Statistics for Business Decisions

Statistika Deskriptif
Peringkasan dan Penyajian Data
Pengukuran Tendensi Sentral
dan Variasi Data
Normalitas Sebaran Data

SEMBA 45A – Dumairy – AgusDes 2022

du Mairy , 2022 — MM FEB-UGM

 Honorarium 120 orang Buzzer (Rp juta per bulan)

9,9 19,5 21,1 19,4 6,9 15,4 12,7 19,8 20,4 18,4
12,5 8,8 13,4 22,1 7,8 17,0 28,3 14,3 18,4 20,8
16,9 9,2 23,2 12,5 16,8 24,2 8,7 11,6 15,2 10,5
7,4 16,3 6,2 14,4 21,0 8,8 17,7 7,5 18,4 6,3
15,2 12,7 18,2 9,2 22,4 25,6 16,7 24,1 23,6 13,2
6,6 23,4 19,3 11,8 14,3 5,7 24,2 13,7 12,7 8,4
15,1 8,7 7,2 12,4 19,2 17,2 6,7 9,4 18,0 21,5
13,8 14,8 8,8 20,3 8,8 23,5 18,7 18,2 6,5 15,3
9,7 23,5 22,0 18,3 15,7 17,8 26,2 19,4 13,9 25,0
16,9 15,7 16,2 11,6 18,6 19,4 17,7 14,6 12,8 20,3
22,5 11,5 20,6 7,8 9,9 5,7 12,9 21,0 17,7 15,6
17,4 16,3 28,2 16,2 27,0 10,3 24,1 24,3 19,4 26,3

du Mairy , 2022 — MM FEB-UGM

 Peringkasan dan Penyajian Data
Data yg tersedia dalam bentuk “terurai” (seperti
contoh tadi) tidak informatif, tidak dapat
mendeskripsikan sesuatu yang statistikal, sehingga
tak lebih dari sekadar gugusan angka. Agar lebih
informatif dan bernilai statistik, setidaknya ia perlu
diringkas ketika disajikan.

du Mairy , 2022 — MM FEB-UGM

 Peringkasan dan Penyajian Data

Distribusi Frekuensi
– DF Tunggal Gambar
– DF Relatif – histogram (bar-chart)
– DF Kumulatif – polygon
– ogive
– lingkaran (pie-chart)
– gambar lain

du Mairy , 2022 — MM FEB-UGM

 Peringkasan dan Penyajian Data

Honorarium 25 orang Buzzer

(Rp juta per Bulan)

13,4 19,5 17,0 24,1 9,2

15,4 12,7 19,8 5,7 15,7
11,6 16,9 20,5 22,1 7,8
15,6 28,3 14,3 8,8 20,8
16,8 9,9 23,5 12,5 18,4

du Mairy , 2022 — MM FEB-UGM

 Distribusi Frekuensi Tunggal

Honorarium 25 Buzzer Kelas Frek.

5— 8,99 3
13,4 19,5 17,0 24,1 9,2 9—12,99 5
15,4 12,7 19,8 5,7 15,7 13—16,99 7
11,6 16,9 20,5 22,1 7,8 17—20,99 6
15,6 28,3 14,3 8,8 20,8 21—24,99 3
16,8 9,2 23,5 12,5 18,4 25—28,99 1

Jumlah 25

du Mairy , 2022 — MM FEB-UGM

 Distribusi Frekuensi Tunggal
Kelas Frek
.
5 — 8,99 3 batas atas kelas
9 — 12,99 5 batas bawah kelas
13 — 16,99 7
lebar kelas
17 — 20,99 6
21 — 24,99 3
interval kelas
25 — 28,99 1
Jumlah 25 lebar kelas  interval kelas

du Mairy , 2022 — MM FEB-UGM

 Histogram
fi

7
frekuensi

6
5

1
0 Xi
5 9 13 17 21 25 29
honor buzzer (Rp juta per bulan)
du Mairy , 2022 — MM FEB-UGM
 Polygon
fi
frekuensi

7
6
5

1
0
5 9 13 17 21 25 29
Xi
honor buzzer (Rp juta per bulan)
du Mairy , 2022 — MM FEB-UGM
 Distribusi Frekuensi Relatif

Data Honorarium 25 Buzzer Kelas Frek.

5 — 8,99 12%
13,4 19,5 17,0 24,1 9,2 9—12,99 20%
15,4 12,7 19,8 5,7 15,7 13—16,99 28%
11,6 16,9 20,5 22,1 7,8 17—20,99 24%
15,6 28,3 14,3 8,8 20,8 21—24,99 12%
16,8 9,2 23,5 12,5 18,4 25—28,99 4%
Jumlah 100%

du Mairy , 2022 — MM FEB-UGM

 Distribusi Frekuensi Kumulatif
Honorarium 25 Buzzer Kelas Frek.
< 9 3
13,4 19,5 17,0 24,1 9,2 < 13 8
15,4 12,7 19,8 5,7 15,7 < 17 15
11,6 16,9 20,5 22,1 7,8 < 21 21
< 25 24
15,6 28,3 14,3 8,8 20,8 < 29 25
16,8 9,2 23,5 12,5 18,4 Jumlah 25

Distr. Frekuensi Kumulatif ini disebut “DFK kurang dari”.

Sebagai alternatif dapat juga disusun “DFK lebih dari
(>)”, “DFK kurang dari atau sama dengan (<)” , atau
“DFK lebih dari atau sama dengan (>)”.
du Mairy , 2022 — MM FEB-UGM
 Ogive
fi
frekuensi

25
24

21

15

3 8

0
5 9 13 17 21 25 29
Xi
honor buzzer (Rp juta per bulan)
du Mairy , 2022 — MM FEB-UGM
 Contoh Lain Ogif (ogive)

du Mairy , 2022 — MM FEB-UGM

 DISTRIBUSI FREKUENSI
Beberapa Ketentuan Teknis

Penentuan dulu: Rumus Sturges

jumlah kelas kini: arbitrer, menurut keperluan
dan lebar kelas makin rinci makin banyak kelas

Ketentuan Teknis Penyusunan Distribusi Frekuensi:

1) Semua data harus tercakup di dalam distribusi
2) Lebar kelas harus konsisten
3) Tidak boleh ada data yg tidak masuk ke satu kelas pun
4) Tidak boleh ada data yang bisa masuk ke dalam lebih
dari satu kelas

du Mairy , 2022 — MM FEB-UGM

 TENDENSI SENTRAL
VARIABILITAS

TENDENSI SENTRAL: VARIABILITAS:

membahas perihal konsen- membahas keterpencaran/
trasi atau pemusatan penyimpangan data dari
nilai-nilai data
nilai sentralnya

median
modus varian
mean (rerata) simpangan baku

du Mairy , 2022 — MM FEB-UGM

 Penghitungan Ukuran2 Statistik Deskriptif

Penghitungan ukuran2 statistik deskriptif (median,

modus, mean, variance, std deviation) bergantung
pada bentuk ketersediaan datanya; yaitu apakah
masih terurai (belum tersusun berupa distribusi
frekuensi) ataukah sudah berkelompok (sudah
tersusun berbentuk distribusi frekuensi).
Di samping itu, untuk mean (rerata) serta variance
(varian) dan standard deviation (simpangan baku),
penghitungannya bergantung pula pd kedudukan
datanya; yakni apakah merupakan data populasi
ataukah data sampel.

du Mairy , 2022 — MM FEB-UGM

 Median (Md, X )

Median adalah nilai tengah dari segugus data, data

yg terletak di tengah distribusi; sering disebut juga
data tengah.

Penetapan median untuk data yang masih terurai:

• Susun semua data secara ascending atau descending
• Data yg tepat di tengah adalah median yg dimaksud

30, 31, 28, 30, 34, 35, 33, 36

28 30 30 31 33 34 35 Md = 31
28 30 30 31 33 34 35 36 Md = 32
du Mairy , 2022 — MM FEB-UGM
 Modus (Mo, X )

Modus adalah nilai yang paling banyak/sering muncul

di dalam segugus atau senarai data, data yang
kemunculannya paling frekuentif.

Penetapan modus untuk data yang masih terurai:

• Hamparkan semua data yang ada, kemudian amati
data dengan nilai berapa yang paling banyak; itulah
modusnya.

30 31 28 30 34 35 33 Mo = 30
30 31 28 30 34 35 33 36 Mo = 30
du Mairy , 2022 — MM FEB-UGM
 Mean (Me, X )

Mean (rerata) adalah nilai rata2 dari segugus data,

mrpkn hasilbagi jumlah nilai terhadap jumlah data.

Perhitungan mean untuk data yang masih terurai:

• Jumlahkan nilai2 dari semua data (ΣXi)
• Bagi dgn jumlah data (n) atau jumlah frekuensi (Σfi)
• Hasilbaginya adalah mean (X) yang dimaksud

30, 31, 28, 30, 34, 35, 33

Me = (30+31+28+30+34+35+33):7 Me = 31,57

du Mairy , 2022 — MM FEB-UGM

 Median dan Modus
untuk data yang telah berkelompok
L : batas-bawah “kelas
n median”
 CF CF : frek. kum. s/d kelas
Md  L  2 (i) sebelum “kelas median”
f f : frekuensi “kelas median”
i : lebar kelas
“kelas median”: kelas yg teoretis mengandung median.

Modus 
nilai tengah dari kelas yang berfrekuensi terbesar.

du Mairy , 2022 — MM FEB-UGM

 Rerata (Mean, Average)
untuk data yang tidak berkelompok
(data yang belum berdistribusi frekuensi)

Rerata Populasi Rerata Sampel

  X i
X 
X i
N n
Xi : jumlah-nilai data
Xi : jumlah-nilai data
N : jumlah data (objek,
individu) di dalam n: jumlah data di dalam
seluruh populasi sampel
du Mairy , 2022 — MM FEB-UGM
 Varian dan Simbaku
Varian Populasi: Varian Sampel:
__ 2
 
 X  
2
  Xi  X 
 2
 i
 
N s 
2

n 1

Simbaku Populasi: Simbaku Sampel:

=2 s =  s2

simbaku = akar varian varian = kuadrat simbaku

du Mairy , 2022 — MM FEB-UGM

 Rerata (Mean)
untuk data berkelompok (berdistribusi frekuensi)

Rerata Populasi:
dalam rumus-rumus di
 = fi.Xi / N sebelah kiri ini:

fi.Xi merupakan hasilkali

Rerata Sampel:
nilai-tengah kelas
dengan frekuensi
X = fi.Xi / n pada kelas tersebut.

du Mairy , 2022 — MM FEB-UGM

 Varian dan Simbaku
data berkelompok
Varian Populasi: Varian Sampel:
__ 2
 
 f X   
2
fi  X i  X 
 2
 i i
 
N s 
2

n 1

Simbaku Populasi: Simbaku Sampel:

=2 s =  s2

simbaku = akar varian varian = kuadrat simbaku

du Mairy , 2022 — MM FEB-UGM

 NORMALITAS DISTRIBUSI DATA

Segugus data dikatakan berdistribusi normal apabila

histogram atau polygon-nya menyerupai bentuk
genta (bell).
Secara statistik, distribusi data dikatakan normal jika:
1. 50% datanya berada di atas nilai rerata (rata-rata,
mean) dan 50% selebihnya berada di bawah nilai
rerata.
2. 68% datanya terletak antara (–) dan (+).
3. 95% datanya terletak antara (–2) dan (+2).

du Mairy , 2022 — MM FEB-UGM

 3- 26

Gambaran Data yang Berdistribusi Normal

68%

95%
99%
3 2 1  1 2  3

du Mairy , 2022 — MM FEB-UGM

 3- 27

Normalitas Jumlah Penggunaan Masker

Berdasarkan survei terhadap 1.500 orang mahasiswa sebuah
fakultas diketahui setiap mahasiswa rata2 menggunakan 80 unit
masker per bulan, dengan simbaku 10 unit.
N1.500 80  10

3  110 unit

2  100 unit
    90 unit 95%  100% 
68%  1.500
  80 unit masker 1.020 1.425
orang orang
    70 unit orang
2  60 unit
3  50 unit

du Mairy , 2022 — MM FEB-UGM

 Indikator Ketidaknormalan Distribusi

Indikator pertama untuk memeriksa ketidak-

normalan distribusi sehimpun data adalah dengan
membandingkan nilai rerata (yakni  ataux)
terhadap nilai simbaku ( atau s).
Apabila  > (s >x) berarti distribusi data tidak
normal.
Akan tetapi hal sebaliknya tidak berlaku! Apabila
 >  (atau x>s) bukan lantas berarti data
dimaksud pasti berdistribusi normal.

du Mairy , 2022 — MM FEB-UGM

 Distribusi Landai-Kanan (negatively skewed)
fi

Mean > Median > Modus

Data dengan nilai2 besar

berfrekuensi rendah

Mo Md Me Xi
fi = jumlah orang Xi =kadar pahala seseorang
du Mairy , 2022 — MM FEB-UGM
 Distribusi Landai-Kiri (positively skewed)

fi

Mean < Median < Modus Data dengan

nilai2 besar
berfrekuensi
tinggi

Me Md Mo Xi
fi = jumlah orang Xi =kadar dosa seseorang
du Mairy , 2022 — MM FEB-UGM