MAKALAH

STATISTIKA
Ukuran Gejala Pusat Data Belum Dikelompokkan dan Ukuran Penyebaran Data
(Simpangan Rata-rata, Standar Deviasi, Jangkauan Kuartil dan Jangkauan Presentil)
Makalah Ini Diajukan Sebagai Salah Satu Tugas Mata Kuliah Statitika

Disusun oleh :

Melanda Klaudia - 12220106

Bernard Erel Hulio Laia - 12220264

Saripah Arhaningsih – 12220992

Kelas - 12.2C.39

SISTEM INFORMASI

UNIVERSITAS BINA SARANA INFORMATIKA CILEBUT

Jl. Raya Cilebut No.3a, RT.01/RW.04, RTO1 RW04, Kec. Tanah Sereal, Kota Bogor, Jawa Barat 16165
 KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan YME atas segala karunia yang telah

dilimpahkan, sehingga kami dapat menyelesaikan makalah yang berjudul Ukuran Gejala Pusat Data

Belum Dikelompokkan dan Ukuran Penyebaran Data (Simpangan Rata-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil).

Tidak lupa, kami mengucapkan terima kasih kepada Bapak Harna Ardianto, S.Si, M.T

selaku dosen mata kuliah Statistika. Ucapan Terima kasih juga kami sampaikan kepada teman-

teman yang telah membantu baik secara moral maupun material sehingga laporan ini dapat

terwujud.

Pembuatan laporan ini kami buat sebagai bentuk pengembangan ilmu yang kami dapatkan

dalam mata kuliah Statistika selama satu semester dan agar pembaca dapat lebih mengetahui lebih

dalam tentang Ukuran Gejala Pusat Data Belum Dikelompokkan dan Ukuran Penyebaran Data

(Simpangan Rata-rata, Standar Deviasi, Jangkauan Kuartil dan Jangkauan Presentil).. Selain itu

sebagai syarat untuk mendapatkan nilai ujian akhir semester mata kuliah Statistika.

Penulis menyadari bahwa dalam penulisan laporan ini masih jauh dari kata sempurna serta

kesalahan yang penulis yakini di luar batas kemampuan penulis. Oleh sebab itu kami sangat

terbuka dengan kritik dan saran yang membangun dari rekan-rekan yang sangat dibutuhkan untuk

penyempurnaan laporan ini. Semoga laporan ini dapat bermanfaat bagi semua pihak.

Akhir kata penulis berharap semoga makalah ini dapat memberikanmanfaat dan

pengembangan wawasan bagi mahasiswa dan pembaca pada umumnya.

 DAFTAR ISI

KATA PENGANTAR………………………………………………………………………

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

BAB I PENDAHULUAN

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

B. Ruang Lingkup………………………………………………………..............................

BAB II PEMBAHASAN

A. Pembahasan Ukuran Gejala Pusat Data Belum Dikelompokan…………………………

1. Pengertian Ukuran Gejala Pusat Data Belum Dikelompokkan………………………

2. Macam-macam Ukuran Gejala Pusat Data Belum Dikelompokkan………………….

B. Pembahasan Ukuran Penyebaran Data (Simpangan Rat-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil)

…………………………………………………………

1. Pengertian Ukuran Penyebaran Data (Simpangan Rat-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil)

…………………………………………..

2. Macam-macam Ukuran Penyebaran Data (Simpangan Rat-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil)

…………………………………………..

C. Contoh Penggunaan

1. Contoh Data yang akan di ukur

2. Contoh Penggunaan Ukuran Gejala Pusat Data Belum

Dikelompokkan……………..

3. Contoh Penggunaan Ukuran Penyebaran Data (Simpangan Rat-rata, Standar

Deviasi, Jangkauan Kuartil dan Jangkauan Presentil)

…………………………………………..
 BAB IV PENUTUP

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

B. Saran………………………………………………………………………………………

DAFTAR PUSTAKA

BAB I

PENDAHULUAN

A. Latar Belakang

Statistik berasal dari bahasa Latin yang artinya adalah “status” atau negara. Pada mulanya

statistika berhubungan dengan fakta dan angka yang dikumpulkan oleh pemerintah untuk

bermacam-macam tujuan. Statistik juga diturunkan dari kata bahasa Inggris yaitu state atau

pemerintah. Pengertian yang sangat sederhana tentang statistic adalah sebagai suatu kumpulan data

yang berbentuk angka dan tersusun rapi dalam suatu tabel, grafik, gambar, dan lain-lain. Misalnya

tabel mengenai keadaan pegawai di kantor-kantor, grafik perkembangan jumlah penduduk dari

waktu ke waktu, dan lain sebagainya. Sedangkan pengertian yang lebih luas mengenai statistik

adalah merupakan kumpulan dari teknik mengumpulkan, analisis, dan interpretasi data dalam

bentuk angka. Dan statistik juga merupakan bilangan yang menunjukkan sifat-sifat (karakteristik)

data yang dikumpulkan tersebut.

Statistika dapat didefinisikan sebagai suatu ilmu pengetahuan yang berhubungan dengan

cara-cara mengumpulkan fakta/data, pengolahan data, kemudian menganalisis data tersebut

sehingga dapat diperoleh suatu kesimpulan/keputusan. Penggunaan istilah statitika berakar dari

istilah - istilah dalam bahasa latin “modern statisticum collegiums (“dewan negara”) dan bahasa

Italian statista (“negarawan” atau “politikus”). Pada abad ke 19 dan awal abad ke 20 statistika

mulai banyak menggunakan bidang-bidang dalam matematika, terutama peluang.penggunaan

statistika pada masa sekarang dapat di katakan telah menyentuh semua bidang ilmu pengetahuan,

mulai dari astronomi hingga linguistika. Meskipun ada pihak yang menganggap statistika sebagai
cabang dari matematika tetapi sebagian pihak lainya menganggap statistika sebagai bidang yang

banyak terkait dengan matematika melihat dari sejarah dan aplikasinya.

Didalam kehidupan sehari – hari, sering kita jumpai banyak hal yang dapat kita

deskripsikan

dalam sebuah bentuk data. Informasi data yang diperoleh tentunya harus diolah terlebih dahulu

menjadi sebuah data yang lebih mudah dibaca dan dianalisa. Akan tetapi bagaimana penyajian data

yang kita dapat tentunya berbeda – beda, sesuai dengan kebutuhan dan keinginan penyaji data.

Statistika deskriptif berkenaan dengan bagaimana data yang dapat

digambarkan/dideskripsikan baik secara numerik (misal menghitung rata – rata dan deviasi standar)

atau secara grafis (dalam bentuk tabel atau grafik) untuk mendapatkan gambaran sekilas mengenai

data tersebut sehingga lebih mudah dibaca dan dipahami.

Pemahaman terhadap berbagai macam ukuran memiliki peranan krusial dalam membantu

kita merinci dan menganalisis data yang telah terkumpul. Ukuran-ukuran ini memberikan wawasan

lebih mendalam tentang sifat-sifat statistik suatu set data, memungkinkan kita untuk menyusun

gambaran yang lebih komprehensif terhadap distribusi dan karakteristiknya.

Untuk Ukuran Gejala adanya Rata-rata Hitung, Rata-rata Ukur, Rata-rata Harmonis, dan

Modus. Ukuran ini memberikan informasi mengenai pusat data. Rata-rata hitung adalah nilai

tengah yang mewakili data secara umum, sementara rata-rata ukur memberikan gambaran tentang

seberapa

jauh nilai-nilai data tersebar dari rata-rata hitung. Rata-rata harmonis memberikan perspektif lain

dengan mempertimbangkan kebalikan nilai-nilai data. Modus, di sisi lain, mengidentifikasi nilai-

nilai yang paling sering muncul dalam kumpulan data. Ukuran Letak Median, Kuartil, Desil, dan

Persentil Ukuran-ukuran ini membantu kita memahami posisi data di dalam kumpulan. Median,

sebagai nilai tengah setelah pengurutan data, memberikan gambaran representatif yang tidak
dipengaruhi oleh ekstrem nilai-nilai.

Kuartil membagi data menjadi empat bagian, sedangkan desil dan persentil memperluas

konsep ini ke dalam pecahan sepuluh atau seratus, membantu kita melihat distribusi data secara

lebih terperinci.Ukuran Penyebaran atau Simpangan yaitu Rata-rata, Standar Deviasi, Jangkauan

Kuartil, dan Jangkauan Persentil Ukuran penyebaran memberikan informasi tentang seberapa jauh

nilai-nilai

data tersebar dari pusatnya. Simpangan rata-rata adalah rata-rata dari selisih setiap data dengan

rata-rata hitung. Standar deviasi menyediakan ukuran yang lebih umum tentang sebaran data.

Jangkauan

kuartil dan jangkauan persentil membantu kita memahami sebaran data di bagian tengah dan

ekstremnya.Pentingnya pemahaman terhadap berbagai ukuran ini tidak hanya meningkatkan

kemampuan kita dalam merangkum data, tetapi juga memberikan dasar yang kuat untuk

mengambil keputusan yang tepat dalam berbagai konteks analisis data. Dengan demikian,

pemahaman mendalam terhadap ukuran-ukuran ini menjadi dasar yang esensial dalam memahami

dan menginterpretasikan informasi yang terkandung dalam data statistik.

B. Ruang Lingkup

Ruang lingkup yang akan penulis bahas meliputi statistika yang digunakan dan jenis – jenis

yang dapat digunakan untuk menyimpulkan atau mendeskripsikan data frekuensi Data produksi

celana dan jaket di PT Daerah Cibinong periode bulan Janurai – November 2023.
 BAB II

PEMBAHASAN

A. Pembahasan Ukuran Gejala Pusat Data Belum Dikelompokkan

1. Pengertian Ukuran Gejala Pusat Data Belum Dikelompokkan

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).

2. Macam – macam Ukuran gejala pusat

a. Mean
 Istilah mean dikenal dengan sebutan angka rata-rata. Ratarata hitung (mean) adalah nilai

yang mewakili sekelompok data. Mean diperoleh dengan cara menjumlahkan semua data yang ada

dibagi dengan banyaknya data.

Rumus untuk rata-rata populasi :

N
atau μ = 1/N (X1+X2+…..+XN)
∑ xi
i=1
μ= untuk rata-rata sample :
Rumus N
n atau x = 1/n (X1+X2+…..+Xn)
∑ xi
x= i−1
n
Keterangan :

∑ = Lambang penjumlahan semua gugus data pengamatan

Xi = Nilai data ke – i

n = Banyaknya sample data

N = Banyaknya data populasi

X = Nilai rata-rata sample

µ = Nilai rata-rata populasi

b. 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.

Rumus rata-rata ukur (geometri) :

log G = (∑logXi)/n atau G = √(X1.X2. ....X𝑛)

c. Rata – rata Harmonis

Rata-rata harmonis adalah rata-rata 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 harmonis sering disebut juga dengan kebalikan dari Rata-rata Hitung (mean).
Rumus rata-rata harmonis :

n
Rh =
1
∑x
i

d. Rata - rata Tertimbang

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

timbangan/bobot untuk setiap datanya. Setiap penimbang/bobot tersebut merupakan pasangan

setiap data.

Rumus rata-rata Tertimbang :

∑ x i ⋅ wi
x=
∑ wⅈ

Keterangan :

X = rata-rata tertimbang

Xi = Nilai data ke – i

Wi = Bobot data ke - i

e. 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.

Rumus median jumlah data ganjil :

Me = n+1
2
Rumus median jumlah data genap :

n
x +x n
2 ( 2 +1)
Mⅇ =
2
Keterangan :

Me = Median

X = Data ke –

N = Jumlah seluruh frekuensi

f. Modus

Modus adalah nilai yang sering muncul di serangkaian data atau frekuensinya paling tinggi.

g. Kuartil

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.

Rumus kuartil 1 : Q 1=x 1

( n+1 )
4
Rumus kuartil 2 : Q2=x 1 ( n+1 )
2
Rumus kuartil 3 : Q 3=x 3
( n+1 )
4

h. Desil

Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi 10 bagian yang

sama besar.
ⅈ ( n+1 )
Rumus Desil : Dⅈ =
10
Keterangan :

Di = Desil ke-i

N = Banyaknya Data

i. Persentil

Persentil adalah ukuran letak yang membagi suatu distribusi menjadi 100 bagian yang sama

besar.Adapun rumus menghitung Persentil

adalah sebagai berikut.

Rumus persentil :
ⅈ ( n+1 )
Pi=
100

B. Pembahasan Ukuran Penyebaran Data (Simpangan Rata-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil).

1. Pengertian dan kegunaan

Penyebaran atau dispersi adalah pergerakan dari nilai observasi terhadap nilai rata-ratanya.

rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah dari hasil

dispersi nilai-nilai tersebut sekitar rata-ratanya. Makin besar variasi nilai , makin kurang

representatif rata-rata distribusinya.Adapun ukuran penyebaran data yang biasa dihitung adalah

range (rentang), standar deviasi (simpangan baku), kurtosis (keruncingan), skewness (kemiringan).

Rentang data menunjukkan selisih antara nilai terbesar dengan nilaiterkecil dalam suatu himpunan

data. Simpangan baku adalah jumlah mutlak selisih setiap nilai pengamatan terhadap nilai rata-rata

dibagi dengan banyaknya pengamatan, kurtosis merupakan ukuran untuk menentukan bentuk-

bentuk distribusi yang biasanya dibandingkan dengan kurva distribusi normal.Berdasarkan besar
kecilnya penyebaran kelompok data di bagi menjadi 2 yaitu :

 Kelompok data homogen penyebaran relatif kecil jika seluruh data sama, maka disebut

kelompok data homogen 100%.

 Kelompok data heterogeny penyebarannya relatif besar.

Kegunaan ukuran penyebaran antara lain sebagai berikut :

 Ukuran penyebaran digunakan untuk menentukan apakah nilai rata-ratanya benar-benar

representatif atau tidak. Apabila kelompok data mempunyai penyebaran yang tidak sama

terhadap nilai rata-ratanya, maka di katakana bahwa nilai rata-rata itu tidak representatif.

 Ukuran penyebaran digunakan untuk mengadakan perbandingan terhadap variabilitas data.

 Ukuran penyebaran dapat membantu penggunaan ukuran statistika,misalnya dalam

pengujian hipotesis,apakah dua sampel berasal dari populasi yang sama atau tidak.

2. Macam-macam Ukuran Penyebaran data atau dispersi

a. Simpang Deviasi

Simpangan rata-rata (deviasi mean) adalah rata-rata jarak antara nilai-nilai data menuju

rata-ratanya. Simpangan rata-rata termasuk ke dalam ukuran penyebaran data seperti halnya varian

dan standar deviasi. Kegunaannya adalah untuk mengetahui seberapa jauh nilai data menyimpang

dari rata-ratanya.

RUMUS :

Data Tunggal Data Kelompok

n n

∑|x i−x| ∑|x i−x|

i=1
sr= sr sr= i−1 n
n
∑ fi
i=1
 b. Standar Deviasi

Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar deviasi juga

merupakan suatu ukuran dispersi atau variasi. Standar deviasi merupakan ukuran dispersi yang

paling banyak dipakai. Hal ini mungkin karena standar deviasi mempunyai satuan ukuran yang

sama dengan satuan ukuran data asalnya.

RUMUS :

Data Tunggal Data Kelompok

n 2 2
2
Σ i=1 ( x i−x ) 2
nΣ ( x i−x )
s= s= i=1

n n

c. Jangkauan Kuartil

Kuartil merupakan ukuran yang membagi data menjadi empat bagian yang sama. Seperti

yang telah di jelaskan di atas bahwa kuartil terdiri dari kuartil bawah (Q ₁), kuartil tengah

(Q₂/median) dan kuartil atas (Q₃).Simpangan kuartil ialah setengah dari selisih kuartil atas dengan

kuartil bawah. Simpangan kuartil = ½ (Q₃ – Q₁)

RUMUS :

Data Tunggal Data Kelompok

a
n−fk
Q3−Q1 4
sk= Qi =Tb+ ⋅p
2 fQ

d. Jangkauan Presentil

Persentil ini diambil dari kata persen, per seratus. Maka pengertian dari persentil yakni

adalah pembagian data terurut menjadi 100 buah bagian yang sama banyak. Dari 100 buah bagian.

RUMUS :

Data Tunggal Data Kelompok

 ⅈ
( n )−f k
100
pi=i ( n+1 ) Pi=T b+ ⋅p
fP

C. Contoh Penggunaan

1. Contoh Data yang akan di ukur

Data produksi celana dan jaket di PT Daera Cibinong Periode Bulan Januari – November 2023.

N PRODUKS PRODUKSI
BULAN TOTAL
O I CELANA JAKET
1 JANUARI 34557 21507 56064
2 FEBRUARI 34885 30050 64935
3 MARET 16350 39279 55629
4 APRIL 22730 27750 50480
5 MEI 11187 39175 50362
6 JUNI 15470 26145 41615
7 JULI 2377 28219 30596
8 AGUSTUS 50 30409 30459
9 SEPTEMBER 18927 10617 29544
10 OKTOBER 43689 13571 57260
11 NOVEMBER 11772 29860 41632
JUMLAH 211994 296582 508576

DATA PRODUKSI
TOTA
Tanggal Hari BULAN JANUARI
L
CELANA JAKET
Mingg
1 u 0
2 Senin 2100 1350 3450
3 Selasa 2933 460 3393
4 Rabu 1420 570 1990
5 kamis 1380 780 2160
6 Jumat 1660 585 2245
7 Sabtu 0
Mingg
8 u 0
9 Senin 1830 680 2510
10 Selasa 2020 780 2800
11 Rabu 1509 1180 2689
12 kamis 1370 1415 2785
13 Jumat 1600 1495 3095
14 Sabtu 0
Mingg
15 u 0
16 Senin 1800 1130 2930
17 Selasa 1600 1710 3310
18 Rabu 900 1800 2700
19 kamis 0 1367 1367
20 Jumat 0 1340 1340
21 Sabtu 0
Mingg
22 u 0
23 Senin 294 1200 1494
24 Selasa 536 1105 1641
25 Rabu 1680 1060 2740
26 kamis 1840 1130 2970
27 Jumat 1930 650 2580
28 Sabtu 0
Mingg
29 u 0
30 Senin 2155 410 2565
31 Selasa 2950 360 3310
2255 5606
JUMLAH 33507
7 4

2. Contoh Penggunaan Ukuran Gejala Pusat Data Belum Dikelompokkan

a. Mean

x¿
−¿
1/n (X1+X2+…...+Xn)
−¿
X = 1/n (X1+X2+…...+X11)
−¿
X = 1/11 (34557+34885+16350+22730+11187+15470+2377+50+18927+43689+11772)
−¿
X = 1/11 x 211,994
X= 19272.18182 19272
 Contoh menghitung mean (rata-rata) dari sampel data produksi celana periode bulan

Januari – November 2023.

b. Rata-rata ukur (Geometri)

Contoh menghitung rata-rata ukur (geometri) dari data harian produksi jaket periode 3 – 6

bulan januari 2023.

G= √(X1.X2. ....X𝑛)
G= √(460.570.780.585)
G= √119,641,860,000
G= 588.126555 588

c. Rata-rata Harmonis

Contoh menghitung rata-rata harmonis dari data harian produksi jaket periode 3 – 6 bulan

januari 2023.

4 4
Rh = =
1 1 1 1 260,091+209,898+ 153,387+204,516
+ + +
460 570 780 585 119,641,860

4 827,892 1 206,973 :4 206,973

Rh = = x = =
827,892 119,641,860 4 478567440 : 4 119,641,860
119,641,860

d. Rata-rata Tertimbang
 Contoh menghitung rata-rata tertimbang dari data harian produksi jaket periode 2 – 6 (satu

minggu) bulan januari 2023.

X1 = 1350 X2 = 460 X3 = 570 W1 = 3450 W2 = 3393 W3 = 1990

X4 = 780 X5 = 585 W4 = 2160 W5 = 2245

= (X1.W1)+(X2.W2)+(X3.W3)+(X4.W4)+(X5.W5) = (1350.3450)+(460.3393)+(570.1990)+(780.2160)+(585.2245)
W1+W2+W3+W4+W5 3450+3393+1990+2160+2245

= 4,657,500 + 1,560,780 + 1,134,300 + 1,684,800 + 1,313,325 = 10,350,705

13,238 13,238

= 781.893413 782

e. Median

Contoh menghitung media produksi celana di PT Daerah Cibinong periode bulan Januari –

November 2023.

PRODUK
N URUTA 11+1
BULAN SI Me=
O N DATA 2
CELANA
1 JANUARI 34557 9 12
2 FEBRUARI 34885 10 Me= =6
2
3 MARET 16350 6 MEDIAN
4 APRIL 22730 8
5 MEI 11187 3
6 JUNI 15470 5
7 JULI 2377 2
8 AGUSTUS 50 1
SEPTEMBE
9 R 18927 7
10 OKTOBER 43689 11
NOVEMBE
11 R 11772 4
JUMLAH 211994
 f. Modus

DATA
PRODUKSI
Tangg BULAN Modus dari data produksi celana pada
Hari TOTAL bulan Januari – November 2023
al JANUARI
CELAN JAKE 1 294 1
A T 2 536 1
1 Minggu 0 3 900 1
4 1370 1
2 Senin 2100 1350 3450
5 1380 1
3 Selasa 2933 460 3393
6 1420 1
4 Rabu 1420 570 1990
7 1509 1
5 kamis 1380 780 2160 8 1600 2
6 Jumat 1660 585 2245 9 1600 1
7 Sabtu 0 10 1680 1
8 Minggu 0 11 1800 1
9 Senin 1830 680 2510 12 1830 1
10 Selasa 2020 780 2800 13 1840 1
11 Rabu 1509 1180 2689 14 1930 1
12 kamis 1370 1415 2785 15 2020 1
13 Jumat 1600 1495 3095 16 2100 1
14 Sabtu 0 17 2155 1
18 2933 1
15 Minggu 0
19 1950 1
16 Senin 1800 1130 2930
17 Selasa 1600 1710 3310
18 Rabu 900 1800 2700
19 kamis 0 1367 1367
20 Jumat 0 1340 1340
21 Sabtu 0
22 Minggu 0
23 Senin 294 1200 1494
24 Selasa 536 1105 1641
25 Rabu 1680 1060 2740
26 kamis 1840 1130 2970
27 Jumat 1930 650 2580
28 Sabtu 0
29 Minggu 0
30 Senin 2155 410 2565
31 Selasa 2950 360 3310
2255
∑ 33507 56064
7
 g. Kuartil

Contoh Menghitung Kuartil data dari data produk periode bulan Januari 2023

1 294 1 a. Kuartil Bawah

2 536 1
3 900 1 1 1
Q 1= X 1 = ( n+1 )= ( 19+1 )=5
4 1370 1 4
( n +1) 4 4
5 1380 1
6 1420 1 b. Kuartil Tengah
7 1509 1
8 1600 2 1 1
9 1600 1 Q 2= X 1 = (1+19 )= ( 20 )=10
2
( ❑+1 ) 2 2
10 1660 1
11 1680 1 c. Kuartil Bawah
12 1800 1
13 1830 1 3 3
14 1840 1 Q3=x 3 = ( 19+1 )= ( 20 )=15
( n+1 ) 4 4
15 1930 1 21

16 2020 1
17 2100 1
18 2155 1
19 2933 1
2950 1

h. Desil

Contoh menghitung desil dari data produksi bulan Januari 2023.

Misal : Tentukan desil ke – 2 dari data produksi celana bulan Januari 2023

i ( n+1 ) 2 ( 19+1 ) 2 ( 20 ) 40
Dⅈ = = = = =4
10 10 10 10

i. Peresentil

Contoh menghitung peresentil data produksi bulan Januari 2023.

Misal : Mencari Persentil ke 10 dari data produksi celana bulan Januari 2023

10 ( 19+ 1 ) 10 ( 20 ) 200
P10= = = =2
100 100 100
 3. Contoh Penggunaan Ukuran Penyebaran Data (Simpangan Rata-rata, Standar Deviasi,

Jangkauan Kuartil dan Jangkauan Presentil)

Contoh menghitung simpang rata-rata produk celana periode tanggal 23 – 26 Januari 2023.

DATA PRODUKSI
Tanggal Hari BULAN JANUARI TOTAL
CELANA JAKET
1 Minggu 0
2 Senin 2100 1350 3450
3 Selasa 2933 460 3393
4 Rabu 1420 570 1990
5 kamis 1380 780 2160
6 Jumat 1660 585 2245
7 Sabtu 0
8 Minggu 0
9 Senin 1830 680 2510
10 Selasa 2020 780 2800
11 Rabu 1509 1180 2689
12 kamis 1370 1415 2785
13 Jumat 1600 1495 3095
14 Sabtu 0
15 Minggu 0
16 Senin 1800 1130 2930
17 Selasa 1600 1710 3310
18 Rabu 900 1800 2700
19 kamis 0 1367 1367
20 Jumat 0 1340 1340
21 Sabtu 0
22 Minggu 0
23 Senin 294 1200 1494
24 Selasa 536 1105 1641
25 Rabu 1680 1060 2740
26 kamis 1840 1130 2970
27 Jumat 1930 650 2580
28 Sabtu 0
29 Minggu 0
30 Senin 2155 410 2565
31 Selasa 2950 360 3310
 JUMLAH 33507 22557 56064

294+536 +1680+1840 43 5 0
x= = =
Rata rata 4 4

294 N 4 p 295 & 536 242

536 Max 1840 p 536 & 1680 1144
1680 Min 294 p 1680 & 1840 160
1840 Range/Kuartil 1546
K 2001.043
P 0.772597

Interval Frekuensi xi fi i
x x i−x |x i−x| 2
( x i−x )
2
fⅈ ( x i−x ) fk

fi

290 534 2 415 415 -373 373 139129 139129 2

164 1840 4 1760 3520 973 973 956729 3786916 8

3935 1346 3926045

∑ fi i x

3935 = 787
i=1
x= =
∑ ¿ i=1 f i 5

1. Simpangan Rata-rata

a. Data Tunggal

∑|x i−x| |294−1 346|+|536−1 346|+|1680−1346|+|1840−1 346|

sr= i=1 =
n 4
1112+ 810+334+ 494 2 75 0
sr= = = 687,5
4 4

b. Data Kelompok
 n

∑|x i−x| 1346

sr= i=1 n = = 224,333
6
∑fi
i=1

2. Standar Deviasi

a. Data Tunggal
n

∑ ( x i−x )2( 294−10 87 ,5 )2+ (536−10 87 , 5 )2 + ( 1680−10 87 ,5 )2+ ( 1840+10 87 ,5 )2

2 i=1
s = 6 29642 , 25+309692
= ,25+ 351056 ,25+ 566256 ,25
s=
2
n 4
4
2 185 6647
s= =¿ 464161,75
4

b. Data Kelompok
n

∑ f i ( x j−x )2 = 3926045 =¿
s2= i=1 6
n
3. Jangkauan Kuartil

a. Data Tunggal
Q3−Q1 1760−415 1 345
sk= = = = 672,5
2 2 2

b. Data Kelompok

Q
n−f k
4
Qi=Tb+ ⋅P
f Q2 5
4 1 ,25 = 1248,5
Q2=533 , 5+ ⋅1144=533 , 5+ ⋅1144=533 , 5+715
12 2
5
4 1 ,25 = 544,75
Q1=293 , 5+ ⋅242=293 ,5+ ⋅242=393 , 5+151 , 25
2 2
3
5−2
4 1 , 25−4 −2 ,75 =
Q3=1679 , 5+ ⋅160=1679 , 5+ ⋅160=1679 , 5+ 160=1679 , 5±440
2 .2 2
1239,5
4. Jangkauan Presentil

Tentukan nilai P40

a. Data Tunggal

i ( n+ 1 )
Pi=
100
40 ( 4+1 ) 40 ×5 200
P40= = = = 2 (letak) = 534
100 100 100

b. Data Kelompok
ⅈ
( n 40
)−f k
100 ( 5⋅)−1
Pi=T b + 100 P 2 = 1679,5 + 121 = 1800,5
P40=1679 , 5+f P 242=1679 , 5+ ⋅242
4 4
 BAB III

PENUTUP

A. Kesimpulan

Dari pengertian dan penjelasan di atas dapat disimpulkan bahwa Distribusi Frekuensi

mencakup penyajian data, pengelompokan data kedalam suatu daftar atau tabel, kelas interval serta

diagram dari hasil penelitian.

Sedangkan Ukuran Gejala Pusat Data yang Belum Dikelompokkan mencakup penyajian

rata – rata, median, modus, kuartil, desil dan persentil.

Dalam kehidupan sehari–hari penggunaan aplikasi Microsoft Excel atau SPSS dapat

memberikan manfaat yang besar dalam perusahaan ataupun dalam dunia pendidikan dan bila

dibandingkan hasil dari pengolahan data secara manual dengan hasil pengolahan data secara

otomatis yaitu dengan aplikasi microsoft excel atau SPSS, akan memperoleh hasil yang berbeda

dari keduanya. Pertama dalam keakuratan pengolahan data secara otomatis lebih mendekati

kebenaran melalui program daripada pengolahan data secara manual. Lalu dalam hal efisiensi

waktu pengolahan dengan aplikasi Microsoft excel atau SPSS waktu yang digunakan dapat menjadi

lebih efisien ketika melakukan pengolahan data.

Ukuran penyebaran data yang telah dihitung adalah range (rentang), standar deviasi

(simpangan baku). Rentang data menunjukkan selisih antara nilai terbesar dengan nilai terkecil

dalam suatu himpunan data. Simpangan baku adalah jumlah mutlak selisih setiap nilai pengamatan
terhadap nilai rata-rata dibagi dengan banyaknya pengamatan kurtosis merupakan ukuran untuk

menentukan bentukbentuk distribusi yang biasanya dibandingkan dengan kurva distribusi normal.

Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar-benar

representatif atau tidak. Apabila suatu kelompok data mempunyai penyebaran yang tidak sama

terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak representatif.

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 Microsoft Excel atau SPSS.

Dalam kehidupan sehari – hari bahwa penggunaan aplikasi microsoft Excel dan juga SPSS

dapat memberikan manfaat yang besar bagi suatu organisasi perusahaan maupun pendidikan yaitu

waktu dapat menjadi lebih efisien ketika melakukan pengolahan data mentah menjadi data

berkelompok yang nantinya menjadi informasi bagi organisasi tersebut dalam menentukan

keputusan yang lebih baik di masa yang akan datang. Sebaliknya, jika sebuah organisasi

perusahaan maupun pendidikan masih menerapkan penghitungan manual dalam pengolahan data

statistik, maka waktu yang ada menjadi kurang efisien dan pengerjaan dalam mengolah data

menjadi kurang efektif. Dan juga bila dibandingkan hasil dari pengolahan data secara manual

dengan hasil pengolahan data secara otomatis yaitu dengan aplikasi microsoft excel dan SPSS, akan

memperoleh hasil yang berbeda dari keduanya. Tingkat keakuratan pengolahan data secara

otomatis lebih mendekati kebenaran daripada pengolahan data secara manual.

 DAFTAR PUSTAKA

http://www.igcomputer.com/ukuran-pemusatan-dan-penyebaran-data-pada-statistik-
deskriptif.html
http://id.wikipedia.org/wiki/Statistika
http://www.bsi.ac.id
H. Sigit Suprijanto dkk. 2009. Matematika 2 SMA Kelas XI Program IPA. Yudistira