## B EE LL AA J J AARRT TA AN NP PA AB B

A TA AT SA S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

STATISTIKA
PERTEMUAN 4
Pemusatan Data
 # B E L A J A R T A N P A B A T A S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

M a t e r i Pe r t e m u a n 4
Pe m u s a t a n D a t a
a. Pemusatan data (mean, median, modus,
persentil, desil, quartil).
b. Varians dan stadar deviasi
c. Koefisien variansi
Ukuran Pemusatan Data
3

p k n s t a n . a c . i d
 Menandakan jumlah dari sekumpulan nilai

x adalah variabel yang biasanya digunakan untuk merepresentasikan

nilai data individu

–
# B E L A J A R T A N P A B A T A S
n merepresentasikan jumlah nilai data dalam suatu sampel

N merepresentasikan jumlah nilai data dalam suatu populasi

 Ukuran Pemusatan Data
4

• Untuk Menyelidiki segugus data Ukuran pemusatan yang paling

p k n s t a n . a c . i d
kuantitatif akan sangat membantu sering digunakan
jika kita mendefinisikan ukuran-
ukuran numerik yang menjelaskan MEAN
ciri-ciri data yang penting

–
MODUS

# B E L A J A R T A N P A B A T A S
• Salah satu cara yang dapat ditempuh
adalah dengan menentukan lokasi MEDIAN
pemusatan data
Ukuran Pemusatan Data
5

MEAN (RATA-RATA) Data Tunggal

Mean adalah sebuah nilai yang khas yang dapat mewakili suatu
himpunan data.

p k n s t a n . a c . i d
Mean diperoleh dengan cara menjumlah semua data lalu membagi
dengan jumlah pengamatan

–
# B E L A J A R T A N P A B A T A S
population sample
σ𝑵
𝒊=𝟏 𝑿𝒊 σ𝒏
𝒊=𝟏 𝒙𝒊
µ= ഥ=
𝒙
𝑵 𝒏
Ukuran Pemusatan Data
6

MEAN (RATA-RATA) Data Tunggal

ഥ
𝒙 Contoh

p k n s t a n . a c . i d
penghasilan bulanan 10 orang pegawai honorer di DJKN yang paling
rajin pada tahun 2016 (dalam Rp ribu):
900, 1200, 1600, 600, 1800, 1900, 900, 1800, 700, 1600.

–
# B E L A J A R T A N P A B A T A S
Hitung Rata-rata penghasilan bulan 10 pegawai honore DJP tersebut.

900+1200+1600+600+1800+1900+900+1800+700+1600
ഥ=
𝒙 𝟏𝟎
= 1300
Ukuran Pemusatan Data 7

Modus Data Tunggal

 Modus adalah data yang paling sering muncul/ mempunyai frekuensi tertinggi.

p k n s t a n . a c . i d
 Contoh Data Kualitatif
- Kebanyakan Mahasiswa PKN STAN berasal dari Jabodetabek
- Wanita pada umumnya suka belanja

–
 Contoh data kuantitatif

# B E L A J A R T A N P A B A T A S
Hasil observasi usia PNS (dalam tahun) yang paling sering terlambat masuk kerja
di Kementerian Keuangan pada tahun 2020 adalah:
20, 45,60, 56, 45, 45, 20, 19, 57, 45, 45, 51, dan 35. Berapa modusnya?
Modus = 45.
Ukuran Pemusatan Data 8

Median Data Tunggal

Median (x)~ adalah “Titik Tengah” Data
Untuk Menemukan nilai Median suatu
himpunan data, kita urutkan dari yang
terkecil sampai yang terbesar
p k n s t a n . a c . i d
19, 20, 20, 35, 45, 45, 45
Median

–
Untuk n Ganjil

# B E L A J A R T A N P A B A T A S
Median adalah nilai yang terletak persis di
tengah 𝒏+𝟏
Med =
𝟐
Banyak data : n= 7
Median = data ke (7+1)/2 = 4
Median = 35
Ukuran Pemusatan Data 9

Median Data Tunggal

Bagaimana Mediannya jika N genap? Yang berarti tidak punya titik tengah

p k n s t a n . a c . i d
Diambil nilai rata-rata data dari dua nilai di kanan dan kiri bagian tengah
Contoh tinggi badan 10 orang mahasiswa Prodip I STAN (dalam cm):
180, 171, 170, 167, 166, 165, 164, 160, 147, 145

–
# B E L A J A R T A N P A B A T A S
Spasi tengah Untuk n Genap
𝟏 𝒏
Kita ambil rata-rata 𝟏𝟔𝟔+𝟏𝟔𝟓
= 165,5 Med = (𝑿𝒌 +𝑿𝒌+𝟏 ) dengan k =
166 dan 165 𝟐 𝟐 𝟐
𝟏𝟎
Banyak data : n= 10 → k = =𝟓
𝟐
𝟏 𝟏
Median = (𝑿𝟓 +𝑿𝟔 ) = (166+165) = 165,5
𝟐 𝟐
Ukuran Pemusatan Data 10

Perbandingan Mean, Median, dan Modus

Mean = median = modus

p k n s t a n . a c . i d
–
# B E L A J A R T A N P A B A T A S
1 2 3 4 5 6 7 8 9 10 11 12
Ukuran Pemusatan Data 11

Perbandingan Mean, Median, dan Modus

Mean > median > modus

p k n s t a n . a c . i d
–
# B E L A J A R T A N P A B A T A S
1 2 3 4 5 6 7 8 9 10 11 12
Ukuran Pemusatan Data 12
Perbandingan Mean, Median, dan Modus

Mean < median < modus

p k n s t a n . a c . i d
–
# B E L A J A R T A N P A B A T A S
1 2 3 4 5 6 7 8 9 10 11 12
 Ukuran Pemusatan Data 13
Perbandingan Mean, Median, dan Modus

Mean
• Ukuran lokasi pemusatan yang paling umum digunakan

p k n s t a n . a c . i d
• Mudah dihitung dan memanfaatkan semua informasi yang dimiliki
• Lebih stabil dibandingkan dengan median
• Kekuarangannya sangat dipengaruhi oleh nilai ekstrem (pencilan/outlier)

Median

–
# B E L A J A R T A N P A B A T A S
• Kemudahan dalam menghitung jika banyaknya pengamatan relatif kecil
• Tidak dipengaruhi nilai ekstrem

Modus
• Paling jarang digunakan
• Tidak memerlukan perhitungan
• Dapat digunakan untuk data kualitatif dan kuantitatif
• Untuk gugus data kecil manfaat modus hampir tidak ada
 Ukuran Pemusatan Data 14
Perbandingan Mean, Median, dan Modus

Mengapa dibutuhkan lebih dari satu ukuran untuk menentukan titik pusat?
Ambil misal median, tidak peka terhadap pencilan, atau nilai ekstrim yang
tidak umum dibandingkan data-data lain.

p k n s t a n . a c . i d
Contoh kasus tinggi badan 5 orang mahasiswa adalah sebagai berikut (dalam
cm):
155, 157, 160, 161, 162
Berapa mediannya ? → 160
Berapa rata-ratanya ? →159

–
# B E L A J A R T A N P A B A T A S
Kamu mengacaukan
Jika ada nilai ekstrim, contoh salah satu mahasiswa adalah pemain basket rata-rata tinggi badan
yang mempunyai tinggi 185, sehingga datanya menjadi kelompok kita
155, 157, 160, 161, 190
Berapa mediannya? → 160
Berapa rata-ratanya ? → 164,6
Ukuran Pemusatan Data 15
Midrange

p k n s t a n . a c . i d
nilai di tengah-tengah antara nilai maksimum dan minimum
dalam suatu kumpulan data
maximum value + minimum value
Midrange =

–
2

# B E L A J A R T A N P A B A T A S
Ukuran Pemusatan Data 16
Weighted Mean

Ketika nilai data diberikan bobot yang berbeda, kita dapat

p k n s t a n . a c . i d
mencari rata-rata dengan menggunakan weighted mean

–
 (w • x)

# B E L A J A R T A N P A B A T A S
x =
w
Ukuran Pemusatan Data 17

KUARTIL
• Kuartil = nilai-nilai yang membagi data yang telah diurutkan menjadi 4 bagian
yang sama.
• Dalam suatu gugus data diperoleh:

p k n s t a n . a c . i d
o Kuartil 1 (Q1)
o Kuartil 2 (Q2) atau Median
o Kuartil 3 (Q3)
• Letak kuartil adalah:

–
# B E L A J A R T A N P A B A T A S
di mana:
Qk = kuartil ke k;
k = 1, 2, 3; dan
N = banyak data
Ukuran Pemusatan Data 18

KUARTIL
Contoh : Tentukan letak dan nilai Q1, Q2, dan Q3 untuk data berikut:
35, 40, 70, 80, 91, 50, 61, 25, 95!

p k n s t a n . a c . i d
• Data diurutkan:
25, 35, 40, 50, 61, 70, 80, 91, 95

• Letak Q1 = 1(9 + 1) / 4 = 2,5

Jadi nilai Q1 terletak di antara data ke-2 dan ke-3, maka:

–
Q1 = 35 + (1/2)(40 – 35) = 37,5.

# B E L A J A R T A N P A B A T A S
• Letak Q2 = 2(9 + 1) / 4 = 5
Jadi nilai Q2 terletak pada data ke-5, yaitu 61.

• Letak Q3 = 3(9 + 1) / 4 = 7,5

Jadi nilai Q3 terletak di antara data ke-7 dan ke-8, maka:
Q3 = 80 + (1/2)(91 – 80) = 85,5
Ukuran Variasi 19

(Ukuran Dispersi – Ukuran Penyebaran – Ukuran Penyimpangan – Ukuran Keragaman)

p k n s t a n . a c . i d
Definisi
Dispersi atau Variasi Data adalah ukuran yang
menggambarkan bagaimana suatu kelompok data

–
menyebar terhadap pusatnya data atau ukuran

# B E L A J A R T A N P A B A T A S
penyebaran suatu kelompok data terhadap pusat
data
 Ukuran Variasi 20

Alasan Mempelajari Dispersi/Variasi

❑ Mean dan median hanya menggambarkan pusat data dari sekelompok

p k n s t a n . a c . i d
data, tetapi tidak menggambarkan penyebaran nilai pada data
tersebut.
❑ Dua kelompok data dengan mean yang sama, belum tentu memiliki
penyebaran data yang sama.

–
# B E L A J A R T A N P A B A T A S
❑ Ukuran dispersi yang kecil menunjukkan nilai data saling berdekatan
(perbedaan kecil), sedangkan ukuran dispersi yang besar menunjukkan
nilai data saling menyebar (perbedaan nilai masing-masing data
besar).
❑ Ukuran dispersi digunakan untuk melengkapi perhitungan nilai pusat
data.
 Ukuran Variasi 21

Alasan Mempelajari Dispersi/Variasi

Perhatikan Ilustrasi ini :

p k n s t a n . a c . i d
Nilai Mahasiswa dari dua Kelas A dan B
dengan nilai mean sama.
Kelas Nilai Mean

–
A 60 65 70 70 75 80 70

# B E L A J A R T A N P A B A T A S
B 35 55 55 90 95 100 70

•Jika berdasarkan nilai Mean, siswa di kedua kelas tsb mempunyai

kemampuan sama.
 Ukuran Variasi 22

Alasan Mempelajari Dispersi/Variasi

Namun, perhatikan sebaran data tiap kelas pada kedua diagram ini :
Mahasiswa kelas A
Kelas B

p k n s t a n . a c . i d
Kelas A
100 100
mempunyai kemampuan yang
90 90
hampir seimbang, berbeda
80 80 dengan kelas B. Seandainya
Mean =70 Mean =70 syarat lulus min. nilai 60 maka

–
60 60 siswa kelas B hanya 50% yang

# B E L A J A R T A N P A B A T A S
50 50 dapat lulus.
40 40
30 30
Cenderung Homogen Cenderung Heterogen
Jadi dari dua rangkaian data yang memiliki nilai mean sama belum tentu mempunyai
karakteristik sama,
Karena besarnya penyimpangan nilai data dari nilai rata-ratanya untuk setiap kelas dapat
berbeda.
 Ukuran Variasi 23

Alasan Mempelajari Dispersi/Variasi

Penyimpangan nilai data terhadap nilai mean (ukuran variasi)

p k n s t a n . a c . i d
dari dua rangkaian data dapat berbeda, yaitu :

–
# B E L A J A R T A N P A B A T A S
Mean1 = Mean2 Mean1 ≠ Mean2 Mean1 ≠ Mean2 Mean1 = Mean2
Ukuran Variasi Berbeda Ukuran Variasi Berbeda Ukuran Variasi Sama Ukuran Variasi Sama
 Ukuran Variasi 24
Konsep Dasar
DISPERSI/VARIASI

p k n s t a n . a c . i d
DISPERSI/VARIASI DISPERSI/VARIASI
MUTLAK RELATIF
Dispersi mutlak digunakan untuk Dispersi relatif digunakan untuk
mengetahui tingkat variabilitas nilai- membandingkan tingkat variabilitas

–
nilai observasi pada suatu data nilai-nilai observasi suatu data dengan

# B E L A J A R T A N P A B A T A S
tingkat variabilitas nilai-nilai observasi
data lainnya
Jangkauan/Nilai jarak (Range)
Simpangan Kuartil (Quartile Deviation)
Simpangan Rata-rata (Mean Deviation) Koefisien Variasi (Variance Coefficient)
Simpangan Baku (Standard Deviation)
Ukuran Variasi 25
NILAI JARAK

• Ukuran variasi yang paling sederhana adalah nilai jarak (range).

p k n s t a n . a c . i d
NJ = Xn – X1
Nilai Jarak = Nilai Maksimum – Nilai Minimum

• Semakin besar nilai Range, semakin besar penyimpangan data dari rata-rata hitungnya

–
# B E L A J A R T A N P A B A T A S
• Contoh : Carilah nilai jarak dari data nilai kelas A dan B berikut ini kemudian
bandingkan !
Kelas Nilai Mean
A 60 65 70 70 75 80 70
B 35 55 55 90 95 100 70
Ukuran Variasi 26
NILAI JARAK

Kelas Nilai Mean

p k n s t a n . a c . i d
A 60 65 70 70 75 80 70
B 35 55 55 90 95 100 70

NJ kelas A = 80 – 60

–
# B E L A J A R T A N P A B A T A S
= 20
Penyimpangan data
Kelas A > B
NJ kelas B = 100 – 35
= 65
Ukuran Variasi 27
NILAI JARAK
• Nilai jarak bukan merupakan ukuran keragaman yang baik, terutama bila
ukuran contoh atau populasinya banyak.
• Ukuran ini hanya memperhatikan kedua nilai ekstrim/ujung dan tidak

p k n s t a n . a c . i d
mengatan apa-apa mengenai sebaran bilangan-bilangan yang terdapat
diantara kedua nilai ekstrim/ujung

Kelas Nilai Mean

–
# B E L A J A R T A N P A B A T A S
A 60 65 70 70 75 80 70
B 35 55 55 90 95 100 70
 Ukuran Variasi 28
SIMPANGAN BAKU DAN VARIANS

• Untuk mengatasi kekurangan yang dimiliki nilai jarak kita akan membahas
ukuran keragaman lain yaitu varian yang memperhatikan posisi relatif setiap

p k n s t a n . a c . i d
pengamatan terhadap rata-ratanya.
• Hal ini dapat diperoleh dengan memeriksa simpangan dari rata-rata
• Simpangan dapat diperoleh dengan mengurangkan pengamatan tersebut
dengan rata-ratanya
• Untuk populasi terhingga x1, x2,…, xN, simpangannya adalah

–
# B E L A J A R T A N P A B A T A S
x1 −  , x2 −  ,..., x N − 
• Untuk contoh acak x1, x2,…, xn, simpangannya adalah

x1 − x , x2 − x ,..., xn − x
 Ukuran Variasi 29
SIMPANGAN BAKU DAN VARIANS
• Pengamatan yang lebih besar dari rata-rata akan menghasilkan nilai positif,
sedangkan yang lebih kecil akan menghasilkan nilai negatif
• Bandingkan simpangan-simpangan dari kedua gugus ini

p k n s t a n . a c . i d
Kelas Simpangan Mean
A -10 -5 0 0 5 10 70
B -35 -15 -15 20 25 30 70

–
# B E L A J A R T A N P A B A T A S
• Sebagian besar simpangan-simpangan kelas A lebih kecil dari simpangan-
simpangan Kelas B
• Hal ini menunjukkan varian/ragam yang lebih kecil diantara pengamatan-
pengamatan dalam Kelas A
Ukuran Variasi 30
SIMPANGAN BAKU DAN VARIANS

• Jumlah semua simpangan dari nilai rata-ratanya selalu sama dengan nol

p k n s t a n . a c . i d
• Pertanyaannya adalah bagaimana memperoleh ukuran numerik bagi
keragaman yang memperhitungkan simpangan dari rata-ratanya
• Digunakanlah nilai mutlak simpangannya

–
# B E L A J A R T A N P A B A T A S
Ukuran Variasi 31
SIMPANGAN BAKU DAN VARIANS
RATA-RATA SIMPANGAN
1
• Jika terdapat data X1, X2, X3, ..., XN dan rata-rata = X = X ,

p k n s t a n . a c . i d
i
N
maka simpangan terhadap rata-rata hitung diartikan sebagai:

• Rata-rata simpangan (RS) = rata-rata hitung dari nilai absolut

–
# B E L A J A R T A N P A B A T A S
simpangan.
• Simpangan terhadap mean:
1
𝑅𝑆 = 𝑋𝑖 − 𝑋
𝑁
• Simpangan terhadap median:
1
𝑅𝑆𝑚𝑒𝑑 = 𝑋𝑖 − 𝑀𝑒𝑑
𝑁
Ukuran Variasi 32
SIMPANGAN BAKU DAN VARIANS
RATA-RATA SIMPANGAN
X = (50 + 40 + 30 + 60 + 70 ) = 50
Contoh 1

p k n s t a n . a c . i d
• Data: 50 40 30 60 70
5
Med = 50
Carilah rata-rata simpangan terhadap
1
RS =  X i − X
rata-rata hitung (mean) maupun
terhadap median!
5

–
RS =  ( 0 + − 10 + − 20 + 10 + 20 ) = 12
1

# B E L A J A R T A N P A B A T A S
5
1
RS Med =  X i − Med = 12
5
Ukuran Variasi 33
SIMPANGAN BAKU DAN VARIANS
RAGAM (VARIANS)
 Definisi
• Manipulasi matematika sulit Varians adalah ukuran keragaman yang

digunakan untuk nilai-nilai mutlak,
sehingga cara ini jarang digunakan
• Sebagai gantinya digunakan kuadrat
simpangan dalam menghitung varian
p k n s t a n . a c . i d
melibatkan seluruh data.
Varians merupakan rata-rata kuadrat selisih
dari semua nilai data terhadap nilai rata-rata
hitung.

–
# B E L A J A R T A N P A B A T A S
 Varians didasarkan pada perbedaan antara nilai
tiap observasi (Xi) dan rata-rata ( 𝒙
ഥ untuk
sampel dan  untuk populasi)
 Ukuran Variasi 34
SIMPANGAN BAKU DAN VARIANS
RAGAM (VARIANS)
• Populasi
σ2 = varians populasi
 (X i −  )
N 2

p k n s t a n . a c . i d
Xi = data ke-i
2 = i =1
μ = rata-rata populasi
N
N = banyaknya populasi
ഥ
𝒙
• Sampel

–
# B E L A J A R T A N P A B A T A S
2
σ𝑛𝑖=1 𝑥𝑖 − 𝑥lj 2 s2 = varians sampel
𝑠 = xi = data ke-i
𝑛−1 𝑥ҧ = rata-rata sampel
n = banyaknya sampel
 Ukuran Variasi 35
SIMPANGAN BAKU DAN VARIANS

SIMPANGAN BAKU (STANDARD DEVIATION)

• Dengan menggunakan kuadrat simpangan untuk menghitung varian, kita

p k n s t a n . a c . i d
memperoleh suatu besaran dengan satuan yang sama dengan kuadrat satuan semula
• Jika data asal satuannya dalam meter, maka variannya mempunyai satuan meter
kuadrat
• Agar diperoleh ukuran keragaman dengan satuan yang sama, kita akarkan varian

–
# B E L A J A R T A N P A B A T A S
yang kita peroleh
• Ukuran yang diperoleh ini disebut simpangan baku
• Dengan demikian simpangan baku untuk gugus data A adalah
 Ukuran Variasi 36
SIMPANGAN BAKU DAN VARIANS

SIMPANGAN BAKU (STANDARD DEVIATION)

• Populasi

p k n s t a n . a c . i d
N
(
 iX −  )2

= i =1 σ = Simpangan Baku populasi

N Xi = data ke-i

–
  
μ = rata-rata populasi

# B E L A J A R T A N P A B A T A S
2
 N
 n  Xi   N = banyaknya populasi
1    
=  X i −
2 i =1

N  i =1 N 
 
 
 Ukuran Variasi 37
SIMPANGAN BAKU DAN VARIANS

SIMPANGAN BAKU (STANDARD DEVIATION)

p k n s t a n . a c . i d
σ𝑛
𝑖=1 𝑥𝑖 −𝑥lj
2
s= 𝑛−1
s = Simpangan Baku sampel
2
1 σ𝑛
𝑖=1 𝑥𝑖
s= σ𝑛𝑖=1 𝑥𝑖 2 − xi = data ke-i
𝑛−1 𝑛
𝑥ҧ = rata-rata sampel

–
# B E L A J A R T A N P A B A T A S
𝑛 σ𝑛 2 𝑛
𝑖=1 𝑥𝑖 − σ𝑖=1 𝑥𝑖
2 n = banyaknya sampel
s= 𝑛 𝑛−1
 Ukuran Variasi 38
SIMPANGAN BAKU DAN VARIANS
SIMPANGAN BAKU (STANDARD DEVIATION)
• Contoh
Diketahui data upah mingguan seluruh karyawan suatu perusahaan (dalam

p k n s t a n . a c . i d
ribuan rupiah) : 300, 400, 500, 600, 700.
• Hitunglah simpangan baku dari data tersebut!

Xi Xi Xi2   N
 
2

n  Xi  

–
X1 300 9000 1   

# B E L A J A R T A N P A B A T A S
=  X i −
2 i =1
 Jadi simpangan baku dari
X2 400 16000 N  i =1 N  data tersebut adalah
 
X3 500 25000   141,1 (Rp141.400,00)
X4 600 36000
=
1 (6250000 ) 
2

1350000 − 
X5 700 49000 5 5 
5 2500 1350000  = 141,4
 Ukuran Variasi 39
SIMPANGAN BAKU DAN VARIANS
SIMPANGAN BAKU (STANDARD DEVIATION)
• Contoh
Diketahui data upah mingguan seluruh karyawan suatu perusahaan (dalam

p k n s t a n . a c . i d
ribuan rupiah) : 300, 400, 500, 600, 700.
• Hitunglah simpangan baku dari data tersebut!

300+400+500+600+700 (−200)2 +(−100)2 +(0)2 +(100)2 +(200)2

µ=

–
5 𝜎=

# B E L A J A R T A N P A B A T A S
5
= 500
40000 + 10000 + 0 + 10000 + 20000
N 𝜎=
(
 i )
5
X −  2

= i =1
100000
N 𝜎= = 200000 = 141,4
5
 Ukuran Variasi 40
KOEFISIEN VARIASI

• Koefisien Variasi merupakan ukuran penyimpangan yang diukur secara relatif

atau %.
• Koefisien Variasi digunakan untuk membandingkan dua kelompok data

p k n s t a n . a c . i d
• Rumus Koefiesien Variasi

KV =  100% , untuk populasi


–
# B E L A J A R T A N P A B A T A S
s
kv =  100% , untuk sampel
x

• Jika ada dua kelompok data dengan KV1 dan KV2 dimana KV1 > KV2 , maka kelompok
pertama lebih bervariasi atau lebih heterogen dibandingkan kelompok dua
 Ukuran Variasi 41
KOEFISIEN VARIASI
• Contoh Harga Mobil Bekas Harga Ayam
Rp 4.000.000 Rp 600

p k n s t a n . a c . i d
Rp 4.500.000 Rp 800
Rp 5.000.000 Rp 900
Rp 4.750.000 Rp 550
Rp. 4.250.000 Rp 1.000

–
# B E L A J A R T A N P A B A T A S
• Rata-rata Harga mobil bekas adalah Rp 4.500.000 dengan simpangan baku Rp
353.550, sedangkan rata-rata harga ayam adalah Rp 770 dengan simpangan baku Rp
172,05
353.550 172,05
KVm = 100% = 7,68% KVa = 100% = 22,34%
4.500.000 770
• KVa > KVm, ini berarti harga ayam lebih bervariasi (heterogen)dibandingkan harga
mobil bekas
 Ukuran Variasi 42
NILAI Z (Z Score)

Nilai Z merupakan suatu ukuran yang menentukan seberapa besar jarak suatu nilai (dari
observasi suatu kumpulan data) terhadap rata-ratanya dalam satuan standar deviasinya. Nilai Z

p k n s t a n . a c . i d
digunakan untuk membandingkan dua pengamatan dari dua populasi yang berbeda sehingga
kita dapat menentukan tingkatan relatifnya.

Sample Population

–
# B E L A J A R T A N P A B A T A S
x – x z= x – µ
z= s 
Ukuran Variasi 43
NILAI Z (Z Score)

Seorang mahasiswa mendapatkan nilai 82 pada mata kuliah statistika, sedangkan nilai rata-rata dan
standar deviasi seluruh mahasiswa di kelasnya adalah masing-masing 68 dan 8. Di kelas yang sama,
mahasiswa tersebut mendapatkan nilai 89 pada mata kuliah Bahasa Inggris. Nilai rata-rata seluruh

p k n s t a n . a c . i d
mahasiswa di kelas tersebut adalah 80 sedangkan standar deviasinya adalah 6. Pertanyaannya pada
mata kuliah apa mahasiswa tersebut berprestasi lebih baik?

Statistika Bahasa Inggris

82 – 68 89 – 90

–
# B E L A J A R T A N P A B A T A S
z= = 1,75 z= = 1,5
8 6

Berdasarkan nilai Z tersebut kita dapat mengatakan mahasiswa tersebut prestasi mahasiswa tersebut dalam mata
kuliah statistika lebih baik dibandingkan mata kuliah Bahasa inggris
 Ukuran Variasi 44
Diagram Kotak Garis (Boxplot )

p k n s t a n . a c . i d
Informasi yang diperoleh dari Boxplot
• Melihat ukuran penyebaran dan ukuran
pemusatan data

–
• Melihat adanya data pencilan

# B E L A J A R T A N P A B A T A S
• Sebagai alat pembandingan sebaran dua
kelompok data atau lebih
 Ukuran Variasi 45
Diagram Kotak Garis (Boxplot )

Q1 Q2 Q3

p k n s t a n . a c . i d
Min Max
* * * * * *
1,5 IQR 1,5 IQR
Nilai Ekstrim Pencilan Pencilan Nilai Ekstrim

–
# B E L A J A R T A N P A B A T A S
3 IQR Interquartile Range (IQR): Q3 – Q1 3 IQR

Batas Bukan Pencilan

Statistik lima serangkai (Min, Q1, Q2, Q3, Max)

Ukuran Variasi 46
Diagram Kotak Garis (Boxplot )

Cara membuat box plot

1) Hitung Statistik lima serangkai

p k n s t a n . a c . i d
2) Hitung Batas Atas (BA): Q3 +1.5(IQR)
3) Hitung Batas Bawah (BB): Q1-1.5(IQR)
4) Identifikasi data. Jika data < BB atau data > BA maka data
dikatakan outlier

–
# B E L A J A R T A N P A B A T A S
5) Gambar kotak dengan batas Q1 dan Q3
6) Jika tidak ada pencilan : Tarik garis dari Q1 sampai data terkecil
dan tarik garis dari Q3 sampai data terbesar
7) Jika ada pencilan : Tarik garis Q1 dan atau Q3 sampai data
sebelum pencilan
8) Pencilan digambarkan dengan asterik atau symbol lainnya
Ukuran Variasi 47
Diagram Kotak Garis (Boxplot )

Data hasil ujian akhir Mata Kuliah Statistika dari 60 orang mahasiswa

p k n s t a n . a c . i d
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43

–
# B E L A J A R T A N P A B A T A S
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61

Buatlah Boxplot dari Data Diatas

 Ukuran Variasi 48
Diagram Kotak Garis (Boxplot )

MIN : 10

p k n s t a n . a c . i d
Q1 : 54,25
Q2 : 71,5
Q3 : 80,75
MAX : 98
IQR (Q3 - Q1) : 26,5

–
Batas Atas (Q3 + 1,5IQR) : 120,5

# B E L A J A R T A N P A B A T A S
Batas Bawah (Q1 - 1,5IQR) : 14,5
 Ukuran Variasi Ilustrasi 49
Diagram Kotak Garis (Boxplot )
Jawa Barat Jawa Tengah
No. Kota/Kab Pert. Pend. No. Kota/Kab Pert. Pend. B o x p l o t o f p e r tu m b u h a n p e n d d v s p r o p
1 Pandenglang 2.15 1 Cilacap 1.28 K o ta S e m ar an g
2 Lebak 2.48 2 Banyumas 1.78 5
3 Bogor 4.52 3 Prubalingga 1.42
4 Sukabumi 2.51 Bo g o r
4 Banjarnegara 1.49
5 Cianjur 2.33

p k n s t a n . a c . i d
5 Kebumen 1.09 4 T an g e r an g
6 Bandung 3.31
6 Purworejo 0.62
7 Garut 2.35

pertumbuhan
7 Wonosobo 1.64
8 Tasikmalaya 2.15
8 Magelang 1.31 3
9 Ciamis 1.21
9 Boyolali 1.08
10 Kuningan 1.97
10 Klaten 1.19

pendd
11 Cirebon 2.73
11 Sukoharjo 2.10 2
12 Majalengka 2.01
13 Sumedang 1.41 12 Wonogiri 0.51
14 Indramayu 2.53 13 Karanganyar 2.07
15 Subang 1.89 14 Sragen 1.85 1

–
16 Purwakarta 2.32 15 Grobogan 1.52
17 Karawang 2.31 16 Blora 1.27

# B E L A J A R T A N P A B A T A S
18 Bekasi 3.57 17 Rembang 2.08 0
19 Tangerang 4.04 18 Pati 1.62 Ja w a Ba ra t Ja w a T e nga h
20 Serang 2.85 19 Kudus 2.03 prop
21 Kota Bogor 2.60 20 Jepara 1.87
22 Kota Sukabumi 1.48 21 Demak 1.38
23 Kota Bandung 2.20 22 Semarang 0.46 Pertumbuhan penduduk di Jawa Barat relatif lebih tinggi
24 Kota Cirebon 2.51 23
24
Temanggung
Kendal
1.83
0.83
dibandingkan dengan pertumbuhan penduduk di Jawa Tengah.
Rata-Rata:
Jabar 2.48
25 Batang 1.70 Secara umum, tingkat keragaman pertumbuhan penduduk
26 Pekalongan 1.80
Jateng 1.68 27 Pemalang 1.79 antar kabupaten, di Jawa Tengah sedikit lebih besar dibanding
Minimum : 28 Tegal 2.67
Jabar 1.00 29 Brebes 2.09 dengan Jawa Barat. Kab Bogor dan Tangerang merupakan
Jateng
Maksimum:
1.00 30
31
Kota Magelang
Kota Surakarta
1.25
1.39
daerah yang tingkat pertumbuhan pendudukya cukup tinggi. Di
Jabar 23.00 32 Kota Slatiga 2.30 Jawa Tengah Kota Semarang yang pertumbuhan penduduknya
Jateng 33 Kota Semarang 5.21
34.00
34 Kota Pekalongan 1.95 paling tinggi.
35 Kota Tegal 2.44
 # B E L A J A R T A N P A B A T A S
PRODI DIII KEBENDAHARAAN NEFARA – PKN STAN – BPPK – KEMENKEU RI

TERIMA KASIH
#B ELA JA RTANPA BATAS