OLEH
NAMA :
STAMBUK :
KELOMPOK :
DAFTAR ISI
STATISTIK
DESKRIPTIF 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR TABEL
STATISTIK
DESKRIPTIF 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR GAMBAR
STATISTIK
DESKRIPTIF 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR RUMUS
STATISTIK
DESKRIPTIF 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB I
PENDAHULUAN
1.1 Latar Belakang
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
dapat membuat kita berpikir logis. Statistik deskriptif juga membuka jalan
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB II
TEORI DASAR
2.1 Statistik dan
Statistika
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 6
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
disusun dalam bentuk tabel dan diagram yang mendeskripsikan suatu
permasalahan. Sedangkan statistika adalah pengetahuan yang
berhubungan dengan cara-
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 7
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 8
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
pengukuran gejala
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 9
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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:
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
2) Teknik Penarikan Sampel Tanpa Pengembalian (Sampling without
Replacement) Caranya: setiap anggota sampel yang terpilih tidak
dikembalikan lagi ke dalam satuan populasi.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
Tinggi badan dosen TI Frekuensi
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 1
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
Tinggi badan dosen TI Frekuensi
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
Data Kelompok
Tinggi badan dosen TI Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
{( 1n)−Fk}
4
Kuartil = b + p
f
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
165-169 3 40
Desil 4 =
... 4
×20−3 5
10
Desil 4 = 149,5 + 5 ( ) = 149,5 + 5 ( )
12 12
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
165-169 3
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Penyelesaian
i.n
−F
Persentil= b + p(100 )
f
Contoh soal :
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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| + |
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
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,
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
𝑆2 = ∑ (𝑥𝑖 − 𝑥̄)2
(𝑢𝑟𝑢𝑡𝑎𝑛 𝑟𝑢𝑚𝑢𝑠)
𝑖=1 𝑛
di mana,
S2 = Variansi
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,
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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 2
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
yang terkecil.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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:
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
momen. Koefisien kemencengan pearson diperoleh dari selisih
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
dimana :
α4 = nilai kurtosis
n = jumlah data
S = simpangan baku
XX= rata-rata
X = nilai data
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 3
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Terdapat dua jenis ogive, yaitu ogive positif dan ogive negatif
(Lembang dan Matdoan, 2020).
Berikut tampilan orgive positif dan negatif:
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
kesalahannya
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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).
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB IV
PENGOLAHAN DATA
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 4
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB V
PEMBAHASA
N
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR PUSTAKA
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 5
LABORATORIUM STATISTIK DAN MANAJEMEN
MUTU DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
LAMPIRAN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 5