TD Kelompok 9 Modul 1 2.7

MODUL I
OLEH
NAMA :
STAMBUK :
KELOMPOK :
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

DEPARTEMEN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS
HASANUDDIN GOWA
2023
UNIVERSITAS HASANUDDIN
DAFTAR ISI
STATISTIK
DESKRIPTIF 2
DAFTAR TABEL
STATISTIK
DESKRIPTIF 3
DAFTAR GAMBAR
STATISTIK
DESKRIPTIF 4
DAFTAR RUMUS
STATISTIK
DESKRIPTIF 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
BAB I
PENDAHULUAN
1.1 Latar Belakang
Matematika adalah ilmu yang luas. Salah satu cabang ilmu

matematika yang banyak dikenal adalah statistika. Penggunaan istilah
Statistika berakar dari istilah-istilah dalam bahasa latin modern statisticum
collegium atau dewan negara dan bahasa Italia statista (negarawan atau
politikus). Gottfried Achen-wall (1749) menggunakan Statistik dalam
bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis
data kenegaraan, dengan mengartikannya sebagai "ilmu tentang negara
(state)" (Zein, dkk., 2019).
Statistik dan Statistika memiliki pengertian yang sedikit berbeda.
Statistik menurut Somantri adalah kumpulan fakta yang berbentuk angka-
angka yang disusun dalam bentuk daftar atau tabel yang menggambarkan
suatu persoalan (Ismail, 2018).
Sedangkan untuk statistika menurut Supranto adalah ilmu yang
mempelajari mengenai cara pengumpulan, penyajian, menganalisis data, dan
juga mengambil kesimpulan secara umum yang mana berdasarkan atas hasil
dari penelitian menyeluruh yang sudah dilakukan (Maizar, dkk., 2022).
Dalam ilmu statistika, ada beberapa jenis statistik. Salah satunya
adalah statistik deskriptif. Statistik deskriptif adalah statistik yang tingkat
pekerjaannya mencakup cara-cara menghimpun, menyusun, atau mengatur,
mengolah, menyajikan, dan menganalisis data angka, agar dapat
memberikan gambaran yang teratur, ringkas, dan jelas mengenai suatu
gejala, peristiwa, atau keadaan. Dengan kata lain, statistik ini adalah yang
mempunyai tugas mengorganisasi dan menganalisis data, angka, agar dapat
memberikan gambaran secara teratur, ringkas, dan jelas, mengenai sesuatu
gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna
tertentu (Sholikhah, 2016).
Mempelajari ilmu statistika, salah satunya statistik deskriptif adalah
suatu hal yang penting, apalagi bagi mahasiswa. Dengan mempelajari hal ini
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
dapat membuat kita berpikir logis. Statistik deskriptif juga membuka jalan
berpikir dan merupakan suatu bahasa untuk berpikir ilmiah untuk dapat
melakukan penelitian sains atau ilmu pengetahuan untuk mencapai suatu
pemecahan masalah.
Oleh karena itu, pada modul pertama yang membahas mengenai
statistik deskriptif ini, kita akan lebih mendalam lagi membahas mengenai
hal ini. Juga, melalui proses pengolahan data nantinya yang akan mengambil
objek responden pengunjung di Pantai Bosowa, kita akan lebih dalam lagi
memahami statistik deskriptif.
1.2 Rumusan Masalah
a. Bagaimana teknik pengambilan data dalam memperoleh data?
b. Bagaimana cara pengolahan jenis-jenis ukuran data yang dapat
menggambarkan sifat-sifat dasar kumpulan data?
c. Bagaimana cara menginterprestasikan pengolahan data pada statistik
deskriptif?
d. Bagaimana perbedaan hasil pengolahan data manual dengan
menggunakan software?
1.3 Tujuan Praktikum
a. Praktikan dapat memahami data yang baik dan benar serta cara
memperolehnya.
b. Praktikan dapat memahami konsep pengukuran pemusatan dan
penyebaran data.
c. Praktikan dapat mengetahui dan menyajikan data yang baik dan benar.
d. Praktikan dapat melakukan pengolahan data secara manual maupun
menggunakan software
1.4 Batasan Masalah
Praktikum ini dilakukan di Laboratorium Statistik dan Manajemen
Mutu Departemen Teknik Industri Fakultas Teknik Universitas Hasanuddin.
Data yang diolah adalah data primer yang diambil dari beberapa tempat
yang telah ditentukan sebelumnya dan dijalankan sesuai arahan dari asisten
laboratorium.
BAB II
TEORI DASAR
2.1 Statistik dan
Statistika
Meskipun terlihat mirip, namun keduanya baik statistik dan statistika

mempunyai makna berbeda. Keduanya baik statistik dan statistika mempunyai
hubungan satu sama lainnya. Adapub pengertian statitik dan statistika adalah
sebagai berikut:
2.1.1 Pengertian statistik
Kata statistik berasal dari bahasa Latin, yaitu status yang artinya negara
atau menyatakan hal-hal yang berhubungan dengan ketatanegaraan.
Pengertian statistik ini kemudian berkembang seiring waktu.
a. Statistik menurut ahli
Berikut ini merupakan pengertian statistik menurut para ahli.
1) Menurut Somantri, statistik diartikan sebagai kumpulan fakta yang
berbentuk angka-angka yang disusun dalam bentuk daftar atau
tabel yang menggambarkan suatu persoalan (Arisena, 2019).
2) Menurut Syamsuddin, statistik adalah himpunan data yang
berbentuk angka baik yang belum tersusun maupun yang sudah
tersusun dalam daftar maupun yang disajikan dalam bentuk grafik
(Ismail, 2018).
3) Menurut Anto Dajan, statistik merupakan data kuantitatif baik
yang tersusun ataupun yang telah tersusun dalam bentuk tabel
(Maizar, dkk., 2022).
b. Statistik menurut kelompok
Statistik menurut kelompok kami adalah fakta-fakta atau informasi
yang membentuk suatu data yang telah dikelompokkan, dikumpulkan,
ataupun digolongkan sehingga didapatkan informasi dari data tersebut
untuk menggambarkan suatu persoalan.
2.1.2 Fungsi statistik

Menurut Maizar, dkk. (2022), statistik mempunyai dua fungsi utama yang
sangat penting bagi kegiatan atau aktivitas penelitian yaitu:
a. Fungsi deskriptif
Fungsi statistik dapat mendeskripsikan atau menerangkan data serta
peristiwa yang dikumpulkan dengan melalui proses penelitian dan
penyelidikan.
b. Fungsi inferensial
Fungsi statistik selanjutnya adalah digunakan untuk memprediksi serta
mengendalikan seluruh populasi dengan berdasarkan data, gejala, dan
peristiwa yang terdapat dalam proses penelitian. Fungsi tersebut
dimulai dengan membuat suatu estimasi dan hipotesis.
2.1.3 Peran statistik dalam kehidupan
Berikut ini adalah contoh peran statistika yang biasa dimanfaatkan pada
kehidupan antara lain.
a. Pengolahan data kependudukan suatu wilayah untuk menentukan
piramida penduduk dengan menggunakan analisis cohort demografi.
b. Pengolahan data kependudukan suatu wilayah untuk menentukan
transisi demografi.
c. Prediksi penduduk di masa depan dengan memanfaatkan proyeksi
penduduk aritmatik.
d. Menemukan rata-rata dan standar deviasi dari nilai ujian mahasiswa di
suatu perguruan tinggi.
e. Menemukan median umur penduduk di suatu
desa. (Marhawati, dkk., 2022)
2.1.4 Pengertian statistika
Pengetahuan tentang cara penganalisaan data dinamakan dengan statistika
atau ilmu statistik. Berikut ini beberapa pengertian statistika.
a. Statistika menurut ahli
Berikut ini merupakan pengertian statistika menurut para ahli.
1) Menurut Gasperz, statistika adalah ilmu yang berkaitan dengan
cara mengumpulkan data, mengolah dan menganalisisnya, menarik
kesimpulan dan membuat keputusan rasional berdasarkan fakta
yang tersedia (Marhawati, dkk., 2022).
2) Menurut Somantri, statistika dapat diartikan sebagai ilmu
pengetahuan yang mempelajari tentang bagaimana cara kita
mengumpulkan, mengolah, menganalisis dan menginterpetasikan
data sehingga dapat disajikan lebih baik (Arisena, 2019).
3) Menurut Triola, statistika adalah ilmu tentang perencanaan dan

percobaan, memperoleh data, dan kemudian mengatur, meringkas,
menyajikan, menganalisis, menafsirkan, dan menarik kesimpulan
berdasarkan data (Ismail, 2018).
b. Statistika menurut kelompok
Statistika menurut kelompok kami adalah ilmu yang
mempelajari bagaimana suatu data dapat dikumpulkan,
dikelompokkan, dan dianalisis, sehingga data-data tersebut dapat
dipahami dengan baik dan dapat ditarik kesimpulannya.
2.1.5 Fungsi statistika
Ismail, (2018) mengatakan bahwa fungsi dari statistika adalah sebagai
berikut.
a. Alat untuk mencatat yang valid dan eksak terhadap data-data penelitian.
b. Memaksa peneliti menganut pola pikir dan pola kerja yang teratur.
c. Menyediakan cara-cara meringkas data ke dalam bentuk yang
memiliki banyak arti sehingga membantu peneliti di dalam
analisisnya.
d. Memberi panduan dan dasar di dalam menarik kesimpulan melalui
proses-proses metode ilmiah.
e. Memberi landasan untuk meramalkan secara ilmiah tentang
bagaimana suatu gejala akan terjadi dalam kondisi-kondisi yang telah
diketahui.
f. Memungkinkan peneliti untuk menganalisa, menguraikan sebab-
akibat yang kompleks dan rumit, yang tanpa statistik akan menjadi
peristiwa yang membingungkan.
2.1.6 Perbedaan statistik dan statistika
Perbedaan statistik dan statistika adalah dilihat dari pengertiannya,
statistik adalah rekapitulasi dari fakta yang berbentuk angka-angka
disusun dalam bentuk tabel dan diagram yang mendeskripsikan suatu
permasalahan. Sedangkan statistika adalah pengetahuan yang
berhubungan dengan cara-
cara pengumpulan data, pengolahan data atau analisanya dan penarikan
kesimpulan berdasarkan kumpulan data dan menganalisaan yang
dilakukan. Dengan demikian statistik dikatakan sebagai informasi
sedangkan statistika dikatakan sebagai alat atau pengetahuan untuk
menghasilkan informasi tersebut (Jaya, 2010).
2.2 Statistik Deskriptif

2.2.1 Pengertian statistik deskriptif
Salah satu jenis statistik adalah statistik deskriptif. Berikut ini adalah
pengertian dari statistik deskriptif.
a. Statistika deskriptif menurut ahli
1) Walpole menyatakan statistik deskriptif adalah metode yang
berkaitan dengan pengumpulan dan penyajian suatu data sehingga
dapat memberikan informasi yang berguna (Nariswari, 2020).
2) Arikunto menyatakan statistik deskriptif bertujuan untuk
menyelidiki keadaan, kondisi atau hal-hal lain yang hasilnya di
paparkan dalam bentuk laporan penelitian (Supriatin dkk, 2022).
3) Sugiyono menyatakan statistik deskriptif yaitu mendeskripsikan
atau memberi gambaran objek yang diteliti melalui sampel atau
populasi (Nariswari,2020).
b. Statistika deskriptif menurut kelompok
Menurut kelompok kami statistik deskriptif merupakan suatu metode
mengumpulkan, menggambarkannya, mengolah, menganalisis angka-
angka, dan menginterpretasikannya dengan memberi penafsiran.
Dengan perkataan lain statistik deskriptif yaitu memberikan gambaran
umum atau uraian dari data mengenai suatu keadaan atau masalah.
2.2.2 Tujuan dan manfaat statistik deskriptif
a. Tujuan statistik deskriptif
Statistik deskriptif merupakan suatu analisis yang menggambarkan
data yang akan dibuat baik sendiri maupun secara berkelompok.
Adapun tujuan dari statistik deskriptif adalah untuk membuat
gambaran secara sistematis data yang faktual dan akurat mengenai
fakta-fakta serta hubungan antar masalah atau data yang diteliti.
Dalam penyajian analisis deskriptif ini akan membahas mengenai
pengukuran gejala
pusat misalnya adalah mean, median, standar deviasi, standar error,
range, dan CI (confidence interval). Sedangkan untuk data katagorik
penyajiannya hanya menggunakan distribusi frekuensi dengan
persentase atau proporsi (Prihatiningsih, 2022).
b. Manfaat statistik deskriptif

Adapun manfaat statistik deskriptif dalam Chandra, dkk. (2022) antara
lain sebagai berikut.
1) Menyajikan informasi atau data dalam bentuk yang lebih mudah
dimengerti.
2) Menyederhanakan data yang kompleks.
3) Memberikan gambaran tentang proses terjadinya suatu kegiatan
yang merupakan suatu alat pengawasan.
4) Memberi informasi mengenai ukuran pemusatan data, ukuran
penyebaran data, kecenderungan suatu gugus, dan ukuran letak.
Analisis statistik deskriptif digunakan untuk memberikan
gambaran mengenai distribusi dan perilaku data sampel penelitian
dengan melihat nilai minimum, nilai maximum, rata – rata (mean),
dan standar deviasi dari masing-masing variabel independen dan
variabel dependen.
2.3 Istilah-Istilah dalam Statistik
Berikut ini adalah istilah-istilah dalam statistik yang dapat kita ketahui.
a. Populasi, kumpulan dari keseluruhan pengamatan yang dikaji.
b. Sampel, himpunan bagian dari poupulasi.
c. Sensus, pengumpulan data penelitian pada seluruh populasi.
d. Interval, jarak antar dua nilai yang diketahui.
e. Simpangan, nilai perubah yang diukur dari titik baku . Biasanya titik baku itu
adalah nilai populasi.
f. Deret Waktu, gugus tataan nilaj·nilai pengamatan sifat kuantitatif Individu atau
kumpulan individu yang diamati pada titik-titik waktu yang berbeda. Walaupun
tidak perlu, biasanya jarak titik-titik waktu itu dibuat sama.
g. Deret Acak, deret bilangan yang dianggap telah ditarik secara acak dari suatu
sebaran tetap.
h. Probabilitas, nilai kemungkinan terjadinya suatu kejadian.
i. Teknik Sampling, metode pengambilan sampel yang tepat.
j. Gerombol, sekelompok unsur yang berdekatan dari populasi statistika misalnya,
sekelompok manusia yang menghuni sebuah rumah.
k. Ketelitian, secara umum berarti kedekatan suatu penduga terhadap nilai yang
diduga (nilai yang sebenarnya).
l. Acak, proses pemilihan yang dilaksanakan pada segugus benda disebut acak
jika proses pemilihan itu memberikan peluang yang sama bagi anggota gugus
itu untuk dipilih.
m. Random Sample, contoh yang tceah dipilih dengan metode pemilihan acak.
n. Desil, satu di antara sembilan nilai perubah yang dibagi frekuensi total menjadi
sepuluh bagian yang sama(lihat juga kuantil).
o. Frekuensi, banyaknya terjadinya kejadian atau banyaknya anggota populasi
yang masuk ke kelas tertentu.
(Barizi dkk, 1984)
2.4 Syarat Data yang Baik
Menurut Aditya (2013), untuk dapat dianalisis dan ditafsirkan dengan baik, maka
data harus memenuhi syarat-syarat sebagai berikut:
a. Obyektif Data yang diperoleh dari lapangan/hasil pengukuran, harus
ditampilkan dan dilaporkan apa adanya.
b. Relevan Dalam mengumpulkan dan menampilkan data harus sesuai dengan
permasalahan yang sedang dihadapi atau diteliti.
c. Up to Date (Sesuai Perkembangan) Data tidak boleh usang atau ketinggalan
jaman, karena itu harus selalu menyesuaikan perkembangan.
d. Representatif Data harus diperoleh dari sumber yang tepat dan dapat
menggambarkan kondisi senyatanya atau mewakili suatu kelompok tertentu
atau populasi.
e. Data harus mempunyai kesalahan sampling (sampling error) yang kecil (apabila
data merupakan suatu perkiraan). Kesalahan sampling merupakan kesalahan
yang terjadi pada data perkiraan yang disebabkan oleh penelitian yang tidak
menyeluruh, hanya meneliti elemen sampel dan digunakan untuk mengukur
tingkat keterangan penelitian.
2.5 Teknik Pengumpulan Data dan Sample
Menurut Nasution, (2017), data memiliki peranan yang sangat penting bagi
penarikan kesimpulan dalam penelitian, pencarian informasi, dan pengambilan
keputusan. Oleh karena itu, data haruslah dikumpulkan dengan menggunakan
prosedur yang sistematis. Pengumpulan data dapat dibedakan berdasarkan
karakteristiknya, yaitu:
a. Berdasarkan jenis cara pengumpulannya, dibedakan menjadi:

1) Pengamatan (observasi), yaitu cara pengumpulan data dengan terjun dan
melihat langsung ke lapangan terhadap objek yang diteliti (populasi).
Pengamatan ini disebut juga penelitian lapangan.
2) Penelusuran literatur, yaitu cara pengumpulan data dengan menggunakan
sebagian atau seluruh data yang telah ada. Cara ini disebut juga pengamatan
tidak langsung.
3) Penggunaan kuesioner (angket), yaitu cara pengumpulan data dengan
menggunakan daftar pertanyaan/angket atau daftar isian terhadap objek yang
diteliti (populasi).
4) Wawancara (interview), yaitu cara pengumpulan data dengan langsung
mengadakan tanya-jawab kepada objek yang diteliti atau kepada perantara
yang mengetahui persoalan dari objek yang diteliti.
b. Berdasarkan banyaknya data yang diambil, dibedakan menjadi:
1) Sensus, yaitu cara pengumpulan data dengan mengambil elemen atau
anggota populasi secara keseluruhan untuk diselidiki. Data yang diperoleh
dari hasil sensus disebut parameter atau data yang sebenarnya (true value).
2) Sampling, yaitu cara pengumpulan data dengan mengambil sebagian dari
elemen atau anggota populasi untuk diselidiki. Data yang diperoleh dari
sampling disebut statistik atau data perkiraan (estimate value).
c. Berdasarkan proses pemilihannya, dibedakan menjadi:
1) Teknik Pengambilan Sampel dengan Pengembalian (Sampling with
Replacement) Caranya: setiap anggota sampel yang terpilih dikembalikan
lagi ke tempatnya sebelum pemilihan selanjutnya dilakukan. Hal ini
memungkinkan bahwa suatu sampel akan terpilih lebih dari sekali.
2) Teknik Penarikan Sampel Tanpa Pengembalian (Sampling without
Replacement) Caranya: setiap anggota sampel yang terpilih tidak
dikembalikan lagi ke dalam satuan populasi.
d. Berdasarkan peluang pemilihannya, dibedakan menjadi:

1) Teknik penarikan sampel probabilitas (probability sampling)
Pemilihan sampel dalam sampling probability dilakukan secara acak dan
objektif. Hal bermakna bahwa pemilihan sampel tidak hanya didasarkan
pada keinginan peneliti, sehingga setiap anggota populasi memiliki
kesempatan tertentu untuk terpilih sebagai sampel. Sampel yang termasuk
dalam teknik sampel probabilitas adalah:
a) Teknik penarikan sampel acak sederhana (simple random sampling)
Acak dalam teknik ini dapat dalam berupa undian. Cara undian dilakukan
dengan memberikan nomor pada pemilihan sampel dalam suatu populasi,
lalu dilakukan pengundian satu persatu sampai diperoleh jumlah yang
sesuai dengan banyaknya sampel yang ditentukan.
b) Teknik penarikan sampel sistematik (systematic sampel)
Cara sistematik tidak jauh berbeda dengan cara acak. Cara sistematik
merupakan cara acak yang dilakukan secara sistematik, yaitu mengikuti
suatu pola tertentu dari nomor anggota populasi yang dipilih secara acak
berdasarkan jumlah sampel yang sudah ditetapkan. Contoh : Seorang
peneliti ingin memilih sampel sebanyak 40 dari suatu populasi yang
berjumlah 200. Berilah nomor setiap objek dari populasi dengan nomor
urut 1 sampai dengan 200. Kemudian bagi objek tersebut menjadi 40
kelompok, dimana setiap kelompoknya terdiri atas 5 individu. Kelompok
pertama beranggotakan objek dengan nomor 1 sampai 5, kelompok kedua
beranggotakan objek dengan nomor 6 sampai 10 dan seterusnya sampai
kelompok ke-40 beranggotakan objek dengan nomor 196-200. Masing-
masing kelompok diambil satu objek untuk ditetapkan sebagai sampel.
c) Teknik penarikan sampel berstrata (stratified sampling) Pengambilan
sampel secara strata biasanya dilakukan terhadap populasi yang
berkelompok. Hal ini dilakukan supaya anggota populasi terpilih secara
acak dan setiap kelompok yang ada dalam popualsi dapat terwakili. Pada
teknik ini banyaknya sampel pada setiap kelompok berjumlah sama.
d) Teknik penarikan sampel klaster (cluster sampling)

Pengambilan sampel secara klaster, anggota populasi dibagi menjadi
beberapa kelompok, kemudian dipilih semuanya atau dapat juga sebagian
elemen dari setiap kelompok yang terpilih untuk dijadikan sampel.
Contohnya, penelitian untuk mengetahui rata-rata penghasilan keluarga
pada sebuah daerah. Daftar yang mungkin diperoleh adalah daftar
namanama desa di daerah tersebut. Desa merupakan kumpulan keluarga
Sehingga desa dianggap sebagai klaster. Pemilihan sampel dilakukan
dengan memilih secara acak klaster-klaster tersebut.
2) Teknik penarikan sampel non-probabilitas (non-probability sampling)
Teknik penarikan sampel non-probabilitas merupakan pengembangan dari
teknik sampel probabilitas. Hal ini dimaksudkan untuk menjawab kesulitan
yang timbul dalam mengaplikasikan teknik sampel probabilitas.
Kesulitankesulitan tersebut terutama dalam hal biaya dan kerangka sampel.
Sampel yang termasuk dalam kategori sampel nonprobabilitas diantaranya:
a) Teknik penarikan sampel kemudahan (convenience sampling)
Pada teknik ini, sampel diambil secara spontanitas. Hal ini diartikan
bahwa siapa saja yang secara tidak sengaja bertemu dengan peneliti dan
memenuhi kriteria yang sesuai, maka orang tersebut dapat dijadikan
sebagai sampel. Teknik ini didasarkan pada pertimbangan kemudahan
dan kepraktisan menurut pandangan peneliti. Kekurangan pada teknik ini
yang paling utama adalah kesulitan untuk generalisasi dari data yang
diperoleh.
b) Teknik penarikan sampel judgement (judgement sampling/ purposive
sampling)
Teknik penarikan sampel ini dilakukan berdasarkan kriteria yang
ditetapkan terhadap anggota dari populasi yang disesuaikan dengan
tujuan atau rumusan masalah penelitian. Dalam hal ini, subjektifitas dan
pengalaman peneliti memiliki andil yang besar.
c) Teknik penarikan sampel kuota (quota sampling)

Teknik ini mengandung arti bahwa apabila peneliti mengambil sampel
dari suatu populasi penelitian dengan cara menentukan sejumlah anggota
sampel secara kuota. Tahapan dalam penarikan sampel secara kuota, yang
pertama adalah menetapkan jumlah sampel yang dibutuhkan, lalu
menetapkan banyaknya kuota. Kuota tersebut yang dijadikan dasar untuk
mengambil unit sampel yang dibutuhkan.
d) Snowball sampling
Snowball Sampling adalah salah satu bentuk judgement sampling yang
sangat tepat digunakan jika populasinya kecil dan spesifik. Cara
penarikan sampel dengan teknik ini dilakukan secara berantai. Artinya
semakin lama, jumlah sampel semakin besar, layaknya bola salju yang
menggelinding. Dalam prakteknya, responden yang diwawancarai
diminta untuk menyebutkan responden lainnya yang memiliki spesifikasi
yang sama (karena biasanya mereka saling mengenal) sampai diperoleh
sampel sebanyak yang dibutukan oleh peneliti.
Berdasarkan penjelasan terkait teknik penarikan sampel di atas, seorang
peneliti memiliki kebebasan dalam menentukan teknik mana yang akan digunakan.
Dalam dunia pendidikan, teknik penarikan sampel yang umum digunakan adalah
simple random sampling, stratified sampling, quota sampling, dan systematic
sample (Hidayanti, dkk., 2019).
2.6 Klasifikasi Data
Menurut Nuryadi, dkk. (2017), data adalah kumpulan keterangan atau
informasi yang di peroleh dari suatu pengamatan. Data juga dibagi menjadi
beberapa macam, yaitu :
a. Klasifikasi data berdasarkan jenis data
1) Data kuantitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-
angka.Misalnya adalah jumlah pembeli saat hari raya idul adha, tinggi badan
siswa kelas 3 ips 2, nilai matematika (…,6,7,8,9,10,…) dan lain-lain.
2) Data kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang
mengandung makna. Contohnya seperti persepsi konsumen terhadap botol
air minum dalam kemasan, anggapan para ahli terhadap psikopat, warna
(merah, hijau, biru, kuning, hitam, dll) dan lain-lain.
b. Klasifikasi data berdasarkan sifat data
1) Data diskrit (cacahan)
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya
adalah berat badan ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke
waktu, jumlah peserta yang hadir dalam seminar nasional pendidikan
matematika. Jumlah siswa yang lulus try out akbar UAN 2011, jumlah buku
yang terdapat pada perpustakaan kampus, dan lain-sebagainya.
2) Data kontinu (ukuran)
Data kontinnu adalah data yang nilainya ada pada suatu interval tertentu atau
berada pada nilai yang satu kenilai yang lainnya. Contohnya penggunaan
kata sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah
mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.
c. Klasifikasi data berdasarkan waktu pengumpulannya
1) Data cross section
Data cross-section adalah data yang menunjukkan titik waktu tertentu.
Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT.
angin rebut bulan mei 2004, dan lain sebagainya.
2) Data time series / berkala
Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu
ke waktu atau periode secara historis. Contoh data time series adalah data
perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun
2004 sampai 2006, dll.
d. Klasifikasi data berdasarkan sumber data
1) Data internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada
suatu organisasi secara internal. Misal : data keuangan, data pegawai, data
produksi, dsb.
2) Data eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang
ada di luar organisasi. Contohnya adalah data jumlah penggunaan suatu
produk pada konsumen, tingkat preferensi pelanggan, persebaran penduduk,
dan lain sebagainya.
e. Klasifikasi data berdasarkan cara memperolehnya
1) Data primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian
oleh peneliti perorangan maupun organisasi. Contoh: Mewawancarai
langsung penonton bioskop 21 untuk meneliti preferensi konsumenbioskop.
2) Data sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek
penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan
oleh pihak lain dengan berbagai cara atau metode baik secara komersial
maupun non komersial. Contohnya adalah pada peneliti yang menggunakan
data statistic hasil riset dari surat kabar atau majalah.
2.7 Ukuran Pemusatan Data
Nilai sentral atau nilai rata-rata juga disebut nilai tengah dari sekumpulan
data statistik adalah suatu nilai dalam kumpulan atau rangkaian data yang dapat
mewakili kumpulan atau rangkaian data tersebut. Suatu rangkaian data biasanya
memiliki tendensi (kecenderungan) untuk memusat pada nilai sentral ini. Dari
sekumpulan
data (distribusi), ada beberapa harga/nilai yang dapat kita anggap sebagai wakil
dari kelompok data.
Menurut Sri Wahyuning (2021) berikut ini ukuran pemusatan data. Nilai-
nilai yang biasa digunakan untuk mewakili data adalah mean, modus, dll.
2.7.1 Mean
Rata-rata atau mean untuk data kuantitatif yang terdapat dalam Sebuah
sampel dihitung dengan jalan membagi jumlah nilai data oleh banyaknya
data.
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
Mean = Σ X
n
Mean =
15+ 15+ 40+45+50+60+65+65+70+70+70+75+75+80+80+80+90+90+95+95
20
= 1325 = 66,25
20
Sehingga nilai mean atau rata-ratanya adalah 66,25

Data Kelompok
Tinggi badan dosen TI Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
Σ fX
Mean = ,Σf=n
Σf
Tinggi badan dosen TI Frekuensi x fx

145-149 3 147 441
150-154 12 152 1824
155-159 14 157 2198
160-164 8 162 1296
165-169 3 167 501
jumlah 40 6260
6.260
Mean = 40
= 156,5
2.7.2 Median
Suatu nilai atau suatu angka yang membagi suatu distribusi data ke dalam
dua bagian yang sama besar (Sudijono, 2015). median menentukan letak
data setelah data diurutkan menurut urutan nilainya. Median disingkat
Dengan Me, terletak ditengah-tengah 50% dari data itu harganya paling
Tinggi Me, sedangkan 50% lagi harganya paling rendah = Me. Jika data
banyaknya ganjil, maka Me, setelah data disusun menurut nilainya
merupakan data paling tengah.
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
n n
X( ) + X( + 1)
2 2
Me = 2
20 20
X( ) + X( + 1)
Me = 2 2
=
X10 + X 11
=
70 + 70 = 70
2 2 2
Sehingga nilai median adalah 70
Data Kelompok
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
jumlah 40
Penyelesaian
1
(n)-F
Me = b + p(2 )
f
1
(40)-15
2
Me = 154,5 + 5( ) = 154,5 + 5( 5) = 154,5 + 1,78
14 14
Me = 156,28
Sehingga median adalah 156,28
2.7.3 Modus
Modus adalah nilai yang mempunyai frekuensi terbesar dalam suatu
kumpulan data (Sugiarto, dkk., 2001). Untuk menyatakan fenomena yang
paling banyak terjadi atau paling banyak terdapat digunakan ukuran
modus disingkat Mo. Modus untuk data kuantitatif ditentukan dengan
jalan menentukan frekuensi terbanyak diantara data itu.
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Sehingga modus atau nilai yang sering muncul adalah 70 dan 80
Data Kelompok
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
b1
Modus = b + p( )
b1+b2
2 2
Modus = 154,5 + 5( ) = 154,5 + 5( ) = 154,5 + 1,25 = 155,75
2+6 8
Sehingga nilai modus adalah 155,75

2.7.4 Kuartil
Menurut Andi (2007), menyebutkan ada tiga buah kuartil, yakni kuartil
pertama, kuartil kedua, dan kuartil ketiga yang masing-masing disingkat
dengan K1, K2, dan K3. Pemberian nama ini dimulai dari nilai kuartil
paling kecil. Untuk menentukan nilai kuartil dapat dilakukan dengan dua
kategori yaitu, nilai kuartil yang belum dikelompokkan (data tunggal),
dan juga data yang sudah dikelompokkan (data kelompok).
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
i(n+1)
Kuartil =
4
1(20+1)
K1= 4 21 = 5,25
= 4
K1= Data ke-5 + 0,25(data ke-6 − data ke-5)

K1= 50 + 0,25(60 − 50) = 50 + 2,5 = 52,5
Sehingga kuartil 1 bernilai 52,5
Data Kelompok
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
{( 1n)−Fk}
4
Kuartil = b + p
f
Tinggi badan dosen TI Frekuensi F kumulatif

145-149 3 3
150-154 12 15
155-159 14 29
160-164 8 37
165-169 3 40
1
{( .40)−3} 7
4
Kuartil 1 = 149,5 + 10 = 149,5 + 10.
12 12
Kuartil 1 = 149,5 + 5,83 = 155,33
2.7.5 Desil
Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada
sembilan buah desil, ialah D1, D2, …, D9. Hal ini diperkuat oleh
Riduwan (2009), menyatakan desil (Ds) ialah nilai atau angka yang
membagi data yang menjadi 10 bagian yang sama, setelah disusun dari
data terkecil sampai data terbesar atau sebaliknya.
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
i (n+1)
Desil = 10
3(20+1)
Desil 3 = = 6,3
10
Desil 3 = X6 + 0,3(X7-X6) = 60 + 0,3(65 − 60) = 60 + 1,5 = 61,5

Sehingga nilai desil 3 adalah 61,5
Data Kelompok
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
i.n
10
−F
Desil = Tb + p( )
f

145-149 3 3
150-154 12 15
155-159 14 29
160-164 8 37
165-169 3 40
Desil 4 =
... 4
×20−3 5
10
Desil 4 = 149,5 + 5 ( ) = 149,5 + 5 ( )
12 12
Desil 4 = 149,5 + 2,08 = 151,58

Persentil
Sekumpulan data yang dibagi menjadi 100 bagian yang sama, akan
menghasilkan 99 pembagi berturut-turut yang dinamakan persentil
pertama, persentil kedua, …, persentil ke- 99. Penjelasan di atas juga
didukung oleh Riduwan (2009), menyatakan persentil (Ps) ialah nilai
yang membagi data menjadi 100 bagian yang sama. Setelah disusun dari
angka terkecil sampai ke yang terbesar. Harga persentil ada 99 bagian
yaitu Ps1, Ps2, Ps3, , Ps99. Penjelasan lain juga disampaikan oleh Andi
(2007:
85), menyatakan nilai persentil merupakan nilai yang sekumpulan data
yang dibagi menjadi seratus bagian yang sama, dan yang membagi data
tersebut dinamakan persentil.
Contoh :
Data tunggal
(15, 15, 40, 45, 50, 60, 65, 65, 70, 70, 70, 75, 75, 80, 80, 80, 90, 90, 95, 95)
Penyelesaian
𝑖(𝑛+1)
Persentil=
100
50(20+1) 1050
Persentil 50 = = = 10,5
100 100
Persentil 50 = X10 + 0,5 (X11—X10)

Persentil 50= 70 + 0,5(70 − 70) = 70
Sehingga persentil 50 adalah 70
Data Kelompok
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
i.n
−F
Persentil= b + p(100 )
f

145-149 3 3
150-154 12 15
155-159 14 29
160-164 8 37
165-169 3 40
50
Persentil 50 = × 40 = 20
100
50.40−15
5
Persentil 50 = 154,5 + 5 ( 100 )
14 ) = 154,5 + 14
Persentil 50 = 154,5 + 1,78 = 156,28

Sehingga hasil dari persentil 50 adalah 156,28
2.8 Ukuran Penyebaran Data
Ukuran penyebaran data adalah suatu ukuran yang menyatakan seberapa besar
nilai- nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa
besar penyimpangan nilai-nilai data dengan nilai pusatnya. Berikut adalah jenis-
jenis ukuran penyebaran data.
2.8.1 Range
Range adalah beda atau selisih antara nilai terbesar dan nilai terkecil
𝑅𝑎𝑛𝑔𝑒 = 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 (𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
di mana,
Range = selisih/beda
Xmax = nilai terbesar
Xmin = nilai terkecil
Contoh soal :
30, 30, 30, 30, 35, 40, 40, 40, 40, 40, 40, 45, 45, 45, 45, 50, 50, 50, 50,
50, 55, 55, 55, 60, 60, 60, 60, 60, 65, 65, 70, 70, 70, 70, 70, 70, 71, 75,
75, 75, 75, 75, 80, 80, 80, 80, 85, 90
Range dari data diatas = 90 – 30
= 60
2.8.2 Simpangan Rata-Rata
Simpangan rata-rata adalah rata-rata jarak antara nilai-nilai data
menuju rata-ratanya atau rata-rata penyimpangan absolut data dari
rata-ratanya.
SR = ∑𝑛 |𝑥𝑖− 𝑥̄|
(𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
𝑖=1 𝑛
di mana,
SR = simpangan rata-rata
xi = nilai ke-i
x̄ = rata-rata nilai
n = banyaknya nilai
Contoh soal :
30, 30, 30, 30, 35, 40, 40, 40, 40, 40, 40, 45, 45, 45, 45, 50, 50, 50, 50,
50, 55, 55, 55, 60, 60, 60, 60, 60, 65, 65, 70, 70, 70, 70, 70, 70, 71, 75,
75, 75, 75, 75, 80, 80, 80, 80, 85, 90
Diketahui x̄ = 57,9,
SR = |57,9-30| + |57,9-30| + |57,9-30| + |57,9-30| + |57,9-35| + |57,9-
40| + |57,9-40| + |57,9-40| + |57,9-40| + |57,9-40| + |57,9-45| + |
57,9-
45| + |57,9-45| + |57,9-45| + |57,9-50| + |57,9-50| + |57,9-50| + |
57,9-
50| + |57,9-50| + |57,9-55| + |57,9-55| + |57,9-55| + |57,9-60| + |
57,9-
60| + |57,9-60| + |57,9-60| + |57,9-60| + |57,9-65| + |57,9-65| + |
57,9-
70| + |57,9-70| + |57,9-70| + |57,9-70| + |57,9-70| + |57,9-71| + |
57,9-
75| + |57,9-75| + |57,9-75| + |57,9-75| + |57,9-75| + |57,9-80| + |
57,9-
80| + |57,9-80| + |57,9-80| + |57,9-85| + |57,9-90| / 48
= 601,5 / 48
= 12,5
2.8.3 Standar Deviasi
Standar deviasi adalah nilai statistik yang sering kali dipakai dalam
menentukan kedekatan sebaran data yang ada di dalam sampel dan
seberapa dekat titik data individu dengan mean atau rata-rata nilai
dari sampel itu sendiri.
𝑛
(𝑥𝑖− 𝑥̄)2
S = √∑ (𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
𝑖=1 𝑛
di mana,
S = Standar Deviasi
xi = nilai ke-i
n = banyaknya nilai
Contoh soal :
30, 30, 30, 30, 35, 40, 40, 40, 40, 40, 40, 45, 45, 45, 45, 50, 50, 50, 50,
50, 55, 55, 55, 60, 60, 60, 60, 60, 65, 65, 70, 70, 70, 70, 70, 70, 71, 75,
75, 75, 75, 75, 80, 80, 80, 80, 85, 90
S = √ ((57,9-30)2 + (57,9-30)2 + (57,9-30)2 + (57,9-30)2 + (57,9-35)2
+ (57,9-40)2 + (57,9-40)2 + (57,9-40)2 + (57,9-40)2 + (57,9-40)2
+ (57,9-45)2 + (57,9-45)2 + (57,9-45)2 + (57,9-45)2 + (57,9-50)2
+ (57,9-50)2 + (57,9-50)2 + (57,9-50)2 + (57,9-50)2 + (57,9-55)2
+ (57,9-55)2 + (57,9-55)2 + (57,9-60)2 + (57,9-60)2 + (57,9-60)2
+ (57,9-60)2 + (57,9-60)2 + (57,9-65)2 + (57,9-65)2 + (57,9-70)2
+ (57,9-70)2 + (57,9-70)2 + (57,9-70)2 + (57,9-70)2 + (57,9-71)2
+ (57,9-75)2 + (57,9-75)2 + (57,9-75)2 + (57,9-75)2 + (57,9-75)2
+ (57,9-80)2 + (57,9-80)2 + (57,9-80)2 + (57,9-80)2 + (57,9-85)2
+ (57,9-90)2 / 48)
= √ (4778,9 / 48)
= √ 99,5 = 9,97
2.8.4 Variansi
Variansi adalah kuadrat dari nilai standar deviasi bertujuan untuk

menunjukkan seberapa jauh data-data yang kita miliki tersebar dari
nilai rata-ratanya.
𝑛
𝑆2 = ∑ (𝑥𝑖 − 𝑥̄)2
(𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
𝑖=1 𝑛
di mana,
S2 = Variansi
xi = nilai ke-i
n = banyaknya nilai
Contoh soal :
30, 30, 30, 30, 35, 40, 40, 40, 40, 40, 40, 45, 45, 45, 45, 50, 50, 50, 50,
50, 55, 55, 55, 60, 60, 60, 60, 60, 65, 65, 70, 70, 70, 70, 70, 70, 71, 75,
75, 75, 75, 75, 80, 80, 80, 80, 85, 90
SD = (57,9-30)2 + (57,9-30)2 + (57,9-30)2 + (57,9-30)2 + (57,9-35)2
+ (57,9-40)2 + (57,9-40)2 + (57,9-40)2 + (57,9-40)2 + (57,9-40)2
+ (57,9-45)2 + (57,9-45)2 + (57,9-45)2 + (57,9-45)2 + (57,9-50)2
+ (57,9-50)2 + (57,9-50)2 + (57,9-50)2 + (57,9-50)2 + (57,9-55)2
+ (57,9-55)2 + (57,9-55)2 + (57,9-60)2 + (57,9-60)2 + (57,9-60)2
+ (57,9-60)2 + (57,9-60)2 + (57,9-65)2 + (57,9-65)2 + (57,9-70)2
+ (57,9-70)2 + (57,9-70)2 + (57,9-70)2 + (57,9-70)2 + (57,9-71)2
+ (57,9-75)2 + (57,9-75)2 + (57,9-75)2 + (57,9-75)2 + (57,9-75)2
+ (57,9-80)2 + (57,9-80)2 + (57,9-80)2 + (57,9-80)2 + (57,9-85)2
+ (57,9-90)2 / 48
= 4778,9 / 48
= 99,5
2.8.5 Standard Error of Mean
Standard error of mean adalah indeks yang menggambarkan

sebaran rata-rata sampel terhadap rata-rata dari rata-rata
keseluruhan kemungkinan sampel.
𝑆
𝑆𝐸 = (𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
√𝑛
di mana,
SE = standard error of
mean
S = standar deviasi
n = banyaknya nilai
Contoh soal :
Diketahui S = 9,97 dan n = 48,
SE = 9,97 / √48 = 1,43
2.9 Distribusi Frekuensi
2.9.1 Pengertian distribusi frekuensi
Distribusi frekuensi merupakan rangkaian data angka menurut
kuantitasnya dan atau kualitasnya (kategori). Rangkaian data angka
menurut kuantitasnya disebut distribusi frekuensi kuantitatif,
sebaliknya data yang disusun menurut kualitasnya (kategori)
disebut distribusi frekuensi kualitatif.
2.9.2 Jenis dan istilah distribusi frekuensi
Dalam distribusi frekuensi dikenal tiga jenis tabel distribusi
frekuensi yaitu tabel distribusi frekuensi relatif, tabel distribusi
frekuensi kumulatif dan tabel distribusi frekuensi relatif kumulatif.
a. Tabel Distribusi Frekuensi Relatif
Tabel distribusi frekuensi relatif adalah sebuah tabel yang berisi
nilai-nilai data, dengan nilai-nilai tersebut dikelompokkan ke
dalam interval-interval kelas dan tiap interval kelasnya
masingmasing mempunyai bilangan frekuensi dalam bentuk
persentase. Frekuensi relatif masing-masing kelas diperoleh
dengan membagi frekuensi kelas dengan frekuensi totalnya.
b. Tabel Distribusi Frekuensi Kumulatif
Tabel distribusi frekuensi kumulatif adalah sebuah tabel yang

diperoleh dari tabel distribusi frekuensi dengan frekuensinya
dijumlahkan selangkah demi selangkah. Ada dua jenis tabel
distribusi frekuensi kumulatif yaitu tabel distribusi frekuensi
kumulatif “kurang dari” dan tabel distribusi frekuensi kumulatif
“lebih dari”.
c. Tabel Distribusi Frekuensi Relatif Kumulatif
Tabel distribusi frekuensi relatif kumulatif merupakan sebuah
tabel yang diperoleh dari tabel distribusi frekuensi relatif dengan
frekuensinya dalam bentuk persentase dijumlahkan selangkah
demi selangkah. Ada dua macam tabel distribusi frekuensi
relatif kumulatif yaitu tabel distribusi frekuensi relatif kumulatif
“kurang dari” dan tabel distribusi frekuensi relatif kumulatif
“lebih dari”.
Dalam tabel distribusi frekuensi dikenal beberapa istilah berikut:
a. Kelas Interval
Kelas Interval adalah interval mengandung kelas. Biasanya
dalam tabel distribusi frekuensi terdiri dair beberapa kelas,
secara umum 5 (lima) sampai 15 (limabelas) kelas.
b. Ujung kelas
Ujung kelas adalah nilai ujung setiap kelas dalam distribusi yang
digunakan sebagai pedoman untuk memasukkan angka-angka
hasil observasi ke dalam kelas. Ada dua ujung dalam setiap
kelasnya yaitu ujung bawah kelas dan ujung atas kelas.
c. Batas kelas
Batas kelas ialah angka yang diperoleh dengan cara nilai-nilai
ujung kelas dikurangi atau ditambah dengan tingkat ketelitian
yang digunakan. Dalam hal ini tingkat ketelitian data yang
digunakan tergantung pada pencatatan datanya. Jika data yang
digunakan ditulis dalam bilangan bulat, maka tingkat ketelitian
datanya sebesar 0.5. jika data yang digunakan ditulis dalam
bilangan satu desimal, maka tingkat ketelitian datanya 0.05, dua

angka desimal tingkat ketelitian datanya 0.005 dan seterusnya.
Ada dua batas kelas dalam setiap interval kelasnya yaitu batas
bawah kelas dan batas atas kelas interval. Bilangan-bilangan
untuk batas bawah kelas didapat dari nilai-nilai ujung bawah
kelas dikurangi dengan ketelitian data, sedangkan untuk batas
atas kelas ditambah dengan ketelitian datanya.
d. Nilai tengah Nilai tengah adalah rata-rata hitung dari kedua
ujung kelasnya. Cara menghitungnya: 𝑁𝑖𝑙𝑎𝑖 𝑡𝑒𝑛𝑔𝑎ℎ = 1 2
(𝑢𝑗𝑢𝑛𝑔
𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 + 𝑢𝑗𝑢𝑛𝑔 𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠)
e. Panjang kelas Panjang kelas ialah angka yang diperoleh dari
perbedaan selisih antara kedua batas kelasnya.
2.9.3 Tahapan penyusunan distribusi frekuensi
Menyusun tabel distribusi frekuensi yang panjang kelas yang sama,
dilakukan langkahlangkah sebagai berikut:
a. Menentukan Rentang (R). 𝑅𝑒𝑛𝑡𝑎𝑛𝑔 (𝑅) = 𝑁𝑖𝑙𝑎𝑖 𝑀𝑎𝑘𝑠𝑖𝑚𝑢𝑚 −
𝑁𝑖𝑙𝑎𝑖 𝑀𝑖𝑛𝑖𝑚𝑢𝑚
b. Menentukan Banyak Kelas (B). Banyak kelas digunakan paling
sedikit 5 kelas dan paling banyak 15 kelas, Cara lain untuk n
berukuran besar n 100 dengan menggunakan aturan Sturges,
yaitu: 𝐵𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 (𝐵) = 1 + 3,3 log 𝑛
c. Menentukan panjang kelas (P), yaitu hasil bagi Rentang dengan
Banyaknya Kelas dengan menggunakan rumus: 𝑃𝑎𝑛𝑗𝑎𝑛𝑔 𝑘𝑒𝑙𝑎𝑠
(𝑃) = 𝑅𝑒𝑛𝑡𝑎𝑛𝑔 𝐵𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠
d. Menentukan ujung- ujung kelas untuk setiap kelas intervalnya.
Dalam menentukan ujung-ujung kelas yang harus diperhatikan
ialah menentukan nilai ujung bawah untuk kelas interval yang
pertama. terdapat dua kemungkinan yang dapat dilakukan yaitu:
nilai ujung bawah kelas interval pertama dapat mengambil nilai
data yang terkecil atau nilai data yang lebih kecil dari nilai data
yang terkecil.
e. Memasukkan semua data kedalam masing-masing kelas interval,

menggunakan kolom turus/tally.
f. Menuliskan nomor dan judul tabel serta uraian dan sumber data
yang didapat
2.9.4 Contoh distribusi frekuensi
Berikut ini diberikan contoh penyusunan tabel distribusi frekuensi.
Data berikut merupakan data nilai ujian mata kuliah statistik untuk
80 orang mahasiswa di suatu perguruan tinggi, susunlah ke dalam
tabel distribusi frekuensi!
Penyelesaian:
a. Menentukan rentang, yaitu nilai maksimum dikurangi nilai
minimum. R = nilai maksimum – nilai minimum = 97 – 35 = 62
b. Menentukan banyak kelas interval dengan menggunakan aturan
Sturges, n = 80, yaitu: 𝐵𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 = 1 + 3,3 log 𝑛 = 1 + 3,3
log 80 = 1 + 3,3 × 1,903 = 1 + 6,28 = 7,28 Jumlah kelas yang
digunakan bisa 7 atau 8 kelas (dipilih jumlah kelas sebanyak 7)
c. Menentukan panjang kelas 𝑃𝑎𝑛𝑗𝑎𝑛𝑔 𝑘𝑒𝑙𝑎𝑠 = 𝑅𝑒𝑛𝑡𝑎𝑛𝑔 𝐵𝑎𝑛𝑦𝑎𝑘
𝑘𝑒𝑙𝑎𝑠 = 62 7 = 8,86 Panjang kelas interval bisa di gunakan 8
atau 9 (dipilih panjang kelas interval 9)
d. Menentukan ujung-ujung kelas Jika ditentukan jumlah kelas 7
dan panjang kelas 10, maka di peroleh ujung-ujung kelas dengan
ujung bawah kelas interval kelas yang pertama 34 dan
memasukkan data ke dalam masingmasing kelas interval
sehingga diperoleh tabel berikut:
2.10 Skewness Dan Kurtosis

2.10.1 Skewness
a. Pengertian
Skewness biasanya disebut juga dengan istilah kemencengan.
Kemencengan ini dapat dilihat dari bentuk kurva apakah
simetris, menceng ke kiri atau ke kanan.
Berikut jenis jenis skewness
Kemencengan suatu kurva akan sangat ditentukan oleh

perbandingan mean, median dan modusnya. Bila besarnya
modus dan mean tiga ukuran pemusatan data itu sama, maka
data dikatakan berdistribusi normal dan kurvanya simetris.
Namun bila tidak sama, maka data tidak berdistribusi normal,
kurvanya tidak simetris. Kemencengan data arah ke kiri
menandakan bahwa nilai modus lebih besar dari nilai mean atau
rata-rata. Kemencengan data arah ke kanan menandakan bahwa
nilai mean lebih besar dari pada nilai modus.
b. Rumus
Pengukuran skewness dapat dilakukan denga menggunakan
koefisien kemencengan pearson dan koefisien kemencengan
momen. Koefisien kemencengan pearson diperoleh dari selisih
rata-rata dengan modus yang dibagi dengan simpangan baku.

Untuk lebih jelasnya dapat dilihat pada rumus berikut.
dimana :
Sk = koefisien kemencengan
XX = rata-rata hitung
Mo = Modus
Md = Median
s = standar deviasi
Besarnya nilai Sk dapat menggambarkan bentuk kurva
kemencengan, bila nilai Sk sama dengan nol maka kurva
berbentuk simetris, dan bila Sk>0 maka kurva berbentuk
menceng ke kanan, bila Sk<0 maka kurva.
c. Contoh
Misalkan dari data umur 20 orang mahasiswa Prodi XYZ
diketahui memiliki median 18,5, dan Modus 19. Standar deviasi
sebesar 12,4 dan rata-rata 19,5. Hitung koefisien
kemencengannya.
Berdasarkan jawaban tersebut diketahui bahwa nilai Sk>0, maka

kurva kemencengan merupakan kurva positif yakni menceng ke
kanan, karena nilai rata-rata lebih besar dari pada modus.
2.10.2 Kurtosis
a. Pengertian
Kurtosis disebut juga dengan keruncingan, yakni keruncingan
kurva dan sekaligus menggambarkan titik puncak suatu kurva.
Tingkat keruncingan dari suatu distribusi diambil secara relatif
terhadap suatu distribusi normal. Bentuk keruncingan terdiri

dari tiga macam:
1) Leptokurtik yang merupakan distribusi yang memiliki
puncak relatif tinggi dengan nilai keruncingan besar dari 3.
2) Platikurtik yang mengandung makna sama dengan
istilahnya yakni plat atau datar dimana puncaknya hampir
mendatar, dengan nilai keruncingan kecil dari 3.
3) Mesokurtik, yang merupakan distribusi yang memiliki
puncak sedang atau normal dengan nilai keruncingan sama
dengan 3.
b. Rumus
Adapun rumus nilai kurtosis yang digunakan untuk data
tunggal yaitu:
dimana :
α4 = nilai kurtosis
n = jumlah data
S = simpangan baku
XX= rata-rata
X = nilai data
2.11 Jenis-Jenis Penyajian Data

2.11.1 Histogram
Histogram adalah grafik yang menggambarkan suatu distribusi
frekuensi dengan bentuk beberapa segi segi empat (Lembang dan
Matdoan, 2020).
2.11.2 Polygon
Diagram garis merupakan diagram yang berbentuk garis yang
menghubungkan antara data pertama dengan data berikutnya.
Diagram garis sering juga disebut dengan polygon (Wahyuni,
2018). Bentuk diagram garis dapat dilihat pada contoh berikut:
2.11.3 Ogive
Ogive merupakan bentuk penyajian data dalam grafik berdasarkan
data yang sudah disusun dalam bentuk tabel distribusi frekuensi.
Terdapat dua jenis ogive, yaitu ogive positif dan ogive negatif
(Lembang dan Matdoan, 2020).
Berikut tampilan orgive positif dan negatif:
2.11.4 Pie chart

Diagram lingkaran dikenal juga dengan diagram pie. Penyajian
data dalam diagram lingkaran dapat berupa jumlah maupun persen
(Wahyuni, 2018).
Bentuk diagram lingkaran dapat dilihat sebagai berikut:
2.11.5 Tabel
Data statistik pada tabel biasanya dibuat dengan beberapa baris dan
beberapa kolom yang berisi informasi. Penyajian tabel harus
didahulu dengan judul tabel untuk memudahkan pembaca
mengetahui isi tabel (Wahyuni, 2018).
2.11.6 Diagram pencar

Diagram titik/pencar dikenal juga dengan istilah Scatter Plot,
digunakan untuk menyajikan sepasang data observasi dari dua
variabel. Tiap pasang pengamatan pada suatu individu dapat
disajikan sebagai sebuah diagram (Wahyuni, 2018).
2.11.7 Pivot table

2.11.8 Steam and leaf
Diagram ini adalah diagram dahan-daun disusun baris per baris
secara vertikal, dan cukup efektif untuk menggambarkan pola
sebaran data yang berukuran kecil. Untuk digit angka dan puluhan
dipisahkan sesuai incrementnya menjadi dahan dan daun
mamasing- masing (Pamungkas dkk, 2016).
2.12 Software Data

Saat ini sangat dibutuhkan suatu produk untuk mengelola data. Salah
satunya dalam mempermudah pengelolaan data tersebut dengan
menggunakan software. Terdapat beberapa software yang digunakan dalam
mengelola data statistik diantaranya adalah IBM SPSS dan Microsoft Excel.
2.12.1 SPSS
a. Pengertian dan sejarah
SPSS adalah sebuah program komputer yang digunakan
untuk membuat analisis statistika. SPSS (Statistical Package for
the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi
pertama dirilis pada tahun 1968, diciptakan oleh Norman Nie,
seorang lulusan Fakultas Ilmu Politik dari Stanford University,
yang sekarang menjadi Profesor Peneliti Fakultas Ilmu Politik di
Stanford dan Profesor Emeritus Ilmu Politik di University of
Chicago.
Semula SPSS hanya digunakan untuk ilmu sosial saja, tapi
perkembangan berikutnya digunakan untuk berbagai disiplin
ilmu sehingga kepanjangannya berubah menjadi "Statistical
Product and Service Solution"
SPSS digunakan oleh peneliti pasar, peneliti keschatan,
perusahaan survei, pemerintah, peneliti pendidikan, organisasi
pemasaran, dan sebagainya (Purnomo,2017).
b. Manfaat
SPSS dapat digunakan untuk hampir seluruh file data dan
sekaligus membuat laporan dalam bentuk tabulasi, grafik, dan
plot untuk berbagai distribusi maupun statistik deskriptif
(Purnomo,2017).
c. Fitur umum
Ada dua belas menu utama yang dimiliki SPSS for windons,
yaitu:
1) File: Digunakan untuk membuat file baru atau membuka file,
menyimpan file, export data, serta membuka file dari repository.
2) Edit: Digunakan untuk memodifikasi, mengkopi, menghapus,
mencari dan mengganti data atau teks dari output windows
maupun syntak windows.
3) View: Digunakan untuk merubah tampilan tulisan (fonl),
membuka variabel view, dan status bar.
4) Data: Digunakan untuk membuat pilihan global dari file data
SPSS, seperti pendefinisian variabel, penggabungan file,
transpose data, dan mengambil sebagian case.
5) Transform. Digunakan untuk mentranformasi data, vaitu
pembentukan vanabel baru yang valuenya merupakan hasil
tranformasi dari value variabel-variabel yang sudah ada. Atau
memodifikasi variabel yang sudah ada berdasarkan variabel
yang Seperti tranformasi dengan operator aritmatik, fungsi
aritmatika, fungsi statistik dan sebagainya.
6) Analyse: Digunakan untuk memilih berbagai prosedur
pengolahan secara statistik seperti tabulasi silang (crosstab),
korelasi, regresi linier, analisis varians, penyusunan laporan dan
sebagainya.
7) Direct Marketing: Memasarkan hasil data kepada kolega
secara langsung.
8) Graphs: Digunakan untuk mengaktualisasikan data berupa bar
chart, pie chart, histogram, scatterplots (diagram pencar), dan
bentuk-bentuk grafik lainnya.
9) Utilities: Digunakan untuk mengakses data secara dinamik.
menampilkan berbagai informasi mengenai isi file data SPSS,
atau menampilkan indeks dari perintah-perintah SPSS.
10) Add-ons: Digunakan untuk mengetahui seluk beluk

pengembangan IBM SPSS Statistics.
11) Windows: Digunakan untuk mengatur, memilih, dan
mengontrolatribut-atribut windows SPSS
12) Help: Digunakan untuk membuka windows standart
Microsoft Help vang memuat informasi bantuan bagaimana
menggunakan bantuan berbagai fasilitas pada SPSS. Informasi
bantuan ini juga bisa didapatkan lewat setiap kotak dialog
(Purnomo 2017).
d. Kelebihan dan kekurangan
SPSS adalah software statistik terpopuler di dunia,
termasuk di Indonesia. tampilan SPSS yang sudah 'setara'
dengan Excel, bahkan dalam pengolahan grafik-grafik
statistiknya sudah melampaui software andalan Microsoft
tersebut; selain itu, penggunaan menu-menu di SPSS sangat user
friendly, lebih mudah, dan simpel dibandingkan Minitab yang
mengharuskan pengguna membuka banyak window.
Aplikasi ini merupakan suatu aplikasi yang berbayar,
membuat kita perlu mengeluarkan biaya dalam membeli lisenen
apalikasi ini (Santoso, 2017).
2.12.2 Microsoft Excel
a. Pengertian dan sejarah
Microsoft Excel merupakan Program Aplikasi Pengolah
Angka yang dikeluarkan oleh Microsoft Corporation yang
memadukan berbagai kemampuan komputer. Bidang pemakaian
Microsoft Excel sangat luas, misalnya di bidang pendidika,
bisnis, ilmiah, perencanaan dan lain-lain. Microsoft Excel
memberikan aplikasi untuk penguatan ilmu matematika yang
bersifat cepat dan sistemik, oleh karena itu ketika seorang siswa
tidak memiliki ketelitian matematik dalam mengoperasikan
Microsoft Excel, maka secara cepat akan diketahui
kesalahannya
karena sistem Microsoft Excel tidak dapat menerima perintah

yang salah.
Microsoft Excel adalah sebuah program aplikasi lembar
kerja spreadsheet yang dibuat dan didistribusikan oleh Microsoft
Corporation yang dapat dijalankan pada Microsoft Windows dan
Mac OS. Aplikasi ini memiliki fitur kalkulasi dan pembuatan
grafik yang, dengan menggunakan strategi marketing Microsoft
yang agresif, menjadikan Microsoft Excel sebagai salah satu
program komputer yang populer digunakan.
b. Manfaat
Program aplikasi ini memiliki banyak fitur dan fungsi
yang digunakan untuk mengolah angka. Fitur Fungsi dan
Formula atau yang lebih dikenal dengan rumus Excel
menjadikannya terkenal dan banyak digunakan dalam berbagai
bidang dan persoalan seperti membuat, mengedit, mengurutkan,
menganalisa, serta meringkas data. Selain itu, Microsoft Excel
juga berfungsi untuk melakukan perhitungan aritmatika dan
statistika sehingga dapat membantu menyelesaikan
permasalahan-permasalahan yang berbau logika dan
matematika. Excel juga dapat digunakan untuk membuat catatan
keuangan, penyusunan anggaran keuangan, membuat laporan
baik dalam bentuk tabel, grafik, ataupun diagram (Odja, 2021).
c. Fitur umum
1) Tombo Microsott Oince
Merupakan tombol menu vang berisi beberapa perintah PULL
DOWN yaitu: New, Open, Save, Save As, Print, Prepare, Send,
Pub-lish, Close, dan sebagainya.
2) Ouick Access Toolbar
Merupakan toolbar vang berisi tombol-tombol perintah dengan
cepat. Dalam toolbar ini isi tombol-tombol perintan dapat
ditambah dan dikurangi menurut kebutuhan kerja kita.
3) Formula Bar
Berupa ruang papan (pad) yang berfungsi untuk menulis isi atau
formula (fungsi) atau menampilkan isi dari suatu cell.
4) Lab apreaasneet
Merupakan sederetan nama-nama sheet yang dapat dipilih.
Sheet yang aktif ditandai dengan latar belakang warna putih.
(Tofik,2007).
d. Kelebihan dan kekurangan
User Interface yang mudah untuk dipahami,
Kompatibilitas dengan berbagai platform/Sistem Operasi,
Mudah dipelajari untuk pengguna pemula, Tersedia Licensi
dalam versi grosir, Mempunyai extensi (.xls) terpopuler untuk
software spreadsheet, Dapat membaca extensi standar
spreadsheet (.csv), Fitur Pivot untuk mempermudah
memanagemen data, Spreadsheet yang besar, dapat digunakan
sebagai alternatif SQL untuk penggunaan sederhana, Resource
RAM dan Memory kecil dibanding program sejenis,Digunakan
oleh berbagai industri, instansi dan pekerjaan, Mendukung
Visual Basic (Sudarsana, 2018).
Akses Fungsi tertentu seperti fungsi statistik terbatas,
Jumlah Sel terbatas, Add ins untuk disipilin ilmu tertentu seperti
neural network, fuzzy logic tidak powerfull dibandingkan
software sejenis (Sudarsana, 2018).
BAB III
METODOLOGI PERCOBAAN
3.1 Objek dan Waktu Praktikum
a. Objek Praktikum
b. Waktu Praktikum
3.2 Metode Pengumpulan Data
3.3 Alat dan Bahan Praktikum
a. Bahan praktikum berupa pertanyaan yang akan dimasukkan ke
dalam kuesioner sebagai metode pengumpulan data.
b. Kamera atau media yang bisa dijadikan sebagai alat dokumentasi.
c. Laptop sebagai media pengumpulan data serta program aplikasi pengolat
data statitistik (Ms. Excel, SPSS, Minitab, dll).
3.4 Prosedur Praktikum
BAB IV
PENGOLAHAN DATA
BAB V
PEMBAHASA
N
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
DAFTAR PUSTAKA
LAMPIRAN

TD Kelompok 9 Modul 1 2.7

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

TD Kelompok 9 Modul 1 2.7

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL I

LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

Matematika adalah ilmu yang luas. Salah satu cabang ilmu

Meskipun terlihat mirip, namun keduanya baik statistik dan statistika

2.1.2 Fungsi statistik

3) Menurut Triola, statistika adalah ilmu tentang perencanaan dan

2.2 Statistik Deskriptif

b. Manfaat statistik deskriptif

a. Berdasarkan jenis cara pengumpulannya, dibedakan menjadi:

d. Berdasarkan peluang pemilihannya, dibedakan menjadi:

d) Teknik penarikan sampel klaster (cluster sampling)

c) Teknik penarikan sampel kuota (quota sampling)

Sehingga nilai mean atau rata-ratanya adalah 66,25

Tinggi badan dosen TI Frekuensi x fx

Sehingga nilai modus adalah 155,75

K1= Data ke-5 + 0,25(data ke-6 − data ke-5)

Tinggi badan dosen TI Frekuensi F kumulatif

Kuartil 1 = 149,5 + 5,83 = 155,33

Desil 3 = X6 + 0,3(X7-X6) = 60 + 0,3(65 − 60) = 60 + 1,5 = 61,5

Tinggi badan dosen TI Frekuensi F kumulatif

Desil 4 = 149,5 + 2,08 = 151,58

Persentil 50 = X10 + 0,5 (X11—X10)

Tinggi badan dosen TI Frekuensi F kumulatif

Persentil 50 = 154,5 + 1,78 = 156,28

Variansi adalah kuadrat dari nilai standar deviasi bertujuan untuk

2.8.5 Standard Error of Mean

Standard error of mean adalah indeks yang menggambarkan

b. Tabel Distribusi Frekuensi Kumulatif

Tabel distribusi frekuensi kumulatif adalah sebuah tabel yang

bilangan satu desimal, maka tingkat ketelitian datanya 0.05, dua

e. Memasukkan semua data kedalam masing-masing kelas interval,

2.10 Skewness Dan Kurtosis

Kemencengan suatu kurva akan sangat ditentukan oleh

rata-rata dengan modus yang dibagi dengan simpangan baku.

Berdasarkan jawaban tersebut diketahui bahwa nilai Sk>0, maka

terhadap suatu distribusi normal. Bentuk keruncingan terdiri

2.11 Jenis-Jenis Penyajian Data

2.11.4 Pie chart

2.11.6 Diagram pencar

2.11.7 Pivot table

2.12 Software Data

10) Add-ons: Digunakan untuk mengetahui seluk beluk

karena sistem Microsoft Excel tidak dapat menerima perintah

3.4 Prosedur Praktikum

Anda mungkin juga menyukai