MAKALAH STATISTIKA

UKURAN GEJALA PUSAT DATA BELUM DIKELOMPOKKAN

Dosen Pengampu:

Deasy Purwaningtias, S.Kom.

Kelompok 3:

1. Ajeng Sekar Rakasiwi Ayuningtias Pangestu 12221088

2. Fatihah Rajwa Ariyani 12220949

3. Lyra Noor’ain 12221038

Program Studi Sistem Informasi

Universitas Bina Sarana Informatika Pontianak

2023

i
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala
karunia yang telah dilimpahkan, sehingga penulis dapat menyelesaikan makalah
yang berjudul Ukuran Gejala Pusat Data Belum Kelompokkan.

Sebagaimana ketentuan yang sudah berlaku di Bina Sarana Informatika

Pontianak, bahwa mahasiswa diharuskan menyusun makalah sebagai salah satu
persyaratan untuk memperoleh nilai UAS Statistika.

Dengan kerendahan hati penulis mengucapkan terima kasih kepada semua

pihak yang telah membantu penulis dalam menyelesaikan makalah ini. Penulis
menyadari bahwa dalam penulisan ini masih terdapat banyak kekurangan, untuk
itu penulis mengharapkan kritik dan saran yang sifatnya membangun demi
kesempurnaan makalah ini.

Akhir kata penulis berharap semoga makalah ini dapat memberikan

manfaat dan pengembangan wawasan bagi mahasiswa dan pembaca pada
umumnya.

Pontianak, November 2023

Kelompok 3

ii
 DAFTAR ISI

COVER……………………………………………………………………... i

KATA ………………………………………………………………………. ii

DAFTAR ISI………………………………………………………………... iii

BAB I PENDAHULUAN

A. Latar Belakang ……………………………………………………….. 1

B. Rumusan Masalah ……………………………………………………. 2

C. Maksud dan Tujuan ……………………………………………………2

BAB II LANDASAN TEORI

A. Pengertian Ukuran Gejala Pusat Data Belum Dikelompokan ………. 3

B. Macam-Macam Ukuran Gejala Pusat Data Belum Dikelompokan……3

C. Menentukan Ukuran Statistik Deskriptif Menggunakan Excel ……….6

BAB III PEMBAHASAN

A. Analysis Data Ukuran Gejala Pusat Data Belum Dikelompokan ……8

BAB IV PENUTUP

A. Kesimpulan …………………………………………………………..14

B. Saran …………………………………………………………………14

DAFTAR PUSTAKA ………………………………………………………15

iii
 BAB I

PENDAHULUAN

A. Latar Belakang

Statistika adalah salah satu cabang ilmu dari matematika yang pada prinsipnya
merupakan suatu pengetahuan untuk mempelajari tentang pengumpulan data,
pengolahan dan penganalisisan data, serta penarikan kesimpulan berdasarkan
analisis data (Sudjana, 2001:127). Menurut Moore (1998:245) statistika dapat
dipandang sebagai pengetahuan yang menyediakan sarana untuk dapat
memberikan solusi terhadap fenomena atau permasalahan yang terjadi di dalam
kehidupan, di lingkungan pekerjaan dan di dalam ilmu pengetahuan itu sendiri.
Menurut Asep (2014:223), peran dan makna memahami statistika dalam
pembangunan yang berbasis data menjadi penting, bukan hanya sekadar keperluan
riset untuk pemuasan hasrat ilmuwan saja. Pada level kabupaten, propinsi dan
nasional, pengumpulan data yang dicacah secara rapi dari desa akan menjadi data
besar, sehingga pembangunan nasional dan kesejahteraan masyarakat menjadi
mudah diukur dan dievaluasi. Akumulasi data terjadi hampir pada semua sektor
kehidupan, seperti kesehatan, lingkungan hidup, sosial, ekonomi, politik, olahraga
dan lain-lain. Data besar dalam berbagai bidang selalu menyisipkan statistika
sebagai alat bantu untuk memperoleh pendugaan dan penarikan kesimpulan.
Statistika merupakan salah satu cabang ilmu matematika yang memiliki peran
penting dalam kehidupan. Statistika sangat berguna dalam kehidupan sehari-hari,
karena hampir semua bidang memerlukan statistika. Aktivitas-aktivitas yang
dilakukan oleh anak-anak hingga orang dewasa hampir semua terkait dengan
statistika. Satistika dapat dipandang sebagai alat untuk memecahkan suatu
masalah dalam kehidupan sehari-hari, tempat kerja, dan dalam ilmu pengetahuan.
Fungsi dari statistika adalah untuk pengumpulan data, pengolahan data, penarikan
kesimpulan dan memprediksi keadaan dari hasil pengolahan data. Dilihat dari
peran dan fungsi statistika sangat diperlukan dalam kehidupan, maka sangat perlu
munguasai statistika dengan baik. Untuk mempelajari statistika diperlukan
penalaran statistis. Penalaran statistis digunakan untuk menjadikan informasi
statistik menjadi mudah dipahami. Menurut Ben-Zvi dan Garfield (2004)
penalaran statistis adalah cara seseorang berfikir dengan menggunakan informasi
statistik menjadi bermakna. Penalaran statistis mencakup interpretasi terhadap
sekumpulan data, representasi grafis, dan ringkasan secara statistik (Andriani,
2016: 154). Kemampuan penalaran statistis merupakan kemampuan untuk
menggunakan ide-ide statistik dalam menginterprestasikan, menafsirkan dan
merangkum sekumpulan data untuk mendapat kesimpulan berdasarkan data.
Menurut NCTM (2000) bahwa dalam memecahkan suatu masalah tidak hanya

1
dengan cara prosedural tetapi dengan problem solving dan penalaran. Jadi,
kemampuan penalaran statistis sangat diperlukan untuk membentuk proses
berfikir seseorang dengan menggunakan informasi statistik menjadi bermakna.
Hal ini sejalan dengan pendapat Yusuf (2017: 60) bahwa kemampuan penalaran
statistis diperlukan untuk bisa menafsirkan dan memahami serta membuat
keputusan yang baik untuk data-data yang dihasilkan. Akan tetapi kita ketahui
bahwa selama ini masalah pada statistika masih jarang di lakukan penelitian.
Sejalan dengan pendapat Andriani (2016: 165) bahwa studi tentang penalaran
statistis di Indonesia masih jarang dilaksanakan. Sehingga masih perlu dilakukan
penelitian tentang masalah pada penalaran untuk meningkatkan kemampuan
penalaran, khususnya pada penalaran statistis.

B. Rumusan Masalah
1. Apa Pengertian Dari ukuran Gejala Pusat Data Belum Dikelompokan?
2. Apa Saja Macam-macam Dari Ukuran Gejala Pusat Data Belum
Dikelompokan?
3. Bagaimana Cara menghitung sebuah kasus dari Masing-masing Ukuran
tersebut?

C. Maksud dan Tujuan

1. Mengetahui cara penghitungan Ukuran Gejala Pusat Data Belum
Dikelompokkan
2. Memberikan suatu informasi dalam pengolahan data
3. Membantu mempermudah penyajian data
4. Adapun tujuan dari penulisan makalah ini adalah sebagai berikut Untuk
memenuhi salah satu tugas Ujian Akhir Semester (UAS) pada mata kuliah.

2
 BAB II

LANDASAN TEORI

A. Pengertian Ukuran Gejala Pusat Data Belum Dikelompokan

Ukuran gejala pusat data belum dikelompokan adalah data yang tidak disusun
ke dalam distribusi frekuensi sehingga tidak mempunyai interval kelas dan titik
tengah kelas. Sedangkan pada Ukuran gejala pusat data dikelompokkan, datanya
sudah disusun ke dalam sebuah distribusi frekuensi sehingga data tersebut
mempunyai interval kelas yang jelas dan mempunyai titik tengah kelas. Ada
beberapa macam ukuran gejala pusat data belum dikelompokan yaitu rata-rata
hitung(mean), rata-rata ukur/geometri, rata-rata harmonis, rata-rata tertimbang,
median, modus, dan fraktil ( kuartil, desil dan persentil).

B. Macam-Macam Ukuran Gejala Pusat Data Belum Dikelompokan.

1. Rata-Rata Hitung (mean)

Istilah mean dikenal dengan sebutan angka rata-rata. Ratarata hitung

(mean) adalah nilai yang mewakili sekelompok data. Mean diperoleh dengan cara
menjumlahkan semua.

2. Rata-rata Ukur Geometri

Rata-rata ukur (geometri) adalah rata-rata yang diperoleh dengan

mengalikan semua data dalam suatu kelompok sampel, kemudian
diakarpangkatkan dengan banyaknya data sampel tersebut.

3
 3. Rata-rata Harmonis

Rata-rata harmonis adalah ratarata yang dihitung dengan cara mengubah

semua data menjadi pecahan, dimana nilai data dijadikan sebagai penyebut dan
pembilangnya adalah satu, kemudian semua pecahan tersebut dijumlahkan dan
selanjutnya dijadikan sebagai pembagi jumlah data. Rata-rata harmonik sering
disebut juga dengan kebalikan dari Rata-rata Hitung (mean).

4. Rata-rata Tertimbang

Keterangan:

X = rata-rata tertimbang

Xi = nilai data ke-i

Keterangan:

X = rata-rata tertimbang

Xi = nilai data ke-i

Rata-rata tertimbang/terbobot adalah rata-rata yang dihitung dengan

memperhitungkan timbangan/bobot. Setiap penimbang/bobot tersebut merupakan
pasangan setiap data.

4
 5. Median

Median merupakan suatu nilai yang berada di tengah-tengah data, setelah data
tersebut diurutkan. Atau dengan kata lain, median adalah titik tengah dari semua
nilai data yang telah diurutkan dari nilai yang terkecil ke yang terbesar, atau
sebaliknya dari yang terbesar ke yang terkecil. Hasil median sama dengan hasil
dari kuartil kedua. Posisi tengah dari seperangkat data sebanyak N yang telah
terurut terletak pada posisi yang ke (N + 1)/2.

6. Modus

Modus adalah nilai yang paling sering muncul dari serangkaian data atau
yang mempunyai frekuensi paling tinggi.

Data yang belum diurutkan :

8,7,5,4,5,4,4,4,4

Data yang telah diurutkan :

4,4,4,4,4,5,5,7,8

Modus : 4

7. Quartil

Pada prinsipnya, pengertian kuartil sama dengan median. Perbedaanya

hanya terletak pada banyaknya pembagian kelompok data.Median membagi
kelompok data atas 2 bagian, sedangkan kuartil membagi kelompok data atas 4
bagian yang sama besar, sehingga akan terdapat 3 kuartil yaitu kuartil ke-1, kuartil
ke-2 dan kuartil ke-3, dimana kuartil ke-2 sama dengan median.

5
 8. Desil

Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi
10 bagian yang sama besar.

9. Persentil

Persentil adalah ukuran letak yang membagi suatu distribusi menjadi 100
bagian yang sama besar, Adapun rumus menghitung persentil adalah sebagai
berikut :

C. Menentukan Ukuran Statistik Deskriptif Menggunakan Excel

Microsoft Excel menyediakan fasilitas untuk mengolah data statistik yaitu dengan
memanfaatkan fungsi-fungsi statistik yang ada, dan perintah analisis yang
merupakan perintah tambahan (add-ins) sehingga tidak ditampilkan pada menu
utama Microsoft Excel.

Beberapa langkah yang dapat dilakukan dalam melakukan analysis data statistik
adalah sebagai berikut :

1. Dari menu utama Microsoft Excel klik menu Data dan pilih menu Data
Analysis.
2. Pilih menu Descriptive Statistics lalu klik OK.
3. Klik button pada Input Range dan masukkan data batas atas kelas kedalam
kolom Input Range dengan cara mem-blok data tersebut.
4. Klik button Output Range dan tempatkan pointer pada tempat yang
kosong.
5. Pilih Summary Statitstics dan klik ok.

6
 BAB III

PEMBAHASAN

A. Analysis Data Ukuran Gejala Pusat Data Belum Dikelompokan

7
 Dalam penulisan jurnal kali ini, sampel data yang di ambil yaitu mengenai
Jumlah Anggota DPRD Menurut Fraksi di Kabupaten Tangerang (2013). Dengan
sampel data tersebut, kita akan mencari Mean, Rata-rata Ukur(Geometri), Rata-
rata Harmonis,Rata-rata Tertimbang, Median, Modus, Kuartil, Desil dan Persentil.

Tentukan hasil dari table tersebut berdasarkan :

1. Rata-rata Mean

CONTOH MENGHITUNG MEAN (RATA-RATA) DARI DATA JUMLAH

ANGGOTA DPRD FRAKSI KAB. TANGERANG (2013)

Sampel Data : 8,7,5,4,5,4,4,4,4

Jadi, rata-rata hitung yang diperoleh dari sampel data Fraksi Anggota DPRD
berdasarkan jenis kelamin pria adalah 5.

2. Rata-rata Geometri

CONTOH MENGHITUNG RATA-RATA UKUR (GEOMETRI) DARI DATA

8
JUMLAH ANGGOTA DPRD FRAKSI KAB. TANGERANG (2013)

Maka, rata-rata ukur(geometri) yang di dapat adalah 159.288

3. Rata-rata Harmonis

CONTOH MENGHITUNG RATA-RATA HARMONIS DARI DATA JUMLAH

ANGGOTA DPRD FRAKSI KAB. TANGERANG (2013)

9
Data yang belum
diurutkan :

8,7,5,4,5,4,4,4,4

Data yang telah

diurutkan :

4,4,4,4,4,5,5,7,8

Jumlah Data : 9

4. Rata-rata Tertimbang

CONTOH MENGHITUNG RATA-RATA TERTIMBANG DARI DATA

JUMLAH ANGGOTA DPRD FRAKSI KAB. TANGERANG (2013)

Jumlah fraksi laki-laki (Xi) tertimbang dengan total jumlah fraksi menurut jenis
kelamin(Wi)

X1 = 8, X2 = 7, X3 = 5, X4 = 4, X5 = 5, X6 = 4, X7 = 4, X8 = 4, X9 = 4

W1 = 9, W2 = 8, W3 = 6, W4 = 4, W5 = 7, W6 = 4, W6 = 4, W7 = 4, W8=4,
W9=4.

Median

CONTOH MENGHITUNG MEDIAN DARI DATA JUMLAH ANGGOTA

DPRD FRAKSI KAB. TANGERANG (2013) .

10
 5. Modus

Data yang belum diurutkan :

8,7,5,4,5,4,4,4,4

Data yang telah diurutkan :

4,4,4,4,4,5,5,7,8

Modus : 4

6. Kuartil

CONTOH MENGHITUNG KUARTIL DARI DATA JUMLAH ANGGOTA

DPRD FRAKSI KAB. TANGERANG (2013)

11
 7. Desil

CONTOH MENHITUNG PERSENTIL DARI DATA JUMLAH ANGGOTA

DPRD FRAKSI KAB. TANGERANG (2013)

12
 8. Persentil

CONTOH MENHITUNG PERSENTIL DARI DATA JUMLAH ANGGOTA

DPRD FRAKSI KAB. TANGERANG (2013)

13
 BAB IV

PENUTUP

A. Kesimpulan

Dari pengertian dan penjelasan di atas dapat disimpulkan bahwa Ukuran

Gejala Pusat adalah nilai dalam suatu rangkaian data yang dapat mewakili
rangkaian data tersebut. Sedangkan Ukuran Gejala Pusat Data Belum
Dikelompokkan adalah data yang tidak disusun ke dalam distribusi frekuensi
sehingga tidak mempunyai interval kelas dan titik tengah kelas, mencakup
penyajian rata – rata, median, modus, kuartil, desil dan persentil.

B. Saran

Pada perhitungan dengan menggunakan cara manual tentunya juga

diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan, untuk
memperkecil kesalahan kita bisa menggunakan Microsoft Excel atau SPSS
sebagai cara untuk membandingkan hasil keakuratan antara analisis manual
dengan analisis aplikasi MicrosoftExcel.

14
 DAFTAR PUSTAKA

Andriani. 2016 . Penalaran Statistis Mencakup Interpretasi Terhadap

Sekumpulan Data, Representasi Grafis, dan Ringkasan Secara Statistik : 154

Andriani. 2016. Bahwa Studi Tentang Penalaran Statistika di Indonesia : 165

Asep. 2014. Peran dan Makna Memahami Statistika Dalam Pembangunan Yang
Berbasis Data Menjadi Penting : 223-245

Ben-Zvi & Garfield .2004. Penalaran Statistis Adalah Cara Seseorang Berfikir
Dengan Menggunakan Informasi Statistik Menjadi Bermakna.

Sudjana. 2000. Dasar-Dasar Proses Belajar Mengajar. Bandung: Sinar Baru

Algesindo : 127

Yusuf. 2017. Bahwa Bemampuan Penalaran Statistis Diperlukan Untuk Bisa

Menafsirkan dan Memahami Serta Membuat Keputusan Yang Baik Untuk Data-
data Yang Dihasilkan : 60

15