MAKALAH

ANALISIS PERBANDINGAN DATA STATISTIK PADA DUA

SUMBER DATA
Diajukan untuk memenuhi tugas Mata Pelajaran Teori Probabilitas
Dosen Pengampu : Rianita Puspa Sari,ST.,MT.

Nama Kelompok

1 Adey Satrio Hermawan 2310631140060

2 Ahmad Rifa’i 2310631140065
3 Arjuna Nurhidayatullah 2310631140070

4 Boyke Akhmad Duncan Al Aziz 2310631140075

5 Devan Gunara 2310631140077

UNIVERSITAS SINGAPERBANGSA KARAWANG

PROGRAM STUDI TEKNIK INDUSTRI
2024

1
 LEMBAR PENGESAHAN MAKALAH
“ANALISIS PERBANDINGAN DATA STATISTIK PADA DUA
SUMBER DATA”

Tim Penulis:

1 Adey Satrio Hermawan NPM 2310631140060 ………………..

2 Ahmad Rifa’i NPM 2310631140065 ..………………

3 Arjuna Nurhidayatullah NPM 2310631140070 ………………..

4 Boyke Akhmad Duncan Al Aziz NPM 2310631140075 ………………..

5 Devan Gunara NPM 2310631140077 ………………..

Disetujui, ….. April 2024

Dosen Pengampu

Rianita Puspa Sari,ST.,MT.

2
 KATA PENGANTAR

Assalamu'alaikum.Wr.Wb
Alhamdulillah,Puji dan Syukur kami panjatkan kehadirat Allah SWT, yang
telah memberi rahmat serta karunia-Nya kepada kami sampai pada saat ini,
sehingga kami dapat menyelesaikan tugas makalah dengan baik. Adapun judul
yang kami ambil dari pembahasan makalah ini, yaitu “Analisis Perbandingan Data
Statistik Pada Dua Sumber Data”.
Dalam penyusununan makalah ini penulis banyak dibantu oleh berbagai
pihak. Untuk itu, penulis mengucapkan terima kasih kepada Ibu Rianita Puspa
Sari,ST.,MT selaku dosen mata kuliah Teori probabilitas yang telah memberikan
banyak materi dan masukan dalam penyusunan makalah ini.
Penulis menyadari masih banyak kekurangan, baik dari segi penulisan, dan
penyusunan kalimat maupun dari segi kelengkapan isi dalam penyusunan makalah
ini. Dengan keterbatasan penulis, maka kritik dan saran yang bersifat membangun
dari semua pihak sangat diharapkan demi penyempurnaan makalah ini. Harapan
kami, semoga makalah ini dapat bermanfaat bagi pembaca dan khususnya bagi
kami pribadi.
Demikian yang dapat penulis sampaikan, akhir kata terima kasih.
Wassalamu'alaikum.Wr.Wb

Karawang, April 2024

Penulis

3
 DAFTAR ISI

LEMBAR PENGESAHAN MAKALAH............................................................................ii

KATA PENGANTAR........................................................................................................iii
DAFTAR ISI.......................................................................................................................iv
BAB I PENDAHULUAN....................................................................................................2
1.1 Latar Belakang...........................................................................................................2
1.2 Permasalahan.............................................................................................................3
1.3 Batasan dan Asumsi...................................................................................................3
1.4 Tujuan........................................................................................................................3
1.5 Manfaat......................................................................................................................3
BAB II TINJAUAN PUSTAKA..........................................................................................4
2.1 Statistika Deskriptif....................................................................................................4
2.2 Distribusi Normal.......................................................................................................5
BAB III PENGUMPULAN & PENGOLAHAN DATA.....................................................6
3.1 Konsep Kemerdekaan Dan Tanggung Jawab............................................................6
3.2 Pemahaman Terhadap Hak Asasi Manusia................................................................7
BAB IV ANALISA &INTERPRETASI..............................................................................9
4.1 Keterbatasan dalam Kebebasan Individu...................................................................9
4.2 Pembatasan Hak-hak Individu oleh Negara.............................................................10
4.3 Kritik terhadap Konsep Ketuhanan yang Maha Esa................................................10
BAB V PENUTUP.............................................................................................................12
5.1 Kesimpulan..............................................................................................................12
5.2 Saran.........................................................................................................................12

4
 BAB I
PENDAHULUAN

I.1 Latar Belakang

Statistika merupakan bidang ilmu yang berkaitan dengan proses
pengumpulan, analisis, dan interpretasi data. Dalam konteks riset empiris,
statistika menjadi alat yang sangat penting. Ketika mengolah data, para
peneliti memberikan gambaran atau deskripsi tentang fenomena yang
diamati. Deskripsi yang kuat dan konsisten seringkali dapat membantu
menjelaskan suatu teori. Namun demikian, ada yang berpendapat bahwa
ilmu cenderung menjelaskan bagaimana sesuatu terjadi daripada mengapa
terjadi. Proses penciptaan teori baru biasanya melibatkan kreativitas, baik
dengan menyelidiki ulang teori yang ada maupun mengekstrak informasi
dari dunia nyata.
Statistika deskriptif adalah pendekatan awal yang umum digunakan
dalam menjelaskan suatu fenomena. Data yang disajikan dalam statistik
deskriptif biasanya dalam bentuk ukuran pemusatan data (Kuswanto, 2012).
Penggunaan statistika telah dikenal sejak zaman kuno, dengan negara-
negara seperti Babilon, Mesir, dan Roma mencatat data tentang populasi
seperti usia, jenis kelamin, pekerjaan, dan jumlah anggota keluarga. Di
Indonesia, pengantar statistika telah menjadi bagian dari kurikulum
matematika sekolah dasar sejak tahun 1975, mengingat pentingnya statistika
dalam konteks lingkungan sekitar, termasuk dalam pengelolaan data di
kantor pemerintahan seperti kelurahan.
Penyajian dan pengumpulan data dapat dilakukan dengan berbagai
cara, namun dalam ilmu statistika, terdapat dua pendekatan utama: statistika
deskriptif dan inferensial. Statistika deskriptif membahas tentang
pengumpulan, pengolahan, dan penyajian data secara langsung, sementara
statistika inferensial membantu dalam membuat kesimpulan yang lebih luas
berdasarkan sampel data terbatas.
Makalah ini bertujuan untuk memahami konsep-konsep dasar dalam
statistika deskriptif, seperti pengertian statistika deskriptif, tujuan penyajian

5
 data, distribusi frekuensi, bentuk-bentuk penyajian data, ukuran pemusatan
dan penyebaran data, ukuran variasi dan koefisien variasi, serta ukuran
kemiringan dan keruncingan data.

I.2 Permasalahan
Kami ingin mengetahui data statistik, ukuran pemusatan dan
penyebaran data dari data nilai ulangan tengah semester teori probabilitas
kelas c teknik industri.

I.3 Batasan dan Asumsi

Batasan: Teks ini berkonsentrasi pada penjelasan tentang statistika,
terutama dalam konteks statistika deskriptif, dengan fokus pada pengertian,
tujuan, dan konsep-konsep dasarnya.
Asumsi: Teks ini mengasumsikan bahwa pembaca memiliki
pemahaman dasar tentang statistika, namun mungkin memerlukan
penjelasan tambahan tentang konsep-konsep yang lebih spesifik.

I.4 Tujuan
Seperti yang telah dirumuskan dalam permasalahan, penulisan ini
bertujuan menganalisa data statistik, ukuran pemusatan, distribusi frekuensi,
dan penyebaran data dari nilai ulangan tengah semester mahasiswa kelas c
teknik industri.

I.5 Manfaat
penerapan statistika deskriptif memberikan manfaat yang khusus. Ini
termasuk pemahaman yang lebih baik tentang kinerja kelas secara
keseluruhan, identifikasi kebutuhan pembelajaran, evaluasi kinerja individu,
penyusunan strategi perbaikan, dan peningkatan kualitas pengajaran.
Dengan analisis data nilai UTS, dapat menyesuaikan pendekatan
pembelajaran dan memberikan bantuan tambahan kepada mahasiswa yang
memerlukan.

6
 BAB II
TINJAUAN PUSTAKA

II.1 Statistika Deskriptif

Statistika adalah ilmu yang membantu kita mengambil keputusan dan
menarik kesimpulan dalam presentasi.pentingnya variabilitas (Montgomery
& Runger, 2011).Statistika deskriptif adalah metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu data sehingga memberikan
informasi yang berguna (Walpole, et al., 1995) Dalam konteks ini, Statistik
deskriptif berfungsi untuk mendeskripsikan atau memberi gambaran
terhadap objek yang diteliti melalui data sampel atau populasi (Sugiyono,
2021).
Fokus utamanya adalah memberikan penjelasan atau deskripsi tentang
data, keadaan, atau fenomena tertentu, tanpa melakukan interpretasi lebih
lanjut. Metode-metode statistik deskriptif bertujuan untuk menyajikan
informasi yang bermanfaat dari data yang dikumpulkan, dengan data yang
disajikan seringkali dalam bentuk ukuran pemusatan data. Misalnya, salah
satu ukuran pemusatan data yang umum digunakan adalah rata-rata (mean).
Secara umum, statistik dapat dibagi menjadi dua jenis: statistik deskriptif
dan statistik inferensial.
Statistik deskriptif berkaitan dengan teknik-teknik yang digunakan
dalam mengumpulkan dan menyajikan data untuk memberikan informasi
yang berguna, sementara statistik inferensial berkaitan dengan cara
mengambil kesimpulan berdasarkan data yang diperoleh dari sampel.
Statistik deskriptif biasanya hanya memberikan informasi tentang data
yang ada dan tidak melakukan inferensi atau penarikan kesimpulan tentang
populasi yang lebih besar. Contoh penerapan statistik deskriptif meliputi
tabel, diagram, grafik, dan berbagai ukuran lain yang sering ditemukan di
media seperti majalah dan koran.
Dengan menggunakan statistik deskriptif, kumpulan data dapat
disajikan secara singkat dan rapi, serta memberikan informasi inti yang
penting dari data yang ada, seperti penyajian data, distribusi frekuensi,

7
 ukuran pemusatan data, ukuran penyebaran data, serta ukuran variasi dan
koefisien
II.2 Distribusi Normal
Distribusi normal adalah distribusi probabilitas kontinu yang paling
signifikan dalam berbagai bidang statistika. Digunakan sebagai alat statistik
kunci, distribusi normal memiliki peran penting dalam menaksir dan
meramalkan peristiwa-peristiwa yang beragam.
Kurvanya, sering disebut sebagai kurva normal atau kurva lonceng,
menggambarkan dengan jelas banyak fenomena yang muncul dalam
berbagai konteks, termasuk alam, industri, dan penelitian. Banyak
pengukuran fisik, seperti dalam percobaan meteorologi, penelitian curah
hujan, dan pengukuran suku cadang, dapat dijelaskan dengan baik
menggunakan distribusi normal. Distribusi normal juga efektif dalam
mendekati galat dalam pengukuran ilmiah.
Pada tahun 1733, Abraham de Moivre menemukan persamaan
matematika untuk kurva normal, yang kemudian menjadi dasar bagi banyak
teori statistika induktif. Distribusi ini juga dikenal sebagai distribusi Gauss,
dinamai sesuai dengan Karl Friedrich Gauss (1777-1855), yang menemukan
persamaannya saat menyelidiki galat dalam pengukuran yang berulang pada
materi yang sama.

II.3 Distribusi Frekuensi

a. Tabel Distribusi Frekuensi
Statistik Distribusi Frekuensi adalah sebuah formula dalam statistik
deskriptif yang membantu dalam mengetahui sebaran frekuensi gejala
dalam satu variabel. Data observasi dikelompokkan ke dalam beberapa
kelompok atau kelas untuk memudahkan pemahaman karakteristik data
tersebut. Tabel distribusi frekuensi disusun untuk menyajikan data
observasi yang telah dikelompokkan, sehingga lebih mudah dipahami.
Langkah-langkah dalam membuat tabel distribusi frekuensi meliputi
pengurutan data, penentuan jumlah kelas, penentuan interval kelas, dan
penyusunan data ke dalam tabel. Interval kelas ditentukan oleh pembuat

8
 tabel, namun penting untuk diingat bahwa interval kelas harus sama
untuk semua kelas.
b. Statistik Tabulasi Silang
Statistik Tabulasi Silang merupakan sebuah konsep dalam statistik
deskriptif yang berkaitan erat dengan hubungan antara dua variabel,
memungkinkan untuk memahami distribusi frekuensi suatu variabel saat
variabel tersebut berhubungan dengan variabel lain.
Spesifikasi : Statistik Tabulasi Silang lebih efisien diterapkan pada data
yang memiliki tingkat variasi yang terbatas, sehingga memberikan hasil
yang lebih akurat.
Contoh Kasus : Sebagai contoh penerapannya, seorang kepala madrasah
ingin mengidentifikasi pola distribusi frekuensi siswa berdasarkan jenis
kelamin, latar belakang kesantrian, dan tingkat kerajinan membayar SPP,
dengan melihat interaksi antara ketiga variabel tersebut.
Keterangan : Penting untuk dicatat bahwa Statistik Tabulasi Silang hanya
dapat diterapkan pada dua variabel atau lebih untuk menghasilkan
analisis yang informatif.

II.4 Pemusatan dan Penyebaran Data

a. Mengukur Pemusatan Data
Rumus yang digunakan untuk mengukur pemusatan data selalu
dibedakan untuk data yang tidak dikelompokkan dan data yang
dikelompokkan.
1. Rerata (mean)
Rerata merupakan konsep secara awam mengenai rata rata.
Merupakan titik berat dari seperangkat data atau observasi sensitif
terhadap nilai ekstrim. Digunakan terutama bila teknik statistik
lain, seperti pengujian hipotesis akan dilakukan pada data.
(Nuryadi, et al., 2017)
2. Median
Median merupakan nilai tengah dari sekelompok data yang
nilai tiap observasi telah disusun dari yang terkecil ke terbesar.

9
 Tidak sensitif terhadap nilai ekstrim. Median digunakan untuk
mengukur pemusatan kalau distribusi mencong (skewed) secara
jelas. Dapat dihitung pada distribusi yang tidak komplit sekalipun.
3. Modus (Mode)
Modus merupakan nilai yang paling sering muncul
(frekuensi terbesar) dari seperangkat data atau observasi.
Mencerminkan yang paling tipikal atau kasus yang paling umum.
Kalau kita ingin segera mengetahui nilai pemusatan, maka kita
menghitung modus. Seperangkat data dapat saja tidak memiliki
modus, tetapi sebaliknya dapat pula memiliki beberapa modus.
Kalau satu modus saja disebut unimodal, dua modus disebut
bimodal dan kalau tanpa modus disebut nonmodal

b. Ukuran Letak
Untuk memperdalam pemahaman tentang sifat-sifat data observasi
menggunakan berbagai ukuran pusat, penting untuk memahami ukuran
letak. Terdapat tiga jenis ukuran letak yang akan dibahas dalam bagian
ini, yakni Kuartil, Desil, dan Persentil.
1. Kuartil
Kuartil adalah suatu ukuran letak yang membagi data
observasi menjadi empat bagian yang sama besar, sehingga
masing-masing bagian mengandung 25% dari total data. Dalam
satu set data observasi, terdapat tiga kuartil yang umumnya disebut
k1, k2, dan k3. Untuk menemukan nilai dari kuartil dalam data
observasi yang tidak berkelompok (ungrouped data), langkah-
langkah yang dilakukan adalah sebagai berikut:
a. Data observasi diurutkan dari nilai terkecil hingga terbesar.
b. Selanjutnya, posisi atau letak kuartil ditentukan.
2. Desil
Desil adalah ukuran letak yang membagi data observasi
menjadi sepuluh bagian yang sama banyak. Oleh karena itu
masing-masing bagian mengandung 10% data observasi. Pada satu

10
 set data observasi mempunyai sembilan buah desil, yaitu D1, D2,
…,D9.

3. Persentil
Persentil adalah ukuran letak yang membagi data observasi
menjadi seratus bagian yang sama besar. Oleh karena itu masing-
masing bagian mengandung 1 % data observasi. Pada satu set data
observasi mempunyai 99 persentil, yaitu : P1, P2,….,P99.

c. Pengukuran Penyebaran (Dispersi)

Rumus yang digunakan untuk mengukur pemusatan data selalu
dibedakan untuk data yang tidak dikelompokkan dan data yang
dikelompokkan.
1. Pengertian Disperse
Digunakan untuk menunjukkan kondisi berikut:
a. Menggambarkan variasi data
Variabilitas data merujuk pada ukuran yang menunjukkan
seberapa jauh data berbeda dari rata-ratanya. Ini
mencerminkan perbedaan antara data satu dengan yang lain.
Meskipun ukuran pemusatan seperti Mean, Median, dan
Modus dapat memberikan gambaran tentang data, tetapi
gambaran tersebut tidak lengkap tanpa ukuran penyebaran. Hal
ini karena beberapa kelompok data yang sebenarnya berbeda
mungkin memiliki kesimpulan yang sama hanya dengan
menggunakan ukuran gejala pusat.
b. Memperlihatkan perbedaan antara nilai satu observasi dengan
yang lainnya
Rata-rata dari sekumpulan nilai observasi tidak bisa
diinterpretasikan secara terpisah dari sebarannya terhadap rata-
ratanya. Jika nilai-nilai observasi, Xi, seragam, maka dispersi
nilai-nilai tersebut akan nol, dan rata-ratanya akan sama
dengan nilai Xi. Semakin bervariasinya nilai-nilai Xi, maka

11
 rata-rata distribusinya akan kurang representatif.
2. Pengukuran Jarak (Range)
Pengukuran jarak sebuah distribusi merupakan pengukuran
dispersi yang paling sederhana. Jarak sebuah distribusi frekuensi
dirumuskan sebagai “selisih atau beda antara pengukuran nilai
terbesar dan nilai terkecil yang terdapat dalam sebuah distribusi
frekuensi”.
3. Pengukuran Deviasi Kuartil
Nilai-nilai Xi yang membagi seluruh distribusi menjadi
empat bagian yang sama disebut kuartil. Kuartil pertama (Q1) dan
kuartil ketiga (Q3) menandai batas awal dan akhir dari 50% data
observasi. Kuartil kedua (Q2), yang sama dengan median,
membagi distribusi menjadi dua bagian yang sama besar. Jarak
antara Q1 dan Q3, yang disebut jarak inter-kuartil, mencerminkan
sebaran data di bagian tengah distribusi. Deviasi kuartil, serupa
dengan pengukuran jarak, dihitung berdasarkan jarak antara Q1
dan Q3. Namun, deviasi kuartil hanya memperhitungkan dispersi
nilai-nilai observasi yang terdistribusi di bagian tengah distribusi
sebanyak 50%.
4. Pengukuran Deviasi Rata-rata(Mean Deviation)
Secara umum, deviasi rata-rata dianggap sebagai metode yang
lebih baik untuk mengukur penyebaran daripada jarak atau deviasi
kuartil. Hasil deviasi rata-rata mencerminkan seberapa jauh setiap
nilai observasi tersebar dari rata-ratanya, bukan hanya dipengaruhi
oleh kedua nilai ekstrim.
5. Pengukuran Varians dan Deviasi Standar
Varians digunakan sebagai indikator untuk mengukur seberapa
homogen data tersebut secara umum, dengan nilai varians
merepresentasikan titik tengah dari penyebaran data.

12
 BAB III
PENGUMPULAN & PENGOLAHAN DATA

III.1 Pengumpulan Data

Dari data yang akan diolah kami mengambil data yang berasal dari
jurnal berjudul “Analisis Statistik Deskriptif Nilai UAS Ekonomitrika
Mahasiswa dengan Program SPSS 23 & EVIEWS 8.1”, serta data yang
kami modifikasi. Berikut kami sertakan hasil data yang diperoleh :
3.1.1 Hasil pengumpulan data data pada sumber jurnal
Berikut adalah table hasil pengumpulan data dari jurnal
dengan jumlah 33 data:

7
85 85 75 70 70 80 70 75 75 70
0
8
75 75 75 80 70 70 70 70 70 70
3.1.2 0 Hasil
7
70 75 70 70 70 70 65 70 70 70
0 pengumpulan
data modifikasi
Berikut adalah tabel hasil modifikasi dari data jurnal dengan
jumlah 33 data:
7
62 100 84 78 80 91 70 66 83 61
1
7 6 10 7 9 9 6 7 9
0 0 0 3 2 6 5 7 0 80 78
III.2 6 6 8 8 9 9 7 6 Pengolahan
Data 4 2 79 1 6 0 7 0 0 91 74

Berikut ini hasil data yang telah kami olah menggunakan software Ms.
Excel:
1. Hasil Pengolahan data dari jurnal
DISTRIBUS FREKUENSI
range 20
jumlah kelas 7

13
 class interval 3,3
UKURAN PEMUSATAN
rata rata 72,73
median 70
modus 70
skewness 1,249
quartil 0 65
quartil 1 70
quartil 2 70
quartil 3 75
quartil 4 85
desil 1 70
desil 2 70
DISTRIBUSI FREKUENSI desil 3 70
Kelas Interval Frekuensi desil 4 70
desil 5 70
65-67 1
desil 6 70
68-70 20
desil 7 75
71-73 0
desil 8 75
74-76 7 desil 9 83
77-79 0 persentil (10) 70
80-82 3 persentil (25) 70
83-85 2 persentil (50) 70
Total 33 persentil (75) 75
persentil (90) 80

2. Hasil Pengolahan data jurnal yang telah dimodifikasi

14
 DISTRIBUS FREKUENSI UKURAN PEMUSATAN
range 40 rata rata 78,21
median 78
jumlah kelas 6
modus 70
class interval 6,7
skewness 0,151
quartil 0 60
DISTRIBUSI FREKUENSI quartil 1 70
Kelas quartil 2 78
Frekuensi
Interval quartil 3 90
60-66 8 quartil 4 100
67-73 5 desil 1 61,4
74-80 7 desil 2 65,8
81-87 4 desil 3 70
88-94 5 desil 4 75,8
95-100 4 desil 5 78
desil 6 80,4
Total 33
desil 7 89,2
desil 8 91
UKURAN PENYEBARAN desil 9 98,8
simpangan baku 12,321 persentil (10) 62
variansi 151,797 persentil (25) 70
persentil (50) 78
simpangan quartil 20
persentil (75) 90
persentil (90) 95,2

Histogram dan Polygon

9

6 HIstogram
Polygon
5

1
60-66 67-73 74-80 81-87 88-94 95-100

BAB IV

15
 ANALISA

IV.1 Distribusi Frekuensi (Pendekatan Sturgess)

Distribusi frekuensi meliputi :
a. Jumlah kelas ( ) yang dapat dibuat dari sejumlah data (N) adalah :
∑ k=1+3 , 3 log 33

b. Range
R = Nilai data max – Nilai data min
c. Class Interval

IV.2 Ukuran Rata-Rata

a. Mean (nilai rata-rata)

 Ungroup Data

 Group Data

b. Median
Merupakan ukuran rata rata yang pengukurannya didasarkan atas nilai data
yang berbeda dite ngah tengah distribusi frekuensinya.
 Ungroup Data

 Group Data

B = Tepi bawah kelas median

N = Jumlah frekuensi

16
 = Jumlah frekuensi kelas kelas sebelum kelas
median
i = Panjang interval kelas
= Frekuensi nilai median
c. Modus
Merupakan nilai yang paling sering muncul dalam data.

IV.3 Ukuran Letak

a. Quartile
Merupakan ukuran letak yang membagi suatu distribusi frekuensi menjadi
4 bagian yang sama.

b. Decile
Merupakan ukuran letak yang membagi suatu distribusi frekuensi menjadi
10 bagian yang sama.

c. Persentile

17
 Merupakan ukuran letak yang menbagi suatu distribusi frekuensi menjadi
100 bagian yang sama.

IV.4 Interprestasi
Data Pertama (Data modifikasi):
1. Ukuran Pemusatan Data:
1. Rata-rata (mean) yang tinggi (~79.21) menunjukkan bahwa Data
modifikasi secara keseluruhan memiliki rata-rata nilai yang cukup
tinggi.
2. Median dan modus yang cukup tinggi (78 dan 70) menunjukkan
bahwa sebagian besar siswa di Data modifikasi mendapatkan nilai
yang cukup baik.
2. Ukuran Penyebaran Data:
1. Rentang (range) yang lebar (40) menunjukkan bahwa terdapat
variasi yang signifikan dalam kinerja siswa di Data modifikasi.
2. Variance dan standard deviation yang tinggi menunjukkan bahwa
terdapat keragaman besar dalam nilai-nilai siswa.
3. Distribusi Frekuensi:
Variasi nilai yang luas menunjukkan bahwa ada siswa dengan
performa yang sangat tinggi dan siswa dengan performa yang lebih
rendah di Data modifikasi.

Data Kedua (Data jurnal):

1. Ukuran Pemusatan Data:
1. Rata-rata (mean) yang sedikit lebih rendah (72.73) dibandingkan
dengan Data modifikasi menunjukkan bahwa Data jurnal memiliki
rata-rata nilai yang sedikit lebih rendah daripada Data modifikasi.
2. Median (78) dan modus (70) yang hampir sama dengan Data

18
 modifikasi menunjukkan bahwa sebagian besar siswa di Data jurnal
juga mendapatkan nilai yang cukup baik, meskipun secara
keseluruhan rata-ratanya sedikit lebih rendah.
2. Ukuran Penyebaran Data:
1. Rentang (range) yang lebih sempit (20) menunjukkan bahwa ada
sedikit variasi dalam kinerja siswa di Data jurnal.
2. Variance dan standard deviation yang lebih rendah menunjukkan
bahwa nilai-nilai siswa di Data jurnal cenderung lebih homogen
daripada di Data modifikasi.
3. Distribusi Frekuensi:
Distribusi nilai yang lebih condong ke nilai-nilai di sekitar 70-75
menunjukkan bahwa mayoritas siswa di Data jurnal memiliki performa
yang seragam.

BAB V

19
 PENUTUP

V.1 Kesimpulan
1. Data modifikasi memiliki rata-rata nilai yang lebih tinggi dan variasi
nilai yang lebih besar dibandingkan dengan Data jurnal.
2. Data jurnal, meskipun memiliki rata-rata nilai yang sedikit lebih rendah,
cenderung memiliki distribusi nilai yang lebih seragam dan variasi nilai
yang lebih kecil.
3. Dapat disimpulkan bahwa Data modifikasi mungkin memiliki beragam
tingkat kemampuan siswa, sementara Data jurnal mungkin memiliki
konsistensi yang lebih baik dalam performa siswa.
4. Dapat disimpulkan bahwa Distribusi data modifikasi cenderung lebih
simetris daripada distribusi data jurnal. Nilai skewness yang mendekati
nol pada data modifikasi menunjukkan bahwa distribusi nilai-nilai
siswa memiliki tingkat simetri yang relatif baik. Distribusi data jurnal
condong ke kanan. Nilai skewness yang positif pada data jurnal (1.249)
menunjukkan bahwa terdapat lebih banyak data di sisi kanan distribusi,
yang berarti ada lebih banyak siswa dengan nilai yang lebih rendah
daripada nilai rata-rata. Jadi, secara umum, distribusi nilai siswa dalam
data modifikasi lebih simetris, sementara distribusi nilai dalam data
jurnal condong ke arah nilai-nilai yang lebih rendah.
Analisis statistika deskriptif pada data nilai ulangan tengah semester
merupakan sebuah langkah penting dalam mengevaluasi dan memahami
kinerja siswa secara menyeluruh. Dengan menggunakan metode ini, kita
dapat menggambarkan karakteristik dari distribusi nilai siswa, termasuk
nilai rata-rata, median, modus, quartil, desil, dan persentil. Sebagai contoh,
nilai rata-rata memberikan gambaran tentang kinerja secara keseluruhan,
sementara median dapat memberikan indikasi tentang nilai "tengah" dari
data, dan modus menunjukkan nilai yang paling sering muncul. Quartil,
desil, dan persentil memberikan pemahaman yang lebih mendalam tentang
bagaimana nilai-nilai terdistribusi di antara siswa.

20
V.2 Saran
1. Gabungkan dengan Metode Analisis Lain:
Menggabungkan statistic deskriptif dengan metode analisis
alternatif, seperti analisis regresi atau faktor, dapat memberikan
wawasan lebih mendalam tentang faktor-faktor yang memengaruhi
kinerja akademik. Ini juga membantu dalam menemukan keterkaitan
antar variabel dan pola-pola yang mungkin tersembunyi dalam data.
2. Visualisasikan Data:
Penggunaan grafik dan diagram membantu memvisualisasikan
pola-pola dan tren dalam data nilai ulangan. Ini memfasilitasi
interpretasi yang lebih mudah dan pengungkapan informasi dengan
lebih jelas kepada stakeholder.
3. Manfaatkan Perangkat Lunak Statistik:
Penggunaan perangkat lunak statistik dapat mempermudah proses
analisis dan meningkatkan akurasi hasil. Dengan berbagai fitur analisis
statistik, termasuk statistik deskriptif, perangkat lunak tersebut menjadi
alat yang berharga dalam analisis data akademik.
4. Pahami Batasan Statistik Deskriptif:
Penting untuk diingat bahwa statistik deskriptif memiliki batasan
dalam menggambarkan kompleksitas data nilai ulangan. Penggunaan
metode analisis tambahan, seperti statistik inferensial, dan
pertimbangan kontekstual yang lebih luas, dapat melengkapi analisis
dan memberikan pemahaman yang lebih holistik.
5. Memperluas Rentang Data:
Salah satu langkah penting dalam meningkatkan efektivitas
analisis adalah dengan memperluas cakupan data yang digunakan.
Selain mempertimbangkan nilai ulangan, memperhitungkan faktor-
faktor tambahan seperti kehadiran, partisipasi, dan elemen-elemen
pendukung lainnya dapat memberikan gambaran yang lebih
komprehensif tentang kinerja akademik mahasiswa..

21
 DAFTAR PUSTAKA

Kuswanto, 2012. Statistik untuk pemula dan orang awam. 1 ed. s.l.:Laskar
Aksara.
Maswar, M., 2017. Analisis Statistik Deskriptif Nilai UAS Ekonomitrika
Mahasiswa dengan Program SPSS 23 & Eviews 8.1. Jurnal Pendidikan
Islam Indonesia.
Montgomery & Runger, 2011. Applied Statistics and Probability for engineers.
Fifth ed. s.l.:John Wiley & Sons, Inc..
Nuryadi, Astuti, Utami & Budiantara, 2017. Dasar-Dasar Statistik Penelitian. 1st
ed. s.l.:Sinuku Media.
Sugiyono, 2021. Metode penelitian kuantitatif, kualitatif, dan R&D / Sugiyono. 3
ed. s.l.:Bandung: Alfabeta, 2021.
Walpole, Myers, Myers & Ye, 1995. Probability & Statistics for Engineers &
Scientists. 9 ed. s.l.:Pearson.

22