1.

Statistika Deskriptif
2.Estimasi parameter populasi
3.Prinsip pengujian hipotesis
4.Statistika parametrik: (1) uji kesamaan rata-rata satu
sampel dan dua sampel (uji- t dan uji z), (2) uji kesamaan
rata-rata k sampel (anava 1 jalur, anava faktorial 2
jalur, dan pos hoc test), (3) analisis korelasi (produk momen
dan parsial), (4) analisis regresi.
5.Uji persyaratan analisis
6.Statistika non-parametrik, mencakup pengujian hipotesis
komparatif: (1) satu sampel, (2) dua sampel bebas, (3)
dua sampel berkorelasi, (4) banyak (k) sampel, (5)
pengujian hipotesis asosiafif data nominal dan ordinal.
7.Program komputer statistika Statistical Package for Social
Sciences (SPSS)

Hadi, Sutrisno. 1991. Analisis Regresi. Yogyakarta:

Yayasan Penerbitan Fakultas Psikologi Universitas
Gajah Mada.
Sudjana. 1992. Metoda Statistika. Bandung: Tarsito

Statistika 1
 STATISTIK DAN STATISTIKA

KLASIFIKASI ILMU STATISTIKA

STATISTIKA

Statistika Deskriptif
Membuat Data Bermakna (Tidak
Menggeneralisasikan Hasil Ke Populasi)
METODE STATISTIKA
PARAMETRIK
STATISTIKA Statistika Inferensial
Membuat Generalisasikan Hasil Ke
Populasi STATISTIKA
NON-
PARAMETRIK

Statistika 2
 DATA
Definisi :
•Kumpulan Skor yang Diperoleh dari Hasil Pengukuran
•Kumpulan Informasi tentang Suatu Topik
•Keterangan Mengenai Sesuatu Hal

DATA

Cara Memperoleh Bentuknya Skala Pengukuran

Nominal

Data Kualitatif Data Kuantitatif

Data Primer:
Ordinal
Mengukur
Secara
Langsung
Interval
Diskrit Kontinum
Data Sekunder:
Mengutip Hasil Rasio
Pengukuran
Pihak Lain

•Semua
Objek, Orang, Peristiwa yang
Menjadi Sasaran Penelitian Objek
POPULASI Penelitian
•Karakteristik Objek, Orang, yang
peristiwa yang Menjadi SAMPEL Diambil dari
Sasaran Penelitian Populasi

PARAMETER: STATISTIK :
 = MEAN diestimasi oleh x = RATA-RATA
 = STDEV s = ST.DEVIASI
= UKURAN POPULASI n = UKURAN SAMPEL
(Banyaknya Anggota Sampel yang
(Semua Anggota dalam populasi ) Ditarik dari Populasi )

Statistika 3
 Tingkat Banyak Murid
Jumlah
Sekolah Laki-laki Perempuan
SD 875 687 1562
•TABEL DATA SMP 512 507 1019
SMA 476 342 818
SMK 316 427 743
2179 1963 4142
875
900
800 687
700
•DIAGRAM / GRAFIK
600 512507 476
500 427
Laki-laki
400 342 316 Perempuan
300
200
100
0
SD SMP SMA SMK

•DIAGRAM / GRAFIK

Statistika 4
 Bentuk distribusi dari suatu data pengamatan dapat dilihat melalui :
- Tabel Distribusi Frekwensi
- Histogram, Poligon dan Ogive
Sebagian besar data di dunia mengikuti bentuk distribusi Normal
Contoh : Nilai Ujian Statistika dari 80 Mahasiswa
79 49 48 74 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75

Langkah-langkah membuat tabel distribusi frekwensi

1. Cari Rentang Data dengan cara Nilai Maks – Nilai Min
Nilai Maks =99 ,Nilai Min = 35, Rentang = 99-35 = 64
2. Tentukan banyaknya kelas interval ( k = 1 + 3,3 log n)
n = 80, k = 1 + 3,3 log 80 = 7,28  7
3. Tentukan panjang/lebar kelas interval dengan p = rentang/k
p = 64/7  9
4. Buat tabel distribusi frekwensi dengan jumlah kelas k dan lebar kelas p

Statistika 5
 HISTOGRAM
Langkah-Langkah Membuat Histogram
1. Buat tabel distribusi frekwensi
2. Buat diagram sumbu dengan variabel x adalah data yang diamati dan y
adalah data frekwensi
3. Kurangi batas bawah kelas interval dengan faktor koreksi 0,5

POLIGON
Langkah-Langkah Membuat Poligon
1. Buat Histogram
2. Tentukan nilai tengah setiap kelas dengan rumus ½(batas bawah kelas +
batas atas kelas)
3. Hubungkan setiap nilai tengah pada histogram

Statistika 6
 OGIVE (1)
Langkah-Langkah Membuat Ogive
1. Buat Tabel Distribusi Frekwensi
2. Hitung Nilai frekwensi kumulatif kurang dari dan frekwensi kumulatif
lebih dari

OGIVE (2)

Statistika 7
 DIGUNAKAN
SEBAGAI PENGUKURAN LOKASI
DARI SEBUAH DISTRIBUSI

RATA-RATA, MODUS, MEDIAN, KUARTIL, DESIL, PRESENTIL

15

start Buat distribusi frekuensi data

berkelompok

Mengumpulkan data kasar Sajikan kedalam tabel dan

gambarkan dalam grafik
Menyusun data kasar
kedalam urutan Mengukur karakteristik data yang
telah dikelompokkan melalui ukuran
pemusatan dan ukuran penyebaran
Data kasar harus ya (dispersi)
disingkat dan
disederhanakan Mengukur karakteristik data Analisis
tunggal (tidak Karakteristik
tidak dikelompokkan) melalui Data di atas
ukuran pemusatan dan
ukuran penyebaran (dispersi) stop 16

Statistika 8
 RATA-RATA HITUNG
RATA-RATA UKUR
RATA-RATA HARMONIK
 RATA-RATA HITUNG (X) : hasil penjumlahan nilai-nilai x1, x2, ...
xn observasi dibagi dengan jumlah observasinya sebesar n.
 RATA-RATA UKUR (Gm atau U): hasil akar pangkat n dari
perkalian produk nilai-nilai observasi x1, x2, ... xn .
 RATA-RATA HARMONIK(rh atau H) : hasil pembagian antara
jumlah observasi sebesar n dengan penjumlahan nilai-nilai
observasi 1/xi
 HUBUNGAN X, U dan H : X > U > H
 PENGGUNAAN :
Rata-rata Hitung Rata-rata Ukur Rata-rata Harmonik
Mengukur nilai rata-rata Mengukur tingkat Mengukur nilai rata-rata
sebenarnya dari data perubahan ( rate of change) data yang memiliki nilai
untuk data nilai positif positif dan ada rasio 17

RATA-RATA RATA-RATA RATA-RATA

HITUNG UKUR HARMONIK
1. Rata-rata nilai mata 1. Rata-rata tingkat 1. Tiga pegawai bagian
kuliah statistika untuk pertambahan pembelian diberi tugas
mahasiswa TE 2002 pinjaman setiap membeli gaplek di
2. Rata-rata jumlah bulan di kantor pedalaman. Setiap pegawai
pencari kerja selama penggadaian. mendapat uang Rp. 450 juta.
tahun 1990 sampai 2. Diketahui data Dari hasil pembelian
2004 yang terdaftat di sambungan diperoleh bahwa pegawai ke-
Disnaker Surabaya telpon selama 1 membeli gapleh seharga
setahun. Berapa Rp. 30/kg, pegawai ke-2
rata-rata Rp.10/kg, pegawai ke-3
pertumbuhan Rp.5/kg. Berapa rata-rata
sambungan harga gaplek per kilo gram
telpon setiap yang telah dibayar oleh
bulan. perusahaa.
2. Si A bepergian pulang pergi.
Saat pergi kecepatannya 10
km/jam dan pulangnya 20
km/jam. Berapa rata-rata
kecepatan pulang pergi?
18

Statistika 9
 19
DATA TUNGGAL : DATA KELOMPOK :
Cara 1 : Cara 1 :
x 
x 1  x 2  ...  x n
x 
 f x i i
n
n
 f i

 xi
 n
Dimana : xi = nilai tengah kelas interval
= ½ ( batas atas kelas + batas bawah
 i1
 kelas)
n n fi = frekwensi kelas interval ke-i, i=1,2,...k
Cara 2 :
Cara 2 : Cara 3 :   fc 
x  x0  p  i i

x 
 f x i i
x 
n x i i

  f i


 f i n i
Dimana :
x0 = nilai tengah kelas rata-rata; p = panjang kelas interval,
Contoh : ci = ..,-4,-3,-2,-1,0,1,2,3,4,...

x
70  69  45  80  56
 64 xi fi f i xi Contoh :
5 Nilai Ujian Fi
Hitung rata-rata
1.
x
fx i i

1035
 64,6 Dengan cara 1 31-40 1
70 5 350
f i 16
69 6 414 Dan cara 2 !!! 41-50 2
2. 51-60 5
45 3 135
80 1 80 61-70 15
3. Rata-rata dari beberapa 56 1 56 71-80 25
sub sampel lalu dijadikan 81-90 20
16 1035
satu 91-100 12

20
CONTOH DATA KELOMPOK
 CARA 1  CARA 2
Nilai Ujian fi xi fi xi Nilai Ujian fi xi ci f i ci
31-40 1 35.5 35.5 31-40 1 35.5 -4 -4
41-50 2 45.5 91.0 41-50 2 45.5 -3 -6
51-60 5 55.5 277.5 51-60 5 55.5 -2 -10
61-70 15 65.5 982.5 61-70 15 65.5 -1 -15
71-80 25 75.5 1887.5 71-80 25 75.5 0 0
81-90 20 85.5 1710.0 81-90 20 85.5 1 20
91-100 12 95.5 1146.0 91-100 12 95.5 2 24
JUMLAH 80 - 6130.0 JUMLAH 80 - - 9
6130.0  9 
x  76.62 x  75 . 5  10    76 . 62
80  80 

Statistika 10
 21
DATA TUNGGAL 2. Dengan cara 2:
log 2  log 4  log 8
log U 
CARA 1 : log U = 3
0.301+0.6021+0.9031 =0.6021
U  n x1.x2 .x3 ...xn 3
U = antilog (0.6021) = 4
CARA 2 :
log U 
 log x i
2  4  8 14
CARA 3 : n x    4 , 67  5
3 3
t
 x  3. Penduduk Indonesia pada akhir tahun 1946
Pt  Po  1   ada 60 juta sedangkan pada akhir tahun 1956
 100  ada 78 juta, berapa laju rata-rata
CONTOH : pertumbuhan tiap tahun.
10
1. Berapa Rata-rata perkembangan nilai  x   x 
mahasiswa A setiap bulan jika hasil 78  601    log 78  log 60  10 log1  
ujian bulanan dia memperoleh nilai 2,
 100   100 
4, 8.  x 
1,8921  1, 7782  (10 ). log  1  
 100 
U  3 2 x 4 x8  3 64  4 
1 
x 
  1, 0267  x  2 , 67
 100 

22
DATA KELOMPOK  Nilai ujian 80 Mahasiswa

log U 
 ( f log x )
i i
Nilai Ujian
31-40
fi
1
xi log xi
35.5 1.5502
fi. log xi
1.5502
f i 41-50 2 45.5 1.6580 3.3160
CONTOH: 51-60 5 55.5 1.7443 8.7215
 (fi log xi) = 150,1782 61-70 15 65.5 1.8162 27.2430
 fi = 80 71-80 25 75.5 1.8779 46.9475
log U = 150,1782/80 81-90 20 85.5 1.9320 38.6400
U = 75,37 91-100 12 95.5 1.9800 23.7600
JUMLAH 80 - 150.1782

6130.0
x  76.62
80

Statistika 11
 23
DATA TUNGGAL DATA KELOMPOK

H 
n
H 
 fi
 1   fi 
    
 xi

 xi  CONTOH: 
CONTOH:
1. Rata-rata harmonik untuk data : 3,5,6,6,7, 80
10,12 dengan n=7 adalah: Nilai Ujian fi xi fi//xi
H
H 
7
 5 , 87
31-40 1 35.5 0.0282 1,0819
1 1 1 1 1 1 1
 
3 5 6

6
 
7 10

12
41-50 2 45.5 0.0440
 73,94
51-60 5 55.5 0.0901
2. Si A bepergian pulang pergi. Saat pergi
kecepatannya 10 km/jam dan pulangnya 20 61-70 15 65.5 0.2290
km/jam. Berapa rata-rata kecepatan pulang 71-80 25 75.5 0.3311
pergi? 81-90 20 85.5 0.2339
2 40 1 91-100 12 95.5 0.1256
H    13
1 1 3 3 JUMLAH 80 - 1.0819

10 20

Digunakan untuk menyatakan fenomena/data yang paling banyak

24
terjadi
atau paling banyak muncul dalam pengamatan / observasi
DATA TUNGGAL DATA KELOMPOK
 b1 
Modus (Mo) = Mo  b  p  
data dengan frekwensi  b1  b 2 
terbanyak Dimana :
b = batas bawah kelas modus
p = panjang kelas modus
CONTOH: b1 = frekwensi kelas modus dikurangi frekwensi
xi fi sebelumnya
b2 = frekwensi kelas modus dikurangi frekwensi
12 1 sesudahnya Nilai Ujian fi
CONTOH :
14 2 31-40 1
Kelas Modus = Kelas Kelima
b = 70,5 41-50 2
28 2
b1=25-15=10 51-60 5
b2=25-20=5
34 4
MODUS p = 10
61-70
71-80
15
25

Mo = 34  10 
Mo  70,5  10   77,17 81-90 20
 10  5  91-100 12

Statistika 12
 25 Digunakan untuk menentukan rata-rata posisi atau nilai sentral atau
nilai tengah dari sebuah distribusi frekwensi

DATA TUNGGAL DATA KELOMPOK

n ganjil : Me=data ke- (n+1)/2
n genap : Me=[data ke-(n/2) +  1 nF 
Me  b  p 2 
data ke-  f 
(n/2)+1]/2 Dimana :
CONTOH: b = batas bawah kelas median, n =ukuran sampel
1. Data: 4,12,5,7,8,10,10 p = panjang kelas median
Urutkan : 4,5,7,8,10,10,12 F = Jumlah semua frekwensi sebelum kelas median
f = frekwensi kelas median
Median = data ke- (7+1)/2 Nilai Ujian fi
Median = data ke-4 = 8 CONTOH :
31-40 1
Median =( data ke ½.n + data ke ½ n +1)/2
2. Data: 12,7,8,14,16,19,10,8 = (data ke 40 + data ke-41)/2 41-50 2
Urutkan : 7,8,8,10,12,14,16,19 = terdapat di kelas kelima 51-60 5
Median = [data ke (1/2.n ) b = 70,5 ; f= 25
61-70 15
+ data ke-(1/2.n)+1] / 2 p = 5; F =1+2+5+15=23
71-80 25
Median = [data ke (4)+data ke-
(5)]/2  .80 23 1 81-90 20

= (10+12)/2 = 11 Me 70,5 10 2

  77,3 91-100 12
 25 

Kuartil membagi sekumpulan data yang telah diurutkan menjadi empat

26

bagian yang sama. Kuartil ada tiga jenis yaitu Kuartil Pertama, Kedua
dan Ketiga
DATA TUNGGAL DATA KELOMPOK
i ( n  1)  in 
Letak K i  data ke    F)
4 K i  b  p 4  , dengan i  1,2,3
 f 
dengan i  1,2,3  
 
CONTOH: Dimana :
Data : 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70 b = batas bawah kelas Ki n =ukuran sampel
Diurutkan menjadi:
52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94 p = panjang kelas Ki
F = Jumlah semua frekwensi sebelum kelas Ki
f = frekwensi kelas Ki Nilai Ujian fi

K1 K2=Me K3 CONTOH :
K3 = data ke ¾.80= data ke-60
31-40 1
41-50 2
= kelas ke-enam
K1= data ke-1(12+1)/4 = data ke-3 ¼ 51-60 5
= data ke-3 + ¼ (data ke-4 - data ke-3) b = 80,5 ; f= 25
= 57 + ¼ (60 - 57) = 57 ¾ p = 5; F =1+2+5+15+25=48 61-70 15
K2= (data ke 6 + data ke-7)/2 = (66+70)/2 = 68 71-80 25
K3=data ke-3(12+1)/4 = data ke-9 ¾  3 x 80 
  48 )  81-90 20
= data ke-9 + ¾ (data ke-10 - data ke-9)
K 3  80 , 5  10  4   86 , 5
= 82 + ¾ ( 86 - 82) = 85  20  91-100 12
 
 

Statistika 13
 DESIL
27Kuartil membagi sekumpulan data yang telah diurutkan menjadi 10
bagian yang sama. Maka terdapat 9 pembagi yang dinamakan desil ke-1
sampai desil ke-9
DATA TUNGGAL DATA KELOMPOK
i ( n  1)  in


 F)
Letak Di  data ke 
10 D i  b  p  10  , dengan i  1,2,3,...9
 f 
dengan i  1,2,3,...9  
 
Dimana :
b = batas bawah kelas Di n =ukuran sampel
CONTOH: p = panjang kelas Di
Data : 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, F = Jumlah semua frekwensi sebelum kelas Di
70 f = frekwensi kelas Di Nilai Ujian fi
Diurutkan menjadi:
CONTOH : 31-40 1
52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94 D3 = data ke 30%x 80= data ke-24 41-50 2
= kelas ke-empat 51-60 5
D7 = data ke- 7(12+1)/10= data ke-9,1 b = 60,5 ; f= 15 61-70 15
D7 = data ke-9 +(0,1) (data ke-10 – data ke-9) p = 5; F =1+2+5=8
71-80 25
= 82 + (0,1) ( 86-82)  3 x 80 
 8) 
 81-90 20
= 82,4 D 3  60 , 5  10  10   71 , 2
 15  91-100 12
 
 

PRESENTIL
Presentil membagi sekumpulan data yang telah diurutkan menjadi 100
28

bagian yang sama. Maka terdapat 99 pembagi yang dinamakan presentil

ke-1 sampai ke-99
DATA TUNGGAL DATA KELOMPOK
i ( n  1)  in


 F)
Letak Pi  data ke 
100 Pi  b  p  100  , dengan i  1,2,3,...9 9
 f 
dengan i  1,2,3,...9 9  
 
Dimana :
b = batas bawah kelas Pi n =ukuran sampel
CONTOH: p = panjang kelas Pi
Data : F = Jumlah semua frekwensi sebelum kelas Pi
75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, f = frekwensi kelas Pi Nilai Ujian fi
70
Diurutkan menjadi:
CONTOH : 31-40 1
P30 = data ke 30%x 80= data ke-24 41-50 2
52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
= kelas ke-empat 51-60 5
b = 60,5 ; f= 15 61-70 15
P25 = data ke-25(12+1)/100= data ke-3,25 p = 5; F =1+2+5=8
71-80 25
P25 = data ke-3 +(0,25) (data ke-4 – data ke-3)
 30 x 80 
= 57 + (0,25) (60-57)   8)  81-90 20
P 3  60 , 5  10  100   71 , 2
15
= 57 ¾ 





91-100 12

Statistika 14
 RENTANG, RENTANG ANTAR KUARTIL,
SIMPANGAN KUARTIL, RATA-RATA
SIMPANGAN, SIMPANGAN BAKU,
VARIANS DAN KOEFISIEN VARIANSI.

29

Data Contoh  RENTANG = NILAI MAKS – NILAI MIN

 RAK = K3 – K1
Dimana : RAK = rentang antar kuartil
K1 = kuartil pertama
K3 = kuartil ketiga
 SK = ½ (K3 – K1)
Dimana : SK = Simpangan Kuartil
= Deviasi Kuartil
= Rentang Semi Antar
Kuartil

Nilai Ujian fi
•Rentang = 99 – 35 = 64  1 x 80


 8) 
K 1  60 , 5  10  4
31-40 1
•RAK = K3-K1 = 86,5 – 68,5   68 , 5
41-50 2  15 
= 18 



51-60 5
•SK = ½ (K3-K1) = ½ x RAK
= ½ x 18 = 9 61-70 15  3 x 80 
  48 ) 
71-80 25 K 3  80 , 5  10  4   86 , 5
 20 
81-90 20  
30
 
91-100 12

Statistika 15
  Merupakan jarak antar tiap data dengan rata-rata
hitung nilai pengamatan
 Rumus :
RS 
 xi  x
n
Dimana : RS = rata-rata simpangan
n = ukuran sampel
xi = data pengamatan ke-i, i=1,2,3...n
= rata-rata hitung
x
Contoh :
xi xi- x |xi-x |
rata-rata = 36/4 = 9
RS = (1+2+1+2 )/4 = 6/4=1½ 8 -1 1
7 -2 2
10 1 1
11 2 2

31

Lambang: Sampel : s, sb, sd, SD, SB

Populasi :σ
Penyebut : (n-1) : Taksiran tak bias
n : Taksiran bias
Rumus: s2 = varians  s = akar varians
DATA TUNGGAL DATA KELOMPOK
 C 1.

 2
s CARA
 2:
 x i  x 2 2. s 2

 f i
xi  x 2
n  1 n  1

2
n x i2    x i 
2
3. s  2
n fi x  i
2
 f i xi 
2

s 
n ( n  1) n ( n  1)
 n  f i ci 2  ( f i ci ) 2 
s  p 
2 2 
 n ( n  1) 
 
32

Statistika 16
 DATA KELOMPOK
CARA 1 :

DATA TUNGGAL
Diberikan sampel dengan data :
8,7,10,11,4
Tentukan simpangan bakunya.
CARA 1 :
xi xi - x (xi-x)2 Rata-rata = 40/5
8=8 0 0 x
7 -1 1 (xi- )2 = 30
10 2 4 s2 = 30/4 = 7,5
11 3 9
s = 7,5 = 2,74
CARA 2:
4 -4 16
xi xi 2
s2 = 13.498,80/79 =170,9
 0 30
8 64
s = 170,9 = 13,07
n=40 ; xi2 =350 7 49
s2 = 5 x 350 – (40)2 =7,5
10 100
5x4
11 121
s = 7,5 = 2,74
4 16
 350
33

CARA 2 : CARA 3 :

s2 = 102[(80x137)-
s2 = [(80x483.310)-
(9)2]/(80x79)=172,1
(6.130)2]/(80x79)=172,1
s = 172,1 =13,12
s = 172,1 =13,12
34

Statistika 17
 h

35

Bentuk Baku digunakan untuk untuk

menyederhanakan data dan membandingkan
keadaan distribusi sebuah kejadian. x x
zi  xo  s  i 
Rumus Bentuk Baku : 0 s 
Jika x0 =0 dan s = 1
maka bentuk baku menjadiz i : x i  x , i  1, 2 ,... n
Contoh : s
Seorang mahasiswa mendapat nilai 86 pada ujian akhir matematika di mana rata-rata dan
simpangan baku kelompok masing-masing 78 dan 10. Pada ujian akhir statistika rata-rata
kelompok 84 dan simpangan bakunya 18, ia mendapat nilai 92 Dalam mata ujian yang
mana ia mencapai rangking terbaik?
Jawab : matematika = z = (86-78)/10 = 0,8 lebih unggul dalam matematika
statistika = z = (92-84)/18 = 0,44

Dispersi Relatif = Dispersi Absolut/Rata-rata

Koef. Varians (KV) = (Simpangan Baku/Rata-rata) x
100%

36

Statistika 18
 KEMIRINGAN KURTOSIS
Tinggi rendahnya/ runcing tidaknya
Sifat kemiringan sebuah distribusi : sebuah distribusi dapat dilihat melalui
 Model positif = miring ke arah positif nilai kurtosis.
= grafik miring ke kanan RUMUS :
 Model negatif = miring ke arah negatif Koefisien Kurtosis (a4) = (m4/m22)
= grafik miring ke kiri Dimana :
 Model simetri = kemiringan 0 m4 dan m2 dihitung dengan :
mr = [(xi-rata-rata)r]/n
RUMUS : Interpretasi :
Koefisien Pearson tipe 1 = (Rata-rata – a4 = 3 artinya berdistribusi normal
Modus)/s a4 > 3 artinya berdistribusi
Koefisien Pearson tipe 2 = 3(Rata-rata – leptokurtik
Median)/s a4 < 3 artinya berdistribusi
platikurtik

positif simetri negatif

leptokutik platikurtik normal

37

 Memasukkan Data : File New Data

38

Statistika 19
 39

40

Statistika 20