LAPORAN MODUL 8

PRAKTIKUM PEMROGRAMAN
BERORIENTASI OBJEK

Disusun oleh :
Nama : AKBAR WIJAYA
NIM : 235410041
Kelas : INFORMATIKA 1

PROGRAM STUDI INFORMATIKA

PROGRAM SARJANA
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA
YOGYAKARTA
2023
 LAPORAN PEMROGRAMAN
BERORIENTASI OBJEK
MODUL 8

A. TUJUAN PRAKTIKUM
Mahasiswa mampu menyajikan deskripsi nilai pusat dan menyajikan nilai dispresi

B. DASAR TEORI
A. NILAI PEMUSATAN
Salah satu aspek yang paling penting untuk menggambarkan distribusi data
adalah nilai pusat data pengamatan (Central Tendency). Setiap pengukuran aritmatika
yang ditujukan untuk menggambarkan suatu nilai yang mewakili nilai pusat atau nilai
sentral dari sekelompok data (himpunan pengamatan) dikenal sebagai ukuran
pemusatan data (tendensi sentral).
Ukuran nilai pusat/tendensi sentral (average) merupakan nilai pewakil dari suatu
distribusi data, sehingga harus memiliki sifat-sifat berikut:
Harus mempertimbangkan semua gugus data
Tidak boleh terpengaruh oleh nilai-nilai ekstrim.
Harus stabil dari sampel ke sampel.
Harus mampu digunakan untuk analisis statistik lebih lanjut.
Terdapat tiga ukuran pemusatan data yang sering digunakan, yaitu:
a. Mean (Rata-rata hitung/rata-rata aritmetika)
b. Median
c. Modus

Mean (arithmetic mean)

Rata-rata hitung atau arithmetic mean atau sering disebut dengan istilah mean
saja merupakan metode yang paling banyak digunakan untuk menggambarkan ukuran
tendensi sentral. Mean dihitung dengan menjumlahkan semua nilai data pengamatan
kemudian dibagi dengan banyaknya data. Definisi tersebut dapat di nyatakan dengan
persamaan berikut:
Perintah dalam R
>mean(variable)

Median
Median dari n pengukuran atau pengamatan x1, x2 ,..., xn adalah nilai
pengamatan yang terletak di tengah gugus data setelah data tersebut diurutkan. Apabila
banyaknya pengamatan (n) ganjil, median terletak tepat ditengah gugus data, sedangkan
bila ngenap, median diperoleh dengan cara interpolasi yaitu rata-rata dari dua data yang
berada di tengah gugus data. Dengan demikian, median membagi himpunan
pengamatan menjadi dua bagian yang sama besar. Median tidak dipengaruhi oleh nilai-
nilai aktual dari pengamatan melainkan pada posisi mereka.
Perintah dalam R

>median(variable)

Modus (Mode)
Modus adalah data yang paling sering muncul/terjadi. Untuk menentukan
modus, langkah-langkahnya sebagai berikut :
susun data dalam urutan meningkat hitung frekuensinya. Nilai yang frekuensinya
paling besar (sering muncul) Modus digunakan baik untuk tipe data numerik atau pun
data kategoris. Modus tidak dipengaruhi oleh nilai ekstrem. Beberapa kemungkinan
tentang modus suatu gugus data:
a. Apabila pada sekumpulan data terdapat dua mode, maka gugus data tersebut
dikatakan bimodal.
b. Apabila pada sekumpulan data terdapat lebih dari dua mode, maka gugus data
tersebut dikatakan multimodal.
c. Apabila pada sekumpulan data tidak terdapat mode, maka gugus data tersebut
dikatakan tidak mempunyai modus.

Meskipun suatu kelompok data mungkin saja tidak memiliki modus, namun pada
suatu
distribusi data kontinyu, modus dapat ditentukan secara analitis.
a. Untuk data yang distribusinya simetris, nilai mean, median dan modus
semuanya
sama.
b. Untuk distribusi miring ke kiri (negatively skewed): mean < median < modus
c. untuk distribusi miring ke kanan (positively skewed): terjadi hal yang
sebaliknya,
yaitu mean > median > modus.
Hubungan antara ketiga ukuran tendensi sentral untuk data yang tidak berdistribusi
normal, namun hampir simetris dapat didekati dengan menggunakan rumus empiris
berikut:
Mean - Mode = 3 (Mean - Median)

Fungsi standar dalam R yang digunakan untuk mencari modus belum ada, sehingga
untuk mencari nilai modus dapat dicari dengan membuat fungsi sendiri.

B. NILAI DISPERSI
Ukuran dispersi atau ukuran variasi adalah ukuran yang menyatakan seberapa
jauh nilai data yang berbeda dari nilai pusatnya . Ukuran dispersi pada dasarnya
merupakan pelengkap dari ukuran pusat dalam menggambarkan sekumpulan data.
Dengan ukuran dispersi, penggambaran data akan lebih tepat dan jelas.
Fungsi ukuran dispersi:
 1. Menunjukkan tinggi rendahnya penimpangan antar data.
2. Mengeahui derajat perbedaan antar data
Jenis ukuran disperse :
1. Jangkauan (Range, R)
Range adalah selisih antara nilai terbesar dan nilai terkecil dari data yang
telah disusun berurutan. Untuk menentukan nilai

Perintah dalam R nilai R dapat dicari dengan perintah

>range(variable)
Namun dr perintah tersebut outputnya berupa nilai minimum dan nilai
maksimum

2. Variansi
Variansi adalah nilai tengah kuadrat simpangan dari nilai tengah atau
simpangan rata-rata kuadrat. Untuk varians sampel disimbolkan s2 untuk
populasi di simbolkan σ2

Perintah dalam R
>var(variable)

3. Simpangan Baku (Standar Deviasi)

Simpangan baku adalah akar kuadrat simpangan dari nilai variansi.
Simpangan baku adalah suatu nilai yang menunjukkan tingkat (derajat) variasi
atau kelompok data atau ukuran standar penyimpangan dari meannya.

Perintah dalam R

C. PEMBAHASAN LISTING
Praktik
1. Praktik 1

Pembahasan :
Dari output diatas diketahui nilai ringkasan numeriknya, yaitu rata-rata nilai adalah
70,7 sedangkan nilai mediannya adalah 68,5.
2. Praktik 2

Pembahasan:
 Dari output diatas dapat diketahui nilai ringkasan numerikya, yaitu nilai range untuk
UTS adalah 39-99 = 60, nilai variansi UTS nya 183,4412 , nilai simpangan baku
untuk UTS adalah 13,54405.

Nilai range untuk UAS adalah 96 – 50 = 46, nilai variansi UTS nya 162,4412 , nilai
simpangan baku untuk UTS adalah 12,74524.

Latihan
1. Latihan 1

Pembahasan :
Dari output diatas dapat diketahui nilai ringkasan numeriknya, yaitu nilai rata-rata
mean untuk panen ikan adalah 42,75 , nilai meadian panen ikan nya 42 , nilai
jangkauan panen ikan nya 32 56 , nilai variansi panen ikan nya 35,83333 , nilai
simpangan baku untuk panen ikan adalah 5,986095.
2. Latihan 2

Pembahasan :
Dari output diatas dapat diketahui nilai ringkasan numeriknya, yaitu nilai rata-rata
mean untuk berat badan adalah 59,27778 , nilai median berat badan nya 59, nilai
jangkauan berat badan nya 46 80, nilai variansi berat badan nya 117,3889 , nilai
simpanagan baku untuk berat badan adalah 10,83462.

D. PEMBAHASAN TUGAS
1. Tugas 1
 Pembahasan :
Dari output diatas dapat diketahui nilai ringkasan numeriknya, yaitu nilai median
untuk sebelum adalah 68, nilai median untuk sesudah nya 60, nilai modus untuk
sebelum nya 59, 69, 78, nilai modus sesudah nya 60, nilai mean untuk sebelum nya
69,4, nilai mean untuk sesudah nya 65,73333, nilai jangkauan untuk sebelum nya
50 99, nilai jangkauan untuk sesudah nya 40 96, nilai variansi untuk sebelum nya
164,1143 , nilai variansi untuk sesudah nya 257,6381 , nilai simapangan baku untuk
sebelum nya 12,81071 , nilai simpangan baku untuk sesudah adalah 16,05111.

E. KESIMPULAN
Kita dapat menyajikan deskripsi nilai pusat dengan mean, median,dan modus. Dan
menyajikan deskripsi nilai dispresi dengan jangkauan, variansi, dan simpangan baku.

F. LAMPIRAN
Listing
NIM : 235410041
Nama :AKBAR WIJAYA
Kelas :INFORMATIKA 1

LISTING PEMROGRAMAN
BERORIENTASI OBJEK MODUL 8
PERTEMUAN 8

PRAKTIK
1. Praktik 1

2. Praktik 2

LATIHAN
1. Latihan 1

2. Latihan 2

TUGAS
1. Tugas 1