STATISTIKA

DESKRIPTIF

Samarinda, 11 Februari 2021

 Statistika Deskriptif
n Statistika Deskriptif
Statistika deskriptif adalah statistik yang berfungsi untuk
mendiskripsikan atau memberi gambaran terhadap obyek yang
diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa
melakukan analisis dan membuat kesimpulan yang berlaku untuk
umum.
n Seorang peneliti harus dapat menyajikan data yang telah diperoleh,
baik melalui observasi, wawancara, kuesioner (angket) maupun
dokumentasi,
n Prinsip dasar penyajian data adalah komunikatif dan lengkap, yaitu
bahwa data yang disajikan dapat menarik perhatian pihak lain untuk
membacanya dan mudah memahami isinya.
 STATISTIKA DESKRIPTIF
n Secara garis besar ada dua cara penyajian data yang sering digunakan,
yaitu : tabel atau daftar dan grafik atau diagram.

n Macam-macam tabel yang dikenal :

a. Tabel baris kolom
b. Tabel kontingensi
c. Tabel distribusi frekuensi

n Beberapa bentuk grafik atau diagram, antara lain adalah :

a. Diagram batang
b. Diagram garis
c. Diagram lambang atau diagram simbol
d. Diagram lingkaran dan diagram pastel
e. Diagram peta atau kartogram
f. Diagram pencar atau diagram titik
 Nama Tabel

Judul
Kolom

Sel
Judul
Tsel : empat nilai-nilai
Baris data dituliskan Sel

Sumber & Catatan2

Contoh tabel baris kolom
n Tabel Kontingensi
Yaitu suatu tabel untuk data yang terdiri atas dua faktor atau dua
variabel.

Tabel di atas merupakan tabel kontingensi 2 x 3 karena terdiri atas 2

baris (jenis kelamin : pria & perempuan) dan 3 kolom (Tk. Pendidikan :
SMA, D3, S1)
n Tabel Distribusi Frekuensi
Jika data kuantitatif dibuat menjadi beberapa kelompok maka akan
diperoleh tabel distribusi frekuensi.
n Diagram Batang
1. Data yang variabelnya berbentuk kategori atau atribut
2. D i p e r l u k a n s u m b u d a t a r d a n s u m b u t e g a k y a n g
berpotongan tegak lurus
3. Sumbu datar dibagi menjadi beberapa skala bagian yang
sama, demikian pula sumbu tegaknya. Skala pada sumbu
tegak dengan skala pada sumbu datar tidak perlu sama.
4. Jika diagram dibuat tegak, maka sumbu datar dipakai
untuk menyatakan atribut atau waktu, sedangkan kuantum
atau nilai data digambar pada sumbu tegak.
Contoh Diagram Batang
n Diagram Garis
1. Diagram grais digunakan untuk menggambarkan keadaan yang
terus menerus atau berkesinambungan, misalnya produksi
minyak tiap tahun, jumlah penduduk tiap tahun, keadaan
temperatur badan tiap jam dan lain-lain. Dkl, datanya berupa
data time series.
2. Diperlukan sumbu datar dan sumbu tegak yang saling tegak lurus.
Sumbu datar menyatakan waktu sedangkan sumbu tegaknya
melukiskan kuantum data tiap waktu.
Contoh Diagram Garis

Gambar 3. Jumlah Pengunjung KRUS Samarinda Tahun 2013

Contoh Diagram Garis
n Diagram Lingkaran dan Diagram Pastel
1. Diagram lingkaran sering digunakan untuk melukiskan data atribut
atau kategori.
2. Untuk membuat diagram lingkaran, gambarkan sebuah lingkaran,
lalu dibagi-bagi menjadi beberapa sektor. Tiap sektor melukiskan
kategori data yang terlebih dahulu diubah ke dalam derajat.
Variasi bentuk diagram lingkaran dapat pula dibuat, seperti pada
contoh di bawah ini. Diagram ini disebut diagram pastel.
n Diagram Lambang
1. D i a g r a m i n i
menggunakan
simbol-simbol yang
cukup baik dan
menarik.
2. Setiap satuan jumlah
tertentu dibuat
sebuah simbol sesuai
dengan macam
datanya.
n Diagram Peta
(Kartogram)
Dalam
pembuatannya
digunakan peta
geografis tempat
data terjadi.
Diagram ini
melukiskan
kedaan yang
dihubungkan
dengan tempat
kejadiannya.
n Diagram Pencar
Untuk kumpulan data
yang terdiri atas dua
variabel, dengan nilai
k u a n t i t a t i f ,
diagramnya dapat
dibuat dalam sistem
koordinat dan
gambarnya akan
m e r u p a k a n
kumpulan titik-titik
yang terpencar.
Histogram adalah grafik yang digambarkan berdasarkan data yang disusun
dalam tabel distribusi frekuensi. Grafik tersebut berupa persegi panjang yang
saling berhimpit pada salah satu sisinya.
Sumbu mendatar untuk menyatakan kelas interval, yang ditulis pada sumbu
datar adalah batas-batas kelas interval. Sumbu tegak untuk menyatakan
frekuensi baik absolut maupun relatif.
Jika tengah-tengah tiap sisi atas yang berdekatan dihubungkan dan sisi
terakhir dihubungkan dengan setengah jarak kelas interval pada sumbu datar.
OGIVE
Ogive adalah grafik garis yang menggambarkan frekuensi kumulatif.
§ Untuk distribusi frekuensi kumulatif kurang dari diperoleh ogive positif.
§ Untuk distribusi frekuensi kumulatif lebih dari diperoleh ogive negatif.

Ogive Positif Ogive Negatif

STATISTIKA DESKRIPTIF

Beberapa macam ukuran dari gejala pusat adalah rata-rata atau rata-rata
hitung, rata-rata ukur, rata-rata harmonik, dan modus.
Beberapa ukuran letak meliputi median, kuartil, desil dan persentil.

Rata-rata atau rata-rata hitung untuk data kuantitatif yang terdapat dalam
sebuah sampel dihitung dengan jalan membagi jumlah nilai data oleh
banyak data.

Simbol untuk rata-rata untuk sampel ialah x (statistik) sedangkan rata-rata

untuk populasi dipakai simbol μ (parameter).
STATISTIKA DESKRIPTIF
Rumus Rata-Rata Hitung
n
 xi
x1  x 2  ...  x n i 1
x 
n n
Contoh :
Diberikan nilai ujian mata kuliah statistika dari lima orang mahasiswa sebagai
berikut :
70, 69, 45, 80 dan 56

Jawab :
70  69  45  80  56
x  64
5
Jadi, rata - rata nilai ujian statistika dari kelima mahasiswa tersebut adalah 64
STATISTIKA DESKRIPTIF
Rumus Rata-Rata Hitung Terboboti
Jika ada lima mahasiswa mendapat nilai 70, enam mendapat nilai 69, tiga
mendapat 45 dan masing-masing seorang mendapat nilai 80 dan 56, maka
dapat ditulis pada tabel berikut :

xi fi Rumus Rata-Rata Hitung Terboboti adalah sebagai

berikut :
n
70 5
 fi xi
i 1
69 6 x  n
 fi
45 3 i 1

80 1

56 1
STATISTIKA DESKRIPTIF
Untuk mencari rata-rata hitung data pada tabel di atas, maka dibuat tabel
penolong sebagai berikut :

xi fi fixi n
 fi xi
70 5 350 i 1
x  n
 fi
69 6 414 i 1
1035
45 3 135 
16
 64 , 6
80 1 80

56 1 56
Nilai rata-rata ujian statistika
untuk ke-16 mahasiswa itu
Jumlah ∑fi =16 ∑fixi =1035 adalah 64,6
STATISTIKA DESKRIPTIF
Rumus Rata-Rata Hitung untuk Data dalam Tabel Distribusi Frekuensi :
n
xi  tanda kelas interval
 fi xi
x  i 1 f i  frekuensi yang sesuai dengan tanda kelas xi
n
 fi 1
Tanda kelas  ujung bawah  ujung atas 
i 1 2
Cara kedua untuk menghitung rata-rata dari data dalam tabel distribusi
frekuensi adalah dengan cara sandi atau cara singkat.
Untuk ini ambil salah satu tanda kelas, namakan x 0. Untuk harga x 0 ini
diberi nilai sandi c = 0. Tanda kelas yang lebih kecil dari x0 berturut-turut
diberi harga-harga sandi c = -1, c = -2, c = -3, dst. Tanda kelas yang lebih
besar x0 berturut-turut mempunyai harga-harga sandi c = +1, c = +2, c = +3,
dst.
 n 
f
  i i  c p = panjang kelas interval
x  x0  p i 1 
 n 
  fi 
 i 1 
STATISTIKA DESKRIPTIF
Contoh (Rata-rata hitung utk data dlm Tabel distribusi Frekuensi):
Tentukan rata-rata nilai ujian metode statistika dari 80 mahasiswa untuk data
pada tabel distribusi frekuensi di atas

§ Dengan menggunakan rumus I (tanda kelas) :

7
Frekuensi Tanda kelas  fi xi
Nilai Ujian fixi
(fi) (xi) i 1
x  7
31 - 40 2 35,5 71  fi
41 - 50 3 45,5 136,5 i 1

51 - 60 5 55,5 277,5 6070


80
61 - 70 14 65,5 917
 75 , 875
71 - 80 24 75,5 1812
81 - 90 20 85,5 1710 Jadi, rata-rata nilai ujian
91 – 100 12 95,5 1146 metode statistika dari 80
Jumlah 80 - 6070 mahasiswa adalah 75,875
STATISTIKA DESKRIPTIF
Contoh (Rata-rata hitung utk data dlm Tabel distribusi
Frekuensi)
§ Dengan :
menggunakan rumus II (cara sandi) :
Nilai Frekuensi Tanda kelas Sandi  n 
fi ci   f i ci 
Ujian (fi) (xi) (ci)
31 - 40 2 35,5 -3 -6 x x 0  p  i 1n 
 
41 - 50 3 45,5 -2 -6   fi 
51 - 60 5 55,5 -1 -5
 i 1 
61 - 70 14 65,5 0 0  83 
 65 ,5  10  
71 - 80 24 75,5 1 24  80 
81 - 90 20 85,5 2 40  65 ,5  10 ,375
91 – 100 12 95,5 3 36  75 ,875
Jumlah 80 - - 83
Jadi, rata-rata nilai ujian
metode statistika dari 80
mahasiswa adalah 75,875
STATISTIKA DESKRIPTIF

1. Jika tiap nilai data xi ditambah atau dikurangi dengan sebuah bilangan
tetap d, maka rata-rata untuk baru bertambah/berkurang dengan d dari
rata-rata data lama.
2. Jika tiap nilai data xi dikalikan dengan bilangan yang sama, misal d,
maka rata-rata untuk data baru menjadi d kali rata-rata data lama.
STATISTIKA DESKRIPTIF
q
Jika perbandingan tiap dua data berurutan tetap atau hampir tetap, rata-rata
ukur lebih baik dipakai daripada rata-rata hitung.
Untuk data bernilai x1, x2, ..., xn, maka rata-rata ukur U didefinisikan sebagai :

U  n x1  x 2    x n
Untuk bilangan-bilangan bernilai besar, lebih baik digunakan logaritma, dan
menggunakan rumus berikut : n
 log x i
log U  i 1
n
Untuk data yang disusun dalam tabel distribusi frekuensi, rata-rata ukurnya
dihitung dengan rumus berikut : n
 f i  log x i
log U  i 1 xi  tanda kelas interval
n
 fi
i 1
STATISTIKA DESKRIPTIF
Contoh 1 (Rata-rata Ukur) :
Hitung rata-rata ukur untuk data : 2, 4, dan 8

U  3 x1  x 2  x3  3 2  4  8  3 64  4

Contoh 2:
Dengan menggunakan rumus II maka, rata-rata ukur untuk data : 2, 4, dan 8
adalah :
log 2 = 0,3010 ; log 4 = 0,6021 ; log 8 = 0,9031
log 2  log 4  log 8 0,3010  0,6021  0,9031
log U    0,6021
3 3
Sehingga U = antilog 0,6021 = 4
STATISTIKA DESKRIPTIF
q

Untuk data x1, x2, ..., xn dalam Untuk data dalam daftar distribusi
sebuah sampel berukuran n, frekuensi, maka rata-rata
maka rata-rata harmonik harmonik dihitung dengan
ditentukan oleh : rumus :

n n
H  fi
n 1 H i 1
  n f
i 
xi  tanda kelas interval
i1 xi    
i 1 xi 

H U  X
STATISTIKA DESKRIPTIF
Contoh 1 (Rata-rata Harmonik) :
Rata-rata harmonik untuk kumpulan data 3, 5, 6, 6, 7, 10,12 adalah ....

7
H  5,87
1 1 1 1 1 1 1
     
3 5 6 6 7 10 12
STATISTIKA DESKRIPTIF
q
a. Menyatakan fenomena yang paling banyak terjadi atau paling banyak
terdapat.
b. Sering digunakan sebagai “rata-rata” data kualitatif.
c. Sekumpulan data bisa mempunyai lebih sebuah modus.
d. Modus untuk data kuantitatif ditentukan dengan jalan menentukan
frekuensi terbanyak di antara data itu.
Jika data kuantitatif disusun dalam tabel distribusi frekuensi, modusnya
dapat ditentukan dengan rumus :
b = batas bawah kelas modal, yaitu kelas interval dengan
frekuensi terbanyak.
 b1  p = panjang kelas modal.
Mo  b  p    b1 = frekuensi kelas modal dikurangi dengan frekuensi kelas
 b1  b 2  interval dengan tanda kelas yang lebih kecil sebelum
tanda kelas modal.
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval
dengan tanda kelas yang lebih sesudah tanda kelas modal.
STATISTIKA DESKRIPTIF
Contoh 1 (Modus) :
Modus untuk sampel dengan nilai-nilai data :
12, 34, 14, 34, 28, 34, 34, 28, 14.
adalah 34.
Contoh 2 : Tentukan modus untuk data pada tabel distribusi frekuensi
berikut
Frekuensi Jawab :
Nilai Ujian
(fi) 1) Kelas modal = kelas kelima (71 – 80)
31 - 40 2 2) b = batas bawah kelas modal = 70,5
41 - 50 3 3) b1 = 24 – 14 = 10
51 - 60 5 4) b2 = 24 – 20 = 4
61 - 70 14
5) p =10
71 - 80 24
 b1   10 
81 - 90 20 Mo  b  p     70,5  10     77,64
 b1  b 2   10  4 
91 – 100 12
STATISTIKA DESKRIPTIF
a. Nilai tengah data setelah data tersebut disusun menurut urutan data.
b. Jika banyak data ganjil, maka median adalah data paling tengah setelah data
disusun menurut nilainya.
c. Jika sampel berukuran genap, maka median adalah rata-rata hitung dua data
tengah setelah data disusun menurut urutan nilainya.
d. Jika nilai median = Me, maka 50% dari data harga-harganya paling tinggi
sama dengan Me sedangkan 50% lagi harga-harganya paling rendah sama
dengan Me
Untuk data yang disusun dalam tabel distribusi frekuensi, maka
mediannya dihitung dengan rumus :

1 b = batas bawah kelas median, yaitu kelas dimana median

 2 n  F akan terletak.
Me  b  p    p = panjang kelas median
 f  n = ukuran sampel atau banyak data
  F = jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas median
f = frekuensi kelas median.
STATISTIKA DESKRIPTIF
Contoh 1 (Median) :
Median dari data : 12, 7 , 8, 14, 16, 19, 10, 8 adalah ...
Jawab :
Data yang telah disusun : 7, 8, 8, 10,12, 14, 16, 19
Maka median data tersebut adalah :

1
Me  10  12   11
2
STATISTIKA DESKRIPTIF
Contoh 2 : Tentukan Median dari tabel distribusi frekuensi berikut
Jawab :
Frekuensi 1) ½.n = ½.80= 40, maka setengah dari seluruh
Nilai Ujian
(fi) data ada 40 buah. Sehingga median akan
31 - 40 2 terletak pada kelas interval kelima (71 – 80)
41 - 50 3 2) b = batas bawah kelas median = 70,5
51 - 60 5 3) p = panjang kelas median = 10
61 - 70 14 4) F= Jumlah semua frekuensi kelas interval
71 - 80 24 sebelum kelas interval median
81 - 90 20 F= 2 + 3 + 5 + 14 =24
91 – 100 12
5) f = frekuensi kelas median = 24
Jumlah 80  12 n  F   40  24 
Me  b  p     70,5  10     77,17
 f   24 
 
Jadi 50% dari nilai ujian Metode Statistika bernilai paling rendah 77,17 dan
50% bernilai paling tinggi 77,17.
STATISTIKA DESKRIPTIF

a. Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,
sesudah disusun menurut urutan nilainya, maka bilangan pembaginya
disebut kuartil.
b. Ada tiga buah kuartil, yaitu kuartil pertama (K1), kuartil kedua (K2), dan
kuartil ketiga (K3).

Letak kuartil ke–i, diberi lambang Ki, ditentukan dengan rumus :

i  n  1
Letak K i  data ke - ; dengan i  1, 2, 3
4
STATISTIKA DESKRIPTIF
Letak kuartil ke–i untuk data yang disusun pada tabel distribusi
frekuensi, ditentukan dengan rumus :

 i n  F
Ki  b  p   4  ; i  1, 2, 3
 f 
 
b = batas bawah kelas Ki, yaitu kelas dimana Ki akan terletak.
p = panjang kelas Ki
n = ukuran sampel atau banyak data
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari tanda kelas
Ki
f = frekuensi kelas Ki.
STATISTIKA DESKRIPTIF
Contoh 1 (Kuartil) :
Diberikan data : 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70.
Tentukan kuartil data di atas !
Jawab :

Data yang telah disusun : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
n = 12
1 12 1
Letak K1  datake -  3,25
4
Nilai K1  datake - 3  0,25datake - 4 - datake - 3 
 57  0,25 60  57
 57,75
STATISTIKA DESKRIPTIF
2  12  1
Letak K 2  data ke -  6,5
4
Nilai K 2  data ke - 6  0,5 data ke - 7 - data ke - 6 
 70  0,5  70  66
 72

3  12  1
Letak K3  data ke -  9,75
4
Nilai K3  data ke - 9  0,75data ke - 9 - data ke - 8 
 82  0,75  82  75
 87,25
STATISTIKA DESKRIPTIF
Contoh 2 (Kuartil) : Tentukan kuartil ke-3 (K3) pada data tebel distribusi
frekuensi berikut.
Frekuensi Untuk menentukan kuartil 3 (K3) pada data nilai
Nilai Ujian
(fi) tersebut, maka kita perlu ¾ (80) = 60 data.
31 - 40 2 Jadi K3 terletak pada kelas interval ke-6 (81-90).
41 - 50 3 Sehingga :
51 - 60 5 1) b = 80,5
61 - 70 14 2) p = 10
71 - 80 24 3) f = 20
81 - 90 20 4) F = 2 + 3 + 5 +14 + 24 = 48
91 – 100 12  3 n  F
K3  b  p   4   80,5  10   60 - 48   86,5
Jumlah 80  f 
   20 

Jadi, 75% mahasiswa yang mendapat nilai ujian paling tinggi 86,5,
sedangkan 25% lagi mendapat nilai paling rendah 86,5.
STATISTIKA DESKRIPTIF
a. Jika kumpulan data dibagi menjadi 10 bagian yang sama maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil.
b. Jumlah desil seluruhnya adalah sembilan desil.
Letak desil ke–i, diberi lambang Di, ditentukan dengan rumus :
i  n  1
Letak Di  data ke - ; dengan i  1, 2, ..., 10
10
Letak desil ke–i untuk data yang disusun pada tabel distribusi
frekuensi, ditentukan dengan rumus :
b = batas bawah kelas Di, yaitu kelas dimana Di akan terletak.
 i n  F p = panjang kelas Di
Di  b  p   10 
  n = ukuran sampel atau banyak data
 f  F = jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas Di
i  1, 2,...,9 f = frekuensi kelas Di.
STATISTIKA DESKRIPTIF
a. Jika kumpulan data dibagi menjadi 100 bagian yang sama maka
didapat 99 pembagi dan tiap pembagi dinamakan persentil.
b. Jumlah persentil seluruhnya adalah 99 desil.
Letak persentil ke–i, diberi lambang Pi, ditentukan dengan rumus :
i  n  1
Letak Pi  data ke - ; dengan i  1, 2, ..., 99
100
Letak persentil ke–i untuk data yang disusun pada tabel distribusi
frekuensi, ditentukan dengan rumus :
b = batas bawah kelas Pi, yaitu kelas dimana Pi akan terletak.
 i n  F p = panjang kelas Pi
Pi  b  p   100 
  n = ukuran sampel atau banyak data
 f  F = jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas Pi
i  1, 2,...,99 f = frekuensi kelas Pi.
STATISTIKA DESKRIPTIF
Untuk data tinggi badan mahasiswa pada tabel distribusi frekuensi berikut,
tentukan :

Berat Badan Frekuensi a. Rata-rata hitung

(cm) b. Rata-rata ukur
c. Rata-rata Harmonik
152 - 155 5
d. Modus
156 - 159 17 e. Median
160 - 163 27 f. Kuartil 1 , kuartil 2 dan kuartil 3
g. Desil 3, desil 5 dan desil 7
164 - 167 18 h. Persentil 50 dan persentil 80
168 - 171 28
172 - 175 5
Jumlah 100
STATISTIKA DESKRIPTIF
Selain ukuran pemusatan data dan ukuran letak, dikenal pula ukuran
simpangan atau ukuran dispersi/penyebaran atau ukuran variasi, yaitu ukuran
yang menggambarkan bagaimana berpencarnya data kuantitatif.

Beberapa ukuran dispersi/penyebaran data yang akan diuraikan adalah

sebagai berikut :
§ Rentang
§ Rentang antar kuartil
§ Simpangan kuartil atau deviasi kuartil
§ Rata-rata simpangan atau rata-rata deviasi
§ Simpangan baku atau deviasi standar
§ Varians
§ Koefisien variasi
STATISTIKA DESKRIPTIF
Rentang = data terbesar – data terkecil

q
RAK = K3 – K1
dimana : RAK = Rentang antar kuartil
K3 = Kuartil ketiga
K1 = Kuartil pertama

Untuk data nilai ujian Metode Statistika 80 mahasiswa pada tabel

distribusi frekuensi.
Diketahui bahwa, K1 = 67,64 dan K3 = 86,5
Sehingga,
RAK = K3 – K1 = 86,5 – 67,64 = 18,86
STATISTIKA DESKRIPTIF
Sehingga dapat diinterpretasikan bahwa 50% dari data memiliki nilai paling
rendah 67,64 dan paling tinggi 86,5 dengan perbedaan paling tinggi 18,86.

Disebut pula rentang semi antar kuartil, yang harganya setengah dari
rentang antar kuartil.
1
SK  K 3  K1 
2

Diberikan data hasil pengamatan berbentuk x1, x2, x3, ..., xn dengan rata-
rata x . Rata-rata simpangan atau rata-rata deviasi ditentukan dengan rumus :
n
 xi  x
i 1
RS 
n
STATISTIKA DESKRIPTIF
Rata-rata simpangan dari data : 8, 7, 10 dan 11 adalah ....
Jawab :

4
 xi  x
8  7  10  11 36 i 1
x  9 RS 
4 4 4
8  9  7  9  10  9  11  9

4
1 2 1 2

4
 1,5
STATISTIKA DESKRIPTIF
q
Ukuran simpangan yang paling banyak digunakan adalah simpangan baku
atau deviasi standar. Pangkat dua dari simpangan baku dinamakan varians.
Untuk sampel, simpangan baku diberi simbol s, sedangkan populasi diberi
simbol σ (sigma). Variansnya adalah s2 untuk varians sampel dan σ2 untuk
varians populasi. Sehingga s dan s2 merupakan statistik sedangkan σ dan
σ2 merupakan parameter.
Diberikan data hasil pengamatan berbentuk x1, x2, x3, ..., xn dengan rata-
rata x , maka varians sampel (s2) ditentukan dengan rumus :
n n 2
n  
  xi  x  n   xi2
2
   xi 
atau  i 1 
s2  i 1
s2 
i 1
n 1 n  n  1

Simpangan baku s diperoleh dari harga akar s2 yang positif.

STATISTIKA DESKRIPTIF
Simpangan baku dan varians dari data : 8, 7, 10 dan 11 adalah ....
Cara 1 : 8  7  10  11 36 Cara 2 :
x  9
4 4
xi xi 2
 xi  x  2 i
xi xi - x
1 8 64
8 -1 1
2 7 49
7 -2 4
3 10 100
10 1 1
4 11 121
11 2 4
Jumlah 36 334
Jumlah 10
4 4 2
4 2  
  xi  x 
2 4   xi    xi  2
10  i 1   4  334  36
2
s  i 1
  3,33 s 2  i 1
4 1 3 4  4  1 43
40
s  3,33  1,82   3,33
12
STATISTIKA DESKRIPTIF
Untuk data yang disusun dalam tabel distribusi frekuensi, maka varians
sampel ditentukan dengan rumus :
n n n 2
f  x x  2  
 i  i  n f i x i2   f i xi 
s2  i 1
s2 
i 1  i 1 
atau
n 1 n n  1
dimana :
xi  tanda kelas
f i  frekuensi yang sesuai dengan tanda kelas xi
n
n   fi
i 1
STATISTIKA DESKRIPTIF
Selain dua rumus di atas, varians sampel untuk data pada tabel distribusi
frekuensi dapat ditentukan dengan cara singkat atau cara sandi berikut :

 k k 2
 n  f c 2    f c  
i i i i
2 2  i 1  i 1  
s p  
 n  n  1 
 
 
dimana :
ci  nilai sandi
p  panjang kelas interval
k
n   fi
i 1
STATISTIKA DESKRIPTIF
Contoh : Tentukan varians dan simpangan baku dari data nilai ujian 80
mahasiswa

Nilai
Cara 1 : x  75 ,875
Ujian
fi xi xi  x  xi  x 2 f i xi  x 2 n
 f i   xi  x 
2
31 - 40 2 35,5 -40,375 1.630,14 3.260,28
s2  i 1
41 - 50 3 45,5 -30,375 922,64 2.767,92 n 1
51 - 60 5 55,5 -20,375 415,14 2.075,7 7
 f i   xi  x 
2
61 - 70 14 65,5 -10,375 107,64 1.506,96 i 1

71 - 80 24 75,5 -0,375 0,14 3,36 80  1
81 - 90 20 85,5 9,625 92,64 1.852,8 16.088,5

91 – 100 12 95,5 19,625 385,14 4.621,68 79
Jumlah 80 16.088,5  203,65
s  203,65  14,27
STATISTIKA DESKRIPTIF
Cara 2 :

Nilai Ujian fi xi xi2 fi xi2 fixi

31 - 40 2 35,5 1.260,25 2.520,5 71
41 - 50 3 45,5 2.070,25 6.210,75 136,5
51 - 60 5 55,5 3.080,25 15.401,25 277,5
61 - 70 14 65,5 4.290,25 60.063,5 917
71 - 80 24 75,5 5.700,25 136.806 1.812
81 - 90 20 85,5 7.310,25 146.205 1.710
91 – 100 12 95,5 9.120,25 109.443 1.146
Jumlah 80 476.650 6.070

n 2
2  n 
n  f i xi    f i xi 
 i 1  80  476 .650  6 .070 2 1 .287 .100
s 2  i 1    203 ,66
n n  1 80  79 6 .320
STATISTIKA DESKRIPTIF
Cara 3 : Nilai
fi xi ci ci2 fici fici2
Ujian
31 - 40 2 35,5 -4 16 -8 32
41 - 50 3 45,5 -3 9 -9 27
51 - 60 5 55,5 -2 4 -10 20
61 - 70 14 65,5 -1 1 -14 14
71 - 80 24 75,5 0 0 0 0
81 - 90 20 85,5 1 1 20 20
91 – 100 12 95,5 2 4 24 48
Jumlah 80 - - - 3 161

 k k 2 

 n f c2    f c   
i i i i 2
  i 1   2 80  161  3 
s 2  p 2  i 1   10    203 ,66
 n   n  1   80  79


 
 
STATISTIKA DESKRIPTIF

1. Jika tiap nilai data xi ditambah atau dikurangi dengan suatu bilangan
yang sama, maka simpangan baku s tidak berubah.
2. Jika tiap nilai data xi dikalikan dengan bilangan yang sama, misal d,
maka simpangan bakunya menjadi d kali simpangan baku asal.
STATISTIKA DESKRIPTIF
Jika ada k buah subsampel dengan keadaan berikut :
Subsampel 1 : berukuran n1 dengan simpangan baku s1
Subsampel 2 : berukuran n2 dengan simpangan baku s2
.......................................................................................
Subsampel k : berukuran nk dengan simpangan baku sk
Yang digabungkan menjadi sebuah sampel berukuran n = n1 + n2 + ... + nk
maka simpangan baku untuk sampel ini disebut simpangan baku gabungan
yang dihitung dengan rumus :
k
 n i  1s i
2

s2  i 1
k
 ni  k
i 1
STATISTIKA DESKRIPTIF

Rata-rata dan varians sebenarnya merupakan

hal istimewa dari kelompok ukuran lain yang
disebut momen.

Dari momen ini pula beberapa ukuran lain dapat

diturunkan.
STATISTIKA DESKRIPTIF

Diberikan variabel X dengan nilai-nilai : x1, x2, ..., xn ; A = sebuah

bilangan tetap, dan r = 0, 1, 2, ....

Momen ke - r sekitar A, disingkat mr, , didefinisikan sebagai:

n

 ix  A r

mr,  i 1
(1)
n
Untuk A  0, didapat momen ke - r sekitar nol, disingkat momen ke  r :
n
r
 xi
Momen ke  r  i 1 (2)
n
STATISTIKA DESKRIPTIF
Jika A  x diperoleh momen ke  r sekitar rata  rata (mr ) :
n
  xi  x 
r
i 1
mr  (3)
n

Untuk r = 2 dari rumus (3), diperoleh varians s2

STATISTIKA DESKRIPTIF
Jika data disusun dalam tabel distribusi frekuensi, maka rumus-rumus
di atas berturut-turut berbentuk :
Cara sandi :
k
 f i  xi  A
r  k 
r
  f i ci 
(1) mr,  i 1
mr,  p r  i 1 
n  n 
k  
r  
 f i xi
(2) Momen ke  r  i 1 k
dimana, n   f i
n
i 1
xi  tanda kelas interval
k
 f i  xi  x 
r f i  frekuensi kelas interval ke - i
i 1
(3) mr  p  panjang kelas interval
n
ci  variabel sandi
STATISTIKA DESKRIPTIF

Nilai-nilai mr untuk r = 2, 3, 4 dari m’r dapat ditentukan menggunakan

persamaan :

m2  m 2,   
, 2
m1

m3  m 3,  3 m 1, m 2, 2  , 3
m1

m4  m 4,  4 m 1, m 3,  6 
m1, 2
m 2, 3  
, 4
m1
STATISTIKA DESKRIPTIF
Contoh (Momen) :
Nilai
fi xi ci fici fi ci2 fi ci3 fi ci4
Ujian
31 - 40 2 35,5 -4 -8 32 -128 512
41 - 50 3 45,5 -3 -9 27 -81 243
51 - 60 5 55,5 -2 -10 20 -40 80
61 - 70 14 65,5 -1 -14 14 -14 14
71 - 80 24 75,5 0 0 0 0 0
81 - 90 20 85,5 1 20 20 20 20
91 – 100 12 95,5 2 24 48 96 192
Jumlah 80 - - 3 161 -147 1061

Dengan menggunakan cara sandi, maka di peroleh :  k r 

  f i ci 
mr,  p r  i 1 
 n 
 
 
STATISTIKA DESKRIPTIF
 k   k 3
  f i ci    f i ci 
m1,  p i 1   10 3   0,375 m3,  p 3  i 1   10 3   147   1837,5
 n   80   n   80 
   
   

 k 2  k 4
  f i ci    f i ci 
, 2  i 1  2  161  , 4  i 1  4  1061 
m2  p  10    201,25 m4  p  10    132625
 n   80   n   80 
   
   
Sehingga :
m 2 = s2
m2  m 2,   
, 2
m1  201 , 25  0 ,375 2  201 ,11

 
m 3  m 3,  3 m 1, m 2,  2 m 1,
3
 18 ,375  3  0 ,375  20 ,125  2  0 ,375 3   4 ,16

 
m 4  m 4,  4 m 1, m 3,  6 m 1,
2
 
m 2,  3 m 1,
4

 132625  4 . 0 ,375 . 1837 ,5  6 . 0 ,375 2 . 201 , 25  3 . 0 ,375 4

 130 . 038 ,50
STATISTIKA DESKRIPTIF
Suatu kurva atau model dikatakan model positif jika kemiringan positif,
yaitu jika ekornya memanjang ke sebelah kanan. Sedangkan jika ekornya
memanjang ke sebelah kiri maka dikatakan model negatif atau model dengan
kemiringan negatif. Suatu model dikatakan simetrik jika kemiringan sama
dengan nol.
Ukuran kemiringan ditentukan oleh :
Rata - rata - Modus
(1) Kemiringan 
Simpangan baku
yang disebut koefisien kemiringan Pearson tipe pertama.atau :
3Rata - rata - Median 
(2) Kemiringan 
Simpangan baku

disebut koefisien kemiringan Pearson tipe kedua.

STATISTIKA DESKRIPTIF
KEMIRINGAN/SKEWNESS (GAMBAR)
STATISTIKA DESKRIPTIF
Contoh (Kemiringan) :
Untuk data nilai 80 mahasiswa, diketahui :
Me  77,17 ; Mo  77,64 ; x  75,875 ; s  14,27
maka :
Rata - rata - Modus 75,875  77,64
Kemiringan    0,12
Simpangan baku 14,27
Karena kemiringan negatif dan dekat dengan nol, maka modelnya sedikit
miring ke kiri.
STATISTIKA DESKRIPTIF
Bertitik tolak dari kurva normal atau distribusi normal, tinggi rendahnya
atau runcing datarnya bentuk kurva disebut kurtosis.
Kurva distribusi normal yang tidak terlalu runcing atau tidak terlalu datar,
dinamakan mesokurtik. Kurva yang runcing dinamakan leptokurtik
sedangkan yang datar disebut platikurtik.
STATISTIKA DESKRIPTIF
Ukuran kurtosis ialah koefisien Untuk menyelidiki apakah distribusi
k u r t o s i s , d i t e n t u k a n d e n g a n normal atau tidak, sering dipakai
rumus : koefisien kurtosis persentil, simbol :
κ (dibaca : Kappa) dengan rumus :
 m4 
a4   2 
m 
 2 SK 1
2 K 3  K1 
 
P90  P10 P90  P10
dimana :
a4  3  distribusi normal SK = Rentang semi antar kuartil
a4  3  distribusi leptokurtik K1 = Kuartil pertama
K3 = Kuartil ketiga
a4  3  distribusi platikurtik P10 = Persentil kesepuluh
P90 = Persentil ke-90