
frekuensi. Untuk distribusi bergolong atau berkelompok yang menjadi absis adalah nilai tengah dari
masing-masing kelas. Grafik batang  dipakai untuk memperlihatkan perbedaan tingkat nilai dari beberapa
aspek pada suatu data.

2. Grafik Garis

Grafik garis atau disebut juga line chart dibagi menjadi dua bagian yaitu single line chart yang
terdiri dari satu garis saja dan multiple line chart yang terdiri dari beberapa garis. Grafik garis dibuat
biasanya untuk menunjukkan perkembangan suatu keadaan. Perkembangan tersebut bisa naik bisa turun.
Hal ini akan Nampak secara visual melalui garis dalam grafik. Dalam grafik terdapat garis vertical yang
menunjukkan jumlah dan yang mendatar menunjukkan variable tertentu yang ditunjukkan pada gambar
dibawah, yang perlu diperhatikan dalam membuat grafik adalah ketepatan membuat skala pada garis
vertical yang akan mencerminkan keadaan jumlah hasil observasi (Dr. Sugiyono).

Contoh single line chart : Perkembangan harga saham Telkomsel selama seminggu hari perdagangan
pada bulan Desember 2018.
Contoh multiple line chart : Perbedaan harga saham Telkomsel dan Indosat selama seminggu hari
perdagangan pada bulan Desember 2018.

3. Grafik lingkaran (pie chart)

Grafik lingkaran adalah grafik yang penyajian datanya mengunakan lingkaran. grafik lingkaran
merupakan gambaran naik turunnya data yang berupa lingkaran untuk menggambarkan persentase dari
nilai total suatu data. Garfik lingkaran berguna untuk menggambarkan perbandingan suatu kegiatan
berdasarkan nilai-nilai karakteristik satu dengan yang lain dan dengan keseluruhan (biasanya dalam
persentase). Grafik ini digunakan untuk data yang berbentuk cross section.
 D. LATIHAN MEMBUAT DAFTAR DISTRIBUSI

Dalam menyusun daftar distribusi frekuensi, ada beberapa istilah yang harus dipahami lebih dulu,
yaitu:

1. Range : Selisih antara nilai tertinggi dan terendah.

2. Batas bawah kelas: Nilai terkecil yang berada pada setiap kelas.
3. Batas atas kelas: Nilai terbesar yang berada pada setiap kelas.
4. Batas kelas (Class boundary): Nilai yang digunakan untuk memisahkan antar kelas, tapi tanpa
adanya jarak antara batas atas kelas dengan batas bawah kelas berikutnya. Contoh: Pada kelas ke-1,
batas kelas terkecilnya yaitu 30.5 dan terbesar 40.5. Pada kelas ke-2, batas kelasnya yaitu 40.5 dan
50.5. Nilai pada batas atas kelas ke-1 (40.5) sama dengan dan merupakan nilai batas bawah bagi
kelas ke-2 (40.5). Batas kelas selalu dinyatakan dengan jumlah digit satu desimal lebih banyak
daripada data pengamatan asalnya. Hal ini dilakukan untuk menjamin tidak ada nilai pengamatan
yang jatuh tepat pada batas kelasnya, sehingga menghindarkan keraguan pada kelas mana data
tersebut harus ditempatkan. Contoh: bila batas kelas di buat seperti ini: Kelas ke-1 : 30 – 40, Kelas
ke-2 : 40 – 50
5. Panjang/lebar kelas (selang kelas): Selisih antara dua nilai batas bawah kelas yang berurutan atau
selisih antara dua nilai batas atas kelas yang berurutan atau selisih antara nilai terbesar dan terkecil
batas kelas bagi kelas yang bersangkutan. Biasanya lebar kelas tersebut memiliki lebar yang sama.
Contoh:

lebar kelas = 41 – 31 = 10 (selisih antara 2 batas bawah kelas yang berurutan) atau

lebar kelas = 50 – 40 = 10 (selisih antara 2 batas atas kelas yang berurutan) atau

lebar kelas = 40.5 – 30.5 = 10. (selisih antara nilai terbesar dan terkecil batas kelas pada kelas ke-1)

6. Nilai tengah kelas: Nilai kelas merupakan nilai tengah dari kelas yang bersangkutan yang diperoleh
dengan formula berikut: ½ (batas atas kelas+batas bawah kelas). Nilai ini yang dijadikan pewakil
dari selang kelas tertentu untuk perhitungan analisis statistik selanjutnya. Contoh: Nilai kelas ke-1
adalah ½(31+40) = 35.5
7. Frekuensi kelas: Banyaknya kejadian (nilai) yang muncul pada selang kelas tertentu. Contoh, pada
kelas ke-1, frekuensinya = 2. Nilai frekuensi = 2 karena pada selang antara 30.5 – 40.5, hanya ada 2
angka yang muncul, yaitu nilai ujian 31 dan 38.

Teknik membuat Tabel Distribusi Frekuensi (TDF)

Distribusi frekuensi dibuat dengan alasan berikut:

 kumpulan data yang besar dapat diringkas

 kita dapat memperoleh beberapa gambaran mengenai karakteristik data, dan
 merupakan dasar dalam pembuatan grafik penting (seperti histogram).
Banyak software (teknologi komputasi ) yang bisa digunakan untuk membuat tabel distribusi frekuensi
secara otomatis. Meskipun demikian, di sini tetap akan diuraikan mengenai prosedur dasar dalam
membuat tabel distribusi frekuensi.
 Langkah-langkah dalam menyusun tabel distribusi frekuensi:

1.) Urutkan data, biasanya diurutkan dari nilai yang paling kecil
 Tujuannya agar range data diketahui dan mempermudah penghitungan frekuensi tiap kelas!
2.) Tentukan range (rentang atau jangkauan)
 Range = nilai maksimum – nilai minimum
3.) Tentukan banyak kelas yang diinginkan. Jangan terlalu banyak/sedikit, berkisar antara 5 dan 20,
tergantung dari banyak dan sebaran datanya.
 Aturan Sturges:
 Banyak kelas = 1 + 3.3 log n, dimana n = banyaknya data
4.) Tentukan panjang/lebar kelas interval (p)
 Panjang kelas (p) = [rentang]/[banyak kelas]
5.) Tentukan nilai ujung bawah kelas interval pertama

Pada saat menyusun TDF, pastikan bahwa kelas tidak tumpang tindih sehingga setiap nilai-nilai
pengamatan harus masuk tepat ke dalam satu kelas. Pastikan juga bahwa tidak akan ada data pengamatan
yang tertinggal (tidak dapat dimasukkan ke dalam kelas tertentu). Cobalah untuk menggunakan lebar yang
sama untuk semua kelas, meskipun kadang-kadang tidak mungkin untuk menghindari interval terbuka,
seperti ” ≥ 91 ” (91 atau lebih). Mungkin juga ada kelas tertentu dengan frekuensi nol.

E. UKURAN GEJALA PUSAT (RATA – RATA)

1.     Pengertian Ukuran Gejala Pusat

Ukuran gejala pusat merupakan suatu bilangan yang menunjukan sekitar dimana bilangan – bilangan
yang ada dalam kumpulan data, oleh karenanya ukuran gejala pusat ini sering disebut dengan harga rata –
rata. Harga rata – rata dari sekelompok data itu diharapkan dapat diwakili seluruh harga – harga yang ada
dalam sekelompok data itu. Ukuran gejala pusat dapat disebut juga dengan nilai sentral atau nilai tendensi
pusat. Nilai sentral adalah nilai dalam suatu rangkaian data yang dapat mewakili rangkaian data tersebut.

Ada beberapa syarat agar suatu nilai dapat dikatakan sebagai nilai sentral, yaitu:
a)        Nilai sentral harus dapat mewakili rangkaian data
b)        Perhitungannya harus didasarkan pada seluruh data
c)        Perhitungannya harus mudah
d)       Dalam suatu rangkaian data hanya ada 1 nilai sentral

2.     Pengertian Data Dikelompokan

Data yang dikelompokkan adalah data yang sudah disusun ke dalam sebuah distribusi frekuensi
sehingga data tersebut mempunyai interval kelas yang jelas dan mempunyai titik tengah kelas.

3.     Macam-Macam Ukuran Gejala Pusat

a.      Rata-Rata Hitung (mean)
 Nilai rata-rata hitung (mean) adalah total dari semua data yang diperoleh dari jumlah seluruh nilai
data dibagi dengan jumlah frekuensi yang ada. Untuk mencari rata-rata hitung berupa data kelompok,
maka terlebih dahulu harus ditentukan titik tengah dari masing-masing kelas.
Rata-rata hitung sebagai salah satu ukuran pemusatan mempunyai sifatsifat sebagai berikut:
 Dapat digunakan untuk menghitung rata-rata dari data yang mempunyai nilai merata atau
yang mempunyai nilai dengan sebaran nilai yang relatif kecil.
 Tidak dapat digunakan untuk menghitung rata-rata dari suatu DF terbuka.
 Tidak dapat dipakai untuk menghitung rata-rata dari data kualitatif.
 Tidak dapat digunakan untuk kelompok data yang mempunyai data ekstrim.
 Data yang digunakan adalah data yang mempunyai skala pengukuran interval atau rasio.
 Harganya unik atau hanya mempunyai satu nilai.

CONTOH KASUS

b.      Median
Median merupakan sebuah nilai data yang berada di tengah-tengah dari rangkaian data yang telah
tersusun secara teratur. Hasil median sama dengan hasil dari kuartil kedua.
Median mempunyai sifat-sifat sebagai berikut:
 Dapat digunakan untuk menghitung rata-rata dari data yang mempunyai nilai ekstrim.
 Nilai median bersifat unik, untuk sekelompok data hanya ada satu nilai median.
 Untuk menentukkan nilai median harus dilakukan pengurutan data dari yang terkecil ke yang
terbesar aau sebaliknya.
 Dapat digunakan untuk menghitung rata-rata dari suatu DF terbuka atau tertutup.
 Dapat dipakai untuk menghitung rata-rata dari data kualitatif.
  CONTOH KASUS

c.       Modus
Modus merupakan nilai data yang memiliki frekuensi terbesar atau nilai data yang paling sering
muncul.
Modus mempunyai sifat-sifat sebagai berikut:
• Dapat digunakan untuk data yang mempunyai skala pengukuran minimal adalah nominal.
• Dapat digunakan untuk menghitung rata-rata dari data yang menunjukkan keadaan yang ‘merajalela’.
• Kelebihannya adalah mudah untuk ditemukan, dan kekurangannya tidak semua data mempunyai modus.

CONTOH KASUS

Maka Modus atau Nilai Yang Paling Banyak Muncul adalah 4 dan 6
d.      Kuartil

Pada prinsipnya, pengertian kuartil sama dengan median. Perbedaanya hanya terletak pada banyaknya
pembagian kelompok data. Median membagi kelompok data atas 2 bagian, sedangkan kuartil membagi
kelompok data atas 4 bagian yang sama besar, sehingga akan terdapat 3 kuartil yaitu kuartil ke-1, kuartil
ke-2 dan kuartil ke-3, dimana kuartil ke-2 sama dengan median.
 CONTOH KASUS

e.       Desil

Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi 10 bagian yang sama besar.

CONTOH KASUS

f.       Persentil

Persentil adalah ukuran letak yang membagi suatu distribusi menjadi 100 bagian yang sama besar

F. MODUS

A. Pengertian Modus
Modus adalah nilai yang paling sering muncul dalam suatu data statistika.[1] Modus juga
merupakan nilai mayoritas atau nilai dengan frekuensi paling tinggi. Modus dapat digunakan untuk
menentukan sampel dari suatu populasi dalam statistika. Perhitungan modus dapat diterapkan
pada data numerik maupun data kategoris, contohnya dalam menentukan data dari warna paling
 banyak disukai siswa dan mayoritas nilai ulangan sebuah mata pelajaran yang diperoleh oleh siswa
dalam suatu kelas.
Modus digunakan untuk ukuran pemusatan data seperti halnya mean dan median. Modus berisikan
informasi penting dalam suatu variabel atau populasi acak.
B. Jenis – Jenis Modus
1. Modus Data Tunggal
Data tunggal merupakan data mentah yang masih acak. Data tunggal biasanya diolah
dalam tabel dan dalam diagram statistika untuk memudahkan membacanya.
Modus pada data tunggal dapat ditentukan dengan mendaftar data tersebut dalam sebuah
tabel. Modus dari data tunggal dilihat dengan meneliti nilai mana yang paling sering muncul.
2. Modus Data Berkelompok
Modus data berkelompok dapat ditentukan dengan menggunakan modus besar dan rumus.
Modus besar merupakan titik tengah interval kelas yang memiliki frekuensi terbanyak. Kelas
interval yang memiliki frekuensi terbanyak disebut kelas modus. Modus pada data
berkelompok juga dapat ditentukan dengan menggunakan rumus.

Mo = L + (d1 / (d1 + d2)) i

Keterangan: Mo = modus data kelompok

L = tepi bawah kelas modus

d1 = selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan frekuensi kelas setelahnya
I = interval kelas = lebar kelas

G. UKURAN GEJALA LETAK (MEDIAN & KUARTIL)

Pengertian Ukuran letak

Ukuran letak suatu data adalah ukuran yang didasarkan pada letak ukuran tersebut dalam suatu
distribusi. Disebut ukuran gejala letak karena pada dasarnya digunakan untuk menentukan letak data pada
sekumpulan data yang telah diurutkan berdasarkan nilainya. Ukuran letak dinyatakan dalam fraktil.
Fraktil adalah nilai yang membagi data yang berurutan menjadi beberapa bagian.

1. Median
Median adalah nilai tengah ( dengan demikian, bahwa dari sekelompok data menjadi dua
bagian yang  sama dan pembaginya disebut sebagai median. Dalam hal ini median belum
dikelompokkan  kedalam distribusi frekuensi. Nilai median adalah data yang paling tengah dan
untuk sekumpulan data yang yang berjumlah genap.
rumus median:
 2. Kuartil
Kuartil adalah nilai-nilai tertentu yang membagi serangkaian data atau suatu distribusi
frekuensi menjadi empat bagian yang sama, yaitu masing-masing 25%, dimana titik-titik
pembaginya yaitu Q1, Q2 dan Q3 disebut nilai kuartil ke-i.

Menentukan Kuartil Data Tunggal

Menentukan kuartil untuk data tak berkelompok yaitu dengan cara mencari kuartil ke-i (Qi)
dengan rumus:

Dimana :

Qi = Kuartil ke-i

i = 1,2 dan 3

n = Banyak nya data (dimana n>4)

Menentukan Kuartil Data Berkelompok

Penentuan ukuran letak data khususnya kuartil dengan mengunakan data berkelompok, didahului
dengan proses pembuatan tabel frekuensi data mentah yang diperoleh. Untuk data berkelompok,
penentuan nilai kuartil dapat dilakukan dengan menggunakan rumus sebagai berikut :
 H. UKURAN GEJALA LETAK (DESIL & PERSENTIL)

1. Desil
Desil adalah nilai-nilai yang membagi serangkaian data atau suatu distribusi menjadi 10
(sepuluh) bagian yang sama besarnya, yaitu masing-masing 10%. Sedangkan titik-titik
pembaginya ialah nilai-nilai desil sebanyak 9 (sembilan) buah nilai yang disimbol kan dengan D1,
D2, D3 sampai dengan D9.

Menentukan Desil Data Tak Berkelompok

Dimana :

Di = Desil ke-i

i = 1,2,3, sampai dengan 9.

n = Banyak nya data (dimana n>10)

Menetukan Desil Data Berkelompok

Untuk data berkelompok, penentuan nilai desil dapat dilakukan dengan menggunakan rumus sebagai
berikut :
 2. Persentil
Persentil adalah nilai-nilai yang membagi serangkaian data atau suatu distribusi menjadi
100 (seratus) bagian yang sama besarnya, yaitu masing-masing sebesar 1%. Sedangkan titik-titik
pembaginya ialah nilai-nilai persentil sebanyak 99 (sembilan puluh sembilan) buah nilai yang
disimbolkan dengan P1,P2,P3 sampai dengan P99.

Menentukan Persentil Data Tak Berkelompok

Untuk menentukan persentil untuk data belum atau tak berkelompok yaitu dengan cara mencari persentil
ke-i (Pi) dengan rumus:

Dimana :

Pi = Persentil ke-i

i = 1,2,3, sampai dengan 99.

n = Banyak nya data (dimana n>100)

Menentukan Persentil Data Berkelompok

Untuk data berkelompok, penentuan nilai presentil dapat dilakukan dengan menggunakan rumus sebagai
berikut :

I. RENTANG ANTAR KUARTIL, SIMPANGAN KUARTIL DAN RATAAN SIMPANGAN

a. Jangkauan atau Rentang (Range)

Dalam sekelompok data kuantitatif akan terdapat data dengan nilai terbesar dan data dengan nilai
terkecil. Rentang (range) atau disebut juga dengan jangkauan adalah selisih antara data dengan nilai yang
terbesar dengan data denga nilai yang terkecil tersebut.

R= Xmax−Xmin

dimana R adalah range (jangkauan atau rentang), Xmax adalah nilai data yang paling besar dan Xmin nilai
data yang paling kecil.

Rentang antar Kuartil

Rentang Antar Kuartil (RAK) Merupakan selisih antar kuartil ketiga dengan kuartil pertama,
dengan rumus : RAK = - RAK = rentang antar kuartil = kuartil ketiga = kuartil pertama Contoh: Diketahui
data pada contoh kuartil berkelompok, maka didapat: = 68,5 = 87,3 Jadi: RAK = 87,3 – 68,5 = 18,8 3.
Simpangan antar kuartil

Simpangan Kuartil (SK) Simpangan kuartil adalah setengah dari RAK, dengan rumus : SK = RAK
atau SK = (- ) Contoh: Diketahui data pada contoh kuartil berkelompok, maka didapat: = 68,5 = 87,3 Jadi:
SK = (87,3 – 68,5) = 9,4

Simpangan Kuartil atau disebut Jangkauan Semi Antar Kuartil merupakan Setengah dari jangkauan
kuartil.

K3 – K1. atau dengan JAK (jangkauan antar kuartil), K3 = kuartil ke 3, K1 = kuartil ke 1).

Nilai Standar Misalkan kalian memiliki suatu sampel yang berukuran n (banyak data nya = n), dan dari
data nya x1, x2, x3,…,xn. Maka rata-rata nya = x. Dan simpangan bakunya yaitu = s.

Dibentuk data baru : z1, z2, z3…, zn dengan menggunakan Koefisien Variasi. Koefisien Variasi KV
=JAK = K3 – K1 Jangkauan Semi Antar Kuartil = 1/2 (K3 – K1)Kuartil Notasi : q

Bentuk – Bentuk Simpangan Kuartil

Kuartil memiliki 4 bagian yang sama bagian dalam membagi data (n).——|—— Q1  Q2  Q3.

Dimana :

 Q1 = Kuartil Bawah (1/4n )

 Q2 = Kuartil Tengah (Median) (1/2n)
 Q3 = kuartil atas (1/4n ) Pada data yang tidak dikelompokkan terlebih dahulu mencari kuartil
tengah (Median) nya, kemudian kuartil bawah dan kuartil atas nya.

Cara mencari simpangan kuartil

Kuartil merupakan ukuran yang membagi data menjadi empat bagian yang sama. Seperti yang telah di
jelaskan di atas bahwa kuartil terdiri dari kuartil bawah (Q₁), kuartil tengah (Q₂/median) dan kuartil atas
(Q₃).

Simpangan kuartil ialah setengah dari selisih kuartil atas dengan kuartil bawah.

Simpangan kuartil = ½ (Q₃ – Q₁)

Jika kita ingin menentukan nilai kuartil, data harus diurutkan dulu dari terkecil ke terbesar.

Jika banyaknya data n ganjil

Q₁ = data ke ¼ (n + 1)
Q₂ = data ke ½ (n + 1)
Q₃ = data ke ¾ (n + 1)

Jika banyaknya data n genap

Q₁ = data ke ¼ (n + 2)
Q₂ = ½ (data ke ½ n + data ke (½ n + 1))
Q₃ = data ke ¼ (3n + 2)

Pembahasan

Dalam menentukan simpangan kuartil maka kalian harus mencari kuartil 1 dan kuartil 3 nya terlebih
dahulu, lalu kemudian tinggal kita masukkan ke rumus yaitu :

Simpangan kuartil = ½ (Q₃ – Q₁)

Rataan Simpangan

Pengertian Simpangan rata-rata atau (deviasi mean) ialah merupakan suatu  jarak antara nilai-nilai data
menuju rata-ratanya. SR merupakan termasuk ke dalam ukuran penyebaran data seperti halnya Varian dan
Standar Deviasi. Kegunaannya ialah untuk mengetahui seberapa jauh nilai data yang telah menyimpang
dari rata-rata yang sebenarnya.

Rumus Simpangan Rata-Rata

Sekumpulan data kuantitatif yang tidak dikelompokkan serta dinyatakan oleh x1, x2, …, xn. Dari data
tersebut dapat ditentukanlah simpangan rata-rata (SR) dengan menggunakan sebuah rumus sebagai
berikut:

Rumus Variasi Dari Data Tunggal

Rumus Variasi Data

Tunggal

 = nilai data ke-i

Keterangan
 = rata-rata
 n = jumlah seluruh frekuensi

Rumus Standar Deviasi/Simpangan Bakunya Data Tunggal

Rumus simpangan baku data tunggal dinyatakan melalui sebuah persamaan di bawah ini:
 Rumus Standar
Deviasi

S = √S² = √ 1/n ∑¡=1(x¡- x¯)²

 = nilai data ke –i
Keterangan
 = rata-rata
 n = jumlah seluruh frekuensi

Simpangan Rata – Rata Data Berkelompok

Rumus (SR) Data Berkelompok

Rumus  Data
kelompok

SR = 1/n ∑κ f¡=1|x¡- x¯ |
 n = jumlah seluruh frekuensi

 = frekuensi kelas ke-i

Keterangan  = nilai tengah kelas ke-i
 = rata-rata
 k = banyaknya kelas interval

Variasi (Ragam)

Rumus
Variasi/Ragam Data
Kelompok

1/n ∑¡=1(x¡- x¯)² / ∑κ i =1 fi

  = nilai tengah kelas ke-i

Keterangan  = frekuensi kelas ke-i

 = rata-rata
 k = banyak kelas interval

Standar Deviasi (Simpangan Baku) Data Tunggal

Rumus simapangan baku untuk data kelompok ialah dibawah ini:

Rumus Deviasi Data

Tunggal

 = nilai data ke –i
Keterangan
 = rata-rata
 n = jumlah seluruh frekuensi

Rumus Simpangan Rata-Rata

Sekumpulan data kuantitatif yang tidak dikelompokkan serta dinyatakan oleh x1, x2, …, xn. Dari data
tersebut dapat ditentukanlah  (SR) dengan menggunakan sebuah rumus sebagai berikut:

Contoh Soal Simpangan Rata-Rata

Bagi sobat semua yang ingin mencari berbagai materi terkait pembahasan mengenai matematika dan
pembahasan yang bermanfaat lainnya, maka sobat semua dapat berkujung ke situs Quipper.co.id .
Temukan berbagai materi terlangkap yang sudah kami sajikan disana.

Contoh Soal Simpangan Rata-Rata 1:

Hitunglah SR dari data kuantitatif berikut :12, 3, 11, 3, 4, 7, 5, 11

Pembahasan:
Maka, simpangan rata-ratanya ialah 3,25.

Pada suatu sekumpulan data bisa dinyatakan oleh x1, x2, …, xn kemudian masing-masing nilai data
tersebut mempunyai frekuensi f1 , f2 , …, fn  maka diperolehlah nilai simpangan rata-rata (SR) dengan
menggunakan rumus.

J. VARIANS DAN SIMPANGAN BAKU

a. Pengertian

Ukuran Variasi atau Dispersi adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai
data dari nilai-nilai pusatnya atau Ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda
dengan nilai-nilai pusatnya.

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data
yang diperoleh dari rata-ratanya. Ukuran penyimpangan digunakan untuk mengetahui luas penyimpangan
data atau homogenitas data. Dua variabel data yang memiliki mean sama belum tentu memiliki kualitas
yang sama, tergantung dari besar atau kecil ukuran penyebaran datanya. Macam-macam pengukuran
penyimpangan yang sering digunakan adalah rentangan (range), rentangan antar kuartil, rentangan semi
antar kuartil, simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka baku, namun
yang umum digunakan adalah standar deviasi.

b. Ukuran Variansi

Ukuran pemusatan (mean, median, modus) yang telah kita pelajari hanya menitikberatkan pada pusat
data, tapi tidak memberikan informasi mengenai sebaran nilai pada data tersebut, apakah nilai-nilai data
bervariasi ataukah tidak. Terdapat 3 kondisi variasi data, yaitu data yang homogen (tidak bervariasi), data
heterogen (sangat bervariasi), dan data yang relatif homogen (tidak begitu bervariasi). Ilustrasinya sebagai
berikut:

Data homogen: 50 50 50  50  50 -> rata-rata hitung=50

Data relatif homogen: 50 40 30 60 70 -> rata-rata hitung=50

Data heterogen: 100 40 80  20  10 -> rata-rata hitung=50

Bila kita perhatikan, ketiga kondisi di atas memberikan nilai rata-rata hitung yang sama, yaitu
sebesar 50. Namun, kenyataannya rata-rata hitung pada data yang homogen dapat dengan baik mewakili
himpunan data keseluruhan. Rata-rata hitung pada data yang relatif homogen cukup baik mewakili
himpunan datanya. Sedangkan, rata-rata hitung pada data yang heterogen tidak dapat mewakili dengan
baik himpunan data secara keseluruhan.

Terdapat beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range), rata-rata simpangan
(mean deviation), varians, simpangan baku (standard deviation), dan koefisien variasi (coefficient of
variation). 

Pengukuran Dispersi Data Tidak Dikelompokkan

 Nilai Jarak (Range)

 Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai jarak (range).
Jika suatu himpunan data sudah disusun menurut urutan yang terkecil (Xmin) sampai dengan yang
terbesar (Xmax), maka untuk menghitung range digunakan rumus berikut:

Range = Xmax – Xmin

Range adalah perbedaan antara data terbesar dengan data terkecil yang terdapat pada sekelompok
data. Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran data antara nilai
terendah (Xmin) dengan nilai tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar
distribusi frekuensi. Jarak atau kisaran nilai (range) merupakan ukuran paling sederhana dari ukuran
penyebaran. Jarak merupakan perbedaan antara nilai terbesar dan nilai terkecil dalam suatu kelompok data
baik data populasi atau sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik, karena
berarti data mendekati nilai pusat dan kompak.

 Rata-rata Simpangan (Mean Deviation)

Rata-rata simpangan (RS) adalah rata-rata hitung dari nilai absolut simpangan yang dirumuskan:

 Variansi

Variansi merupakan rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-rata
hitungnya. Varians terbagi dua berdasarkan data yang digunakan, apakah data populasi ataukah data
sampel. Berikut contoh rumusnya :

 Simpangan Baku

Simpangan baku digunakan untuk mengukur penyimpangan atau deviasi masing-masing nilai individu
dari suatu himpunan data terhadap rata-rata hitungnya. Satuan simpangan baku mengikuti data aslinya.

Adapun rumusnya yaitu sebagai berikut :

Pengukuran Dispersi Data Dikelompokkan

 Nilai Jarak (Range)

Untuk data berkelompok, range dapat dihitung dengan dua cara yaitu:

Range = Nilai Tengah Kelas Akhir – Nilai Tengah Kelas Pertama

Atau
Range = Tepi Atas Kelas Akhir – Tepi Bawah Kelas Pertama

Atau

Range = Batas Atas Kelas Akhir – Bawas Atas Kelas Pertama

Atau

Range = Batas Bawah Kelas Akhir – Batas Bawah Kelas Pertama

Kedua cara tersebut akan memberikan hasil yang berbeda. Cara pertama cenderung menghilangkan kasus-
kasus ekstrim.

 Rata-rata Simpangan (Mean Deviation)

Adapun rumusnya yaitu sebagai berikut :

 Variansi

Adapun rumusnya yaitu sebagai berikut :

 Koefisien Variasi (Coefficient of Variation)

Perbandingan antara simpangan baku dengan rata-rata suatu data dan dinyatakan dalam %. Rumusnya
adalah:

 Populasi

 Sampel

c. Soal

1. Jangkauan

 Kelompok data I
30, 30, 30, 30, 30 Maka R = 30 – 30 = 0

 Kelompok data II

20, 30, 40, 50, 60 Maka R = 60 – 20 = 40

 Kelompok data III

10, 20, 30, 40, 50, 60 Maka R = 60 – 10 = 50

2. Simpangan Rata-Rata

            Data : 20, 30, 50, 70, 80

n=5

3. Variansi

            Data : 2, 7, 5, 8

n=4

4. Simpangan Baku

5. Jangkauan Kuartil
Data : 20, 30, 50, 70

n=4

6. Jangkauan Persentil

Data : 20, 30, 50, 70

n=4
 K. PENGANTAR DAN DISTRIBUSI PELUANG

a. Pengertian

Probabilitas atau Peluang adalah suatu ukuran tentang kemungkinan suatu peristiwa (event) akan
terjadi di masa mendatang. Probabilitas dapat juga diartikan sebagai harga angka yang menunjukkan
seberapa besar kemungkinan suatu peristiwa terjadi, di antara keseluruhan peristiwa yang mungkin
terjadi. Probabilitas dilambangkan dengan P.

 Contoh 1: Sebuah mata uang logam mempunyai sisi dua (H & T) kalau mata uang tersebut
dilambungkan satu kali, peluang untuk keluar sisi H adalah ½.
 Contoh 2: Sebuah dadu untuk keluar mata ‘lima’ saat pelemparan dadu tersebut satu kali adalah
1/6 (karena banyaknya permukaan dadu adalah 6).

Rumus :

P (E) = X/N

P: Probabilitas

E: Event (Kejadian)
 X: Jumlah kejadian yang diinginkan (peristiwa)

N: Keseluruhan kejadian yang mungkin terjadi

Probabilitas yang rendah menunjukkan kecilnya kemungkinan suatu peristiwa akan terjadi. Suatu

probabilitas dinyatakan antara 0 sampai 1 atau dalam presentase.  Probabilitas 0 menunjukkan peristiwa
yang tidak mungkin terjadi, sedangkan probabilitas 1 menunjukkan peristiwa yang pasti terjadi.

Ada tiga hal penting dalam probabilitas, yaitu:

1. Percobaan adalah pengamatan terhadap beberapa aktivitas atau proses yang memungkinkan
timbulnya paling sedikit 2 peristiwa tanpa memperhatikan peristiwa mana yang akan terjadi.
2. Hasil adalah suatu hasil dari sebuah percobaan.
3. Peristiwa adalah kumpulan dari satu atau lebih hasil yang terjadi pada sebuah percobaan atau
kegiatan.

b. Manfaat Probabilitas dalam Penelitian

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita dalam mengambil suatu
keputusan, serta meramalkan kejadian yang mungkin terjadi. Jika kita tinjau pada saat kita melakukan
penelitian, probabilitas memiliki beberapa fungsi antara lain:

 Membantu peneliti dalam pengambilan keputusan yang lebih tepat.

 Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas hipotesis yang terkait
tentang karakteristik populasi.
 Mengukur derajat ketidakpastian dari analisis sampel hasil  penelitian dari suatu populasi.

c. Pendekatan Probabilitas
Ada 3 (tiga) pendekatan konsep untuk mendefinisikan probabilitas dan menentukan nilai-nilai
probabilitas, yaitu : (1). Pendekatan Klasik, (2). Pendekatan Frekuensi Relatif, dan (3). Pendekatan
Subyektif.
1. Pendekatan Klasik
Pendekatan klasik didasarkan pada sebuah peristiwa mempunyai kesempatan untuk terjadi sama besar
(equally likely). Probabilitas suatu peristiwa kemudian dinyatakan sebagai suatu rasio antara jumlah
kemungkinan hasil dengan total kemungkinan hasil (rasio peristiwa terhadap hasil).
Probabilitas suatu peristiwa = Jumlah kemungkinan hasil / Jumlah total kemungkinan hasil
Jika ada a kemungkinan yang dapat terjadi pada kejadian A dan ada b kemungkinan yang dapat terjadi
pada kejadian A, serta masing-masing kejadian mempunyai kesempatan yang sama dan saling asing,
maka probabilitas/peluang bahwa akan terjadi a adalah:

P (A) = a/a+b ; dan peluang bahwa akan terjadi b adalah:  P (A) = b/a+b

Contoh:

Pelamar pekerjaan terdiri dari 10 orang pria (A) dan 15 orang wanita (B). Jika yang diterima hanya 1,
berapa peluang bahwa ia merupakan wanita?

Jawab:

P (A) = 15/10+15 = 3/5

2. Pendekatan Relatif
Besarnya probabilitas suatu peristiwa tidak dianggap sama, tetapi tergantung pada berapa banyak
suatu peristiwa terjadi dari keseluruhan percobaan atau kegiatan yang dilakukan. probabilitas
dapat dinyatakan sebagai berikut :

Probabilitas kejadian relatif = Jumlah peristiwa yang terjadi / Jumlah total percobaan atau kegiatan

Jika pada data sebanyak N terdapat a kejadian yang bersifat A, maka probabilitas/peluang akan terjadi A
untuk N data adalah: P (A) = a/N

Contoh:

Dari hasil penelitian diketahui bahwa 5 orang karyawan akan terserang flu pada musim dingin. Apabila
lokakarya diadakan di Puncak, berapa probabilitas terjadi 1 orang sakit flu dari 400 orang karyawan yang
ikut serta?

Jawab:

P (A) = 5/400 = P (A) = 1/80

3. Pendekatan Subjektif
Besarnya suatu probabilitas didasarkan pada penilaian pribadi dan dinyatakan dalam derajat
kepercayaan. Penilaian subjektif diberikan terlalu sedikit atau tidak ada informasi yang diperoleh
dan berdasarkan keyakinan.
d. Konsep Dasar dan Hukum Probabilitas
 Dalam mempelajari hukum dasar probabilitas berturut-turut akan dibahas hukum penjumlahan dan
hukum perkalian.

1. Hukum Penjumlahan
Hukum penjumlahan menghendaki peristiwa saling lepas (mutually exclusive) dan peristiwa/kejadian
bersama (non mutually exclusive).

 Saling meniadakan (mutually exclusive)

Apabila suatu peristiwa terjadi, maka peristiwa lain tidak dapat terjadi pada saat bersamaan.
Rumus penjumlahan untuk kejadian-kejadian yang saling meniadakan:

P (A U B) = P (A atau B)= P (A) + P (B)

Contoh:

Probabilitas untuk keluar mata 2 atau mata 5 pada pelemparan satu kali sebuah dadu adalah:

P(2 U 5) = P (2) + P (5) = 1/6 + 1/6 = 2/6

 Kejadian Bersama (Non Mutually Exclusive)

Peristiwa Non Mutually Exclusive (Joint) dua peristiwa atau lebih dapat terjadi bersama-sama (tetapi tidak
selalu bersama).
Rumus penjumlahan untuk kejadian-kejadian yang tidak saling meniadakan:

Dua Kejadian

P (A U B) =P(A) + P (B) – P(A ∩ B)

Tiga Kejadian

P(A U B U C) = P(A) + P(B) + P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C)
Peristiwa terjadinya A dan B merupakan gabungan antara peristiwa A dan peristiwa B. Akan tetapi
karena ada elemen yang sama dalam peristiwa A dan B, Gabungan peristiwa A dan B perlu dikurangi
peristiwa di mana A dan B memiliki elemen yang sama. Dengan demikian, probabilitas pada keadaan di
mana terdapat elemen yang sama antara peristiwa A dan B maka probabilitas A atau B adalah probabilitas
A ditambah probabilitas B dan dikurangi probabilitas elemen yang sama dalam peristiwa A dan B.

 Peristiwa Pelengkap (Complementary Event)

Apabila peristiwa A dan B saling melengkapi, sehingga jika peristiwa A tidak terjadi, maka peristiwa B
pasti terjadi.  Peristiwa A dan B         dikatakan sebagai peristiwa komplemen.
Rumus untuk kejadian-kejadian yang saling melengkapi :

P(A)+P(B) = 1 atau P(A) = 1 – P(B)

2. Hukum Perkalian

 Hukum Bebas (independent)

Hukum perkalian menghendaki setiap peristiwa adalah independen, yaitu  suatu peristiwa terjadi
tanpa harus menghalangi peristiwa lain terjadi. Peristiwa A dan B independen, apabila peristiwa A
terjadi tidak menghalangi terjadinya peristiwa B.

P(A ∩ B) = P (A dan B) = P(A) x P(B)

Contoh soal 1:

Sebuah dadu dilambungkan dua kali, peluang keluarnya mata 5 untuk kedua kalinya adalah:

P (5 ∩ 5) = 1/6 x 1/6 = 1/36

Contoh :

Dua kartu ditarik dari satu set kartu bridge, peluang untuk yang tertarik keduanya kartu as adalah sebagai
berikut: Peluang as I adalah 4/52 -> P (as I) = 4/52

Peluang as II dengan syarat as I sudah tertarik adalah 3/51

P (as II │as I) = 3/51

P (as I ∩ as II) = P (as I) x P (as II│ as I) = 4/52 x 3/51 = 12/2652 =1/221

e. Diagram Pohon Probabilitas

Diagram pohon merupakan suatu diagram yang menyerupai pohon dimulai dari batang kemudian
menuju ranting dan daun. diagram pohon dimaksudkan untuk membantu menggambarkan probabilitas
atau probabilitas bersyarat dan probabilitas bersama. diagram pohon sangat berguna untuk menganalisis
keputusan-keputusan bisnis dimana terdapat tahapan-tahapan pekerjaan.

Contoh:

f. Ruang Sampel dan Titik Sampel

Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/kejadian. Ruang Sampel suatu percobaan dapat dinyatakan dalam bentuk diagram pohon atau
tabel.

Titik Sampel adalah anggota-anggota dari ruang sampel atau kemungkinan-kemungkinan yang muncul.

Contoh:
Pada percobaan melempar dua buah mata uang logam (koin) homogen yang berisi angka (A) dan
gambar (G) sebanyak satu kali. Tentukan ruang sampel percobaan tersebut.
a. Dengan Diagram Pohon
Kejadian yang mungkin:
AA : Muncul sisi angka pada kedua koin
AG : Muncul sisi angka pada koin 1 dan sisi gambar pada koin 2
b. Dengan Tabel

Ruang sampel = {(A,A), (A,G), (G,A), (G,G)}

Banyak titik sampel ada 4 yaitu (A,A), (A,G), (G,A), dan (G,G)
g. Teorema Bayes

Dalam teori probabilitas dan statistika, teorema Bayes adalah sebuah teorema dengan dua
penafsiran berbeda. Dalam penafsiran Bayes, teorema ini menyatakan seberapa jauh derajat kepercayaan
subjektif harus berubah secara rasional ketika ada petunjuk baru. Dalam penafsiran frekuentis teorema ini
menjelaskan representasi invers probabilitas dua kejadian. Teorema ini merupakan dasar dari statistika
Bayes dan memiliki penerapan dalam sains, rekayasa, ilmu ekonomi (terutama ilmu ekonomi mikro), teori
permainan, kedokteran dan hukum. Penerapan teorema Bayes untuk memperbarui kepercayaan
dinamakan inferens Bayes.

atau

h. Prinsip Menghitung
 1. Faktorial
Faktorial digunakan untuk mengetahui berapa banyak cara yang mungkin dalam mengatur sesuatu.
Hasil perkalian semua bilangan bulat positif secara berurutan dari 1 sampai dengan n disebut n
faktorial. Dari definisi faktorial tersebut, maka dapat dituliskan prinsip menghitung faktorial
sebagai berikut :
n ! = n x (n-1) x (n-2) x (n-3) x … 3 x 2 x 1
n ! dibaca n faktorial
nb: 0! = 1dan 1! = 1
Contoh:
3! = 3 x 2 x 1 = 6
5! = 5 x 4 x 3 x 2 x 1 = 120
2. Permutasi
Permutasi digunakan untuk mengetahui jumlah kemungkinan susunan (arrangement) jika terdapat
satu kelompok objek. pada permutasi berkepentingan dengan susunan atau urutan dari objek.
Permutasi dirumuskan sebagai berikut :

atau

dimana :
P = Jumlah permutasi atau cara objek disusun
n = jumlah total objek yang disusun
r/k = jumlah objek yang digunakan pada saat bersamaan, jumlah r/k dapat sama dengan  n atau lebih kecil
! = tanda dari faktorial
Contoh:

Di kantor pusat DJBC Ada 3 orang staff yang dicalonkan untuk menjadi mengisi kekosongan 2 kursi
pejabat eselon IV. Tentukan banyak cara yang bisa dipakai untuk mengisi jabatan tersebut?

jawab : Permutasi P (3,2), dengan n =3 (banyaknya staff) dan k =2 (jumlah posisi yang akan diisi)
Permutasi Unsur-unsur  yang sama

Contoh:
Tentukan permutasi atas semua unsur yang dibuat dari kata MATEMATIKA!
Jawab: pada kata MATEMATIKA terdapat 2 buah M, 3 buah A, dan 2 buah T yang sama, sehingga
permutasinya adalah:

Permutasi Siklis

RUMUS: banyaknya permutasi = (n-1)!

Contoh:
Suatu keluarga yang terdiri atas 6 orang duduk mengelilingi sebuah meja makan yang berbentuk
lingkaran. Berapa banyak cara agar mereka dapat duduk mengelilingi meja makan dengan cara yang
berbeda?
Jawab :
Banyaknya cara agar 6 orang dapat duduk mengelilingi meja makan dengan urutan yang berbeda sama
dengan banyak permutasi siklis (melingkar) 6 unsur yaitu :

3. Kombinasi
Kombinasi digunakan apabila ingin mengetahui berapa cara sesuatu diambil dari keseluruhan objek tanpa
memperhatikan urutannya. Jumlah kombinasi dirumuskan sebagai berikut:
Contoh:
Saat akan menjamu Bayern Munchen di Allianz arena, Antonio Conte (Pelatih Juventus) punya 20 pemain
yang akan dipilih 11 diantaranya untuk jadi starter. Berapa banyak cara pemilihan starter tim juventus?
(tidak memperhatikan posisi pemain).

L. PENAIKAN PARAMETER

a. Pengertian

Estimasi parameter (penaksiran parameter) adalah pendugaan karakteristik populasi

(parameter) dengan menggunakan karakteristik sampel (statistik). Populasi biasanya memiliki ukuran
yang sangat banyak, sehingga untuk mengetahui karakteristiknya melalui sensus sangat sulit dilakukan.

Sensus sangat tidak ekonomis dari segi waktu, tenaga dan biaya. Parameter populasi disebut juga dengan
nilai sebenarnya (true value) dan biasanya dilambangkan dengan θ (dibaca: theta). Parameter θ dapat
berupa rata-rata (μ), varian populasi (σ2) atau proporsi populasi (p).
Dalam statistika, nilai statistic θ^ digunakan untuk menduga parameter θ, sehingga

1. xˉ digunakan untuk menduga μ,

2. s2 digunakan untuk menduga σ2, dan
3. p^ digunakan untuk menduga p.

Karena sifatnya adalah estimasi atau penaksiran maka nilai dari estimator θ^ tentu saja tidak akan
sama persis dengan nilai parameter θ. Namun kita mengharapkan nilai estimator θ^ mendekati nilai
parameter θ.

Sifat estimator yang baik adalah tidak bias (unbiased) yang artinya nilai harapan dari estimator
sama dengan nilai parameter (E(X)=μ). Selain itu estimator yang digunakan sebaiknya adalah estimator
yang efisien, maksudnya estimator tersebut memiliki varian yang paling kecil. Estimator yang baik juga
harus konsisten, artinya semakin banyak sampel maka estimator akan semakin mendekati parameter.
 b. Estimasi Titik
Estimasi titik adalah penaksiran karakteristik populasi dengan sebuah nilai karakteristik
dari sampel. Contoh parameter dan estimasi titiknya:

  Parameter Estimator Titik

Rata-rata μ=N1i=0∑Nxi xˉ=n1i=0∑nxi

Varian σ2=N1i=0∑N(xi−xˉ)2 s2=n−11i=0∑n(xi−xˉ)2

Proporsi p=NX p^=nx

Estimasi titik lebih mudah dalam hal penghitungan, tetapi penaksirannya sangat diragukan karena
sangat jarang nilai karakteristik populasi sama persis dengan nilai karakteristik sampel. Hasil estimasi titik
juga tidak memberikan tingkat kepercayaan tertentu.

c. Estimasi Interval
Estimasi interval adalah penaksiran populasi dengan nilai-nilai dalam suatu interval
tertentu. Dasar adanya estimasi interval adalah karena pada setiap penaksiran pasti
mengandung peluang kesalahan.

Misalkan parameter yang akan diestimasi adalah θ maka estimasi intervalnya adalah θ^±d atau

+dθ^−d<θ<θ^+d

dimana d adalah margin of error.

Estimasi interval θ^±d menunjukkan dua nilai yaitu batas bawah dan batas atas dimana posisi
parameter θ berada. Batas atas dan batas bawah tersebut memiliki simpangan sebesar d dari estimatornya.
Besarnya d tergantung pada banyaknya sampel, tingkat kepercayaan dan distribusi peluang yang
digunakan.
Sebelum melakukan estimasi, tingkat kepercayaan ditetapkan terlebih dahulu yaitu sebesar 1−α, sehingga

P(θ^−d<θ<θ^+d)=1−α

dimana α adalah tingkat signifikansi.

Estimasi interval didasarkan pada suatu distribusi peluang, biasa yang digunakan adalah Distribusi
Normal, Distribusi Student-T, Distribusi F dan Distribusi Khi-Kuadrat. Misalnya estimasi interval
menggunakan distribusi normal
P(θ^−Zα/2Se(θ^)<θ<θ^+Zα/2Se(θ^))=1−α

dimana Zα/2 nilai Distribusi Normal Baku dan Se(θ^) adalah standar error.

M. PENGUJIAN VARIANS
a. Pengujian Hipotesis

Pengujian hipotesis adalah pengujian terhadap suatu pernyataan dengan menggunakan metode statistik
sehingga hasil pengujian tersebut dapat dinyatakan signifikan secara statistik. Pengujian hipotesis
merupakan bagian dari statistik infernsial.

Hipotesis merupakan pernyataan yang kebenarannya masih lemah. Agar pernyataannya tidak
diragukan maka secara statistik kita bisa melakukan pengumpulan data dan melakukan pengujian. Dengan
melakukan pengujian statistik terhadap hipotesis kita dapat memutuskan apakah hipotesis dapat diterima
(data tidak memberikan bukti untuk menolak) atau ditolak (data memberikan bukti untuk menolak
hipotesis). Berikut ini adalah langkah-langkah pengujian hipotesis.

1. Menetapkan hipotesis

Hipotesis dibagi menjadi dua bagian, yaitu:

1. Hipotesis null (H0)

Hipotesis null merupakan pernyataan yang akan diuji kebenarannya.

2. Hipotesis alternatif (H1)

Hipotesis alternatif adalah pernyataan ketika pernyataan (H0) ditolak.

Hipotesis terbagi dalam 3 jenis, yaitu:

1. Hipotesis deskriptif

Pernyataan yang menyebutkan bahwa nilai parameter populasi sama dengan nilai tertentu.

2. Hipotesis komparatif

Pernyataan yang menyebutkan bahwa nilai parameter suatu populasi sama dengan nilai parameter
populasi yang lain.

3. Hipotesis asosiatif

Pernyataan yang menyatakan adanya hubungan antar dua variabel.

Pengujian secara statistik dibagi lagi menjadi dua, yaitu:

1. Uji satu arah

2. Uji dua arah
2. Menentukan kriteria pengujian

3. Menetapkan tingkat signifikansi dan titik kritis

Tingkat signifikansi α\alphaα adalah besarnya toleransi yang digunakan dalam menerima kesalahan
pengujian secara statistik. Tingkat signifikansi yang sering digunakan adalah 0,01, 0,05 dan 0,1 (biasa
ditulis 1%, 5% dan 10%), tergantung tingkat ketelitian yang digunakan oleh peneliti.

Pendekatan dengan distribusi peluang statistik, maka tingkat signifikansi menyatakan luas daerah kritis
yang merukan eilayah penolakan terhadap H0. Untuk mempermudah pengambilan keputusan, maka
digunakan titik kritis yang merupakan batas penolakan H0.

4. Melakukan pengujian statistik

Statistik uji yang digunakan harus sesuai dengan hipotesis.

5. Mengambil kesimpulan

BAB lll PENUTUP

A. KESIMPULAN
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu
yang berkenaan dengan data.
Manfaat statistika dalam kehidupan sehari-hari adalah supaya kita lebih praktis dalam
mengolah data, sehingga kita akan mudah untuk menjalankan suatu aktivitas yang berkaitan
dengan statistika, misalkan Bagi ibu-ibu rumah tangga mungkin tanpa disadari mereka telah
menerapkan statiska. Dalam membelanjakan uang untuk kebutuhan keluarganya sering melakukan
perhitungan untung rugi, berapa jumlah uang yang harus dikeluarkan setiap bulannya untuk uang
belanja, listrik, dan lain sebagainya.
Statistik sangat berperan dalam kehidupan sehari-hari misalnya dalam kehidupan sehari-
hari kita sering menggunakan ilmu statistika untuk mengatur berapa jumlah pengeluaran kita yang
disesuaikan dengan pendapatan yang kita peroleh, lalu memilih barang yang mana yang akan kita
beli, dan lainnya yang pada akhirnya membutuhkan keputusan terbaik yang akan kita ambil.
B. SARAN
Makalah ini masih sangat jauh dari kesempurnaan, baik dari segi penyajian bahan maupun
dalam segi penulisan. Oleh sebab itu, penulis sangat mengharapkan kritik dan saran pembaca agar
karya tulis ini bisa menjadi berguna bagi pendidikan di indonesia.
 DAFTAR PUSTAKA

Anto Dajana. 1991. Pengantar metode statistik, jilid 1. Jakarta: LP3ES.

Arief Karseno, Ibnu Subuyanto, Budi Purnomo BR. 1985. Statistik 1. Jakarta: Karunika.

Hasan, M. Iqbal. 2008. Pokok-pokok Materi Statistik 1 (Statistik Deskriftif), edeisi kedua. Jakarta: PT
Bumi Aksara.

Gujarati, Damodar, dan Sumarno Zain. 1999. Ekonometrik Dasar. Jakarta: Erlangga

J. Supranto. 1994. Statistik teori dan aplikasi, jilid 1. Jakarta: Erlangga.

Spiegel, R. Murray. 1994. Statistika, edisi kedua. Terjemahan I Nyoman Susilo dan Ellen Gunawan.
Jakarta: Erlangga.

Sudjana. 1992. Metode statistika. Bandung: Tarsito.

Walpole, E. Ronald. 1993. Pengantar Statistika, edisi ketiga. Jakarta: Gramedia Pustaka Utama.