BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Data dan statistik mempunyai hubungan yang sangat erat. Selain itu,
keduanya juga mempunyai hubungan yang sangat erat dengan kehidupan manusia
sehari-hari, dengan bidang ilmu pengetahuan, baik yang eksakta, sosial, ekonomi,
bisnis dan lain-lain. Data dan statistik serta fungsi keduanya, banyak memberikan
kegunaan yang sangat tidak ternilai bagi manusia, bagi kita semua.
Dengan data, kita mengetahui gambaran perusahaan sekarang, masalah
apa yang sedang dihadapi, mengapa terjadi masalah-masalah tersebut, serta
bagaimana cara pemecahannya. Dengan data, kita dapat meramal atau
memperkirakan, apa yang kira-kira bakal terjadi di masa mendatang. Dengan data,
kita pun bisa membuat perencanaan, peramalan, mengontrol pelaksanaan,
mengevaluasi target apakah tercapai atau tidak, dan sebagainya. Dengan adanya
data, kita dapat banyak mengetahui tentang berbagai hal. Dengan data, kita bisa
mengambil keputusan-keputusan, kebijakan-kebijakan perusahaan, dan
sebagainya.Pendeknya, fungsi dan manfaat data sangat penting dan banyak sekali.
Sering kali, akan berbahaya jika kita mengambil kesimpulan dan keputusan tanpa
didukung oleh data. Orang bilang “Speak with data”, berbicaralah dengan data
agar objektif dan lebih akurat.

1.2 Rumusan Masalah

Berdasarkanuraian latar belakang di atas, maka rumusan masalah dalam
makalah ini adalah sebagai berikut:
1.2.1 Apakah yang dimaksud dengan data statistik?
1.2.2 Bagaimanakah sifat data statistik?
1.2.3 Bagaimanakah penggolongan data statistik?
1.2.4 Bagaimanakah teknik pengumpulan data statistik?

1
1.3 Tujuan
Berdasarkan pada rumusan masalah di atas, maka tujuan dari makalah ini
adalah:
1.3.1 Untuk mengetahui apa yang dimaksud dengan data statistik.
1.3.2 Untuk mengetahui bagaimanakahsifat data statistik.
1.3.3 Untuk mengetahui bagaimanakah penggolongan data statistik.
1.3.4 Untuk mengetahui bagaimanakah teknik pengumpulan data statistik.

2
 BAB II
PEMBAHASAN

2.1 Definisi Data Statistik

Menurut Sudjana dalam bukunya yang berjudul Metoda
Statistika menjelaskan bahwa keterangan atau ilustrasi mengenai suatau hal bisa
berbentuk kategori,misalnya: rusak , senang, gagal, baik, puas, berhasil, dan
sebagainya, atau bisa berbentuk bilangan. Kesemuanya ini dinamakan data atau
lengkapnya data statistik.
Data yang berbentuk bilangan disebut data kuantitatif , harganya berubah
ubah atau bersifat variable. Dari nilainya , dikenal dua golongan data kuantitatif
ialah data dengan variabel diskrit atau singkatnya data diskrit dan data dengan
variabel kontinu atau singkatnya data kontinu.
Hasil menghitung atau membilang merupakan data diskrit sedangkan hasil
pengkuran merupakan data kontinu.
Data yang bukan kuantitatif disebut data kualitatif. Ini tiada lain daripada
data yang dikategorikan menurut lukisan kualitas obyek yang dipelajari. Golongan
ini dikenal pula dengan nama atribut misalnya: sembuh, rusak, gagal, berhasil,
dsb.
Menurut sumbernya kita mengenal data intern dan data ekstern. Pengusaha
mencatat segala aktivitas perusahaannya sendiri, misalnya: keadaan pegawai,
pengeluaran, keadaan barang digudang, hasil penjualan dan lain-lain aktivitas
yang terjadi di dalam perusahaan itu. Data yang diperoleh demikian merupakan
data intern. Dalam berbagai situasi, untuk perbandingan misalnya, diperlukan data
dari sumber lain diluar perusahaan tadi. Data demikian merupakan data ekstern.
Data ekstern dibagi menjadi data ekstern primer atau disingkat: data
primer, dan data ekstern sekunder atau disingkat: data sekunder
Data yang baru dikumpulkan dan belum pernah mengalami pengolahan
apapun dikenal dengan nama data mentah.

3
2.2 Penyediaan Data Statistik
1. Sifat Data Statistik
Data statistik adalah data yang berwujud angka. Sebagai data
angka,data statistik memiliki beberapa sifat tertentu yaitu:
a. Data statistik memiliki nilai relatif atau nilai semu.
b. Data statistik memiliki nilai nyata atau nilai sebenarnya.
c. Data statistik memiliki batas bawah relatif, batas atas relatif batas
bawah nyata dan batas atas nyata.
d. Data statistik yang berbentuk data kelompokan memiliki nilai tengah
atau titik tengah (midpoint).
e. Data statistik sebagai data angka, dalam proses penghitungannya tidak
menggunakan sistem desimal (sistem perpuluhan).
f. Data statistik sebagai data angka dalam proses penghitungan
menggunakan sistem pembulatan angka tertentu

2. Penggolongan Data Statistik

Data statistik dapat digolongkan menjadi:
a. Menurut Sifat
1). Data Kualitatif
Data kualitatif adalah yang berbentuk kategori atau atribut.
Contoh:
- Harga emas hari ini mengalami kenaikan
- Sebagian dari produksi barang "A" pada perusahaan “x” rusak
2). Data Kuantitatif
Data kuantitatif adalah data yang berbentuk bilangan.
Contoh:
- Luas bangunan hotel itu adalah 5700 m
- Tinggi badan Sandy mencapai 170 cm
- Banyak perguruan tinggj di kota "B" ada 4 buah

4
Data kuantitatif dibagi menjadi dua bagian, yaitu
a. Data diskrit
Data diskrit adalah data yang diperoleh dengan cara menghitung atau
membilang.
Contoh:
- Banyak kursi yang diruangan ini ada 75 buah
- Jumlah siswa yang mengikuti mata kuliah ini mencapai 110 orang
- Banyak anak pada keluarga Ali ada 3 orang
b. Data Kontinu
Data kontinu adalah data yang diperoleh dengan cara mengukur.
Contoh:
- Panjang benda itu adalah 15 cm
- Jarak antara kota Bandung dengan kota Cirebon adalah 130 cm
- Berat badan Adi adalah 58 kg

b. Menurut Sumber atau Cara Pemerolehan

1. Data Intern
Data intern adalah data yang diperoleh dari dalam objek penelitian itu
sendiri.
Contoh: pengusaha mencatat segala aktivitas perusahaanya sendiri,
misalnya keadaan pegawai, pengeluaran, keadaan barang di gudang,
hasil jualan, keadaan produksi pabriknya, dll, sesuai dengan kativitas
yang terjadi di dalam perusahaan itu.
2. Data Ekstern
Data ekstern adalah data yang diperoleh dari luar objek penelitian
sebagai bahan pembanding.
Contoh: kondisi lingkungan dari suatu perusahaan, letak geografis
perusahaan, dll

Data ekstern dibagi menjadi dua bagian, yaitu

5
 a. Data Primer
Data primer adalah data yang dikumpulkan dan diolah sendiri oleh
suatu organisasi serta diperoleh langsung dari objeknya.
Contoh:
- Pemerintah melalui Biro Pusat Statistik (BPS) ingin mengetahui
jumlah penduduk Indonesia, maka BPS mengirimkan petugas –
petugasnya untuk mendatangi secara langsung rumah tangga yang ada
di Indonesia.
- Perusahaan susu “SEGAR JAYA” ingin mengetahui jumlah konsumsi
susu yang diminum oleh masyarakat di Kelurahan Kejaksaan, maka
petugas dari perusahaan tersebut secara langsung mendatangi rumah
tangga – rumah tangga yang ada di Kelurahan Kejaksaan.
b. Data Sekunder
Data sekunder adalah data yang diperoleh dalam bentuk sudah jadi,
sudah dikumpulkan dan diolah oleh pihak lain, biasanya data itu dicatat
dalam bentuk publikas – publikasi,
Contoh: Misalkan seorang peneliti memerlukan data mengenai jumlah
penduduk di sebuah kota dari tahun 1960 sampai 1970, maka orang itu
dapat memperoleh di BPS.
c. Data Mentah
Data mentah adalah data yang baru di kumpulkan dan belum pernah
mengalami pengolahan.
Contoh: data siswa, data sekolah, data sarana sekolah

c. Menurut Cara Penyusunan Angka

1. Data Nominal
Data nominal yaitu data statistik yang menyusun angkanya didasarkan
atas penggolongan atau klasifikasi tertentu dengan kriteria yang sangat
tegas batasanya. Angkanya tidak mempunyai arti hitung. Angka yang
diterapkan hanya merupakan simbol/tanda dari objek yang dianalisis.
Contoh: jenis kelamin, agama, pekerjaan, media massa, dll.

6
 Misalkan seorang peneliti menghadapi data yang berkaitan
dengan jenis kelamin (perempuan dan laki-laki). Agar peneliti dapat
menggunakan statistik dalam analisisnya, dituntut untuk melakukan
perubahan data tersebut menjadi bentuk angka. Jika peneliti
menggunakan angka 1 sebagai simbol siswa perempuan dan angka 2
sebagai simbol siswa laki-laki, maka angka 1 dan angka 2 merupakan
inisial simbol dari jenis kelaminperempuan dan laki-laki. Untk
selanjutnya peneliti akan selalu berhadapan dengan angka 1 dan angka
2. Dalam hal ini angka 2 tidak berarti lebih besar dari angka 1, karena
angka-angka tersebut hanya sebagai simbol atau kode saja. Sepanjang
angka-angka yang digunakan oleh peneliti hanya sebagai simbol,
maka angka tersebut dimasukkan sebagai kelompok data yang
berskala nominal
2. Data Ordinal
Data ordinal yaitu data statistika yang cara menyusun angkanya
didasarkan atas urutan kedudukan (ranking) atau dengan golongan
dengan besaran pada setiap kriteria bisa jadi tidak sama, juga memiliki
tingkatan besar – kecil atau tinggi – rendahnya.
Contoh: hasil ujian suatu SMA menyatakan bahwa:
1. Siswa A sebagai juara 1
2. Siswa B sebagai juara 2
3. Siswa C sebagai juara 4, dst.
3. Data Interval
Data interval yaitu data statistika yang terdapat jarak (rentang) yang
sama di antara hal-hal yang sedang diselidiki atau dipersoalkan dan
tidak mempunyai angka 0 mutlak.
Contoh:
- Nilai siswa mempunyai rentang 0 sampai dengan 10
- Temperatur dalam ruangan mempunyai rentang dari 0 sampai
dengan 100 derajat celsius
4. Data Rasio

7
 Data rasio yaitu memiliki ciri-ciri dari ketiga golongan tersebut di
atas, juga memiliki nilai nol murni (absolut) dalam artian secara
matematis.
Contoh: ukuran berat, panjang/tinggi, umur,dll.
Misalkan seseorang yang mempunyai berat badan 100 kg adalah 2 kali
beratnyadari orang yang mempunyai berat badan 50 kg. Jika berat
suatu benda adalah 0, maka benda tersebut benar-benar tidak
mempunyai berat.

2.3 Distribusi Frekuensi

Distribusi Frekuensi adalah daftar nilai data (bisa nilai individual atau
nilai data yang sudah dikelompokkan ke dalam selang interval tertentu) yang
disertai dengan nilai frekuensi yang sesuai.
Pada saat kita dihadapkan pada sekumpulan data yang banyak, seringkali
membantu untuk mengatur dan merangkum data tersebut dengan membuat tabel
yang berisi daftar nilai data yang mungkin berbeda (baik secara individu atau
berdasarkan pengelompokkan) bersama dengan frekuensi yang sesuai, yang
mewakili berapa kali nilai-nilai tersebut terjadi. Daftar sebaran nilai data tersebut
dinamakan dengan Daftar Frekuensi atau Sebaran Frekuensi (Distribusi
Frekuensi).
Dengan demikian, distribusi frekuensi adalah daftar nilai data (bisa nilai
individual atau nilai data yang sudah dikelompokkan ke dalam selang interval
tertentu) yang disertai dengan nilai frekuensi yang sesuai.
Bagaimana cara membuat Histogram, Poligon Frekuensi, dan Ogive?
Anda bisa pelajari pada Tutorial berikut: Tutorial Excel: Cara membuat
Histogram/Distribusi Frekuensi (Toolpak)
Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri
penting data tersebut dapat segera terlihat. Distribusi frekuensi ini akan
memberikan gambaran yang khas tentang bagaimana keragaman data. Sifat
keragaman data sangat penting untuk diketahui, karena dalam pengujian-
pengujian statistik selanjutnya kita harus selalu memperhatikan sifat dari

8
keragaman data. Tanpa memperhatikan sifat keragaman data, penarikan suatu
kesimpulan pada umumnya tidaklah sah.
Sebagai contoh, perhatikan contoh data pada Tabel 1. Tabel tersebut
adalah daftar nilai ujian Matakuliah Statistik dari 80 Mahasiswa (Sudjana, 19xx).

Tabel 1. Daftar Nilai Ujian Matakuliah Statistik

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
Sangatlah sulit untuk menarik suatu kesimpulan dari daftar data tersebut.
Secara sepintas, kita belum bisa menentukan berapa nilai ujian terkecil atau
terbesar. Demikian pula, kita belum bisa mengetahui dengan tepat, berapa nilai
ujian yang paling banyak atau berapa banyak mahasiswa yang mendapatkan nilai
tertentu. Dengan demikian, kita harus mengolah data tersebut terlebih dulu agar
dapat memberikan gambaran atau keterangan yang lebih baik.
Bandingkan dengan tabel yang sudah disusun dalam bentuk
daftar/distribusi frekuensi (Tabel 2a dan Tabel 2b). Tabel
2a merupakan distribusi frekuensi dari data tunggal dan Tabel 2b merupakan
daftar frekuensi yang disusun dari data yang sudah di kelompokkan pada kelas
yang sesuai dengan selangnya. Kita bisa memperoleh beberapa informasi atau
karakteristik dari data nilai ujian mahasiswa.
Tabel 2a.
Nilai
No Frekuensi
Ujian
xi fi
1 35 1
2 36 0
3 37 0
4 38 1
: : :

9
16 70 4
17 71 3
: : 1
42 98 1
43 99 1
Total 80
Pada Tabel 2a, kita bisa mengetahui bahwa ada 80 mahasiswa yang
mengikuti ujian, nilai ujian terkecil adalah 35 dan tertinggi adalah 99. Nilai 70
merupakan nilai yang paling banyak diperoleh oleh mahasiswa, yaitu ada 4 orang,
atau kita juga bisa mengatakan ada 4 mahasiswa yang memperoleh nilai 70, tidak
ada satu pun mahasiswa yang mendapatkan nilai 36, atau hanya satu orang
mahasiswa yang mendapatkan nilai 35.
Tabel 2b.
Kelas ke- Nilai Ujian Frekuensi fi
1 31 - 40 2
2 41 - 50 3
3 51 - 60 5
4 61 - 70 13
5 71 - 80 24
6 81 - 90 21
7 91 - 100 12
Jumlah 80
Tabel 2b merupakan daftar distribusi frekuensi dari data yang sudah
dikelompokkan. Daftar ini merupakan daftar frekuensi yang sering digunakan.
Kita sering kali mengelompokkan data contoh ke dalam selang-selang tertentu
agar memperoleh gambaran yang lebih baik mengenai karakteristik dari data. Dari
daftar tersebut, kita bisa mengetahui bahwa mahasiswa yang mengikuti ujian ada
80, selang kelas nilai yang paling banyak diperoleh oleh mahasiswa adalah sekitar
71 sampai 80, yaitu ada 24 orang, dan seterusnya. Hanya saja perlu diingat bahwa
dengan cara ini kita bisa kehilangan identitas dari data aslinya. Sebagai contoh,
kita bisa mengetahui bahwa ada 2 orang yang mendapatkan nilai antara 31 sampai
40. Meskipun demikian, kita tidak akan tahu dengan persis, berapa nilai
sebenarnya dari 2 orang mahasiswa tersebut, apakah 31 apakah 32 atau 36 dst.

10
Ada beberapa istilah yang harus dipahami terlebih dahulu dalam menyusun tabel
distribusi frekuensi.
Tabel 3.
Selang Nilai Kelas Frekuensi
Kelas ke- Batas Kelas
Nilai Ujian (xi) (fi)
1 31 - 40 30.5 – 40.5 35.5 2
2 41 - 50 40.5 – 50.5 45.5 3
3 51 - 60 50.5 – 60.5 55.5 5
4 61 - 70 60.5 – 70.5 65.5 13
5 71 - 80 70.5 – 80.5 75.5 24
6 81 - 90 80.5 – 90.5 85.5 21
7 91 - 100 90.5 – 100.5 95.5 12
Jumlah 80
Range : Selisih antara nilai tertinggi dan terendah. Pada contoh ujian di atas,
Range = 99 – 35 = 64
Batas bawah kelas: Nilai terkecil yang berada pada setiap kelas. (Contoh: Pada
Tabel 3 di atas, batas bawah kelasnya adalah 31, 41, 51, 61,
…, 91)
Batas atas kelas: Nilai terbesar yang berada pada setiap kelas. (Contoh: Pada
Tabel 3 di atas, batas bawah kelasnya adalah 40, 50, 60, …,
100)
Batas kelas (Class boundary): Nilai yang digunakan untuk memisahkan antar
kelas, tapi tanpa adanya jarak antara batas atas kelas dengan
batas bawah kelas berikutnya. Contoh: Pada kelas ke-1,
batas kelas terkecilnya yaitu 30.5 dan terbesar 40.5. Pada
kelas ke-2, batas kelasnya yaitu 40.5 dan 50.5. Nilai pada
batas atas kelas ke-1 (40.5) sama dengan dan merupakan
nilai batas bawah bagi kelas ke-2 (40.5).
Batas kelas selalu dinyatakan dengan jumlah digit satu desimal lebih
banyak daripada data pengamatan asalnya. Hal ini dilakukan untuk menjamin
tidak ada nilai pengamatan yang jatuh tepat pada batas kelasnya, sehingga
menghindarkan keraguan pada kelas mana data tersebut harus ditempatkan.

11
1. Distribusi Frekuensi Relatif dan Kumulatif
Variasi penting dari distribusi frekuensi dasar adalah dengan menggunakan nilai
frekuensi relatifnya, yang disusun dengan membagi frekuensi setiap kelas dengan
total dari semua frekuensi (banyaknya data). Sebuah distribusi frekuensi relatif
mencakup batas-batas kelas yang sama seperti TDF, tetapi frekuensi yang
digunakan bukan frekuensi aktual melainkan frekuensi relatif. Frekuensi
relatif kadang-kadang dinyatakan sebagai persen.
Frekuensi relatif = ��∑��×100%=���×100%
Contoh: frekuensi relatif kelas ke-1:
fi = 2; n = 80
Frekuensi relatif = 2/80 x 100% = 2.5%
Kelas
Nilai Ujian Frekuensi relatif (%)
ke-
1 31 - 40 2.50
2 41 - 50 3.75
3 51 - 60 6.25
4 61 - 70 16.25
5 71 - 80 30.00
6 81 - 90 26.25
7 91 - 100 15.00
Jumlah 100.00

Distribusi Frekuensi kumulatif

Variasi lain dari distribusi frekuensi standar adalah frekuensi
kumulatif. Frekuensi kumulatif untuk suatu kelas adalah nilai frekuensi untuk
kelas tersebut ditambah dengan jumlah frekuensi semua kelas sebelumnya.
Perhatikan bahwa kolom frekuensi selain label headernya diganti
dengan frekuensi kumulatif kurang dari, batas-batas kelas diganti dengan
"kurang dari" ekspresi yang menggambarkan kisaran nilai-nilai baru.
Nilai Ujian Frekuensi
kumulatif kurang

12
 dari
kurang dari 30.5 0
kurang dari 40.5 2
kurang dari 50.5 5
kurang dari 60.5 10
kurang dari 70.5 23
kurang dari 80.5 47
kurang dari 90.5 68
kurang dari 100.5 80

atau kadang disusun dalam bentuk seperti ini:

Frekuensi
Nilai Ujian kumulatif kurang
dari
kurang dari 41 2
kurang dari 51 5
kurang dari 61 10
kurang dari 71 23
kurang dari 81 47
kurang dari 91 68
kurang dari 101 80
Variasi lain adalah Frekuensi kumulatif lebih dari. Prinsipnya hampir sama
dengan prosedur di atas.
2. Histogram
Histogram adalah merupakan bagian dari grafik batang di mana skala horisontal
mewakili nilai-nilai data kelas dan skala vertikal mewakili nilai frekuensinya.
Tinggi batang sesuai dengan nilai frekuensinya, dan batang satu dengan lainnya
saling berdempetan, tidak ada jarak/ gap diantara batang. Kita dapat membuat
histogram setelah tabel distribusi frekuensi data pengamatan dibuat.

13
3. Poligon Frekuensi
Poligon Frekuensi menggunakan segmen garis yang terhubung ke titik yang
terletak tepat di atas nilai-nilai titik tengah kelas. Ketinggian dari titik-titik sesuai
dengan frekuensi kelas, dan segmen garis diperluas ke kanan dan kiri sehingga
grafik dimulai dan berakhir pada sumbu horisontal.

14
 BAB III
PENUTUP

1.1 Kesimpulan
Dari pembahasan pada bab kedua, dapat disimpulkan bahwa:
1. Data statistik merupakan kumpulan fakta atau angka atau segala sesuatu yang
dapat dipercaya kebenaranya, yang diperoleh dengan cara pengumpulan,
pengolahan, penyajian dan analisis serta sebagai sistem yang
mengaturnya sehingga dapat digunakan sebagai dasar menarik suatu
kesimpulan.
2. Data statistik memiliki beberapa sifat tertentu yaitu: memiliki nilai
relatif, nilai nyata, batas bawah relatif, batas atas dan batas bawah, nilai
tengah, tidak menggunakan sistem desimal, penghitungan menggunakan
sistem pembulatan angka tertentu.
3. Data statistik digolongkan menjadi tiga yaitu menurut sifat, sumber, dan cara
penyusunan angka.

15
 4. Ada beberapa teknik pengumpulan data yaitu: sensus, random, strata, quota,
dan sistematik

1.2 Saran
Adapun saran yang penulis sampaikan adalah agar pembaca dapat
menggunakan pemecahan masalah secara statistik, lebih tepat jika mengikuti
tahapan yang ilmiah. Data yang baik tentu saja harus yang mutakhir, cocok
(relevan), denganmasalah penelitian dari sumber yang dapat
dipertanggungjawabkan, lengkap akurat, objektif dan konsisten. Pengumpulan
data sedapat mungkin di peroleh dari tangan pertama. Data yang baik sangat di
perlukan dalam penelitian, sebab bagaimanapun canggihnya suatu analisis data
jika tidak di tunjang oleh data yang baik, maka hasilnya kurang dapat di
pertanggungjawabkan.

DAFTAR PUSTAKA

Hadi, Sutrisno. 1986. Statistik 2. Yogyakarta: Yayasan Penerbitan Fak. Psikologi

UGM Yogyakarta.
Sudjana. 2005.Metoda Statistika. Bandung: Tarsito

16