LAPORAN PRAKTIKUM`

MODUL I

MANAJEMEN DATA

OLEH :

KELOMPOK XIV

AFDALIYAH NADYA FADILAH 09120200101

FATIMA AZZAHRAH 09120200055

NURUL FITRI JUNAEDI 09120200047

SHIDIQ ADRIANSYAH 09120200134

MUHAMMAD ASHAR HIDAYAT NURDIN 09120200103

LABORATORIUM STATISTIKA INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MUSLIM INDONESIA
MAKASSAR

2022
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Statistik pada dasarnya adalah data – data yang dihasilkan dari

pengolahan yang dipelajari di statistika. Jadi statistika adalah ilmunya

sedangkan statistik adalah datanya. Statistika merupakan kumpulan dari

metode atau cara – cara untuk mengumpulkan, menampilkan, mengolah dan

menganalisis data, hingga membuat kesimpulan atas analisis data yang

telah diolah tersebut. Kebanyakan orang hanya tahu bahwa statitika selalu

berhubungan dengan angka dan data yang bersifat numerik. Bukan hanya

itu, konsep statistik kebanyakan digunakan untuk mengolah data yang

sifatnya agregat dan tentunya menghasilkan data yang banyak sehingga

kebanyakan orang malas untuk melihat. Sehingga dibutuhkan pengelolaan

angka yang dapat memudahkan pengamat untuk mengamati suatu data.

Di dalam praktikum statistika tidak hanya praktek – praktek latihan

menyelesaikan masalah yang kemudian diselesaikan dengan metode

statistic, tetapi meliputi ; proses pengambilan data, mengelolah data dengan

bantuan perangkat lunak computer, menganalisis data dan mengambil

kesimpulan berdasarkan analisis data. Laporan statistika deskriptif ini dibuat

karena laporan keungan bank banyak mengalami naik turun dalam

memaksimalkan penggunaan asset. Maka fungsi dari laporan ini adalah

untuk mengetahui beberapa perusahaan yang kurang dalam

memaksimalkan asetnya (Faozan Tri Nugroho, 2021)

1.2. Tujuan Praktikum

1. Memberikan latihan bagi praktikan agar dapat melakukan manajemen

data yaitu mengumpulkan, menyusun, menyajikan dan meggambarkan

data sehingga dapat memberikan informasi.

2
 3

2. Meningkatkan pemahaman manajemen (pengolahan) data berdasarkan

teori yang telah diperoleh.

3. Praktikan mampu menganalisa data yang telah diperoleh.

4. Melatih praktikan untuk memanfaatkan informasi yang dihasilkan oleh

sekumpulan data.

1.3. Alat dan Bahan

1. Alat tulis

2. Kalkulator

3. Lembar kerja

4. Jangka sorong

5. Kelereng

6. Baut dan Mur

7. IPK

1.4. Langkah – langkah Praktikum

A. Manajemen Data kelereng

1. Ambil sebuah kelereng dalam wadah yang berisi 100 kelereng.

2. Ukur diameter kelereng dengan menggunakan jangka sorong.

3. Lihat dan kemudian catat diameter tiap kelereng pada kertas

pengamatan.

4. Kembalikan kelereng pada wadah.

5. Ulangi langkah 1 – 4 sebanyak 50 kali.

6. Melakukan pengolahan data.

7. Buat kesimpulan.

B. Manajemen Data Baut dan Mur

1. Ambil sebuah baut dan mur dalam wadah yang berisi 100 baut dan

mur.

2. Ukur diameter baut dan mur dengan menggunakan jangka sorong.

 4

3. Lihat dan kemudian catat diameter baut dan mur pada kertas

pengamatan.

4. Kembalikan baut dan mur pada wadah.

5. Ulangi langkah 1 – 4 sebanyak 50 kali.

6. Melakukan pengilahan data.

7. Buat kesimpulan.

C. Manajemen Data IPK

1. Ambil sebuah lembar kerja dan tulis.

2. Data IPK dari temen sekelompok yang berjumlah 50 orang.

3. Gabungkan tiap data IPK dari tiap kelompok yang ada pada tiap kelas,

sehingga mencukupi 50 data.

4. Melakukan pengolahan data.

5. Buat kesimpulan.
 BAB II

LANDASAN TEORI

2.1. Pengertian Statistik

Istilah statistik berasal dari kata “Status” (bahasa Yunani yang berarti

“State” = Negara). Istilah ini mula – mula diartikan sebagai kumpulan data

tentang negara, termasuk catatan mengenai penduduk, pemilikan tanah,

angka kelahiran, kematian dsb. Selain itu ada beberapa defenisi tentang

statistik yaitu statistic adalah ilmu dan seni – atau teknik – untuk

mengumpulkan data, menyajikan data, menganisa data dan mengambil

kesimpulan berdasarkan data yang berhasil dihimpun (Bambang Kustituanto

dan Rudy Badruddin, 1995).

Istilah statistik juga mengandung pengertian sebagai “meotde statistik”,

yaitu cara – cara tertentu yang perlu ditempuh dalam rangka mengumpulkan,

menyusun, menyajikan, menganlisis dan memberikan interpretasi terhadap

kumpulan bahan keterangan yang berupa angka sehingga kumpuan

keterangan angka tersebut dapat memberikan makna tertentu. Istilah

statistic juga diberi pengertian sebagai “ilmu statistic”. Ilmu statistik adalah

ilmu yang membahas dan mengembangkan secara ilmiah tahap – tahap

yang ada dalam kegiatan statistik (Sudijono, Anas, 2012).

Namun, pada perkembangan selanjutnya arti kata statistik hanya dibatasi

pada “kumpulan bahan keterangan yang berwujud angka (data kuantitatif)”

saja ; bahan keterangan yang tidak berwujud angka (data kualitatif) tidak lagi

disebut statistik. Dalam kamus bahasa Inggris akan kita jumpai kata statistic

dan statistics. Kedua kata itu mempunyai arti yang berbeda. Kata statistic

mempunyai arti “ukuran yang diperoleh atau berasal dari sampel, sedangkan

statistics artinya “ilmu statis”.

5
 6

Statistik dan statistika memang lazim digunakan untuk menyelesaikan

masalah. Terutama yang berkaitan dengan data. Namun yang jarang

disadari, keduanya memiliki makna yang sedikit berbeda. Perbedaan statistik

dan statistika yang pertama bisa dilihat dari pengertian kedua istilah

tersebut. Menurut KBBI statistik adalah angka – angka atau catatan yang

dikelompokkan, dikumpulkan serta tabulasi. Sehingga akan didapatkan

informasi yang berkaitan dengan masalah tertentu. Data atau angka pada

statistik bisa diperoleh dari pengumpulan data melalui wawancara ataupun

tanpa melakukan wawancara. Karenanya, statistik pada dasarnya

merupakan kumpulan data yang dihasilkan dari pengolhan yang dipelajari

dlaam statistika. Dengan kata lain , statistika merupakan ilmunya sementara

statistik adlah datanya.

2.2. Populasi dan Sampel

1. Populasi

Perlu di ketahui bahwa pengertian populasi terbagi menjadi dua yaiu

pengertian populasi dalam statistika dan pengertian populasi dalam ilmu

biologi. Ssebenarnya pengertiannya sama hanya saja sedikit dibedakan

dalam menjelaskan subyeknya, yang intinya tetap sama yaitu populasi

sebgai kumpulan individu ata elemen. Secara umum populasi adalah

jumlah keseluruhan dari satuan – satuan atau individu – individu yang

karakteristiknya hendak diteliti, dan satuan – satuan tersebut dinamakan

unit analisis, dan dapat berupa orang – orang, institusi – institusi, benda –

benda dst (Djarwanto, 1994 : 420). Pengertian lain tentang populasi yaitu

populasi adalah seluruh data yang menjadi perhatian peneliti dalam suatu

ruang lingkup dan waktu yang telah ditentukan. Dalam terminology

penelitian populasi dapat dijelaskan sebagai sekelompok individu,

lembaga, objek dan lain sebagainya yang memiliki kesamaan karakteristik

 7

yang menjadi kepentingan seorang peneliti. Sedangkan pengertian

populasi menurut para ahli dalam statistika adalah sekumpulan objek

yang mempunyai karakteristik yang sama yang menjadi objek inferensia.

Definisi Populasi merupakan keseluruhan (universum) dari objek

peneltian yang dapat berupa manusia, hewan, tumbuh-tumbuhan, udara,

gejala, nilai, peristiwa, sikap hidup, dan sebagainya, sehingga objek-objek

ini dapat menjadi sumber data penelitian (Burhan, 2000:40). Dalam

statistika populasi juga dipandang sebagai kelompok elemen – elemen

atau individu di dalam suatu area tertentu baik bersifat nyata maupun

imajiner. Berikut jenis – jenis populasi, yaitu :

a. Populasi Terbatas (finite)

Populasi terbatas (finite) adalah kumpulan objek atau individu yang

menjadi objek penelitian yang menempati suatu area tertentu yang

memiliki batas jelas yang membedakan kelompok populasi tersebut

dengan populasi lain. Sebagai contoh, populasi bebek dalam satu

kandang, jumalh siswa kelas 12A , populasi perempuan dalam suatu

lingkungan dan lain – lain.

b. Populasi Tak Terbatas (infinite)

Populasi tak terbatas (infinite) adalah kumpulan objek atau indiviu

yang menjadi objek penelitian yang tidak diketahui batas wilayahnya

atau tidak dapat dilakukan pengukuran mengenai jumlah keseluruhan

individu yang terdapat wilayah yang ditempati. Sebagai contoh,

populasi bintang di angkasa, jumlah sel darah merah dalam tubuh

seseorang dan lain – lain.

Populasi yang besar akan menyulitkan peneliti untuk dilakukan peneliti

jika harus meneliti seluruh elemen populasi, untuk itulah dilakukan

penelitian terhadap sebagian elemen untuk dapat di jadikan contoh yang

 8

akan mewakili populasi. Pengambilan contoh atau sampel disebut dengan

sampling. Pengambilan sampel harus dilakukan dengan menggunakan

kaidah yang valid, dan sesuai aturan, paling tidak memenuhi kaidah

peluang. Terdapat serangkaian aturan dan metode ppengambilan sampel

yang perlu dipahami agar karakter sampel yang diambi tidak bias

terhadap karakter populasi. Metode tersebut dikenal dengan metode atau

teknik sampling. Biasanya dalam statistika populasi diberi lambang huruf

kapital misalkan N. Untuk populasi yang terbatas atau relatif kecil

penelitian atau observasi dapat dilakukan dengan meneliti keseluruhan

individu atau objek dari populasi yang juga biasa disebut sebagai sensus.

Salah satu contoh penelitian yang dilakukan terhadap seluruh individu

dalam kelompok atau seluruh elemen populasi adalah sensus penduduk

yang dilakukan oleh BPS. Dalam kegiatan tersebut seluruh penduduk di

Indonesia yang termasuk dalam wilayah Indonesia, memenuhi syarat

sebagai penduduk Indonesia dan penduduk Indonesia yang berada di

luar negeri yang masih terdaftar sebagai penduduk Indonesia akan

dicatat.

2. Sampel

Dalam bahasa Indonesia sampel diartikan sebagai contoh. Artinya jika

suatu populasi berisi elemen elemen, maka jika diambil suatu contoh/

sampel dari populasi maka hanya akan diambil sebagian kecil dari

elemen-elemen tersebut untuk mewakili seluruh karakter elemen

populasi. Secara umum sampel adalah sebagian dari populasi itu sendiri.

Menurut Djarwanto, sampel adalah sebagian dari populasi yang

karakteristiknya hendak diteliti (Djarwanto, 1994 : 43).

Sedangkan menurut Sugiyon, sampel adalah suatu bagian dari

keseluruhan serta karakteritik yang dimiliki oleh sebuah populasi. Jika

 9

populasi tersebut besar, sehingga para peneliti tentunya tifak

memungkinkan untuk mempelajari keseluruhan yang terdapat pada

populasi terebut oleh karena beberapa kendala yang akan dihadapkan

nantinya seperti ; keterbatasan data, tenaga dan waktu. Maka dalam hal

ini perlunya menggunakan sampel yang diambil dari populasi itu. Dan

selanjutnya, apa yang dipelajari dari sampel tersebut maka akan

mendapatkan kesimpulan yang nantinya diberlakukan untuk populasi.

Oleh karena itu sampel yang didapatkan dari populasi memang harus

benar – benar representative (mewakili) (Sugiyono, 2008 : 118).

Ukuran sampel umumnya dilambangkan dengan huruf kecil misalnya

n dari N yang melambangkan ukuran populasi. Sehingga sampel/contoh

yang diambil dapat juga diartikan sebagai suatu himpunan bagian dari

populasi. Perlu digaris bawahi bahwa untuk menarik kesimpulan

mengenai karakter yang dimiliki populasi yang diduga atau diestimasi dari

sampel yang kita ambil harus memenuhi syarat tertentu yang bersifat

mutlak. Apabila syarat tersebut tidak dipenuhi maka bisa jadi sampel yang

diambil dari populasi tidak dapat menggambarkan keadaan atau karakter

populasi yang sebenarnya.

2.3. Data dan Informasi

Keterkaitan data dan informasi sangatlah erat sebagaimana hubungan

antara ssebab dan akibat. Bahwa data merupakan bentuk dasar dari sebuah

informasi, sedangkan informasi merupakan elemen yang dihasilkan dari

suatu bentuk pengolahan data.

2.3.1 Pengertian Data dan Penggolongan Data

Menurut berbagai kamus bahasa Inggris – Indonesia, data

diterjemahkan sebgai istilah yang berasal dari kata “datum” yang

berarti fakta / bahan – bahan keterangan. Dari sudut pandang bisnis,

 10

terdapat pengertian data bisnis : “Business data is an organization’s

description of things (resource) and events (transaction) that it faces”.

Jadi data, dalam hal ini disebut sebagai data bisnis, merupakan

deskripsi dari sesuatu dan kejadian yang kita hadapi. Gordon B.Davis

dalam bukunya Management Information System :Conceptual

Foundations, Structures and Development menyebut data sebagai

bahan mentah dari informasi, yang dirumuskan sebagai sekelompok

lambang – lambang tidak acak yang menunjukkan jumlah atau

tindakan atau hal – hal lain.

Dari pengertian tersebut dapat disimpukan data adalah bahan

baku informasi atau bahasa mathematical dan simbol – simbol

pengganti lain yang disepakati oleh umum dalam menggambarkan

objek, manusia, peristiwa, aktivitas, konsep dan objek – objek

lainnya. Atau dengan kata lain, data merupakan kenyataan apa

adanya (raw facts) (Djoko Darmoyo, 2020).

Berdasarkan sifatnya,data digolongkan menjadi dua. Yaitu :

1. Data Kualitatif

Data kualitatif dikenal juga sebagai data kategoris. Karena

menggambarkan data yang sesuai dengan kategori. Data kualitatif

tidak bersifat numeric. Informasi kategori ini melibatkan variabel

kategoris yang menggambarkan fitur seperti jenis kelamin

seseorang, kota asal, bahasa, agama dan banyak lagi. Ukuran

kategoris didefinisikan dalam spesifikasi kalimat penjelasan, tapi

tidak dalam hal angka. Terkadang data kualitatif menyimpan nilai

numeric. Tapi nilai tersebut tidak memiliki arti matematis layaknya

data kuantitatif. Contoh data yang mencantumkan data kualitatif

yaitu :
 11

a. Tanggal lahir

b. Olahraga favorit

c. Kode pos sekolah

d. Warna mobil diparkiran

e. Nilai siswa di kelas

Disini, tanggal lahir dan kode pos sekolah memiliki nilai

kuantitatif, tetapi tidak memberikan arti numerik. Yang termasuk

dalam kategori dta kualitatif adalah nominal dan ordinal.

2. Data Kuantitatif

Data kuantitatif dikenal juga sebagai data numerik. Karena

mewakili nilai numeric yaitu, berapa banyak, atau seberapa sering.

Data numerik memberikan informasi tentang jumlah hal tertentu.

Beberapa contoh data kuantitatif adalah ukuran tinggi, panjang,

ukuran, berat dan sebagainya. Data kuantitatif dapat

diklasifikasikan menjadi beberapa jenis berdasarkan kumpulan

datanya, yaitu :

a. Data Nominal

Data nominal adalah data yang hanya dapat digolong –

golongkan secara terpisah, secara diskrit atau kategori. Data ini

diperoleh dari hasil menghitung, misalnya dalam suatu kelas

setelah dihitung terdapat 50 mahasiswa, terdiri atas 30 pria dan

20 wanita. Dalam suatu kelompok terdapat 1000 orang suku

jawa dan 500 orang suku sunda dan lain – lain. Jadi, data

nominal adalah data diskrit.

b. Data Kontinu
 12

Data kontinu adalah data yang bervariasi menurut tingkatan

dan ini diperoleh dari hasil pengukuran. Data ini dibagi mejadi

data ordinal, data interval dan data rasio.

c. Data Ordinal

Data ordinal adalah data yang berbentuk rangking atau

peringkat. Misalnya juara I, II, III dan seterusnya. Data ini, bila

dinyatakan dalam skala, maka jarak satu data dengan data

yang lain tidak sama.

d. Data Interval

Data interval adalah data yang jaraknya sama tetapi tidak

mempunyai nilai nol (0) absulut/mutlak. Contoh skala

thermometer, walaupun ada nilai 00 C, tetapi tetap ada nilainya.

Data – data yang diperoleh dari pengukuran dengan instrument

sikap dengan skala Likert misalnya adalah berbentuk data

interval.

e. Data Ratio

Data ratio adalah data yang jaraknya sama, dan mempunyai

nilai nol mutlak. Misalnya data tentang berat, panjang dan

volume. Berat 0 kg berarti tidak ada bobotnya, panjang 0 m

berarti tidak ada panjangnya. Data ini dapat dirubah ked lam

interval dan ordinal. Data ini juga dapat dijumlahkan atau dibuat

perkalian secara aljabar. Misalnya 2 m + 3 m = 7 m. kalau

dalam data interval penjumlahannya tidak seperti dalam dta

ratio. Misalnya air 1 gelas dengan suhu 200 C + air 1 gelas

dengan suhu 150 C maka suhunya tidak menjadi 350 C, tetapi

sekitar 17,50 C. data rasio adalah data yang paling teliti.

 13

Contoh data kuantitatif yang kerap dijumpai, seperti jumlah

orang yang tinggal, jumlah air (misal 1,7 liter), berat (dlam gram,

kilogram dan ton), waktu (dalam detik, menit, jam, hari atau tahun),

suhu (dalam derajat celcius, Fahrenheit atau kelvin), jumlah uang

yang dimiiki, jumlah siswa jurusan A dan angka kemenangan yang

diperoleh capres A.

2.3.2 Informasi

Informasi merupakan sesuatu yang dihasilkan dari pengolahan

data. Data yang sudah ada dikemas dan diolah sedemikian rupa

sehingga menjadi sebuah informasi yang berguna. Informasi

merupakan suatu hasil dari pemrosesan data menjadi sesuatu yang

bermakna bagi yang menerimanya, sebagaimana dikemukakan oleh

Vercellis (2009: 7) ºInformation is the outcome of extraction and

processing activities carried out on data, and it appears meaningful

for those who receive it in a specific domain .ª Selain merupakan

hasil dari pengolahan data, informasi juga menggambarkan sebuah

kejadian, sebagaimana dikemukakan oleh Wawan dan Munir (2006:

1) bahwa ºInformasi merupakan hasil dari pengolahan data dalam

suatu bentuk yang menggambarkan suatu kejadian-kejadian (event)

yang nyata (fact) dengan lebih berguna dan lebih berarti º.

Informasi dapat diibaratkan sebagai darah yang mengalir dalam

tubuh manusia, seperti halnya informasi di dalam sebuah perusahaan

yang sangat penting untuk mendukung kelangsungan

perkembangannya, sehingga terdapat alasan bahwa informasi

sangat dibutuhkan bagi sebuah perusahaan. Akibat bila kurang

mendaparkan informasi, dalam waktu tertentu perusahaan akan

 14

mengalami ketidakmampuan mengontrol sumber daya, sehingga

dalam mengambil keputusan – keputusan strategis sangat

terganggu, yang pada akhirnya akan mengalami kekalahan dalam

bersaing dengan lingkungan pesaingnya.

Infromasi sebagai data yang telah diolah menjadi bentuk yang

berguna bagi penerimanya dan nyata, berupa nilai yang dapat

dipahami di dalam keputusan sekarang maupun masa depan

(Gordon B.Davis) (Djoko Darmayono, 2020). Dari pengertian tersebut

dapat disimpulkan bahwa informasi adalah hasil dari pengolahan

data menjadi bentuk yang lebih berguna bagi penerimanya dimana

akan menggambarkan suatu kejadian – kejadian nyata dan pendapat

digunakan sebagai alat bantu untuk pengambilan keputusan.

2.4. Distribusi Frekuensi

Distribusi frekuensi adalah penyusunan data dalam bentuk kelompok

mulai dari yang terkecil sampai yang terbesar berdasarkan kelas – kelas

interval dan kategori tertentu (Hasibuan dkk, 2009). Manfaat penyajian data

dalam bentuk distribusi frekuensi adalah untuk menyederhanakan penyajian

data sehingga menjadi lebih mudah untuk dibaca dan dipahami sebagai

bahan informasi. Manfaat penyajian dta dalam bentuk distribusi frekuensi

adalah untuk menyederhanakan penyajian data sehingga menjadi lebih

mudah untuk dibaca dan dipahami sebagai bahan informasi. Tabel distribusi

frekuensi disusun bila jumlah data yang akan disajikan cukup banyak,

sehingga apabila disajikan dengan menggunakan tabel biasa menjadi tidak

efektif dan efisien serta kurang komunikatif. Beberapa bagian yang harus

diperhatikan dalam distribusi frekuensi antara lain :

2.4.1 Kelas Interval/ Jumlah Kelas Interval (Class)

 15

Kelas merupakan kelompok – kelompok nilai atau variabel.

Jumlah kelas menunjukkan jumlah kelompok nilai/ variabel dari data

yang diobservasi. Dalam menentukan jumlah kelas interval terdapat 3

pedoman sebagai berikut :

a. Ditentukan Berdasarkan Pengalaman

Pada umumnya jumlah kelas interval yang dipergunakan dalam

penyusunan tabel distribusi frekuensi berkisar antara 6 – 15 kelas.

Makin banyak data, maka makin banyak pula jumlah kelas

intervalnya, tetapi jumlah yang paling banyak atau maksimal

adalah 15 kelas interval dalam satu tabel distribusi frekuensi.

b. Ditentukan Dengan Membaca Grafik “Jumlah Interval Kelas”

Dengan menggunakan grafik yang menunjukkan hubungan

antara banyaknya dta (n) dengan jumlah kelas interval yang

diperlukan, maak penentuan jumlah kelas interval akan lebih

cepat. Dimana dalam grafik tersebut, garis vertikal menunjukkan

jumlah data observasi. Misalnya, bila jumlah data yang diobservasi

200, maka berdasarkan tabel, jumlah kelas intervalnya sekitar 12.

c. Ditentukan dengan Rumus Segitiga

Jumlah interval kelas juga dapat dihitung dengan

menggunakan rumus sturges sebagai berikut :

K = 1 + 3,3 log N……………………………………………………(2.1)

Dimana :

K = jumlah interval kelas

n = jumlah data observasi

log = logaritma

2.4.2 Batas Kelas (Class Limits)

 16

Merupakan nilai – nilai yang membatasi antara kelas yang satu

dengan kelas berikutnya. Terdiri atas 2 macam, yaitu :

a. Batas Kelas Bawah (Lower Class Limits), yaitu nilai atau angka

yang terdapat pada bagian sebelah kiri dari setiap kelas.

b. Batas Kelas Atas (Upper Class Limits), yaitu nilai atau angka yang

berada pada bagian sebalah kanan dari setiap kelas.

2.4.3 Rentang Data (Range)

Yaitu selisih antara data tertinggi dengan data terendah (data

terbesar dikurangi data terkecil).

2.4.4 Panjang interval kelas (Interval Size)

Adalah jarak antara tepi kelas atas dengan tepi kelas bawah.

Dapat dihitung dengan cara : Rentang data dibagi jumlah kelas.

2.4.5 Frekuensi Kelas (Class Frequency)

Merupakan banyaknya jumlah data yang terdapat pada kelas

tertentu.

2.5. Teknik Menyusun Tabel Distribusi Frekuensi

Untuk membuat sebuah tabel distribusi frekuensi, dapat dilakukan

dengan langkah – langkah sebagai berikut :

1. Mengurutkan data mulai dari yang terkecil sampai yang terbesar.

2. Menghitung rentang/range (R), yaitu data terbesar dikurangi dengan

data terkecil.

3. Menentukan jumlah kelas, dengan menggunakan rumus Sturges.

4. Menghitung panjang kelas atau interval

5. Membuat tabel distribusi frekuensi yang terdiri atas kolom interval

kelas, tally dan frekuensi.

6. Menghitung jumlah frekuensi dengan tally atau melidi dalam kolom

tally sesuai degnan banykanya data.

 17

7. Setelah jumlah keseluruhan frekuensi ditemukan, kemudian kolom

tally dihilangkan dalam penyajian data dalam bentuk tabel distribusi

frekuensi.

2.6. Macam – macam Tabel Distribusi Frekuensi

Secara umum, tabel distribusi frekuensi dapat dikelompokkan enjafi

beberapa macam, yaitu :

1. Tabel Distribusi Frekuensi Data Tunggal

Yaitu jenis tabel distribusi frekuensi yang menyajikan frekuensi dari

data tunggal yang berdiri sendiri/tidak dikelompokkan.

2. Tabel Distribusi Frekuensi Data Kelompok

Merupakan tabel distribusi frekuensi yang menyajikan frekuensi dari

data yang dikelompokkan.

3. Tabel Distribusi Frekuensi Kumulatif

Merupakan tabel statistik yang menyajikan frekuensi dari data yang

dihitung dengan ditambah – tambahkan baik dari atas ke bawah maupun

dari bawah ke atas. Dibedakan menjadi 2, yaitu :

a. Frekuensi kumulatif atas atau fk(a) yaitu : Frekuensi yang angka –

angkanya ditambahkan dari bawah ke atas.

b. Frekuensi kumulatif bawah atau fk(b), yaitu : Frekuensi yang angka –

angkanya ditambahkan dari atas ke bawah.

4. Tabel Distribusi Frekuensi Relatif (Tabel Presentase)

Tabel distribusi frekuensi relative adalah jenis tabel statistik yang di

dalamnya menyajikan frekuensi dalam bentuk angka persentasi (p)

(Dodiet Aditya Setyawan, 2013).

2.7. Model – model Populasi

Poligon frekuensi yang merupakan garis patah – patah dapat didekati

oleh sebuah lengkungan halus yang bentuknya secocok mungkin degnan

 18

bentuk polygon tersebut. Lengkungan yang di dapat dinamakan kurva

frekuensi. Jika semua data dalam populasi dapat dikumpulkan lalu dibuat

daftar distribusi frekuensinya dak akhirnya digambarkan kurva frekuensinya,

maka kurva ini dapat menjelaskan sifat – sifat karakteristik populasi. Kurva

ini merupakan model populasi yang akan ikut menjelaskan ciri – ciri populasi.

Dalam praktek, mode populasi ini biasanya didekati oleh atau diturunkan

dari kurva frekuensi yang diperoleh dari sampel reprenetatif yang diambil

dari populasi. Untuk keperluang teori dan metode yang lebih lanjut, metode

populasi ini dituangkan dalam bentuk persamaan matematik. Beberapa

diantarnya akan dibahas kemudian. Pada saat sekarang hanya akan

diberikan bentuk kurva untuk model populasi yang sering dikenal.

2.7.1 Manajemen Data

Defenisi manajemen adalah suatu pencapaian sasaran – sasaran

organisasi dengan cara yang efektif dan efisien melalui perencanaan

pengorganisasian, kepemimpinan dan pengendalian sumberdaya

organisasi (L.Daft, 2002). Sedangkan defenisi data merupakan bahan

yang berupa huruf, symbol, angka, gambar, suara atau penggambaran

dari kejadian (Jogiyanto, 2005). Jadi manajemen data merupakan

suatu bentuk kegiataan pengelolaan sumber daya informasi yang

meliputi, pertama proses pengumpulan data dan pencatatan ke dalam

dokumen yang berfungsi sebagai masukan (input) bagi sistem. Kedua,

proses penyimpanan sumber daya informasi ke dalam suatu berkas

dokumen. Ketiga, pemeliharaan proses penambahan data baru dan

perubahan data yang ada supaya sumber daya informasi tetap

mutakhir. Keempat, mengatur (organize) proses penyusunan data

sedemikian rupa untuk dapat memenuhi kebutuhan informasi para

 19

pemakai. Dalam konteks ini manajemen data yang dilakukan dari

ketiga proses manajemen.

Manajemen data melibatkan semua disiplin yang berhubungan

dengan manajemen data sebagai sumber daya yang berguna. Defenisi

resmi dari DAMA (Inggris : Demand Assigned Multiple Access) adalah

“manajemen data adalah pengembangan dan penerapan arsitektur,

kebijakan, praktik dan prosedur yang secara benar menangani sikous

hidup lengkap data yang dibutuhkan oleh suatu perusahaan”. Defenisi

ini cukup luas dan mencakup sejumlah profesi yang tidak bersentuhan

langsung secara teknis dengan aspek tingkat rendah manajemen data

seperti manajemen basis data relasional.

Sumber data statistik sebenarnya terdapat dimana – mana dalam

kehidupan dewasa ini . data tersebut sangat besar peranannya untuk

meningkatkan industry, data statistik dibutuhkan pimpinan sebagai

suatu landasan pengambilan keputusan. Sering kali kita menghadapi

masalah penyajian sejumlah besar data statistik dalam bentuk yang

ringkas dan kompleks meskipun ukuran numerik bagi likasi dan varian

adalah merupakan pendeskripsian data yang kompak dan bermanfaat

bagi sekumpulan pengamatan, tetapi ukuran – ukuran tersebut tidak

dapat mengidentifikasi semua ciri yang penting. Secara garis besar,

terdapat dua cara penyajian data, yaitu dengan tabel (tabel atau daftar

merupakan kumpulan angka yang disusun menurut kategori atau

karakteristik data sehingga memudahkan untuk analisis data) dan

grafik atau diagram (penyajian data dengan grafik dianggap lebih

komunikatif karena dalam waktu singkat dapat diketahui karakteristik

dari data yang disajikan).

 20

Dua cara penyajian data ini saling berkaitan karena pada dasarnya

sebelum dibuat grafik data tersebut berupa tabel. Penyajian data

berupa grafik lebih komunikatif. Sedangkan untuk distribusi frekuensi

yang merupakan salah satu bentuk tabel yang merupakan suatu

penyusunan data ke dalam kelas – kelas tertentu dimana individu

hanya termasuk ke dalam kelas tertentu. Atau dengan kata lain

distribusi frekuensi umumnya merupakan penyajian data statistik yang

berbentuk kolom dan jalur yang ada di dalamnya dimuat angka yang

dapat melukiskan atau menggambarkan pencaran atau pembagian

frekuensi dari variabel yang sedang menjadi objek penelitian.

Data statistik adalah keterangan atau ilustrasi mengenai sesuatu

hal yang bisa berbentuk kategori (misalnya rusak, baik, cerah dan

berhasil) atau bilangan. Selanjutnya data yang berupa kategori disebut

sebagai data kualitatif dan data kuantitatif dibedakan menjadi data

diskrit dan data kontinu. Data – data yang diperoleh dari hasil

menghitung atau membilang termasuk dalam data diskrit, sedangkan

data – data yang diperoleh dari hasil mengukut termasuk dalam data

kontinu.

1. Jenis Data Menurut Cara Memperolehnya

a. Data primer adalah secara langsung diambil dari objek peneitian

oleh peneliti perorangan maupun organisasi. Contohnya :

Mewawancarai langsung penonton bioskop 21 untuk meneliti

preferensi konsumen bioskop.

b. Data sekunder adalah data yang didapat tidak secara langsung

dari objek penelitian. Peneliti mendapatkan data yang sudah jadi

yang dikumpulkan oleh pihak lain dengan berbagai cara atau

metode baik secara komersial maupun non komersial.

 21

Contohnya adakah pada peneliti yang menggunakan data

statistik hasil riset dari surat kabar atau majalah

2. Jenis – jenis Data Menurut Waktu Pengumpulannya

a. Data cross-section adalah data yang menunjukkan titik waktu

tertentu. Contohnya laporan keuangan per 31 Desember 2006,

data pelanggan PT.Jaya Abadi bulan Mei 2005 dan lain

sebagainya.

b. Data berkala adalah data yang datanya menggambarkan

sesuatu dari waktu ke waktu atau periode secara historis. Contoh

data time series adalah data perkembangan nilai tukar dollar

Amerika terhadap euro Eropa dari tahun 2004 sampai 2007,

jumlah pengikut jamaah Nurdin M. top dan doctor Azhari dari

bulan ke bulan dll.

2.8 Istilah – istilah Dalam Distribusi Frekuensi

1. Kelas adalah penggolongan data yang dibatasi oleh nilai terendah dan

nilai tertinggi dalam suatu kelas.

2. Interval kelas adalah lebar dari sebuah kelas dan dihitung dari perbedaan

antara kedua tepi kelasnya.

Contoh :

65 – 67 interval kelas pertama

68 – 70 interval kelas kedua

71 – 73 interval kelas ketiga

74 – 76 interval kelas keempat

77 – 79 interval kelas kelima

80 – 82 interval kelas keenam

 22

3. Batas kelas (class limit) nilai batas tiap kelas dalam sebuah distribusi

frekuensi dan dipergunakan sebagai pedoman guna memasukkan angka

– angka hasil observasi ke dalam kelas – kelas yang sesuai.

4. Batas kelas bawah (lower class limit) adalah angka pada kolom kelas

yang letaknya disebelah kiri.

5. Batas kelas atas (upper class limit) adalah angka pada kolom kellas yang

letaknya disebelah kana.

a. Tepi kelas (class boundaries/true limits) :

Tepi kelas bawah (lower class bounderies) batas kelas pertama

yang benar – benar dimiliki oleh distribusi frekuensi terebut, yaitu batas

kelas bawah dikurangi 1 digit dibelakang koma.

b. Tepi Kelas (upper class boundaries)

Batas kelas kedua yang benar – benar dimiliki oleh distribusi

frekuensi tersebut, yaitu batas kelas atas ditambah 1 digit dibelakng

koma.

Contoh :

Tepi atas = batas bawah + 0,5

Tepi bawah = batas bawah – 0,5

6. Lebar Kelas

Lebar kelas = tepi atas – tepi bawah

7. Mid point (titik tengah) rata – rata dari kedua batas kelasnya/kelas

limitnya. Titik tengah = ½ (batas atas + batas bawah)

8. Macam – macam Distribusi Frekuensi

Terdapat dua jenis distribusi frekuensi yaitu :

a. Distribusi frekuensi numerical (Numerical Frequency Distribution)

 23

Distriubusi frekuensi numerical yang distribusi frekuensi yang

pembagian kelas – kelasnya berupa angka – angka atau secara

kuantitatif.

b. Distribusi Frekuensi Relatif

Distribusi frekuensi relative yaitu distribusi frekuensi yang angka –

angka frekuensinya tidak dinyatakan dalam angka – angka absolut

tetapi angka – angka relative atau persentase.

c. Distribusi Frekuensi Komulatif

Distribusi frekuensi komulatif yaitu distribusi frekuensi kurang dari

yang memasukkan frekuensi kelas – kelas sebelumnya.

9. Modus

Modus adalah penjelasan tentang suatu kelompok data dengan

menggunakan nilai yang sering muncul dalam kelompok tersebut. Apabila

dalam suatu kelompok data memiliki satu nilai modus disebut unimodal.

Sedangkan, suatu data yang memiliki dua nilai modus disebut bimodal.

Sementara itu, data yang di dalamnya terdapat lebih dari dua nilai modus

disebut multimodal. Adapun contoh dari masing-masing nilai modus

adalah sebagai berikut:

Suatu data disebut unimodal apabila hanya memiliki satu nilai modus,

berikut contohnya:

75, 60, 55, 70, 50, 60, 65, 60, 52, 60, 85, 65, 75, 40, 80, 45, 90

Dari data tersebut diperoleh nilai modus yakni 60 karena merupakan

angka yang paling sering muncul. Data tersebut hanya memiliki satu nilai

modus yakni 60 sehingga disebut distribusi unimodal.

Multimodal adalah terdapat lebih dari dua nilai modus, contohnya:

70, 65, 60, 70, 70, 60, 85, 50, 80, 75, 55, 75, 85, 80, 75, 50, 85, 90, 60,

95, 90, 70, 75, 85, 45, 40, 60

 24

Dari data tersebut terdapat tiga nilai terbanyak yaitu 70, 75, dan 85

yang masing-masing berjumlah 4.

10. Kuartil

Pengertian Kuartil menurut Wirawan (2001:105), Kuartil (K) adalah

nilai-nilai yang membagi serangkaian data atau suatu distribusi frekuensi

menjadi empat (4) bagian yang sama. Ada tiga Kuartil yaitu kuartil

pertama (K1), kuartil kedua (K2), dan kuartil ketiga (K3).

Pengertian Kuartil menurut Suliyanto (2002:106), Kuartil berarti

membagi kelompok data menjadi empat bagian, yaitu bagian pertama

sampai bagian keempat.

Pengertian Kuartil Menurut Sudijono (2006:112). Kuartil adalah titik

atau skor atau nilai yang membagi seluruh distribusi frekuensi kedalam

empat bagian yang sama besar, yaitu masing-masing sebesar 1/4N.

Jadi di sini akan kita jumpai tiga buah kuartil, yaitu kuartil pertama (K1),

Kuartil kedua (K2), dan Kuartil ketiga (K3).

Untuk mencari Kuartil Data Tunggal (data yang tidak berkelompok),

pertama-tama kita perlu mengetahui rumus untuk mencari posisi

Kuartilnya yaitu Kuartil 1 (Q1), Kuartil 2 (Q2) dan Kuartil 3 (Q3). Berikut

ini adalah rumus untuk mencari posisi Kuartil tersebut.

Rumus Kuartil Data Tunggal :

Kuartil Bawah Q1 : ¼ (n+1)………………………………………….(2.2)

Kuartil Tengah Q2 : ½ (n+1)………………………………………....(2.3)

Kuartil Atas Q3 : ¾ (n+1).…………………………………………...…...(2.4)

Data kelompok adalah data yang diklasifikasikan berdasarkan

kelompok pengukuran atau kategori yang sama dan biasanya disajikan

dalam bentuk tabel ataupun histogram. Untuk mencari Kuartil Data

Kelompok, kita perlu mengetahui rumus Kuartil data kelompok ini.

 25

Rumus Kuartil Data Kelompok

Qk = kuartik ke k

B1 = Batas bawah nyata kelas yang mengandung QK

cfb = Frekuensi kumulatif dibawah kelas yang berisi QK

fQ = Frekuensi kelas yang mengandung QK

i = interval kelas

k = 1, 2,3 (kuartil yang ingin dicari)

N = banyaknya observasi

11. Persentil

Persentil (percentile) adalah istilah dalam statistika untuk yang

membagi kelompok data menjadi seratus bagian yang sama rata. Jadi,

terdapat 99 nilai persentil yang membagi data menjadi seratus bagian.

Persentil biasa dilambangkan dengan huruf P. Rumus persentil adalah :

Rumus Persentil Data Tunggal

…………………………………………………………...(2.5)

= persentil ke-i

n = banyaknya data

Rumus Persentil Data Kelompok

………………………………………...(2.6)

= persentil ke-i

Tb = tepi bawah kelas desil

p = panjang kelas
 26

n = banyak data

fk = jumlah frekuensi kumulatif sebelum kelas desil

fi = frekuensi kelas desil

12. Desil

Desil (decile) adalah istilah dalam statistika untuk yang membagi

kelompok data menjadi sepuluh bagian yang sama rata. Pada desil,

terdapat sembilan nilai desil yang membagi data menjadi sepuluh

bagian yang sama. Setiap bagian mewakili 1/10 atau 10% dari kelompok

data. Desil ke-5 atau D5 adalah median dari kumpulan data yang dibagi

oleh desil. Rumus Desil adalah :

Rumus Desil Data Tunggal

…………………………………………………………..(2.7)

= desil ke-i

n = banyaknya data

Rumus Desil Data Kelompok

…………………………………….......(2.8)

= desil ke-i

Tb = tepi bawah kelas desil

p = panjang kelas

n = banyak data

fk = jumlah frekuensi kumulatif sebelum kelas desil

fi = frekuensi kelas desil

 27

2.9 Grafik Distribusi Frekuensi

1. Histogram

Histogram adalah salah satu cara menyatakan daftar distribusi

frekuensi atau distribusi frekuensi relatif. Pada histogram, variabel ditulis

pada sumbu horizontal, dan frekuensi (ataupun frekuensi relatif)

digambarkan sebagai panjang dari persegi panjang. Lebar persegi

panjang adalah lebar dari kelas interval sehingga antara persegi panjang

yang satu dengan yang lain tidak memiliki jarak.

Sumber : Nur Fajri Hayyuni Maulidya, 2017

Gambar 2.1 Histogram

2. Polygon Frekuensi

Polygon frekuensi merupakan salah satu cara untuk menggambarkan

distribusi frekuensi. Untuk memperoleh distribusi frekuensi, kita

tempatkan titik di tengah sisi lebar dari setiap persegi panjang. Kemudian,

titik – titik tersebut dihubungkan sehingga kita memperoleh grafik garis

yang kita sebut dengan polygon frekuensi. Untuk data berkelompok, kita

harus mencari titik tengah setiap kelas dan tentukan posisinya pada garis

horizontal. Tinggi frekuensi setiap kelas ditentukan pada sumbu vertikal.

Contoh grafik polygon frekuensi sebagai berikut :

 28

Sumber : Nurman Karim, 2021

Gambar 2.2 Poligon Frekuensi

3. Ogive

Kurva distribusi frekuensi kumulatif disebut ogive. Ogive dibuat dengan

cara menepatkan titik – titik limit kelas bawah pada sumbu horizontal dan

pada sumbu vertikal ditempatkan frekuensi kumulatif. Kemudian titik – titik

tersebut dihubungkan sehingga kita mendapatkan kurva yang mullus

yang terus meningkat.

Sumber : Nidans, 2013

Gambar 2.3 Ogive

 29

2.10 Penyajian Data

Penyajian data statistik adalah suatu bentuk penataan data statistik agar

data statistik lebih mudah dipandang dan mudah dipahami oleh pengguna

data. Tujuannya adalah adalah agar data statistik mudah dimengerti,

mudah dianalisis, sehingga proses pengambilan kesimpulan dan

keputusan berdasarkan data menjadi lebih akurat.

Penyajian data statistik biasanya terdiri dari dua bentuk, yaitu :

1. Penyajian Dalam Bentuk Tabel

Komponen – kompenen yang biasanya harus ada dalam tabel adalah

judul tabel, judul kolom, judul baris, sel – sel tabel dan sumber data.

Bentuk penyajian data dalam berupa tabel adalah sebagai berikut.

a. Tabel baris kolom, adalah tabel yang terdiri dari baris dan kolom.

Jenis tabel baris kolom yaitu tabel satu, dua dan tiga arah.

b. Tabel kontigensi, merupakan tabel baris kolom yang memiliki

karakteristik sendiri yaitu penyajian data dengan 2 faktor atau 2

variabel. Setiap variabelnya terdiri dari beberapa kategori bisa dalam

bentuk baris, kolom dan total. Data yang terdiri dari dua variabel,

dengan variabel yang satu terdiri dari b kategori dan lainnya terdiri

atas kk kategori, sehingga dapat dibuat tabel kontingensi berukuran b

\times kb×k dengan bb menyatakan baris dan kk menyatakan kolom.

2. Penyajian Data Dalam Bentuk Grafik

Grafik adalah bentuk penyajikan data statistik berupa gambar-

gambar visual. Oleh karena itu penyajian data menggunakan grafik akan

mempermudah dalam penyampaian sebuah data.

Pengguna data akan lebih mudah memahami keadaan data yang

ditampilkan melalui grafik daripada tabel karena manusia cenderung

 30

lebih menyukai sesuatu yang disampaikan secara visual daripada

melalui kata-kata.

Ada banyak jenis penyajian data dalam bentuk grafik. Berikut contoh

beberapa penyajian data dalam bentuk grafik :

a. Grafik Batang

Grafik batang merupakan grafik yang terdiri batang-batang. Grafik

batang dapat digambarkan secara vertikal maupun Horizontal. Grafik

batang terdiri dari dua bagian yaitu grafik batang tunggal (single bar

chart) dan grafik batang ganda(multiple bar chart). Grafik batang lebih

cocok menggambarkan data yang menunjukkan kuantitas atau data

yang bertujuan memberikan perbandingan sebuah rangkaian data.

b. Grafik Garis

Grafik garis adalah grafik yang posisi titik-titiknya dihubungkan

dengan garis-garis saja. Grafik garis dibuat dengan 2 sumbu XX yang

menunjukkan bilangan bersifat tetap, seperti tahun, ukuran dan

lainnya. Sementara pada sumbu YY ditempatkan bilangan yang

sifatnya dapat berubah-ubah seperti jumlah, harga dan lainnya.

Biasaya grafik garis digunakan untuk melihat perkembangan suatu

data dari waktu ke waktu, misalnya perkembangan harga emas

setiap hari, perkembangan inflasi setiap bulan dan lain-lain.

c. Grafik Lingkaran

Grafik lingkaran merupakan sebuah grafik yang berbentuk

lingkaran yang dibagi-bagi menjadi beberapa irisan. Umumnya

digunakan untuk menyajiakan data dalam bentuk persentase.

Untuk membuat grafik lingkaran, gambarkan sebuah lingkaran

kemudian bagi menjadi beberapa sektor. Tiap sektor berisi kategori

 31

data yang terlebih dahulu diubah kedalam format derajat. Dianjurkan

titik pembagian mulai dari titik tertinggi lingkaran.

d. Scatter Plot

Scatter plot adalah kumpulan data yang terdiri atas dua variabel

dapat dibuat dalam sumbu koordinat yang merupakan kumpulan titik-

titik yang terpencar dan garis penghubung antara titik-titik dihilangkan

maka disebut scatter plot. Scatter plot adalah grafik yang

menunjukkan hubungan antara dua kelompok data yang jumlahnya

sama.Tujuannya untuk melihat pola hubungan antara 2 variabel

apakah linier atau non linier atau tidak berhubungan sama sekali.

Langkah-langkah pembentukan scatter plot yaitu:

1. Kumpulkan pasangan data xx dan y.y.

2. Tentukan nilai maksimum dan minimun untuk kedua

variabel xx dan y.y.

3. Tetapkan skala pada sumbu datar xx dan sumbu tegak y.y.

4. Buat Plot data.

 BAB III
METODOLOGI PENELITIAN

3.1 Pendahuluan

1. Latar belakang

Latar belakang berisi tentang manajemen data dalam ilmu statistik

agar kita dapat mengetahui dan lebih memahami fungsi dari ilmu statistik

di bidang industry. Manajemen data digunakan untuk menganalisa data

dan menyelesaikan data yang belum diolah untuk mempermudah kita

dalam mengolah data yang ada.

2. Tujuan percobaan

Adapun tujuan percobaan ini, yaitu memberikan pelatihan pada

praktikan agar dapat melakukan manajemen data yaitu megumpulkan,

menyusun, menyajikan dan menggambarkan data sehingga dapat

memberikan informasi serta memanfaatkan informasi tersebut lalu

mampu meningingkatkan pemahaman manajemen (pengolahan) data

berdasarkan teori yang telah diperoleh serta mampu menganalisa data

tersebut.

3. Alat dan bahan

Adapun alat dan bahan yang digunakan selama praktikum sebagai

berikut:

1. Alat tulis

2. Kalkulator (alat hitung)

3. Lembar kerja

4. Jangka sorong

5. Kelereng

6. Baut dan Mur

32
 33

7. IPK

4. Langkah percobaan

1. Setiap praktikan melakukan pengolahan data sesuai dengan data yang

ditugaskan oleh asisten.

2. Data tersebut diolah dengan langkah-langkah sebagai berikut :

a. Urutkan data dari data yang terkecil ke yang terbesar.

b. Tentukan rata-rata nilai varian dan standar deviasi.

c. Buat distribusi frekuensi sebagai berikut :

i. Tentukan jumlah kelas.

ii. Tentukan lebar kelas.

iii. Tentukan batas kelas dan titik tengah kelas.

iv. Buat tabulasi frekuensi.

d. Buat distribusi frekuensi relative.

e. Buatlah distribusi frekuensi komulatif.

f. Buat histogram frekuensi dan polygon frekuensi.

g. Bandingkan nilai prestasi relative.

3.2 Tinjauan Pustaka

Tinjauan pustaka pada laporan ini berisi tentang materi manajemen data

yang didapat dari hasil referensi buku-buku mengenai manajemen data dan

pencarian di internet.

3.3 Metodologi Penelitian

Metodologi penelitian dalam laporan ini berisi urutan atau langkah-

langkah yang harus dikerjakan ketika menyusun laporan.

3.4 Pengumpulan Data

Data yang diperoleh adalah merupakan hasil pengukuran dan

pengamatan terhadap beberapa percobaan dimulai dari data kelereng, baut

 34

dan mur, IPK Mahasiswa dari berbagai Fakultas dan Jurusan di Universitas

Muslim Indonesia.

3.5 Pengolahan Data

3.1.1 Pengolahan data

3.1.2 Mengurutkan data dari yang terkecil hingga yang terbesar

3.1.3 Mencari nilai rata-rata varian

3.1.4 Menghitung nilai standar deviasi

3.1.5 Varians sampel

3.1.6 Distribusi frekuensi

3.1.7 Membuat histogram frekuensi dan polygon frekuensi

3.6 Analisis pembahasan

Poin analisis pembahasan berisi tentang pemaparan langkah-langkah

mengolah data yang diperoleh selama praktikum.

3.7 Penutup

Dengan manajemen data dapat lebih memudahkan dalam penyusunan

data yang berjumlah banyak. Terutama dalam penyususnan data di

kelompokkan dengan menggunakan distribusi frekuensi.

 35

3.8 Flow chart

A. Menghitung Kelereng
Mulai

Latar Belakang

Mengambil Kelereng

Mengukur Kelereng

Mencatat hasil pengukuran

Data cukup Data tidak cukup

Pengolahan Data
1. Urutkan data terbesar keterkecil
2. Distribusi frekwensi
3. Nilai rata-rata sampel
4. Varians sampel
5. Simpangan baku sampel
6. Median
7. Modus
8. Kuartil, Desil, Persentil
9. Histogram dan Poligon Sampel

Analisa dan Pembahasan

Selesai

Gambar 3.1 Flow Chart Menghitung Kelereng

 36

B. Menghitung Baut Dan Mur

Mulai

Menyiapkan wadah

Mengambi Baut Dan Mur

Mengukur Baut Dan Mur

Mencatat hasil pengukuran

Data cukup Data tidak cukup

Pengolahan Data
1. Urutkan data terbesar keterkecil
2. Distribusi frekwensi
3. Nilai rata-rata sampel
4. Varians sampel
5. Simpangan baku sampel
6. Median
7. Modus
8. Kuartil, Desil, Persentil
9. Histogram dan Poligon Sampel

Analisa dan Pembahasan

Selesai

Gambar 3.2 Flow Chart Menghitung Baut Dan Mur

 37

C. Menghitung IPK

Mulai

Menentukan populasi IPK

yang akan diambil

Mengumpulkan data IPK

Mencatat hasil pengukuran

Data cukup Data tidak cukup

Pengolahan Data
1. Urutkan data terbesar keterkecil
2. Distribusi frekwensi
3. Nilai rata-rata sampel
4. Varians sampel
5. Simpangan baku sampel
6. Median
7. Modus
8. Kuartil, Desil, Persentil
9. Histogram dan Poligon Sampel

Analisa dan Pembahasan

Selesai

Gambar 3.3 FlowChart Menghitung IPK

 BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Pengumpulan Data

Tabel 4.1 Modul I Data Pengamatan

Hasil Pengukuran
Sampel Baut dan
Kelereng Ipk
Mur
1 1,14 3,77 3,70
2 1,37 2,80 3,72
3 1,38 2,91 3,76
4 1,26 3,34 3,49
5 1,26 3,59 2,45
6 1,15 4,99 3,80
7 1,26 5,26 3,59
8 1,13 4,94 3,64
9 1,26 4,98 3,71
10 1,19 4,66 3,61
11 1,16 4,73 3,80
12 1,13 3,25 3,74
13 1,37 4,37 3,71
14 1,28 5,17 3,76
15 1,21 4,18 3,50
16 1,13 5,15 3,45
17 1,12 4,17 3,47
18 1,14 4,14 3,20
19 1,17 3,72 3,12
20 1,21 2,89 3,36
21 1,22 3,54 3,40
22 1,15 3,72 3,52
23 1,17 4,12 3,41
24 1,25 5,12 3,38
25 1,32 4,32 3,25
26 1,37 5,26 3,25
27 1,26 4,27 3,70
28 1,27 3,72 3,67
29 1,21 2,40 3,26
30 1,18 3,72 3,21

38
 39

31 1,38 2,80 3,10

32 1,13 2,75 3,70
33 1,11 5,21 3,25
34 1,20 3,52 3,28
35 1,25 3,57 3,42
36 1,15 2,75 3,40
37 1,37 2,25 3,59
38 1,27 2,80 3,47
39 1,11 2,77 3,27
40 1,13 2,76 3,45
41 1,20 2,50 3,31
42 1,26 2,20 3,41
43 1,38 3,40 3,40
44 1,36 3,35 3,52
45 1,20 3,15 3,21
46 1,35 4,15 3,07
47 1,25 4,20 3,26
48 1,21 5,20 3,42
49 1,22 5,26 3,74
50 1,33 2,80 3,21
Sumber : data pengamatan ( 2022 )

4.2 Pengolahan Data

4.2.1 Pengolahan Data Kelereng

Tabel 4.2 Modul I Urutan Data Terkecil ke Terbesar

1,11 1,15 1,20 1,26 1,33

1,11 1,15 1,21 1,26 1,35
1,12 1,15 1,21 1,26 1,36
1,13 1,16 1,21 1,26 1,37
1,13 1,17 1,21 1,26 1,37
1,13 1,17 1,22 1,26 1,37
1,13 1,18 1,22 1,27 1,37
1,13 1,19 1,25 1,27 1,38
1,14 1,20 1,25 1,28 1,38
1,14 1,20 1,25 1,32 1,38
Sumber : data pengamatan ( 2022 )
1. Distribusi Frekwensi
 40

a. Range

R = Data terbesar - Data tarkecil

= 1,38 – 1,11

= 0,27

b. Banyak Kelas

Ci = 1 + 3,3 Log N

= 1 + 3,3 Log 40

= 6,28

=6

c. Panjang Kelas

R
P =
Ci

0, 27
=
6

= 0,05

Tabel 4.3 Modul I Distribusi Frekuensi

Titik
Selang Frekue Batas
No Turus Tengah fxi xi2 fxi2
Kelas nsi Kelas
(xi)

-1,10 1,105

IIIII IIIII
1 1,11-1,15 13 1,13 14,69 1,28 215,80
IIIII IIIII III
1,155

2 1,16-1,20 IIIII III 8 1,18 9,44 1,39 89,11

1,205

3 1,21-1,25 IIIII IIII 9 1,23 11,07 1,51 122,54

1,255

4 1,26-1,30 IIIII IIII 9 1,28 11,52 1,64 132,71

1,305
 41

5 1,31-1,35 III 3 1,33 3,99 1,77 15,92

1,355

6 1,36-1,40 IIIII III 8 1,38 11,04 1,90 121,88

1,405

Jumlah 50 7,53 61,75 9,49 697,97

Sumber : data pengolahan ( 2022 )

Tabel 4.4 Modul I Distribusi Frekuensi Relatif dan Frekuensi Komulatif

Frek Komulatif Frek Komulatif-

No. Selang Kelas Frekuensi Frekuensi Relatif
Rekatif

-1,10 0
1 1,11-1,15 13 0,26
13 0,26

2 1,16-1,20 8 0,16
21 0,42

3 1,21-1,25 9 0,18
30 0,60

4 1,26-1,30 9 0,18
39 0,78

5 1,31-1,35 3 0,06
42 0,84

6 1,36-1,40 8 0,16
50 1,00

50 1,00
Sumber: data pengolahan (2022)

2. Nilai Rata-Rata
k
fXi 61 ,75
x=∑ = = 1,24
i=1 fi 50

3. Varians Sampel
 42

S = N ∑ fxi −¿ ¿ ¿
2 2

i=1

=50 x 697 ,97 – ¿ ¿

34.898 ,50 – 3.813 ,06

=
50 (49)

31.084 , 44
=
2450

= 12,69

4. Simpangan Baku

S = √ S2

= √ 12 ,69

= 3 , 56

5. Median (Me)

1
n−F
Me = Bb + P ( 2 )
f

(
( −21 )
)
50
= 1,105 + 0,05 2
9

= 1,105 + 0,05( ( 25−21

9
)
)
= 1,105 + 0,05 (0,44)

= 1,105 + 0,02

= 1,14

6. Modus ( Mo )

b1
Mo = Bb + P ( )
b1 +b2
 43

= 1,105 + 6 ( 13+5
13
)
= 1,105 + 6 (0,72)

= 1,105 + 4,32

= 5,43

7. Kuartil

a. Kuartil 1

1. n /4−F
K 1= Bb + P ( )
f

( )
1 x 50
−0
= 1,105 + 0,05 4
13

= 1,105 + 0,05 (0,96)

= 1,105 + 0,048

= 1,15

b. Kuartil 2

2. n /4−F
K 2= Bb + P ( )
f

2 x 50
−21
= 1,105 + 0,05 ( 4 )
9

= 1,105 + 0,05 (0,44)

= 1,105 + 0,022

= 1,13

c. Kuartil 3

3 .n /4−F
K 3= Bb + P ( )
f

3 x 50
−30
= 1,105 + 0,05 ( 4 )
9
 44

= 1,105 + 0,05 (0,83)

= 1,105 + 0,041

= 1,15

8. Desil

a. Desil 1

1. n /10−F
D1= Bb + P ( )
f

1 x 50
−0
= 1,105 + 0,05 ( 10 )
13

= 1,105 + 0,05 (0,38)

= 1,105 + 0,019

= 1,12

b. Desil 5

5 .n /10−F
D5= 1,105 + P ( )
f

( )
5 x 50
−21
= 1,105 + 0,05 10
9

= 1,105 + 0,05 (0,44)

= 1,105 + 0,022

= 1,13

c. Desil 9

9 . n/10−F
D9= Bb + P ( )
f

9 x 50
−42
= 1,105 + 0,05 ( 10 )
8
 45

= 1,105 + 0,05 (0,38)

= 1,105 + 0,019

= 1,13

9. Persentil

a. Persentil 10

i. n/100−F
P10= Bb + P ( )
f

10 x 50
−0
= 1,105 + 0,05 ( 100 )
13

= 1,105 + 0,05 (0,38)

= 1,105 + 0,019

= 1,12

b. Persentil 50

¿/100−F
P20 = Bb + P ( )
f

( )
50 x 50
−21
= 1,105 + 0,05 100
9

= 1,105 + 0,05 (0,44)

= 1,105 + 0,022

= 1,13

c. Persentil 90

¿/100−F
P30 = Bb + P ( )
f
 46

90 x 50
−42
= 1,105 + 0,05 ( 100 )
8

= 1,105 + 0,05 (0,38)

= 1,105 + 0,019

= 1,12

HISTOGRAM KELERENG
14
No. Frekwensi Batas Kelas
12 1 13 1,16
10 2 8 1,21
3 9 1,26
8
4 9 1,31
6 5 3 1,36
6 8 1,41
4
Jumlah 50 7,71
2

0
1.16 1.21 1.26 1.31 1.36 1.41

10. Histogram

Tabel 4.5 Modul I Histogram Kelereng

Sumber : data pengolahan ( 2022)

Gambar 4.1 Modul I Diagram Histogram Kelereng

 47

11. Poligon

Tabel 4.6 Modul I Poligon Kelereng

POLIGON KELERENG
14
12
10
FREKUENSI

8
6
4
2
0
1.13 1.18 1.23 1.28 1.33 1.38
TITIK TENGAH

No. Frekuensi Titik Tengah

1 13 1,13

2 8 1,18

3 9 1,23

4 9 1,28

5 3 1,33

6 8 1,38

Jumlah 50 7,53
Sumber : data pengolahan ( 2022)
 48

Grafik 4.1 Modul I Diagram Poligon Kelereng

4.2.2 Pengolahan Baut dan Mur

Tabel 4.7 Modul I Urutan Data Terkecil ke Terbesar

2,20 2,80 3,54 4,15 4,98

2,25 2,80 3,57 4,17 4,99
2,40 2,89 3,59 4,18 5,12
2,50 2,91 3,72 4,20 5,15
2,75 3,15 3,72 4,27 5,17
2,75 3,25 3,72 4,32 5,20
2,76 3,34 3,72 4,37 5,21
2,77 3,35 3,77 4,66 5,26
2,80 3,40 4,12 4,73 5,26
2,80 3,52 4,14 4,94 5,26
Sumber : data pengolahan ( 2022)

1. Tabel Distribusi Frekuensi

a. Range

R = Data terbesar - Data tarkecil

= 5,26 – 2,20

= 3,06

b. Banyak Kelas

Ci = 1 + 3,3 Log N

= 1 + 3,3 Log 40

= 6,28

=6

c. Panjang Kelas
 49

R
P=
Ci

3 ,06
=
6

= 0,51

Tabel 4.8 Distribusi Frekwensi

Titik
Selang Batas
No Turus Frekuensi Tengah fxi xi2 fxi2
Kelas Kelas
(xi)

-2,19 2,195

1 2,20-2,71 IIII 4 2,46 9,84 6,05 59,55

2,715

2 2,72-3,23 IIIII IIIII I 11 2,98 32,78 8,88 291,10

3,235

3 3,24-3,75 IIIII IIIII II 12 3,5 42 12,25 514,50

3,755

4 3,76-4,27 IIIII III 8 4,02 32,16 16,16 519,72

4,275

5 4,28-4,79 IIII 4 4,54 18,16 20,61 374,31

4,795

6 4,80-5,31 IIIII IIIII I 11 5,06 55,66 25,60 1425,10

5,315
190,6
Jumlah 50 50 22,60 89,60 3184,30
0
Sumber : data pengolahan ( 2022 )

Tabel 4.9 Modul I Distribusi Frekuensi Relatif dan Frekuensi Komulatif

Frekwensi Frek Komulatif-

No. Selang Kelas Frekuensi Frek Komulatif
Relatif Relatif
-2,19 0
1 2,20-2,71 4 0,08
 50

4 0,08
2 2,72-3,23 11 0,22
15 0,30
3 3,24-3,75 12 0,24
27 0,54
4 3,76-4,27 8 0,16
35 0,70
5 4,28-4,79 4 0,08
39 0,78
6 4,80-5,31 11 0,22
50 1,00
5,32-
Jumlah 50 1,00
Sumber : data pengolahan ( 2022 )

2. Nilai Rata-Rata
k
fiXi 190 ,60
x=∑ ¿ ¿ 3,81
i=1 fi 50

3. Varians Sampel
K

S = N ∑ fxi ¿ ¿ ¿
2 2–

i=1

=50 x 3184 ,30 – ¿ ¿

159.215 – 36.328 , 36
=
50 (49)

122.886 ,64
=
2.450

= 50 , 16

4. Simpangan Baku Sampel

S = √ S2

= √ 50 ,16

= 50 , 6

5. Median (Me)
 51

1
n−F
Me = Bb + P ( 2 )
f

= 3,24 + 0,51
( ( 502 −15)
4
)
= 3,24 + 0,51 (1,13)

= 3,24 + 0,576

= 3,82

6. Modus (Mo)

b1
Mo = Bb + P ( )
b1 +b2

= 3,24 + 0,51 ( 1+10

1
)
= 3,24 + 0,51 (0,090)

= 3,24 + 0,046

= 3,29

7. Kuartil

a. Kuartil 1

1. n /4−F
K 1= Bb + P ( )
f

( )
1 x 50
−4
= 3,24 + 0,51 4
11

= 3,24 + 0,51 (0,77)

= 3,24 + 0,393

= 3,63

b. Kuartil 2
 52

2. n /4−F
K 2= Bb + P ( )
f

2 x 50
−11
= 3,24 + 0,51 ( 4 )
12

= 3,24 + 0,51 (1,17)

= 3,24 + 0,597

= 3,84

c. Kuartil 3

3 .n /4−F
K 3= Bb + P ( )
f

3 x 50
−35
= 3,24 + 0,51 ( 4 )
4

= 3,24 + 0,51 (0,63)

= 3,24 + 0,321

= 3,56

8. Desil

a. Desil 1

1. n /10−F
D1= Bb + P ( )
f

1 x 50
−4
= 3,24 + 0,51 ( 10 )
11

= 3,24 + 0,51 (0,09)

= 3,24 + 0,046

= 3,29

b. Desil 5

5 .n /10−F
D5= Bb + P ( )
f
 53

( )
5 x 50
−15
= 3,24 + 0,51 10
12

= 3,24 + 0,51 (0,83)

= 3,24 + 0,423

= 3,66

c. Desil 9

3 .n /10−F
D9= Bb + P ( )
f

9 x 50
−39
= 3,24 + 0,51 ( 10 )
11

= 3,24 + 0,51 (0,28)

= 3,24 + 0,143

= 3,38

9. Persentil

a. Persentil 10

i. n/100−F
P10= Bb + P ( )
f

10 x 50
−0
= 3,24 + 0,51 ( 100 )
4

= 3,24 + 0,51 (1,25)

= 3,24 + 0,638

= 3,89

b. Persentil 50

¿/100−F
P50= Bb + P ( )
f
 54

( )
50 x 50
−15
= 3,24 + 0,51 100
12

= 3,24 + 0,51 (0,83)

= 3,24 + 0,423

= 3,66

c. Persentil 90

¿/100−F
P90= Bb + P ( )
f

90 x 50
−39
= 3,24 + 0,51 ( 100 )
11

= 3,24 + 0,51 (0,55)

= 3,24 + 0,281

= 3,52

10. Histogram

Tabel 4.10 Modul I Histogram Baut dan Mur

No. Frekwensi Batas Kelas

1 4 2,72

2 11 3,24

3 12 3,76

4 8 4,28

5 4 4,80

6 11 5,32
 55

Jumlah 50 24,12

Sumber : data pengolahan ( 2022 )

HISTOGRAM Baut dan Mur

14

12

10

0
2.72 3.24 3.76 4.28 4.8 5.32

Grafik 4.2 Modul I Diagram Histogram Baut dan Mur

POLIGON BAUT DAN MUR

14
12
10
FREKUENSI

8
6
4
2
0
2.46 2.98 3.5 4.02 4.54 5.06
TITIK TENGAH

Grafik 4.3 Modul I Diagram Poligon Baut dan Mur

11. Poligon
 56

Tabel 4.11 Modul I Poligon Baut dan Mur

No. Frekuensi Titik Tengah

1 4 2,46
2 11 2,98
3 12 3,50
4 8 4,02
5 4 4,54
6 11 5,06
Jumlah 50 22,6
Sumber : data pengolahan ( 2022 )

4.2.3 Pengolahan Data IPK

Tabel 4.12 Urutan Data Terkecil ke Terbesar

2,45 3,25 3,40 3,50 3,70

3,07 3,26 3,41 3,52 3,71
3,10 3,26 3,41 3,52 3,71
3,12 3,27 3,42 3,59 3,72
3,20 3,28 3,42 3,59 3,74
3,21 3,31 3,45 3,61 3,74
3,21 3,36 3,45 3,64 3,76
3,21 3,38 3,47 3,67 3,76
3,25 3,40 3,47 3,70 3,80
3,25 3,40 3,49 3,70 3,80
Sumber : data pengolahan ( 2022 )

1. Distribusi Frekwensi

a. Range

R = Data terbesar - Data tarkecil

= 3,80 – 2,45

= 1,35

b. Banyak Kelas

Ci = 1 + 3,3 Log N

= 1 + 3,3 Log 40
 57

= 6,28

=6

c. Panjang Kelas

R
P =
Ci

1,3 5
=
6

= 0,23

Tabel 4.13 Modul I Distribusi Frekwensi

Titik
Selang Batas
No Turus Frekuensi Tengah fxi xi2 fxi2
Kelas Kelas
(xi)
-2,44 2,445

1 2,45 - 2,68 IIIII 1 2,57 2,57 6,60 6,60

2,685

2 2,69 - 2,92 IIII 0 2,8 0 7,84 0

2,925

3 2,93 - 3,16 II 3 3,05 9,15 9,30 83,72

3,165

4 3,17 - 3,40 IIIII IIIII II 17 3,29 55,93 10,82 3128,16

3,405

5 3,41 - 3,64 IIIII IIIII IIII 16 3,53 56,48 12,46 3189,99

3,645

6 3,65 - 3,88 III 13 3,77 49,01 14,21 2401,98

3,885

Jumlah 40 50 19,01 173,14 61,2453 8810,46

Sumber : data pengolahan ( 2022 )

Tabel 4.14 Modul I Distribusi Frekuensi Relatif dan Frekuensi Komulatif

Frek
Frekuensi Frek Komulatif Komulatif-
No. Selang Kelas Frekuensi
Relatif Relatf
 58

- 2,44 0

1 2,45 - 2,68 1 0,02

1 0,02

2 2,69 - 2,92 0 0
1 0,02

3 2,93 - 3,16 3 0,06

4 0,08

4 3,17 - 3,40 17 0,34

21 0,42

5 3,41 - 3,64 16 0,32

37 0,74

6 3,65 - 3,88 13 0,26

50 1,00

3,89
50 1,00\
Sumber : data pengolahan ( 2022 )

2. Nilai Rata-Rata
k
fiXi 173 ,14
x=∑ = = 3,46
i=1 fi 50

3. Varians Sampel
K

S = N ∑ fxi ¿ ¿ ¿
2 2–

i=1

= 50 x 8810 , 46 – ¿ ¿

440.523 – 29.977 , 46
=
50(49)

410.545 , 54
=
2450

= 167,59

4. Simpangan Baku Sampel

S = √ S2
 59

= √ 167 , 59

= 12 , 94

5. Median (Me)

1
n−F
Me = Bb + P ( 2 )
f

( (−21 )
)
50
= 3,17 + 0,23 2
13

= 3,17 + 0,23 (0,31)

= 3,17 + 0,071

= 3,24

6. Modus (Mo)

b1
Mo = Bb + P ( )
b1 +b2

= 3,17 + 0,23 ( 14+1

14
)
= 3,17 + 0,23 (0,07)

= 3,17 + 0,016

= 3,19

7. Kuartil

a. Kuartil 1

1. n /4−F
K 1= Bb + P ( )
f

( )
1 x 50
−4
= 3,17 + 0,23 4
13

= 3,17 + 0,23 (0,65)

= 3,17 + 0,880
 60

= 3,68

b. Kuartil 2

2. n /4−F
K 2= Bb + P ( )
f

2 x 50
−21
= 3,17 + 0,23 ( 4 )
13

= 3,17+ 0,23 (0,31)

= 3,17 + 0,071

= 3,24

c. Kuartil 3

3 .n /4−F
K 3= Bb + P ( )
f

3 x 50
−21
= 3,17 + 0,23 4
( )
13

= 3,17 + 0,23 (1,27)

= 3,17 + 0,292

= 3,46

8. Desil

a. Desil 1

1. n /10−F
D1= Bb + P ( )
f

1 x 50
−4
= 3,17 + 0,23 ( 10 )
17

= 3,17 + 0,23 (0,06)

= 3,17 + 0,013

= 3,18
 61

b. Desil 5

5 .n /10−F
D5= Bb + P ( )
f

( )
5 x 50
−21
= 3,17 + 0,23 10
16

= 3,17 + 0,23 (0,25)

= 3,17 + 0,058

= 3,23

c. Desil 9

9 . n/10−F
D9= Bb + P ( )
f

9 x 50
−21
= 3,17+ 0,23 ( 10 )
13

= 3,17 + 0,23 (0,85)

= 3,17 + 0,196

= 3,37

9. Persentil

a. Persentil 10

i. n/100−F
P10= Bb + P ( )
f

10 x 50
−4
= 3,17 + 0,23 ( 100 )
13

= 3,17 + 0,23 (0,08)

= 3,17 + 0,018

= 3,19

b. Persetil 50
 62

¿/100−F
P20 = Bb + P ( )
f

( )
50 x 50
−21
= 3,17 + 0,23 100
13

= 3,17 + 0,23 (0,31)

= 3,17 + 0,071

= 3,24

c. Persetil 90

¿/100−F
P90 = Bb + P ( )
f

90 x 50
−37
= 3,17 + 0,23 ( 100 )
13

= 3,17 + 0,23 (0,62)

= 3,17 + 0,143

= 3,31

10. Histogram

Tabel 4.15 Modul I Histogram IPK

No. Frekuensi Batas Kelas

1 1 2,69
2 0 2,93
3 3 3,17
4 17 3,41
5 16 3,65
6 13 3,89
Jumlah 50 19,74
Sumber : data pengolahan ( 2022 )
 63

HISTOGRAM IPK
18
16
14
12
10
8
6
4
2
0
2.69 2.93 3.17 3.41 3.65 3.89

Grafik 4.4 Modul I Diagram Histogram IPK

11. Poligon

Tabel 4.16 Modul I Poligon IPK

No. Frekuensi Titik Tengah

1 1 2,57

2 0 2,8

3 3 3,05

4 17 3,29

5 16 3,53

6 13 3,77

Jumlah 50 19,01
 64

Sumber : data pengolahan (2022)

Grafik 4.5 modul 1 diagram polygon IPK

POLIGON IPK
15
FREKUENSI

10
5
0
2.57 2.8 3.05 3.29 3.53 3.77
TITIK TENGAH
 BAB V

ANALISA DAN PEMBAHASAN

5.1 Analisa Percobaan

Dalam percobaan dilakukan pengambilan data terhadap 3 obyek yang

kemudian diambil datanya secara random, adapun data yang diambil pada

setiap obyek terdiri dari 50 data. Obyek percobaan tersebut terdiri dari:

1. Kelereng

2. Baut dan Mur

3. IPK

Yang kemudian diambil datanya secara random, Adapun Analisa yang telah

kami lakukan adalah sebagai berikut

Tabel 5.1 hasil Analisa Data

Simbol Kelereng Baut dan Mur IPK

x 1,23 3,81 3,44
2 61,58 190,59 172,11
S
S 12,69 50,16 167,59
Me 1,14 3,82 3,24
Mo 5,43 3,29 3,19
K1 1,15 3,63 3,68
K2 1,13 3,84 3,24
K3 1,15 3,56 3,46
D1 1,12 3,29 3,18
D5 1,13 3,66 3,29
D9 1,12 3,38 3,37
P10 1,12 3,88 3,19
P50 1,13 3,66 3,24
P90 1,12 3,52 3,31
Sumber: Data Pengamatan (2022)

65
 66

5.2 Pembahasan

a. Untuk Data Kelereng

Nilai rata-rata yang diperoleh = 1,23. Dimana hasil penjumlahan

seluruh data yang kami peroleh (61,58) dibagi total data yang ada (50).

Nilai varian sample = 12,69. Nilai median yang diperoleh = 1,14. Nilai

modus yang di peroleh = 5,43. Nilai kuartil masing masing, Kuartil 1 =

1,15. Kuartil 2 = 1,13. Kuartil 3 = 1,12. Nilai desil masing masing, Desil 1

= 1,13. Desil 5 = 1,13. Desil 9 = 1,12. Nilai persentil masing masing,

Persentil 10 = 1,12. Persentil 50 = 1,13. Persentil 90 = 1,12.

b. Untuk Data Mur dan Baut

Nilai rata-rata yang diperoleh = 3,81. Dimana hasil penjumlahan

seluruh data yang kami peroleh (190,59) dibagi total data yang ada (50).

Nilai varian sample = 50,16 Nilai median yang diperoleh = 3,82. Nilai

modus yang di peroleh = 3,29. Nilai kuartil masing masing Kuartil 1 =

3,63. Kuartil 2 = 3,84. Kuartil 3 = 3,56. Nilai desil masing masing Desil 1 =

3,29. Desil 5 = 3,66. Desil 9 = 3,38. Nilai persentil masing masing

Persentil 10 = 3,88. Persentil 50 = 3,66. Persentil 90 = 3,52.

c. Untuk Data IPK

Nilai rata-rata yang diperoleh = 3,44. Dimana hasil penjumlahan

seluruh data yang kami peroleh (172,11) dibagi total data yang ada (50).

Nilai varian sample = 167,59 Nilai median yang diperoleh = 3,24. Nilai

modus yang di peroleh = 3,19. Nilai kuartil masing masing, Kuartil 1 =

3,68. Kuartil 2 = 3,24. Kuartil 3 = 3,46. Nilai desil masing masing Desil 1 =

3,18. Desil 5 = 3,29. Desil 9 = 3,37. Nilai persentil masing masing

Persentil 10 = 3,19. Persentil 50 = 3,24. Persentil 90 = 3,31. .

 BAB VI

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah melakukan praktikum diperoleh kesimpulan sebagai berikut:

1. Memberikan latihan bagi praktikan agar dapat melakukan manajemen

data yaitu mengumpulkan, menyusun, menyajikan, dan

menggambarkan data sehingga dapat memberikan informasi.

2. Meningkatkan pemahaman manajemen (pengolahan) data berdasarkan

teori yang telah diperoleh.

3. Praktikum mampu menganalisa data yang telah diperoleh.

4. Melatih praktikan untuk memanfaatkan informasi yang dihasilkan oleh

sekumpulan data.

5.2 Saran
5.2.1 Saran untuk Laboratorium
Saran kami untuk Laboratorium agar kiranya menambahkan alat-

alat praktikum yang digunakan di dalam lab agar semua kelompok

praktikan dapat menggunakan alat secara bersamaan

5.2.2 Saran untuk Asisten

Kami menyarankan agar kiranya materi dari lab statistika ini dapat

dijelaskan lebih lanjut dan juga dijelaskan mengenai ketentuan-

ketentaun dari penyusunan laporannya.

67