RESUME METODE STATISTIK

Nama : Rafly Prahmantia Putra

NPM : 21420046
Kelas : 2K3

BAB I
PENDAHULUAN

1. Peranan Statistika
Disadari atau tidak, statistik banyak digunakan dalam kehidupan sehari-hari.
Pemerintah menggunakan statistik untuk menilai hasil pembangunan masa lalu dan
merencanakan masa depan. Dunia survei dan penelitian, di mana pun itu terjadi, tidak
hanya mendapat banyak manfaat dari statistik, tetapi juga sering harus
menggunakannya. Evaluasi statistik melalui studi laboratorium atau lapangan
diperlukan untuk menentukan apakah metode yang baru ditemukan lebih unggul dari
metode konvensional.
Evaluasi statistik melalui studi laboratorium atau lapangan diperlukan untuk
menentukan apakah metode yang baru ditemukan lebih unggul dari metode
konvensional. Apakah model dapat diadopsi untuk apa pun harus dipertimbangkan
dalam teori statistik. Statistik juga dapat menentukan apakah faktor dipengaruhi atau
dipengaruhi oleh faktor lain. Jika ada hubungan antar faktor, seberapa kuat hubungan
tersebut?Dapatkah satu faktor dipertahankan dan hanya faktor lain yang
dipertimbangkan untuk dipelajari lebih lanjut?
Pengantar singkat di muka akan memberi Anda gambaran tentang kebutuhan aktual
akan statistik, atau setidaknya penerapan metode ini. Dengan pemikiran ini, bab-bab
berikut tidak akan fokus pada statistik teoretis tetapi pada teknik statistik yang dapat
digunakan dalam berbagai disiplin ilmu dan disiplin ilmu.

2. STATISTIK DAN STATISTIKA

Bagian ini membedakan antara istilah statistik dan statistika.
Koleksi numerik sering diurutkan, diberi peringkat, atau disajikan dalam bentuk
daftar atau tabel. Daftar atau tabel sering disertai dengan gambar, yang disebut
bagan atau grafik, yang dapat membantu Anda menjelaskan masalah yang sedang
diselidiki dengan lebih baik. Selama bertahun-tahun, orang-orang telah
menambahkan semua statistik ini. Dengan demikian, istilah statistik telah
digunakan untuk menggambarkan kumpulan data, numerik atau non-numerik,
disusun dalam tabel dan grafik yang menggambarkan atau menjelaskan suatu
masalah.
Sesuatu biasanya disebut statistik tentang hal yang dimaksud. Kata statistik juga
memiliki arti lain, digunakan untuk mewakili dan mengukur ukuran kumpulan data
tentang sesuatu. Jika Anda mensurvei 20 karyawan, mencatat gaji bulanan
mereka, dan menghitung gaji rata-rata, misalnya, jika 40% dari 20 karyawan
memiliki gaji bulanan kurang dari Rp 60.000,00, maka nilai 40% adalah nilai
statistik lainnya. dianggap. Ada banyak ukuran lain yang bersifat statistik, seperti
persentase dan rata-rata disebut statistik. Jadi apa yang dimaksud dengan
statistika?
Statistik adalah pengetahuan tentang bagaimana data dikumpulkan, diproses, atau
dianalisis untuk menarik kesimpulan berdasarkan kumpulan data dan analisis yang
dilakukan.
3. DATA STATISTIK
Data yang terbentuk bilangan disebut data kuantitatif, harganya berubah-ubah
atau bersifat varisabel. Dari nilainya, dikenal dua golongan data kuantitatif ialah:
a. Data dengan variabel diskrit atau singkatnya data diskrit
b. Data dengan variabel kontinu atau singkatnya data kontinu.

Hasil menghitung atau membilang merupakan data diskrit sedangkan hasil

pengukuran merupakan data kontinu.

Data yang bukan kuantitatif disebut data kualitatif. Ini tiada lain daripada data
yang dikategorikan menurut lukisan, kualitas objek yang dipelajari. Golongan ini
dikenal pula dengan nama atribut.
4. POPULASI DAN SAMPEL
Jumlah semua nilai yang mungkin, hasil perhitungan atau pengukuran,
kuantitatif atau kualitatif, untuk sifat tertentu dari semua anggota himpunan yang
lengkap dan pasti yang sifat-sifatnya diperiksa, disebut populasi. Bagian yang
diambil dari suatu populasi disebut sampel. Sampel harus representatif dalam
arti bahwa semua karakteristik populasi tercermin dalam sampel dari mana ia
diambil.
Sensus tidak selalu memungkinkan karena populasi tidak terbatas atau tidak
terbatas. Grup seperti ini disebut grup tak hingga. Lotre satu koin terus
menghasilkan populasi tak terbatas. Pemahaman ini sebenarnya hanya
konseptual untuk memudahkan teori grup titik lain, yaitu aliran grup berhingga
dengan jumlah anggota berhingga.
Pelajar di seluruh Indonesia, banyak sistem transportasi umum Indonesia, dan
populasi dunia adalah contoh populasi yang tak terbatas. Fase statistik yang
hanya mencoba menggambarkan dan menganalisis kelompok
Ini disebut statistik deskriptif tanpa menarik kesimpulan tentang populasi atau
kelompok yang lebih besar.

5. PENGUMPULAN DATA
Untuk statistika induktif diperlukan statistika deskriptif yang benar dan untuk hal
terakhir ini diperlukan data-data harus betul-betul “jujur”, yakni kebenarannya harus
dapat dipercaya. Proses pengumpulan data dapat dilakukan dengan jalan sensus
atau sampling titik untuk kedua hal, sensus maupun sampling, banyak Langkah yang
dapat ditempuh dalam usaha mengumpulkan data, antara lain:
a. Mengadakan penelitian langsung ke lapangan atau di laboratorium terhadap
objek penelitian. Hasilnya dicatat untuk kemudian dianalisis.
b. Mengambil atau menggunakan, sebagian atau seluruhnya, dari sekumpulan data
yang telah dicatat atau dilaporkan oleh badan atau orang lain.
c. Mengadakan angket.
6. PEMBULATAN ANGKA
Aturan 1: jika angka terkiri dari yang harus dihilangkan 4 atau kurang, maka angka
tekanan dari yang mendahuluinya tidak berubah.
Contoh : Rp 59.376.402,96 dibulatkan hingga jutaan rupiah menjadi Rp 59 juta.
Aturan 2 : jika angka terkiri dari yang harus dihilangkan lebih dari 5 atau 5 diikuti oleh
angka Bukan nol, maka angka terkanan dari yang mendahuluinya bertambah dengan
satu.
Contoh : 6.948 kg, dibulatkan hingga ribuan akan menjadi 7 ribu kg.
Aturan 3 : jika angka terkiri dari yang harus dihilangkan hanya angka 5 atau 5 yang
diikuti oleh angka angka nol belaka, maka angka terkanan dari yang mendahuluinya
tetap Jika ia genap, tambah 1 Jika ia ganjil.
Contoh : bilangan 8,5 atau 8500 menjadi 8 jika dibulatkan teliti hingga satuan. Angka
yang harus dihilangkan masing-masing 5 dan 500 sedangkan yang mendahuluinya
adalah genap, yakni 8. Jadi harus tetap 8.
Aturan 3 disebut aturan genap terdekat yang diambil untuk membuat
keseimbangan antara pembulatan ke atas dan pembulatan ke bawah, jika yang harus
dihilangkan itu terdiri atas angka 5 atau 5 diikuti oleh hanya angka-angka nol.
7. PEMERIKSAAN TERHADAP DATA
 Sebelum data diolah lebih lanjut, lakukanlah pemeriksaan kembali terhadap data
itu! Ini perlu Untuk menghindarkan terjadinya hal-hal yang tidak diinginkan misalnya
kekeliruan ataupun ketidakbenaran tentang data.
Periksalah Apakah ada data yang meragukan; dan jika ini terjadi cepatlah
diyakinkan kebenarannya. Demikian pula, periksalah Apakah semua pertanyaan
dalam angket sudah diisi oleh responden. Jika terdapat yang kosong, usahakan untuk
melengkapinya.
 BAB II
PENYAJIAN DATA

1. PENDAHULUAN
Ada dua cara penyajian data yang sering dipakai, yaitu : tabel/grafik dan
grafik/diagram.
Macam-macam daftar yang dikenal :
a. Daftar baris kolom
b. Daftar kontigensi
c. Daftar distribusi frekuensi
Sedangkan diagram yang akan diuraikan disini, yaitu :
a. Diagram batang
b. Diagram garis
c. Diagram lambang atau diagram simbul
d. Diagram pastel dan diagram lingkaran
e. Diagram peta atau kartogram
f. Diagram pencar atau diagram titik

2. BEBERAPA CONTOH DAFTAR STATISTIK

Skema garis besar untuk sebuah tabel, dengan nama-nama bagiannya, adalah
seperti di bawah ini :

Gambar 2.2.1
 Gambar 2.2.2 Luas daerah Indonesia dalam km2 Tahun 1962

Gambar 2.2.3 Pembelian barang-barang dalam jawatan A dalam ribuan unit dan jutaan rupiah 1965-
1967
Gambar 2.2.4 Keadaan pegawai di jawatan A menurut jenis kelamin, pendidikan, dan pengalaman
tahun 1980

Gambar 2.2.5 Banyak murid sekolah di daerah A menurut tingkat sekolah dan jenis kelamin Tahun
1970

Gambar 2.2.6 Banyak murid sekolah di daerah A menurut tingkat sekolah dan jenis kelamin Tahun
1970
 Jika data kuantitatif dibuat menjadi
beberapa kelompok, maka akan diperoleh
daftar distribusi frekuensi. Sebuah contoh
adalah seperti sebagai berikut :

Kolom kedua, yakni banyak

mahasiswa, disingkat menjadi t yang
berarti frekuensi yang menyatakan
banyaknya mahasiswa yang umurnya
kolom pertama. tertulis pada

Gambar 2.2.7 Umur mahasiswa univ. X dalam tahun (Tahun 1970).

3. DIAGRAM BATANG
Sumbu datar dibagi menjadi beberapa skala bagian yang sama; demikian
pula sumbu tegaknya. Jika diagram dibuat tegak, maka sumbu datar dipakai
untuk menyatakan waktu.

Gambar 2.3.1 Banyak murid di daerah A menurut tingkat sekolah dan jenis kelamin

Jika hanya diperhatikan jumlah murid tanpa perincian jenis kelamin,

diagramnya merupakan diagram batang tunggal. Letak batangnya yang satu
 dengan yang lainnya harus terpisah dan lebaranya digambarkan serasi dengan
keadaan tempat diagram. Di atas batang boleh juga nilai kuantum data
dituliskan.

Gambar 2.3.2

Mungkin juga diagram batang dibuat secara horizontal. Seperti :

Gambar 2.3.3

Jika jenis kelamin juga digambarkan, maka terdapat diagram batang dua
komponen. Bentuk yang tegak adalah deperti ini :
 Gambar 2.3.4
Supaya jumlah murid ikut tergambarkan, maka dapat dibuat diagram batang
tiga komponen, seperti :

Gambar 2.3.5
Untuk kategori berlawanan, seperti data diatas, dapat juga dibuat diagram
batang dua arah.

Gambar 2.3.6
 Untuk satu kesatuan kumpulan data yang terdiri atas beberapa bagian,
diagram batangnya sering digambarkan seperti :

Gambar 2.3.7
4. DIAGRAM GARIS
Untuk menggambarkan keadaan yang serba terus atau berkesinambungan,
misalnya produksi tiap tahun, jumlah penduduk tiap tahun, keadaan temperatur
badan tiap jam, dll., dibuat diagram garis. Contoh :

Gambar 2.4.1 Penggunaan barang A di jawatan B (Dalam satuan) 1971-1980

 Gambar 2.4.2

Dengan memperhatikan gerak garis, kita dapat mempelajari bagaimana

fluktuasi atau naik-turun penggunaan barang dari tahun ke tahun. Dalam gambar
dibawah ini, diberikan diagram garis dengan tafsiran sebagai berikut :
a. Keadaan yang bertambah secara “konstan” (Gambar A)
b. Keadaan yang bertambah dengan pertambahan yang menaik (Gambar B)
c. Keadaan yang bertambah dengan pertambahan yang menurun (Gambar C)
d. Keadaan yang menurun dengan penurunan yang tidak tetap (Gambar D)
 Gambar 2.4.3

Jika nilai data terkumpul sekitar harga yang cukup besar sehingga
diagramnya cukup jauh dari sumbu horizontal, maka lebih baik dilakukan
loncatan atau pemutusan sumbu tegak. Sebuah contoh ialah seperti pada
(Gambar 2.4.4) berikut.

Gambar 2.4.4
 Gambar 2.2.4 kurang baik, karena garis horizontal kelihatan cukup jauh dari
sumbu datar. Jika digambarkan dengan loncatan sumbu tegak akan didapat
seperti Gambar 2.4.5 berikut :

Gambar 2.4.5

Gambar 2.4.5 diambil dari gambar 2.4.4 yang nampak bahwa seolah-olah
kertas pada skala 9000 disobek, dibuang sebagian antara 0 dan 9000, lalu
didekatkan. Cara lain untuk memperbaiki Gambar 2.4.4 adalah dengan
memutuskan sumbu tegaknya saja. Hasilnya seperti dalam gambar 2.4.6 berikut
:

Gambar 2.4.6
Sebuah contoh, berikut adalah data hasil usaha yang telah dilakukan oleh A
dan B selama 1974-1980 :

Gambar 2.4.7 Hasil usaha A dan B dalam jutaan rupiah 1974-1980

 Diagram garis untuk kedua usaha tersebut dapat dilihat dalam gambar 2.4.8
berikut :

Gambar 2.4.8

5. DIAGRAM LINGKARAN DAN DIAGRAM PASTEL

Untuk membuat diagram lingkaran, gambarkan sebuah lingkaran, lalu dibagi-
bagi menjadi beberapa sektor tiap sektor berisikan kategori data yang terlebih
dahulu diubah ke dalam derajat. Diagram ini sering diunakan untuk melukiskan
data atribut. Penjelasan dapat ditulis di luar lingkaran secara mendatar. Jika
cukup ruangan, lebih baik ditulis di dalam sektor secara mendatar juga.

Gambar 2.5.1 dan Gambar 2.5.2

Variasi bentuk dalam lingkaran seperti gambar 2.5.2 disebut diagram pastel.
6. DIAGRAM LAMBANG
Sering dipakai untuk mendapatkan gambaran kasar sesuatu hal dan sebagai
alat visual bagi orang awam. Gambar berikut merupakan contoh untuk
melukislakn pegwai di berbagai jawatan :

Gambar 2.6.1

Gambar 2.6.2 berikut merupakan diagram simbol penggunaan listrik dalam

ribuan KWH untuk industri-industri di beberapa daerah Indonesia selama tahun
1958.

Gambar 2.6.2

Dibawah ini merupakan gabungan antara diagram lambang dan diagram

batang. Data yang dilukiaskan adalah mengenai jumlah kendaraan penumpang
di Jawa Barat untuk tahun-tahun 1967, 1969, dan 1971. (Sumber data :
KOMDAK Langlangbuana, Jawa Barat).
 Gambar 2.6.3
7. DIAGRAM PETA (KARTOGRAM)
Dalam pembuatannya, digunakan pada peta geografis tempat data terjadi.
Dengan demikian, diagram ini melukiskan keadaan dihubungkan dengan tempat
kejadiannya. Contoh, berikut adalah rata-rata pertumbuhan penduduk di Jawa
Barat selama 1961-1971 menurut Kantor Statistik Provinsi Jawa Barat :

Gambar 2.7.1
Gambar 2.7.2 melukiskan penempatan transmigran dari Jawa Barat ke
Kalimantan selama periode 1951-1972/1973. Dihitung banyak jiwa yang
ditransmigrasikan, datanya dapat dibaca di atas gambar kepala orang.
 Gambar 2.7.2

8. DIAGRAM PENCAR
Untuk kumpulan data yang terdiri atas dua variabel, dengan nilai kuantitatif,
diagramnya dapat dibuat dalam sistem sumbu koordinat dan gambarnya akan
merupakan kumpulan titik-titik yang terpencar.

Gambar 2.8.1
 BAB III
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

1. PENDAHULUAN

Dalam daftar distribusi frekuensi, banyak

objek dikumpulkan dalam kelompok-kelompok
berbentuk a-b yang disebut kelas interval.
Kedalam kelas interval a-b dimasukkan semua
data yang bernilai mulai dari a –b.

Gambar 3.1.1. nilai ujian statistika untuk 80

mahasiswa

Urutan kelas interval disusun mulai dari data terkecil terus ke bawah
sampai nilai data terbesar. Bilangan-bilangan di sebelah kiri kelas interval
disebut ujung bawah dan bilangan-bilangan di sebelah kanannya disebut
ujung atas. Selisih positif antara tiap dua ujung bawah berurutan disebut
panjang kelas interval. Dalam gambar 3.1.1 panjang kelasnya disingkat
dengan p, adalah 10, jadi p = 10 dan semuanya sama.
Selain dari ujung kelas interval, ada juga yang disebut batas kelas interval
yang bergantung pada ketelitian data yang digunakan. Jika dicatat teliti
hingga satuan, maka batas bawah kelas sama dengan ujung bawah
dikurangi 0,5. Untuk data dicatat hingga satu desimal, batas bawah sama
dengan ujung bawah dikurangi 0,05 dan batas atas sama dengan ujung atas
ditambah 0,05. Untuk perhitungan nanti,dari tiap kelas interval bisa diambil
sebuah nilai wakil kelas itu. Yang digunakan disini ialah tanda kelas interval
yang didapat menggunakan aturan :

𝑡𝑎𝑛𝑑𝑎 𝑘𝑒𝑙𝑎𝑠 = 1 (𝑢𝑗𝑢𝑛𝑔 𝑏𝑎𝑤𝑎ℎ + 𝑢𝑗𝑢𝑛𝑔 𝑎𝑡𝑎𝑠)

2
Contoh : Kelas interval pertama adalah 31-40 dengan frekuensi f = 2. Ujung
bawah kelas = 31, ujung atas = 40. Adapun batas bawah kelas = 30,5 dan
batas
atas = 40,5. Tanda kelasnya 1(31+40) = 35,5.
2
2. MEMBUAT DAFTAR DISTRIBUSI FREKUENSI
Perhatikan nilai ujian statistika untuk 80 orang mahasiswa berikut ini :

Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang

sama, kita lakukan sebagai berikut :
a. Tentukan rentang, ialah data terbesar dikurangi data terkecil. Berdasarkan
data diatas, maka rentang = 99 - 35 = 64
b. Tentukan banyak kelas interval yang diperlukan. Banyak kelas sering
biasa diambil paling sedikit 5 kelas dan paling banyak 15 kelas, dipilih
menurut keperluan. Cara lain cukup bagus untuk n berukuran besar n ≥
200 misalnya, dapat menggunakan aturan Struges, yaitu :
banyak kelas = 1 + (3,3) log n
dengan n menyatakan banyak data dan hasil akhir dijadikan bilangan bulat.
Untuk contoh kita dengan n = 80
banyak kelas = 1 + (3,3) log 80
= 1 + (3,3) 1,9031
= 7,2802
Kita bisa membuat daftar distribusi frekuensi dengan banyak kelas 7 atau 8
buah.
c. Tentukan panjang kelas interval p. Ini ditentukan oleh aturan :
𝑟𝑒𝑛𝑡𝑎𝑛𝑔
𝑝=
𝑏𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠

Harga p diambil sesuai dengan ketelitian satuan data yang digunakan.

Jika data berbentuk satuan, ambil harga p teliti sampai satuan. Untuk data
hingga satu dsimal, p ini juga diambil hingga satu desimal, dst. Contoh,
jika
 𝑟𝑒𝑛𝑡𝑎𝑛𝑔
banyak kelas diambil 7, maka : 𝑝 = = 64 = 9,14. Maka, disini kita
𝑏𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 7

bisa ambil p = 9 atau p = 10.

d. Pilih ujung bawah kelas interval pertama. Untuk ini bisa diambil sama
dengan data terkecil atau nilai data yang lebih kecil dari data terkecil tetapi
selisihnya harus kurang dari panjang keas yang telah ditentukan.
Selanjutnya daftar diselesaikan dengan harga-harga yang telah dihitung.
e. Dengan p = 10 dan memulai dengan data yang lebih kecil dari data terkecil
(diambil 31), maka kelas pertama berbentuk 31-40, kelas kedua 41-50,
kelas ketiga 51-50, dst.
Sebelum daftar sebenarna dituliskan, ada baiknya dibuat daftar penolong
yang berisikan kolom tabulasi. Kolom ini merupakan kumpulan deretan garis-
garis miring pendek, yang banyaknya sesuai dengan banyak data yang
terdapat dalam kelas interval yang bersangkutan.
Dengan mengambil banyak kelas 7, panjang kelas 10, dan dimulai dengan
ujung bawah kelas pertama sama dengan 31, seperti dijelaskan dalam “e.”,
kita peroleh daftar penolong seperti dibawah ini :

Gambar 3.2.1
Jika ujung bawah kelas pertama diambil sama dengan data terkecil, yakni
35, maka daftarnya menjadi seperti :
Gambar 3.1.1 dan gambar 3.2.2 keduanya dapat digunakan. Tetapi,
gambar 3.2.2, kelas interval terakhir (95-104), melebihi nilai yang biasa
diberikan, yaitu 100. Oleh karena itu, gambar 3.1.1 lebih baik digunakan.
Gambar 3.2.2 Nilai ujian statistika untuk 80 mahasiswa

Dari penyusunan kelas-kelas interval diatas, dapat dilihat bahwa ujung

bawah yang satu berbeda dari ujung atas kelas sebelumnya. Jadi, tidak benar
jika dibuat kelas-kelas seperti dalam dua contoh dibawah ini :

Kelas terbuka terjadi pada kelas pertama, kedua, dan atau terakhir. Kelas
terbuka ini dibuat apabila tidak cukup banyak pengamatan yang akan
terdapat
jika interval itu dibuat tertutup dan jika data
ekstrim tidak diketahui atau tidak perlu
diperhatikan.
Gambar 3.2.3.
Banyak siswa di daerah A menurut umur dalam tahun

3. DISTRIBUSI FREKUENSI RELATIF

DAN KUMULATIF
Jika frekuensi dinyatakan dalam persen,
maka diperoleh daftar distribusi frekuensi relatif. Untuk gambar 3.1.1, dapat
kita peroleh daftar distribusi frekuensi relatif seperti dalam gambar 3.3.1
berikut :
 2
Frekuensi relatif (frel) atau f(%), untuk kelas pertama di dapat dari
80 × 100% =
2,50%

Gambar 3.3.1. Distribusi frekuensi relatif untuk nilai ujian statistika

Bentuk frekuensi, absolut, dan relatif dapat disajikan dalam sebuah daftar,
seperti :

Gambar 3.3.2 Nilai ujian statistika untuk 80 mahasiswa

Ada lagi daftar yang bisa dinamakan daftar

distribusi frekuensi kumulatif, yang dapat
dibentuk dari daftar distribusi frekuensi biasa,
dengan menjumlahkan frekuensi demi
frekuensi. Dikenal dua macam distribusi
frekuensi kumulatif, yaitu kurang dari dan atau
lebih, seperti :
 Gambar 3.3.3 Kumulatif kurang dari dan lebih dari
Jika daftar distribusi frekuensi kumulatif dengan frekuensi relatif
dikehendaki, maka hasilnya seperti daftar-daftar dibawah ini :

4. HISTOGRAM DAN POLIGON FREKUENSI

Untuk menyajikan data yang telah disusun dalam daftar distribusi
frekuensi menjadi diagram, dipakai sumbu mendatar untuk menyatakan kelas
interval, dan sumbu tegak untuk menyatakan frekuensi, baik absolut maupun
relatif. Sumbu datar berisi kelas-kelas interval. Bentuk diagramnya seperti
diagram batang, yang sisi-sisi batang yang berdekatan harus berhimpitan.
Contoh :

Gambar 3.4.1. Diagram histogram

 Sekarang, tengah-tengah tiap sisi atas yang berdekatan kita hubungkan
dan sisi terakhir dihubungkan dengan setengah jarak kelas interval pada
sumbu datar. Bentuk yang didapat, dinamakan poligon frekuensi.

Gambar 3.4.2. Poligon frekuensi

Contoh : Daftar berikut menyatakangaji bulanan untuk 135 pegawai yang terdapat pada
suatu daerah.

Kelas-kelas interval pertama hingga keempat panjangnya sama, yaitu 1000. Kelas
interval kelima dan keenam masing-masing 4000 dan 500.

Gambar 3.4.3. Gaji bulanan 135 pegawai di daerah A dalam rupiah.

Dengan mengambil pokok panjang kelas 1000, maka tinggi diagram kelas
terakhir digambarkan seperempat dari 28 (atau 7), sedangkan tinggi diagram
kelas terakhir digambarkan dua kali 2 (atau 4).
 Gambar 3.4.4

Diagram untuk data yang telah tersusun dalam daftar distribusi frekuensi
kumulatif, bentuknya akan berlainan dengan diagram-diagram diatas. Untuk
data dalam gambar 3.3.3, yakni daftar kumulatif kurang dari dan lebih dari,
diagramnya dapat dilihat seperti :

Gambar 3.4.5
Untuk gambar diatas, semua frekuensi bernilai absolut.

5. MODEL POPULASI
Poligon frekuensi yang merupakan garis patah-patah dapat didekati oleh
sebuah lengkungan halus yang bentuknya se-cocok mungkin dengan bentuk
poligon tersebut. Lengkungan yang di dapat dinamakan kurva frekuensi.
Untuk poligon frekuensi dalam gambar 3.1.1 misalnya. Kurva frekuensinya
digambar dengan garis tebal, seperti :

Gambar 3.5.1
Kurva ini merupakan model populasi yang akan ikut menjelaskan ciri-ciri
populasi. Dalam praktiknya, model populasi ini biasanya diturunkan dari kurva
frekuensi yang diperoleh dari sampel representatif yang diambil dari populasi
itu.
Pada saat sekarang, hanya akan diberikan bentuk kurva untuk model
populasi yang sering dikenal, yaitu model normal, simetrik, positif (miring ke
kiri), negatif (miring ke kanan), bentuk J dan U.

Gambar 3.5.2
Untuk gambar-gambar diatas, kita kenal :
(A) Model normal, yang sebenarnya akan lebih tepat digambarkan
berdasarkan persamaan matematikanya. Bentuk model normal selalu
simetrik dan mempunyai sebuah puncak. Kurva dengan sebuah puncak
disebut unimodal.
(B) Model simetrik juga unimodal. Perhatikan bahwa model normal selalu
simetrik tetapi tidak sebaliknya.

Kurva untuk model miring, positif, ataupun negatif, dapat dilihat dalam
gambar 3.5.3 berikut :

Gambar 3.5.3
Model positif menggambarkan bahwa terdapat sedikit gejala yang bernilai
makin besar. Sedangkan model negatif terjadi sebaliknya.

Gambar 3.5.4
Kedua gambar di atas memperlihatkan fenomena yang modelnya
berbentuk J. Ini banyak terdapat dalam dunia ekonomi, industri, dan fisika.

Model dalam bentuk U, mula-mula

terdapat gejala bernilai kecil, kemudian
menurun sementara gejala Gambar 3.5.5
menilai besar dan akhirnya naik lagi
untuk nilai gejala yang makin besar
 BAB IV
UKURAN GEJALA PUSAT DAN UKURAN LETAK

1. PENDAHULUAN
Dalam bab ini, akan diuraikan tentang ukuran gejala pusat dan ukuran
letak. Beberapa macam ukuran dari golongan pertama ialah : rata-rata atau
rata-rata hitung, rata-rata ukur, rata-rata harmonik, dan modus. Golongan
kedua meliputi
: median, kuartil, desil, dan persentil.
Ukuran yang dihitung dari kumpulan data dalam sampel dinamakan
statistik. Apabila ukuran itu dihitung dari kumpulan data dalam populasi atau
dipakai untuk menyatakan populasi, maka namanya parameter.

2. RATA-RATA ATAU RATA-RATA HITUNG

Nilai-nilai data kuantitatif akan dinyatakan dengan x1, x2, ...., xn, apabila
dalam kumpulan data itu terdapat n buah nilai. Simbol n akan dipakai untuk
menyatakan ukuran sampel, yakni banyak data atau objek yang diteliti dalam
sampel. Simbol N dipakai untuk menyatakan ukuran populasi, yakni banyak
anggota yang terdapat dalam ukuran populasi.
Jika ada lima nilai ujian dari lima orang mahasiawa untuk mata kuliah
statistika berbentuk : 70, 69, 45, 80, dan 56, maka dalam simbol ditulis : x 1 =
70, x2 = 69, x3 = 45, x4 = 80, x5 = 56. Dalam hal ini, n = 5 menyatakn sebuah
sampel berukuran 5.
Rata-rata, atau lengkapnya rata-rata hitung, untuk data kuantitatif yang
terdapat dalam sebuah sampel, dihitung dengan jalan membagi jumlah nilai
data oleh banyak data.

Simbol rata-rata untuk sampel ialah x sedangkan rata-rata untuk populasi

dipakai simbol µ (mu). Jadi, x adalah statistik sedangkan µ adalah parameter

untuk menyatakan rata-rata. Rumus untuk rata-rata x adalah :

Atau lebih sederhana lagi ditulis : dengan ∑ 𝑥i

singkatan dari ∑𝑛 𝑥i yang berarti jumlah semua harga x
𝑖=1
yang ada dalam kumpulan itu. (Rumus 4.1)
Untuk kelima nilai ujian di atas, nilai rata-ratanya ialah
70 + 69 + 45 + 80 + 56
𝑥= = 64
5
Jika ada lima mahasiswa mendapat nilai 70, enam mendapat nilai 69, tiga
mendapat nilai 45, dan masing-masing seorang mendapat nilai 80 dan 56,
maka lebih baik data tersebut ditulis sebagai berikut :
xi menyatakan nilai ujian, dan fi menyatakan
frekuensi untuk nilai xi yang bersesuaian. Misalnya
f1
= 5 untuk x1 = 70, f2 = 6 untuk x2 = 69, dst.
Untuk data berbentuk demikian, rumus rata-
ratanya ialah : jumlah hasil
kali antara frekuensi dan nilai
data dibagi oleh jumlah frekuensi. (Rumus 4.2)
Untuk contoh, dianjurkan membuat tabel penolong seperti berikut ini :
∑ 𝑓𝑖= 16
∑ 𝑓𝑖𝑥𝑖 = 1035
Sehingga,

∑ 𝑓𝑖𝑥𝑖 1036
𝑥= ∑ 𝑓𝑖 = 16 = 64.6

Gambar 4.2.1
Nilai rata-rata ujian statistika untuk ke-16 mahasiswa tersebut adalah 64,6.

Rumus 4.2 disebut pula rumus rata-rata diboboti yang sering dipakai untuk
memperbaiki rata-rata yang dihitung oleh rumus 4.1.

Contoh : Data berikut merupakan daftar barang yang disimpan di gudang, diantaranya
terdapat yang rusak
 Gambar 4.2.2
Jika rata-rata persen barang yang rusak dihitung dengan (Rumus 4.1), maka :
96 + 92 + 80 + 60
𝑥= % = 66,75%
4
328
Tetapi, barang yang rusak ada 328 dari 540. Ini berarti × 100% =
540
60,07%. Hasil ini akan didapat menggunakan
(Rumus 4.2) sebagai berikut :
∑ 𝑓𝑖 = 540
∑ 𝑓𝑖𝑥𝑖 = 328
Sehingga,
∑ 𝑓𝑖𝑥𝑖 328
𝑥= × 100% = ×100% = 60,67
∑ 𝑓𝑖 540

Gambar 4.2.1
Rata-rata terdapat 60,67% barang yang rusak.
Selanjutnya, kita juga dapat menentukan rata-rata gabungan, yaitu rata-
rata dari beberapa sub sampel lalu dijadikan satu. Kalau ada k buah sub
sampel masing-masing dengan keadaan berikut :
Sub sampel 1 : berukuran n1 dengan rata-rata 𝑥1
Sub sampel 2 : berukuran n2 dengan rata-rata 𝑥2
.....................................................................
Sub sampel k : berukuran nk dengan rata-rata 𝑥k
Maka rata-rata gabungan dari k buah sub sampel itu dihitung dengan (Rumus
4.3) :

Contoh : Tiga sub sampel masing-masing berukuran 10, 6, dan 8. Sementara rata-ratanya
masing-masing 145, 118, dan 162
145+118+162
Adalah salah jika perhitungan dengan Rumus 4.1, yaitu : 𝑥 = =
3
141,7.
Yang benar, harus dihitung dengan Rumus 4.3, yaitu :
 (10)(145)+(6)(118)+(8)(162)
𝑥= 3 = 143,9
Untuk data yang telah disusun dalam daftar distribusi frekuensi, rata-

ratanya dihitung dengan Rumus 4.2, ialah : 𝑥 = ∑

𝑓𝑖𝑥𝑖 ...... (Rumus 4.4)
∑ 𝑓𝑖

Hanya disini xi = tanda kelas interval dan fi = frekuensi yang sesuai

dengan tanda kelas xi.
3. RATA-RATA UKUR
Jika perbandingan tiap dua data berurutan tetap atau hampir tetap, rata-
rata ukur lebih baik dipakai daripada rata-rata hitung, apabila dikehendaki
rata- ratanya. Untuk data bernilai x1, x2, ..., xn. Maka rata-rata ukur U
didefinisikan sebagai :

Rumus 4.5
Yaitu akar pangkat n dari produk (x1, x2, ..., xn)
Contoh : Rata-rata ukur untuk data x1 = 2, x2 = 4, x3 = 8 adalah 𝑈 = 3√2 × 4 × 8 = 4

Untuk fenomena yang bersifat tumbuh dengan syarat-syarat tertentu

seperti pertumbuhan penduduk, bakteri, dll, sering digunakan rumus yang mirip
𝑥
rata-rata ukur, yaitu : Pt = P0 ( 1 + )t.......(Rumus 4.6) dengan
100
P0 = keadaan awal atau permulaan
Pt = keadaan akhir
𝑥 = rata-rata pertumbuhan setiap
waktu t = satuan waktu yang digunakan

Contoh : penduduk Indonesia pada akhir tahun 1946 ada 60 juta sedangkan akhir tahun
1956 mencapai 78 juta. Untuk menentukan laju rata-rata pertumbuhan penduduk tiap
tahun kita pakai Rumus 4.7 dengan t = 10, P0 = 60, dan Pt = 78.
𝑥
Maka didapat 78 = 60 ( 1 +
100 )10 ;
𝑥
Atau log 78 = log 60 + 10 log ( 1 +
100 10
)
Atau ( 1 + 10
𝑥
)10 = 1,0627 𝑥 = 2,67
0

Laju rata-rata pertumbuhan = 2,67 % per tahun.

 4. RATA-RATA HARMONIK
Untuk data x1, x2, ..., xn dalam sebuah sampel berukuran n, maka rata-rata
harmonik ditentukan oleh (Rumus 4.7) :

Contoh : Rata-rata harmonik untuk kumpulan data : 3, 5,

6, 6, 7, 10, 12, dengan n = 7 ialah
7
H=1 1 1 1 1 1 1 = 5,87.
+ + + + + +
3 5 6 6 7 10 12

Untuk data dalam daftar distribusi

frekuensi, maka rata-rata harmonik
dihitung dengan (Rumus 4.8) berikut :

5. MODUS
Untuk menyatakan fenomena yang paling banyak terjadi (Mo). Jika data
kuantitatif telah disusun dalam daftar distribusi frekuensi, modusnya dapat
ditentukan dengan (Rumus 4.9) :

Dengan
b = batas bawah kelas modal, ialah kelas interval dengan frekuensi
terbanyak
p = panjang kelas modal
b1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan
tanda kelas yang lebih kecil sebelum tanda kelas modal
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan
tanda kelas yang lebih besar sesudah tanda kelas modal

6. MEDIAN
Jika banyak data ganjil, maka median Me, setelah
data disusun menurut nilainya, merupakan data paling tengah. Untuk sampel
berukuran genap, setelah data disusun menurut urutan nilainya, mediannya
sama dengan rata-rata hitung dua data tengah.
Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya
dihitung dengan (Rumus 4.10) :

Dengan
b = batas bawah kelas median, ialah kelas dimana median akan
terletak p = panjang kelas median
n = ukuran sampel atau banyak data
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda
kelas median
F = frekuensi kelas median

7. KUARTIL, DESI, DAN PERSENTIL

Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,
sesudah disusun menurut ukuran nilainya,
maka bilangan pembagiannya
disebut kuartil. Ada tiga buah kuartil, ialah kuartil
pertama, kuartil kedua, dan kuartil ketiga yang
masing-masing disingkat dengan K 1, K2, dan K3. Pemberian nama ini dimulai
dari nilai kuartil paling kecil. Letak kuartil ke i diberi lambang Ki, ditentukan
oleh (Rumus 4.11) :

Rumus 4.11
Untuk data yang telah disusun dalam
daftar distribusi frekuensi, kuartil Ki ( i = 1, 2, 3)
dihitung dengan (Rumus 4.12) :

Dengan
b = batas bawah kelas Ki, ialah kelas interval dimana Ki terletak
 p = panjang kelas Ki
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas
Ki f = frekuensi kelas Ki

Jika kumpulan data itu dibagi menjadi 10 bagian yang sama, maka
didapat sembilan pembagi dan tiap pembagi dinamakan desil (D1, D2, D3, .....,
D9). Ditentukan oleh (Rumus 4.13) :

Untuk data dalam daftar distribusi frekuensi, nilai D i (i = 1, 2, 3, ..., 9)

dihitung dengan (Rumus 4.14) :

Dengan
b = batas bawah kelas Di, ialah kelas interval di mana Di akan terletak
p = panjang kelas Di
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas
Di f = frekuensi kelas Di

Sekumpulan data yang dibagi menjadi 100 bagian yang sama, akan
menghasilkan 99 pembagi yang berturut-turut dinamakan persentil pertama,
persentil kedua, , persentil ke-99. Simbol yang digunakan berturut-turut ialah
P1, P2, P3, P99).

Rumus 4.15
Sedangkan nilai Pi untuk data dalam daftar
distribusi frekuensi dihitung dengan :
 Rumus 4.16
Dengan
b = batas bawah kelas Pi, ialah kelas interval dimana Pi berada
p = panjang kelas Pi
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas
Pi f = frekuensi kelas Pi
 BAB V
UKURAN SIMPANGAN, DISPERSI, DAN VARIASI

1. PENDAHULUAN
Kecuali ukuran gejala pusat dan ukuran letak, masih ada lagi ukuran lain,
yaitu ukuran simpangan atau ukuran dispersi. Ukuran ini kadang-kadang
dinamkan pula ukuran variasi, yang menggambarkan bagaimana
berpencarnya data kuantitatif. Beberapa ukuran dispersi yang terkenal dan
akan diuraikan disini, yaitu : rentang, rentang antar kuartil, simpangan kuartil
atau rata-rata deviasi, simpangan baku atau deviasi standar, varians, dan
koefisien variasi.

2. RENTANG, RENTANG ANTAR KUARTIL, DAN SIMPANGAN KUARTIL

Rentang = data terbesar – data terkecil
Karena mudah dihitung, rentang banyak digunakan dalam statistika industri.

Rentang antar kuartil mudah ditentukan, ini merupakan selisih antara K3

dan K1
RAK = K3 – K1
Dengan RAK = rentang antar kuartil; K3 = kuartil ketiga; K1 = kuartil
pertama.

Simpangan kuartil atau deviasi kuartil atau disebut juga rentang semi
antar kuartil, harganya setengah dari rentang antar kuartil. Jadi, jika
simpangan kuartil disebut dengan SK, maka :
1
SK = ( K3 – K1 )
2

3. RATA-RATA SIMPANGAN
4. SIMPANGAN BAKU
Ukuran simpangan yang paling banyak digunakan ialah simpangan baku
atau deviasi standar. Pangkat dua dari simpangan baku dinamakan varians.
Untuk sampel, simpangan baku diberi simbol s, sedangkan untuk populasi
diberi simbol 𝜎 (baca : sigma). Variansnya tentulah s2 untuk varians sampel
dan
𝜎2 untuk varians populasi. Jelasnya, s dan s2 merupakan statistik, sedangkan
𝜎 dan 𝜎2 merupakan parameter.

Bentuk lain untuk rumus varians sampel ialah :

Jika data dari sampel telah disusun dalam daftar distribusi frekuensi,
maka untuk menentukan varians s2 dipakai rumus :

Atau yang lebih baik digunakan :

Cara singkat atau cara sandi dapat digunakan untuk menghitung varians,
sehingga perhitungan akan lebih sederhana. Rumus-rumusnya adalah :

Simpangan baku gabungan dihitung dengan rumus :

5. BILANGAN BAKU DAN KOEFISIEN VARIASI
Misalkan kita mempunyai sebuah sampel berukuran n dengan data x1, x2,
...., xn, sedangkan rata-ratanya = 𝑥 dan simpangan baku = s. Dari sini kita
dapat membentuk data baru z1, z2, , zn dengan rumus :

Dalam penggunaannya, bilangan z ini sering diubah menjadi keadaan

atau model baru, atau tepatnya distribusi baru, yang mempunyai rata-rata 𝑥0
dan simpangan bagu s0 yang ditentukan. Bilangan yang diperoleh dengan
cara ini dinamakan bilangan baku atau bilangan standar dengan rata-rata 𝑥0
dan simpangan baku s0 dengan rumus

Ukuran variasi atau dispersi yang diuraikan dalam bagian-bagian lalu

merupakan dispersi absolut.untuk membandingkan variasi antara nilai-nilai
besar dan nilai-nilai kecil, digunakan dispersi relatif yang ditentukan oleh :

Jika untuk dispersi absolut diambil simpangan baku, maka didapat

koefisien variasi, disingkat KV. Rumusnya, dinyatakan dalam persen,
berbentuk :