3

Bahan Ajar :
STATISTIKA EKONOMI DAN BISNIS
(Statistika Deskriptif)

Tim Pengajar :
Dr. Madris, SE., DPS., MSi
................................
............................ dst..

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS HASANUDDIN
2020
 4

BAB I
PENGANTAR
A. Apa Itu Statistik
Di antara berbagai pengertian statistik yang terdapat dalam literatur, maka kata
“Statistik” dapat disimpulkan menjadi tiga pengertian, yakni pertama statistik sebagai ilmu
pengetahuan (statistics), kedua statistik sebagai karakteristik sampel (statistic), dan ketiga
statistik sebagai data (bentuk jamak dari datum). Data adalah fakta (Fact), dan informasi
adalah data yang sahih (Valid).
Statistik sebagai ilmu pengetahuan (science or art), secara sistematik dapat
dilakukan melalui lima tahap, yakni :
1) pengambilan data (collection of data)
2) pengolahan data (organization of data)
3) presentasi data (presentation of data)
4) analisis data (analysis of data)
5) interpretasi data (interpretation of data).
Pengertian statistika yang lain, adalah statistika deskripsi dengan inferensial.
Statistik deskripsi adalah statistik yang mendeskripsikan atau menjelaskan data sampel,
sesuai data survei. Sedangkan statistik infrensi (infrence), adalah statistik yang
menjelaskan karakteristik populasi (parameter) melalui karakteristik data sampel
(statistic), dengan cara menguji validitas data hasil survei (data sampel).
Jika dilihat dari data yang digunakan, maka statistika yang menganalisis data
kualitatif (data kategorik) dengan skala nominal, dan ordinal disebut statistika
nonparametrik. Sedangkan statistika yang menganalisis data kuntitatif (data numerik)
dengan skala interval, dan rasio disebut statistika parametrik. Oleh karena itu, data
kualitatif sebaiknya dianalisis menggunakan statistika nonparametrik, sedangkan data
kuantitatif dianalisis dengan menggunakan statistika parametrik. Dan jika data gabungan
kuantitatif dan kualitatif, model analisis yang relevan adalah analisis multivariat.
Kemudian statistik sebagai karakteristik data sampel (n), yakni statistic adalah
ukuran-ukuran data sampel, seperti nilai rata-rata variabel x (x-par), varians-x (Sx2),
standar deviasi-x (Sx), proporsi-x (px^), dan lain-lain. Sedangkan karakteristik data
populasi (N) yang biasa disebut parameter, secara simbolik ditulis dalam simbol yang
 5

berbeda, yakni jika nilai rata-rata variabel x ditulis µx, varians-x (σx2), standar deviasi-x
(σx), proporsi- (px), dan seterusnya.
Pengertian statistik yang lain adalah data statistik, adalah data. Misalnya, statistik
desa berarti data potensi desa; statistik industri, berarti data tentang sektor industri; statistik
vital, berarti data tentang penduduk; dan lain-lain. Data dilihat dari sumbernya, dapat
dibedakan antara data primer dengan data sekunder. Data primer adalah data yang
digunakan langsung oleh sumber pertama data tersebut, dengan kata lain data tersebut
belum pernah dipublikasi sebelumnya. Sedangkan data sekunder adalah data yang
digunakan oleh konsumen ke dua, ketiga, dan seterusnya, artinya data tersebut sudah
pernah dipublikasi sebelumnya, baik sebagai sumber pertama maupun lainnya.
Data dilihat dari unit analisisnya, dapat dibedakan antara data cross section dan
data time series. Data cross section adalah dimana unit analisisnya berdasarkan tempat
(place). Sedangkan data time series adalah dimana unit analisisnya berdasarkan urutan
waktu (time). Gabungan antara data cross section dengan data time series disebut data
panel (panel data). Di sisi lain, data dilihat dari sistem bilangan, maka ada data dalam
bentuk deskrit (kategorikal), dan ada data dalam bentuk kontinu. Data dalam ukuran deskrit
menghasilan grafik atau diagram, misalnya histogram, dan poligon, sedangkan data dalam
ukuran kontinu menghasilan kurva, misalnya dalam ilmu ekonomi (kurva permintaan,
kurva biaya, kurva penerimaan, dll.).
Jika data diliht dari sifatnya, maka ada data kualitatif (bersifat kategori), dan ada
data kuantitatif (bersifat numerik). Data kualitatif tidak memiliki satuan dalam bentuk
bilangan, seperti halnya pendapatan dalam ukuran nilai mata uang tertentu. Data kualitatif
hanya dapat dibedakan dan atau dibandingkan. Data ini diukur dengan skala nomonal dan
skala ordinal. Sedangakan data kuantitatif di samping dapat dibedakan dan dibandingkan,
juga dapat diukur selisih (interval) dan kelipatannya. Data ini diukur dengan skala interval
dan skala rasio.
Adapun sifat dari masing-masing skala pengukuran variabel tersebut, sebagai
berikut :
1. Skala Nominal
• paling sederhana
• tidak ada asumsi jarak/urutan
 6

• mutually exclusive.
Contoh : Jenis kelamin (laki-laki, perempuan), agama, jenis pekerjaan, status pekerjaan,
status kawin, dan lain-lain.
2. Skala Ordinal
• bisa diurutkan dari yang paling kecil ke paling besar dan atau sebaliknya
• tidak memberikan inferensi, berapa besarnya.
• Mutually exclusive.
Contoh :
• Tempat tinggal (kota besar,sedang atau kota kecil).
• Tingkat pendidikan (SD, SLTP, SLTA ke atas).
• Tingkat pendapatan (tinggi, sedang, rendah)
3. Skala Interval
• mempunyai jarak tertentu, jadi bisa dikurangkan atau dijumlahkan, tetapi
• tidak dapat dianggap sebagai kelipatan
• mutually exclusive.
Contoh :
- Index prestasi :
IPa = 4.0, IPb =3.5, IPc =3.0, IPd =2.5, IPe =2.0
tidak bisa dikatakan : IPa = 2x IPe atau 4 = 2x 2.
-Suhu udara : suhu udara 40 derajat C tidak bisa dikatakan sama
dengan 2 kali panas suhu udara 20 derajat Celcius.
4. Skala rasio
• Disamping memenuhi semua syarat dari skala nominal, ordinal dan interval, juga
dapat ditetapkan kelipatannya.
Contoh : pendapatan, pengeluaran, harga, keuntungan, dan lain-lain.

B. Sensus dan Survei

Sensus atau metode survei secara lengkap, yang juga biasa disebut full-sampling,
adalah jenis pengambilan data primer yang bersumber dari setiap unit analisis (perorangan,
rumah tangga, unit usaha, pabrik, dan lain-lain) pada setiap populasi yang ada. Sebagai
contoh kecil, misalnya jika kita ingin menghitung upah rata-rata karyawan pada sebuah
 7

perusahaan, kita akan menghitung semua upah masing-masing karyawan lalu dibagi total
karyawan pada perusahaan tersebut. Beberapa kelebihan dari sensus adalah :
1. Data didapat dari semua dan masing-masing unit populasi.
2. Hasil yang didapatkan sangat representatif, akurat dan realibel.
3. Data sensus dapat dijadikan sebagai data awal untuk melakukan survei dalam menentukan
jumlah sampel.
Di samping sensus memiliki kelebihan, juga memiliki beberapa kekurangan, antara lain :
1. Biaya sensus besar, karena mengangkut semua, dan masing-masing populasi.
2. Waktu pengambilan data cukup lama.
3. Menggunakan banyak tenaga kerja.
4. Bisa menciptakan kepunahan populasi, jika merupakan sebuah eksperimen. Misalnya,
untuk menguji rata-rata lama menyala semua pruduk lampu pijar, maka semua lampu pijar
dinyalakan sampai padam, sehingga semua lampu pijar yang diproduksi tidak ada lagi yang
bisa dijual.
Atas kelemahan-kelemahan tersebut, maka sensus tidak banyak dilakukan secara
praktis. Di Indonesia oleh Badan Pusat Statistik (BPS) hanya melaksanakan sensus
penduduk dan sensus pertanian dilaksanakan hanya satu kali dalam 10 tahun. Atas
pertimbangan biaya, waktu, dan tengan kerja, maka dilakukan survei. Survei adalah
pengambilan data berdasarkan sampel terpilih. Sampel adalah bagian dari populasi.
Beberapa survei yang dilakukan oleh BPS, antara lain Survei Penduduk Antar Sensus
(SUPAS), Survei Sosial Ekonomi Nasional (SUSENAS), Survei Tenaga Kerja Nasional
(SAKERNAS), Survei Demografi dan Kesehatan Indoesia (SDKI), Survei Biaya Hidup
(SBH), Survei Kepuasan Konsumen (SKK), dan lain-lain.

C. Mengapa Statistika Itu Penting

Mengapa statistika (statistics) semakin penting?. Karena semakin dibutuhkan
dalam kegiatan penelitian ilmiah, baik untuk sebuah kebijakan ekonomi, sosil, politik,
maupun kebijakan lainnya, dan juga untuk pengembangan ilmu pengetahuan ilmiah.
Pengetahuan ilmiah harus dikembangkan melalui penelitian ilmiah, yakni cara ilmiah yang
dilakukan untuk mendapatakan data dan informasi untuk tujuan tertentu. Melalui
 8

pendekatan empiris (fact) dan dengan metode statistik (statistical methods), serangkaian
data akan tersedia dalam bentuk valid, reliabel, dan obyektif.
Statistika juga dapat dijadikan sebagai alat untuk :
1. Mendeskripsikan sebuah fenomena tertentu, baik secara individu maupun kelompok.
2. Menyederhanakan sebuah permasalahan yang rumit
3. Membandingkan antara dua atau lebih fenomena tertentu, baik secara individu maupun
kelompok.
4. Memformulasi dan menguji hipotesis
5. Meprediksi sebuah kejadian yang akan datang.
6. Memformulasi suatu kebijakan yang tertentu.
Statistika sebagai alat (tools) dapat diterapkan pada berbagai disiplin ilmu, seperti:
1. Statistika dengan ilmu ekonomi dan bisnis.
2. Statistika dengan ilmu pengetahuan alam
3. Statistika dengan ilmu keteknikan.
4. Statistika dengan ilmu kesehatan.
5. Statistika dengan riset.
6. Statistika dengan lainnya, termasuk masalah-masalah kebijakan negara (the state).
Khusus dalam ilmu ekonomi dan bisnis, statistika dapat digunakan dalam pengukuran
produk domestik bruto (PDB), business cycle, studi perbandingan antara pasar
monopolistik dengan pasar oligopoli, survei pasar, masalah ketenagakerjaan, masalah
keuangan negara dan daerah, masalah ekonomi internasional, dan lain-lain. Hal tersebut
mengindikasikan begitu pentingnya statistika dalam sebuah kebijakan dan pengembangan
ilmu pengetahuan dan teknologi.
D. Keterbatasan Statistika
Di satu sisi statistika, nampak dapat menyelesaikan semua masalah layaknya
sebuah “majik”, tetapi di sisi lain statistika memiliki banyak kelemahan, yakni :
1. Statistika tidak dapat digunakan untuk pengukuran secara individu dalam sebuah kejadian
tertentu.
2. Statistika hanya dapat digunakan untuk karakteristik yang bersifat kuantitatif.
3. Hasil analisis statistika hanya benar pada nilai rata-rata, tidak benar secara individu, dan
tidak benar secara universal, dengan kata lain hanya benar pada kondisi tertentu.
 9

4. Statistika memiliki potensi kesalahan dalam menafsirkannya (fallacious conclution).

5. Statistika hanya salah satu metode untuk mempelajari suatu masalah.
6. Karena rumitnya permasalahan yang diakibatkan semakin banyaknya kejadian yang
bersinerji dengan kejadian lainnya, maka statistika tidak dapat dimanfaat secara optimal
tanpa keberadaan komputer.

BAB II
DISTRIBUSI FREKUENSI
 10

Distribusi frekuensi adalah penyebaran data berdasarkan karakteristik variabel (numerik

atau kategorik), bisa dalam bentuk nilai absolut atau nilai relatif.
Contoh Kasus :
Row Data
Data Gaji 50 Orang Karywan Pada Suatu Perusahaan
Mebel Di Yogyakarta Tahun 2020
(0000) per Minggu)

60 33 85 52 65 77 84 65 57 74
71 81 35 50 65 64 74 47 68 54
80 41 61 91 55 73 59 53 45 77
41 78 55 48 69 85 67 39 76 60
94 66 98 66 73 42 65 94 89 88

Sumber : Data Primer, 2020

Array Data
Susunan Data Gaji 50 Orang Karywan Pada Suatu Perusahaan
Mebel Di Yogyakarta Tahun 2020

33 35 35 39
41 41 42 45 47 48
50 52 53 54 55 55 57 59
60 60 61 64 65 65 66 66 67 68
71 73 73 74 74 76 77 77 78
80 81 84 85 85 88 89
91 94 94 98

Sumber : Row Data

Jenis Data :
a. Data Tunggal (Ungroup Data)
b. Data Dikelompokkan (Group Data)

Metode Pengelompokkan Data :

a. Metode Bebas
 11

b. Metode Sturges

Rumus Sturges : k = 1 + 3,3 log N dan Ci = R / k

Dimana : k = jumlah kelas

N = jumlah frekuensi
3,3 = bilangan konstanta
Ci = Interval kelas
R = Range (jarak Omax – Omin)

Tabel 1. Tabulasi Gaji 50 Orang Karyawan Perusaahaan Mebel DI Yogyakarta

Tahun 2020 (Dalam Puluhan Ribu Rupiah)

Interval Frekuensi Absolut Relatif Kumulatif Kumulatif

Kelas Frek Frekuensi (%) Frek. < Frek. >
0
30-39 IIII 4 (4/50) x 100 % = 8,00 4 50
40-49 IIII I 6 (6/50) x 100 % = 12,00 10 46
50-59 IIII III 8 (8/50) x 100 % = 16,00 18 40
60-69 IIII IIII II 12 (12/50) x 100 % = 24,00 30 32
70-79 IIII III 9 (9/50) x 100 % = 18,00 39 20
80-89 IIII II 7 (7/50) x 100 % = 14,00 46 11
90 -99 IIII 4 (4/50) x 100 % = 8,00 50 4
0
Total 50 100,00
Sumber : Array Data

Jika distribusi frekuensi di atas dibentuk dalam bentuk grafik, maka dapat dibuat :

(1) Histogram dan Polygon (Frekuensi Tunggal)

Bagan 1. Disrtribusi Frekuensi Gaji 50 Orang

Karyawan Perusahaan Mebel Di yogyakarta
Tahun 2013 (dalam Puluhan Ribu Rupiah)

20
HISTOGRAM
 12

POLYGON
15

10

29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5

Sumber : Tabel 1

(2) Ogive (Frekuensi Kumulatif)

Bagan 2. Disrtribusi Frekuensi Gaji 50 Orang

Karyawan Perusahaan Mebel Di yogyakarta
Tahun 2013 (dalam Puluhan Ribu Rupiah)

FREKUENSI KOMULATIF”LEBIH DARI”

50 (50) 100
(46) 92

40 (40) 80

30 (32) 64

20
(20) 40

10 (11) 22
8
(4)
29,5 39,5 59,5 69,5 79,5 89,5 99,5
Sumber : Tabel 1 Tepi Kelas
 13

50
FREKUENSI KOMULATIF
92
“KURANG DARI”

40 78

30 60
Frekuensi
Komulatif
20
36

10 20
prosentase
8
29,5 39,5 49,5 59,5 69,5 79,5 89,5 99,5
Tepi Kelas
Sumber : Tabel 1

Diagram dan Grafik

Ada tiga bahasa yang dapat dikomunikasikan dalam presentase hasil olahan data
statistik, yakni bahasa verbal, bahasa visual, dan bahasa matematika. Bahasa verbal
adalah yang disusun dengan rangkaian kata-kata, sehingga membentuk sebuah kalimat
yang memiliki subjek, predikat, dan obyek, atau sebuah kalimat yang memiliki induk dan
anak kalimat, sampai terbentuk sebuah alinea atau pragraf. Bahasa visual adalah bahasa
yang dikomunikasikan melalui gambar, seperti tabel, diagram, grafik, dan kurva. Bahasa
matematika adalah bahasa yang dirumuskan dalam bentuk persamaan matematika,
untuk menyederhanakan suatu yang amat kompleks sifatnya menjadi model yang lebih
sederhana, dalam bahasa ekonomi disebut model ekonometrika.
Data dapat dipresentase melalui tabel, juga dapat melalui diagram, dan grafik.
Perbedaan antara tabel dengan diagram dan grafik, adalah :
1) Diagram atau grafik hanya memberikan proksi ide. Nilai yang pasti ada pada tabel.
 14

2) Banyak informasi yang dapat dipresentase dalam sebuah tabel, sedangkan

diagram dan grafik hanya satu informasi.
3) Tabel membutuhkan banyak membaca, karena lebih sulit dimerti dibanding
diagram dan grafik.
4) Oleh karena itu, kelebihan diagram dan grafik dibandingkan tabel, adalah dalam
bentuk penyajian, yakni diagram dan grafik lebih sederhana, lebih komunikatif,
dan lebih mudah dimengerti.
Di sisi lain, perbedaan antara diagram dengan grafik adalah :
1) Konstruksi grafik secara umum menggunakan kertas grafik, sedangkan diagram
menggunakan kertas biasa (tidak brgaris).
2) Diagram lebih menonjol, lebih menarik, banyak digunakan untuk propaganda,
sedangkan grafik sebailiknya, dan lebih bayak digunakan oleh ahli statistik dan
peneliti.
3) Untuk presentase distribusi frekuensi dan data berkala (time series), grafik lebih
cocok dibandingkan diagram.
Ada beberapa aturan secara umum dalam mempresentasekan diagram, yakni
sebaiknya ada judul, bentuknya proporsional, skala yang tepat, gambar yang jelas,
bentuknya simpel, dan ada sumber data.
Jenis-jenis digram, yakni diagram berdimensi-satu, diagram berdimensi-dua,
diagram berdimensi-tiga, dan piktogram, serta kartogram.

(1) Contoh diagram berdimensi-satu.

Gambar 1
Persentase Penduduk Usia 15 Tahun Ke Atas yang Bekerja Menurut Jumlah Jam Kerja
 15

Selama Seminggu di Sulawesi Barat, 2013

Sumber : Diolah dari Tabel sumber indikator kesra sulbar 2013....

Gambar 2
Indeks Kepuasan Konsumen Terhadap Kualitas Layanan BPS Menurut
Tempat Beraktivitas Responden di BPS Provinsi Sulawesi Barat

(2) Contoh diagram berdimensi-dua.

Pie Diagram (sumber Pemetaan pembiayaan bank)
Gambar 3
 16

Struktur Ekonomi Kotamadya Pare-Pare Menurut Sektor

Tahun 2007 (Persen)

PERTANIAN
3,01
0,31 1,37 PERTAMBANGAN &
PENGGALIAN
7,91 8,56 INDUSTRI PENGOLAHAN
13,07 LISTRIK, GAS DAN AIR
29,19
12,82 BANGUNAN

PERD., HOTEL &

23,76 RESTORAN
PENGANGKUTAN &
KOMUNIKASI
KEU. PERSEWAAN & JASA
PERUSAHAAN
JASA-JASA

Circles sumber Pemetaan pembiayaan bank)

Gambar 4
Struktur Ekonomi Kabupaten Enrekang Menurut Sektor
Tahun 2007 (Persen)

PERTANIAN
0,61 PERTAMBANGAN &
4,62 PENGGALIAN
5,36 INDUSTRI PENGOLAHAN
0,54 10,13
LISTRIK, GAS DAN AIR

BANGUNAN
20,54
27,28
PERD., HOTEL &
51,46
RESTORAN
PENGANGKUTAN &
4,07 2,67 KOMUNIKASI
KEU. PERSEWAAN & JASA
PERUSAHAAN
JASA-JASA

(3) Contoh diagram berdimensi-dua

Gambar 5
Gap Analysis Kepuasan Konsumen Terhadap Kualitas Data Ragam Statistik
 17

Produksi di BPS Provinsi Sulawesi Barat

BAB III
UKURAN NILAI SENTRAL
 18

• Syarat :
- Dapat mewakili & rangkaian data
- Perhitungannya didasarkan pada seluruh rangkaian data
• Jenis]
1. Rata-rata hitung (mean)
2. Median (nilai tengah)
3. Modus (mode)
• Tujuan (kegunaan)
Untuk membandingkan antara 2 atau lebih rangkaian data.

Pengukuran Nilai Sentral

A. Rata-rata hitung (Mean)

1. Data tunggal (Ungrouped Data)
X
•  =
N
 fiXi  fiXi
•  = = (meto det ertimbang )
 fi N
XiWi
•  =
Wi
2. Data dikelompokkan (grouped data)
pengelompokan data dapat dilakukan dengan metode sturges.
Berdasarkan data yang dikelompokkan, dihitung nilai rata-rata (mean) sbb:
fii
• =
fi
fidi
• = A+ .Ci
fi

B. Median (Md)
(1) Data Tunggal (Ungoruped Data)
 19

N
Median adalah nilai observasi yang berada pada posisi untuk observasi yang
2
berjumlah observasi yang genap.
(2) Data Berkelompok (Grouped Data).
N / 2 − FCu )
Md = Li + XCi
Fmd
Dimana :
Md = Nilai sentral (median)
Li = Tepi kelas bawah dari kelas median.
Fcu(<) = Frekuansi kumulataif kurang dari (dibawah dari) kelas mediam.
Fmd = Frekuensi yang bersesuaian dengan kelas median
Ci = Interval kelas
N
= Posisi Kelas Median untuk data dikelompokkan, dan ((N+1)/2) untuk data
2
tdk dikelompokkan .

C. Modus (Mo)
Modus adalah frekuensi tertinggi dari serangkaian data observasi.
Untuk data berkelompok modus dirumuskan sebagai berikut :
d1
Mo = Li + XCi
d1 + d 2
Dimana :
Li = Tepi kelas bawah dari kelas modus
d1 = d (mo) – d (mo-1)
d2 = d (mo) – d (mo+1)

Contoh Perhitingan Nilai-nilai Sentral

Tabel 2. Perhitungan Nilai Rata-rata (Mean) Distribusi Frekuensi Gaji 50
 20

Karyawan Perusahaan Mebel DI YogyakartaTahun 2013

Frekuensi Frekuensi X Nilai

Kelas- Nilai Tengah (X)
kelas (fi) Tengah (fi Xi)
30-39 4 34,5 138,0
40-49 6 44,5 267,0
50-59 8 54,5 436,0
60-69 12 64,5 774,0
70-79 9 74,5 670,5
80-89 7 84,5 591,5
90-99 4 94,5 378,0
Total Efi=N =
fX = 3255,0
50
Sumber : Tabel 1
fiXi
 = = 3 255/50 = 65,1
fi

Tabel 3. Perhitungan Nilai Rata-rata (Mean) Distribusi Frekuensi Gaji 50

Yogyakarta Perusahaan Mebel Di Yogyakarta, Tahun 2013

Kelas-kelas f X D f.d
30-39 4 34,5 -30 -120
40-49 6 44,5 -20 -120
50-59 8 54,5 -10 -80
60-69 12 64,5 = A 0 0
69-70 9 74,5 +10 +90
70-79 7 84,5 +20 +140
80-89 4 94,5 +30 +120
90 -99 3
100-109
N=50 fd = +3
fidi
X =A+ ci = 64,5 + (3/50) = 65,1
fi
 21

Tabel 4. Perhitungan Median Pada Distribusi Frekuensi Gaji 50

Karyawan Perusahaan Mebel Di Yogyakarta Tahun 2013
Kelas-kelas Frekuensi Tepi kelas(Li) Frekuensi komulatif
(fCU<)
29,5 0
30-39 4
39,5 4
40-49 6
49,5 10
50-59 8
59,5Li 18FC<
60-69 12fm Md = 25
69,5 30
70-79 9
79,5 39
80-89 7
89,5 46
90-99 4
99,5 50
N = 50
Sumber : Tabel 1.
N / 2 − fCu ( − )
Md = Li + XCi = 59,5 + ((25 – 18)/12) x 10 = 65,3
fmd
Tabel 5. Perhitungan Modus Pada distribusi Frekuensi Gaji 50
Karyawan Perusahaan Mebel DI Yogyakarta Tahun 2013
Kelas-kelas Frekuensi Tepi kelas
30-39 4 29,5
40-49 6 39,5
50-59 8 49,5
d1
60-69 12 59,5 Frekuensi
d2 Modus
70-79 9 69,5
80-89 7 79,5
90-99 4 89 ,5
99,5
Sumber : Tabel 1
d1
Mo = Li + XCi = 59,5 + ((4/(4+3)) x 10 = 65,2
d1 + d 2
 22

BAB IV
UKURAN PENYEBARAN (DISPERSI)
• Penyebaran adalah perserakan data individual terhadap nilai rata-rata.
 23

Semakin besar angka penyebaran menunjukkan data semakin heterogen, demikian

sebalik.
• Syarat
1. Perhitungaanya harus didasarkan pada keseluruhan data.
2. Hendaknya tidak dipengaruhi oleh fluktuasi sample yang satu dengan yang lain.
• Kegunaan
1. Untuk menentukan, apakah rata-rata dapat mewakili suatu rangkaian data
2. Dapat menunjukkan apakah 2 atau lebih sample berasal dari populasi yang sama,
atau tidak.
• Jenis :
1. Range (R)
2. Deviasi Rata-rata (AD)
3. Deviasi Standar ( or S)
4. Variance (varians)
• Hubungan antara Nilai sentral dengan ukuran penyimpangan (( or S ) dapat
digunakan untuk melihat bentuk DISTRIBUSI FREKUENSI yang disebut.

• KEMIRINGAN ATAU KEMENCENGAN (SKEWNESS, SK)

Ukuran Penyebaran
1. Data Tunggal
• Range (R) = Omax – Omin = 98-33=65
• Average Deviation (AD).
Xi − X
Ad =
N
• Standard Deviation ( or S)

 = Variance

( Xi − X )
Varians (2) =
N

fixi 2  fixi 
2

• = − 
N  N 
 24

fidi 2  fidi 
2

•  = Ci − 
N  N 
Contoh : Perhitungan :
Tabel 6. Perhitungan Deviasi Rata-rata Distribusi Frekuensi Gaji 50
Karyawan Perusahaan Meubel Di Yogyakarta Tahun 2013

Kelas-kelas fi Xi IXi- X I f/Xi-XI

30-39 4 34,5 30,6 122,4
40-49 6 44,5 20,6 123,6
50-59 8 54,5 10,6 34,8
60-69 12 64,5 0,6 7,2
70-79 9 74,5 9,4 84,6
80-89 7 84,5 19,4 135,8
90-99 4 94,5 29,4 117,6
N=50
f / x − x / = 676,0 dimana X =65,1 maka :
A.D=676,0/50=13,52
Sumber : Tabel 1

Tabel 7. Perhitungan Deviasi Standar Distribusi Gaji 50 Karyawan

Perusahaan Meubel Di Yogyakarta Tahun 2013

Interval Kelas fi Xi fixi X2 fx2

30-39 4 34,5 138,0 1190,25 4761,00
40-49 6 44,5 267,0 1980,25 1181.0
50-59 8 54,5 436,0 2970,25 23762.0
60-69 12 64,5 774,0 4160,25 49923.00
70-79 9 74,5 670,5 5550,25 49952.25
80-89 7 84,5 591,5 7140,25 49981.75
90-99 4 94,5 378,0 8930,25 35721.00
N = 50 fx = 3255,00 fx = 225982,5
2

 = 225982.50 / 50 − (325 / 50) 2 = 4519,65 − 4238.01

= 281,64 = 16,78
Sumber : Tabel 1

Tabel 8. Perhitungan Deviasi standar Distribusi Gaji 50 Karyawan

Perusahaan Meubel Di Yogyakarta Tahun 2013
 25

Kelas-kelas F x d fd d2 Fd2
30-39 4 34,5 -3 -12 9 36
40-49 6 44.5 -2 -12 4 24
50-59 8 54.5 -1 -8 1 8
60-69 12 64.5 0 0 0 0
70-79 9 74.5 +1 +9 1 9
80-89 7 84.5 +2 +14 4 -28
90-99 4 94.5 +3 +12 9 36
100-109
N= 50  Fd = +3 0 fd 2 = 141
 = 10 141 / 50 − (3 / 50) 2 = 2,82 − 0,0036 X 10
= 2,8164 X 10 = 1.6782 X 10 = 16.78

Sumber : Tabel 1

Ukuran Kemencengan (Skewness)

3( X − Md )
Sk =
T
Sifat-sifat Skewness :
• Sk = 0 : distribusi normal (Mean = Md = Mo)
• Sk > 0 : Menceng ke kanan (Mean > Md > Mo)
• Sk < 0 : Menceng ke kiri (Mean < Md < Mo)

Contoh Kasus :
Tabel 9. Distribusi Frekuensi Yang Simetris
 26

Interval Tepi
f X d Fd f
Kelas Kelas

Mean = median =modus

29,5 0
30-39 5 34,5 -2 -10
39,5 5
40-49 10 44,5 -1 -10
49,5 15
50-59 20 54,5 = A 0 0 Md=25
59,5 35

54,5
60-69 10 64,5 +1 +10
69,5 45
70-79 5 74,5 +2 +10
79,5 50
N=50 0 fd = 0

Tabel 10. Distribusi Frekuensi Yang tidak simetris

(Miring/terjal Kanan)

Interval Tepi f
F X d fd
Kelas Kelas
29,5 0
30-39 5 34,5 -2 -10
39,5 5

(51.1)
Modus < Median < Mean
40-49 20 44,5 -1 -10
49,5 15
50-59 15 45,5=A 0 0 Md=25
59,5 35

(47,0) (49,5)
60-69 7 64,5 +1 +10
69,5 45
70-79 3 74,5 +2 +10
79,5 50
N=50 0 fd = −17

Tabel 11. Distribusi Frekuensi Yang Tidak Simetris

(Condong Kiri)
 27

Kelas- Tepi
F X d Fd f
kelas Kelas
29,5 0
30-39 3 34,5 -2 -6
39,5 3
40-49 7 44,5 -1 -7
49,5 10
50-59 15 54,5 = A 0 0
59,5 25
60-69 20 64,5 +1 +20
69,5 45
70-79 5 74,5 +2 +10
79,5 50
N=50  Fd=17

BAB V
UKURAN LETAK
 28

• Pengertian
Ukuran yang didasarkan pada letak dari ukuran rangkaian data dalam suatu dist.
Frekuensi. (Group dan ungroup Data)
• Jenis
(1). Kuartil/quarttile = K
(2). Desil/Decile = D
(3). Prosentil/Procentile = P
Contoh Perhitungan :
Ad 1. Kuartil (K),
Yakni membagi rangkaian data menjadi empat bagaian yang sama.
Tabel 12. Perhitungan Kuartil pada Distribusi Frekuensi Gaji 50 Karyawan
Perusahaan Meubel Di Yogyakarta tahun 2013

Interval Kelas F Tepi Kelas Frekuensi Komulatif

29.5 0
30-39 4
39.5 4
40-49 6
49.5 10
50-59 8 K1 = 12,5
59.5 18
60-69 12 K2 = 25
69.5 30
70-79 9 K3 = 37,5
79.5 39
80-89 7
89.5 46
90-99 4
99.5 50
Sumber : Tabel 1

Gambar 1. Kuartil

Fi
 29

12
Xi
Sumber : Tabel K1 K2 K3
Ad 2. Desil (D),
Yakni membagi rangkaian data menjadi sepuluh bagaian yang sama.
Tabel 13. Perhitungan Desil pada Distribusi Frekuensi Gaji 50 Karyawan
Perusahaan Meubel Di Yogyakarta tahun 2013

Interval Kelas F Tepi Kelas Frekuensi Komulatif

29.5 0
30-39 4
39.5 4
40-49 6 D1=5
49.5 10
50-59 8
59.5 18
60-69 12 D5 =25
69.5 30
70-79 9
79.5 39
80-89 7 D9 = 45
89.5 46
90-99 4
99.5 50

Sumber : Tabel 1

Gambar 2. Dasil
fi
 30

1
1/10 1/10
10
1
Xi
10
D1 D2 D3 D4 D5 D6 D7
Sumber : Tabel 13

Ad 3. Persentil (P), Yakni membagi rangkaian data menjadi seratus bagaian yang sama.
Tabel 14. Perhitungan Persentil pada Distribusi Frekuensi Gaji 50 Karyawan
Perusahaan Meubel Di Yogyakarta tahun 2013

Interval Kelas F Tepi Kelas Frekuensi Komulatif

29.5 0
30-39 4 P1 = 0,5
39.5 4
40-49 6
49.5 10
50-59 8
59.5 18
60-69 12 P50 = 25
69.5 30
70-79 9
79.5 39
80-89 7
89.5 46
4 P99 = 45,5
99.5 50
90-99

Sumber : Tabel 1

Gambar 3. Persentil

fi
 31

Xi
P1P2P3………………..P50………………….P99
Sumber : Tabel 14