TD Kelompok 9 Modul 1 2.7
TD Kelompok 9 Modul 1 2.7
OLEH
NAMA :
STAMBUK :
KELOMPOK :
DAFTAR ISI
STATISTIK DESKRIPTIF
NAMA / NIM (KELOMPOK) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR TABEL
STATISTIK DESKRIPTIF
NAMA / NIM (KELOMPOK) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR GAMBAR
STATISTIK DESKRIPTIF
NAMA / NIM (KELOMPOK) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR RUMUS
STATISTIK DESKRIPTIF
NAMA / NIM (KELOMPOK) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
dapat membuat kita berpikir logis. Statistik deskriptif juga membuka jalan
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 1
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 (IX) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 6
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 7
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 8
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 (IX) 9
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 10
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 11
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 12
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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 (IX) 13
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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 (IX) 14
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
Σx
Mean =
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 (IX) 15
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
jumlah 40 6260
6.260
Mean = = 156,5
40
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( 2 ) + x( 2 + 1)
Me =
2
20 20
x( 2 ) + x( 2 + 1) x10 + x 11 70 + 70
Me = = = = 70
2 2 2
Me = 156,28
Sehingga median adalah 156,28
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 16
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 (IX) 17
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) 21
K1= = = 5,25
4 4
Data Kelompok
Tinggi badan dosen TI Frekuensi
145-149 3
150-154 12
155-159 14
160-164 8
165-169 3
Penyelesaian
1
{(4n)−Fk}
Kuartil = b + p
f
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 18
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 (IX) 19
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 (IX) 20
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Penyelesaian
i.n
−F
100
Persentil= b + p( )
f
Contoh soal :
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 21
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.
𝑛
|𝑥𝑖− 𝑥̄ |
SR = ∑ (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
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 22
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 (IX) 23
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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 (IX) 24
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 (IX) 25
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 26
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 27
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 (IX) 28
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 29
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 (IX) 30
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 (IX) 31
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 (IX) 32
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 (IX) 33
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 34
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 35
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 (IX) 36
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 37
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 38
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 (IX) 39
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 (IX) 40
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB IV
PENGOLAHAN DATA
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 41
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB V
PEMBAHASAN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 42
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 43
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR PUSTAKA
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 44
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
LAMPIRAN
STATISTIK DESKRIPTIF
SARIFAH ARIAHIYYA / D071211077 (IX) 45