1.

Statistik dan statistika

Aktivitas sehari-hari yang kita lakukan misalnya dalam membeli

keperluan rumah tangga, menginventarisasi keperluan kantor,
melakukan pendataan penduduk, mengemukakan atau memberi
pendapat tentang sesuatu persoalan atau kejadian, maka tentu kita
perlu mempelajari lebih dahulu peristiwa atau persoalan tersebut.
Untuk itu diperlukan keterangan-keterangan mengenai peristiwa
atau persoalannya. Keterangan – keterangan itu dinamakan data
(bentuk jamak dari datum). Data dapat berupa keterangan yang
dinyatakan dalam bilangan. Misalnya, jumlah keperluan rumah
tangga yang harus dibeli dalam satu minggu, jumlah siswa dalam
satuan pendidikan, banyaknya komputer di kantor, banyaknya
pegawai di suatu perusahaan, berapa gaji masing – masing
karyawannya. Data yang dinyatakan dalam bentuk bilangan seperti
itu dinamakan data kuantitatif, sedangkan yang tidak dinyatakan
dalam bentuk bilangan dinamakan data kulitatif.

Berkaitan dengan hal di atas, hampir kebanyakan masih mempunyai

persepsi atau pemahaman yang tidak tepat terkait statistik dan
statistika. Statistika adalah ilmu pengetahuan tentang pengumpulan
data, penyajian data, penganalisaan sampai dengan menarik
kesimpulan dan membuat ramalanramalannya. Untuk menyatakan

1
kesimpulan data tersebut, yang umumnya berbentuk angka yang
disusun dalam daftar atau diagram digunakan istilah statistik.

Statistika merupakan cabang dari matematika terapan mempunyai

cara-cara mengumpulkan dan menyusun data, mengolah dan
menganalisis data serta menyajikan data dalam bentuk kurva atau
diagram, menarik kesimpulan, menafsirkan para meter dan menguji
hipotesa yang didasarkan pada hasil pengolahan data.

Contoh Statistik (angka yang disusun dalam daftar atau diagram)

Gambar 1. Jumlah peduduk

. Indonesia 1945-2015

Sumber: Badan Pusat Statistik

2
2. Populasi dan Sampel

Populasi adalah keseluruhan objek yang diteliti, bersifat jelas dan

lengkap serta memiliki ciri-ciri khusus. Sampel (contoh) adalah
sebagian objek yang diambil dari populasi. Pengambilan sampel ini
dilakukan oleh si peneliti mengingat keterbatasan waktu, dan biaya,
akan tetapi sampel tersebut harus reprentatif (mewakili)
keseluruhan objek yang akan diamatinya itu.

Metode Sampling dan Konsep Sampling menunjuk pada proses

pemilihan individu-individu dari sebuah populasi yang akan
dijadikan sebagai sampel yang akan berpartisipasi di dalam
penelitian tersebut. Quick Count sebagai contoh metode sampilng
yang sedang hangat dibicarakan, untuk menghasilkan Quick Count
yang benar, lembaga survei harus bisa menentukan jumlah sampel
yang fit atau pas. Kalau terlalu sedikit, rentang error-nya bisa tinggi.
Tapi, kalau terlalu banyak juga nanti biayanya terlalu mahal.

Seorang koki ingin membuat masakan berdasarkan resep yang

tersedia, kemudian dia memasukkan semua bahan-bahan yang sudah
disiapkan. Setelah beberapa waktu, dia mencicipi sedikit dari
masakan tersebut. Selanjutnya dia memasak sampai selesai dan
menghidangkannya dalam piring yang sesuai. Sekarang, apa yang
dapat Anda interpretasikan dari ilustrasi di atas?

3
 Gambar 1. Populasi dan sample

Sumber: http://www.mikirbae.com/2016_11_20_archive.html

3. Data dan Jenis data

Datum adalah catatan keterangan atau informasi yang diperoleh

dari sebuah penelitian. Datum datum yang terkumpul disebut
data atau kumpulan data.

Berdasarkan bentuk dan sifatnya, data penelitian dapat

dibedakan dalam dua jenis yaitu data kualitatif (yang berbentuk
kata-kata/kalimat) dan data kuantitatif (yang berbentuk angka).
Data kuantitatif dapat dikelompokkan berdasarkan cara
mendapatkannya yaitu data diskrit dan data kontinum.
Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal,
data ordinal, data interval dan data rasio.

Data kualitatif adalah data yang berbentuk kata-kata, bukan

dalam bentuk angka. Data kualitatif diperoleh melalui berbagai
4
 macam teknik pengumpulan data misalnya wawancara, analisis
dokumen, diskusi terfokus, atau observasi yang telah dituangkan
dalam catatan lapangan (transkrip). Bentuk lain data kualitatif
adalah gambar yang diperoleh melalui pemotretan atau rekaman
video. Data kuantitatif adalah data yang berbentuk angka atau
bilangan. Sesuai dengan bentuknya, data kuantitatif dapat diolah
atau dianalisis menggunakan teknik perhitungan matematika
atau statistika.

Jenis data berdasarkan sumber data :

• Data primer adalah data yang dikumpulkan oleh peneliti

sendiri atau dirinya sendiri. Ini adalah data yang belum
pernah dikumpulkan sebelumnya, baik dengan cara tertentu
atau pada periode waktu tertentu.

• Data sekunder adalah data yang dikumpulkan oleh orang lain,

bukan peneliti itu sendiri. Data ini biasanya berasal dari
penelitian lain yang dilakukan oleh lembaga-lembaga atau
organisasi seperti BPS dan lain-lain.

Pembagian skala pengukuran ke dalam beberapa jenis ini

dimaksudkan untuk mengklasifikasi variabel yang akan diukur
supaya tidak terjadi kesalahan dalam menentukan analisis data dan

5
langkah penelitian selanjutnya. Ada empat jenis skala pengukuran,
yaitu:

1. Skala Nominal adalah skala yang disusun menurut kategorinya

atau fungsi bilangan hanya sebagai simbol untuk membedakan
sebuah karakteristik dengan karakteristik lainnya. Ciri-ciri skala
nominal adalah :

• Angka yang tertera hanya bentuk label/kategorisasi

• Tidak dapat dilakukan operasi matematika hitung
• Tidak memiliki nilai nol yang mutlak atau absolut
• Tidak memiliki urutan atau ranking

Contoh skala nominal diantaranya adalah suku bangsa, agama,

jenis kelamin, jenis pekerjaan, dll. Data tersebut dikategorikan
dalam bentuk angka, misalnya PNS diberi angka 1 dan Pegawai
Swasta diberi angka 2.

2. Skala ordinal adalah skala yang didasarkan pada ranking

diurutkan dari jenjang yang lebih tinggi sampai jenjang terendah
ataupun sebaliknya. Contoh skala ordinal adalah mengukur
tingkat prestasi kerja, kepangkatan militer, mengukur prestasi
kejuaraan, status sosial. Data tersebut tidak memiliki jarak yang
pasti dalam pengkategorisasiannya, hanya berupa jenjang yang
diurutkan.
6
 3. Skala interval adalah skala yang menunjukkan jarak anatara satu
dengan yang lain dan memiliki bobot yang sama. Contoh skala
interval adalah temperatur dan suhu, skor IQ, kelompok skor
ujian. Data dalam contoh skala ordinal memiliki jarak yang pasti
dalam pengkategorisasiannya dan memiliki bobot atau nilai yang
sama.

4. Skala ratio adalah skala pengukuran yang memiliki nilai nol

mutlak dan mempunyai jarak yang sama. Contoh skala ratio
diantaranya adalah berat badan, tinggi badan, jarak, timbangan
berat. Data tersebut memiliki nilai nol yang mutlak dan bisa
dilakukan operasi hitung atasnya. Nol mutlak dalam artian
apabila berat badan adalah nol, maka seseorang tidak memiliki
berat badan.

4. Ukuran Pemusatan Data

Ukuran pemusatan dari sekumpulan data merupakan suatu nilai

yang diperoleh dari sekumpulan data yang dapat dipergunakan
untuk mewakili kumpulan data tersebut. Suatu kumpulan data
biasanya mempunyai kecenderungan untuk terkonsentrasi pada
suatu nilai pemusatan. Ukuran pemusatan yang akan dibahas di sini
adalah mean, modus dan median.

a. Mean untuk data tunggal dan kelompok

7
Jika nila-nilai data kuantitatif kita nyatakan dengan x 1, x2, x3,...... xn
(terdapat n buah ukuran), maka rata-rata hitungnya (𝑥̅) adalah
jumlah semua ukuran dibagi dengan banyaknya ukuran atau di
rumuskan dengan:

x 1+ x 2 + x 3+ …+ x n
x=
n
Contoh 1.

Dari data 3, 4, 5, 6, 7, 8 (n=6)

3+4 +5+6+ 7+8 33
Rata-rata hitung x= = =5 , 5
6 6
Contoh 2.
x1 f1 x1. f1
3 2 6
4 3 12
5 6 30
6 8 48
7 6 42
8 5 40
30 178

2.3+3.4+ 6 .5+ 8.6+6.7+ 5.8 178

x= = =5 , 9
30 30

b. Modus untuk data tunggal dan kelompok

8
Untuk menyatakan kejadian yang paling banyak terjadi atau
paling banyak terdapat digunakan istilah modus (disingkat mo).
Ukuran ini juga dipakai untuk menentukan rata-rata data
kualitatif, misalnya kita dengan kebanyakan kematian di
Indonesia disebabkan oleh penyakit malaria, pada umumnya
kecelakaan lalu lintas disebabkan kecerobohan pengemudi,
maka tidak lain masing-masing itu merupakan modus penyebab
kematian dan kecelakaan lalu lintas. Untuk data kuantitatif
berikut 3, 4, 4, 5, 6, 6, 6, 7, 8, 9. Modusnya adalah 6, karena
frekuensi nilai 6 yang paling banyak di antara yang lain
Kelompok data tersebut dinamakan data yang uni modal, yaitu
yang bermodus tunggal. Jika ada dua data berfrekuensi tinggi
disebut bi modal misalnya 3, 4, 4, 4, 5, 6, 6, 6, 7, 8, 9 modusnya
ada dua, yaitu 4 dan 6.

Jika modusnya lebih dari dua disebut multi modal (bermodus

banyak), jika frekuensi dari setiap datanya sama dikatakan tidak
mempunyai modus. Misalnya 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8, 8 (setiap
frekuensinya sama, yaitu 2) Untuk data kuantitatif yang tersusun
dalam daftar distribusi frekuensi, modusnya ditentukan dengan
rumus :

M o=t b + ( d 1+d
d1
2)
i

9
Mo = modus
tb = tepi bawah kelas modus
i = panjang kelas/interrval kelas
d1 = frekuensi kelas modus – frekuensi kelas sebelumnya
d2 = frekuensi kelas modus – frekuensi kelas sesudahnya
Contoh 4.

Perhatikan kembali daftar nilai berikut :

Nilai fi xi

31 – 40 5 35,5
41 – 50 3 45,5
51 – 60 5 55,5
61 – 70 6 65,5
71 – 80 9 75,5
81 – 90 8 85,5
91 – 100 4 95,5

40
Kelas modus adalah kelas ke-5 yaitu 71-80 (karena frekuensinya

terbanyak yaitu 9) I = 40,5 – 30,5 = 10

tb = 70,5; fmo= 9; fa= 6; fb = 8

maka d1= fmo – fa= 9 – 6= 3

10
 d2= fmo – fb= 9 – 8= 1 dan d1+ d2= 3+1= 4

M o=t b + ( d 1+d
d1
2)
i

¿ 70 , 5+ ( 34 ) 10
¿ 70 , 5+7 , 5

¿ 78 , 0

c. Median untuk data tunggal dan kelompok

Median adalah ukuran yang terletak di tengah setelah data
diurutkan. Untuk data tunggal 𝑥1, 𝑥2, … , 𝑥𝑛 dengan 𝑥1 ≤ 𝑥2 ≤
⋯ ≤ 𝑥𝑛 nilai Mediannya adalah:

a. Untuk n ganjil

Median=x 1
(n +1)
2

b. Untuk n genap
1
Median= (x 1 + x 1 )
2 2 n 2 n+1

11
 Contoh 5.
Tentukan median dari data berikut:

86 77 63 89 87 71 86 66 95 81

74 85 78 66 85 87 88 83 96 70

Penyelesaian
Dengan mengurutkan data, diperoleh

63 66 66 70 71 74 77 78 81 83
85 85 86 86 87 87 88 89 95 96

1
Median= (x 10+ x 11 )
2

1
¿ ( 83+85 )=84
2

Untuk data kelompok, rumus yang digunakan adalah rumus

median adalah:

( )
n
−f
2 k
Median=t b + .p
F med

t b = tepi bawah kelas median

n = jumlah frekuensi

fk = jumlah frekuensi sebelum kelas median

12
fmed = frekuensi kelas median

p = panjang /interval kelas

Contoh 6.

Tentukan median data nilai ulangan matematika 50 siswa:

Nilai Frekuensi (f)

39 – 47 3
48 – 56 2
57 – 65 6
66 –74 13
75 – 83 11
84 – 92 10
93 – 101 5

 f =50

• kelas median interval 75 – 83

• tepi bawah kelas tb = 74,5

• panjang interval kelas i = 9 fk = 24,

• fmed = 11, n = 50

13
 ( )
n
−f
2 k
Median=t b + .p
F med

( )
50
−24
2
Median=74 ,5+ .9
11

Median=74 ,5+ ( 25−24

11 )
.9

Median=74 ,5+ ( 111 ) .9

Median=74 ,5+ ( 111 ) .9
Median=74 ,5+ 0 , 82

Median=75 , 32

Di bawah ini merupakan gambar polygon frekuensi yang simetris,

dimana nilai mean, median dan modus adalah sama.

14
 Gambar 1 Polygon frekuensi Simetris

Sumber: sciencestruck.com

Sedangkan di bawah ini grafik histogram dengan kemiringan ke

kanan dan ke kiri maka posisi nilai mean, median dan modus seperti
pada grafik di bawah ini.

Gambar 2. Grafik histogram dengan kemiringan ke

kiri dan ke kanan Sumber: www.statsdata.my.id

5. Kuartil untuk data tunggal dan kelompok

15
 Jika kumpulan data dibagi menjadi 4 bagian yang sama, maka
didapat 3 pembagian dan tiap pembagian itu dinamakan kuartil. .

Kuartil kuartil dari kumpulan data dapat di tentukan dengan

Langkah-langkah:

Langkah 1

Tentukan median atau kuartil tengah (Q2seperti yang dijelaskan

pada halaman 11.

Langkah 2

 Kuartil pertama Q1 diperoleh dari nilai tengah semua datum yang

kurang dari Q2

 Kuartil ketiga Q3 diperoleh dari nilai tengah semua datum yang

lebih dari Q2

Contoh 1.
Jika data sebagai berikut :
20, 21, 22, 24, 26, 27, 30, 31, 31, 33, 35, 35, 35, 36, 37 (n=15)
Maka
Langkah 1. Menentukan median Q 2:

16
x1 x2 x3 x4 x5 x6 x7 x8 x 9 x 10 x 11 x 12 x 13 x 14 x 15

20 21 22 24 26 27 30 31 31 33 35 35 35 36 37

Q2
Langkah 1. Menentukan Q 1 dan Q 3:
20 21 22 24 26 27 30 31 31 33 35 35 35 36 37

Q1 Q2 Q3
Jadi Q 1= 24, Q 2=31 dan Q 3= 35
Contoh 2.
Jika data sebagai berikut :
20, 21, 22, 24, 26, 27, 30, 31, 31, 33, 35, 35, 35, 36, 37, 39 (n=16)
Maka
Langkah 1. Menentukan median Q 2:
20 21 22 24 26 27 30 31 31 33 35 35 35 36 37 39

31+31
Q 2= =31
2
Langkah 1. Menentukan Q 1 dan Q 3:
20 21 22 24 26 27 30 31 31 33 35 35 35 36 37 39

Q1 Q2 Q3
24+ 26 35+35
Jadi Q 1= =25 , Q2=31 dan Q3= = 35
2 2

Kuartil data berkelompok :

17
 [ ]
¿ −f
k
Qi = tbi + 4
.p
F

Qi = kuartil ke-i, dengan i = 1, 2, 3

tbk = tepi bawah kelas kuartil ke-i

n = banyak data

f k = frekuensi kumulatif sebelum kelas kuartil ke-i

F = frekuensi kelas kuartil ke-i

p = panjang interval

Gambar 1. Kuartil Data

Sumber: https://docplayer.info/51249979

Contoh 2.
Lihat kembali daftar sebelumnya

18
 Nilai fi Frek. Kumulatif
31 – 40 5 5
41 – 50 3 8
Kelas Q1 51 – 60 5 13
61 – 70 6 19
Kelas Q2 71 – 80 9 28
Kelas Q3 81 – 90 8 36
91 – 100 4 40
40

Kelas Q1 adalah kelas ke-3 : 51-60 (frek. Kumulatif kelas

1
sebelumnya= 8, untuk Q1 diperlukan frekuensi x 40 = 10 ; tb1
4
= 50,5

Kelas Q2 adalah kelas sebelumnya= 19, untuk Q2 diperlukan

1
frekuensi x 40 = 20) ; tb2 = 70,5
2

Kelas Q3 adalah kelas ke-6 : 81 – 90 (frek. Kumulatif kelas

3
sebelumnya= 28, untuk Q3 diperlukan frekuensi x 40= 30) ;
4
(tb3) = 80,5 ; p= 10
Menentukan kuartil-kuartil
1
n−f 2
Q1= 4 10−8
( t b 1 ) + F . p=50 , 5+ 5 .10=50 , 5+4=54 ,5
1

1
n−f 2
Q2= 2 20−19
( t b 2 ) + F . p=70 , 5+ 9 .10=70 , 5+1 ,1=71, 6
2

19
 3
n−f 3
Q3= 4 30−28
( t b 3 ) + F . p=80 , 5+ 8 .10=80 ,5+2 , 5=83 ,0
3

6. Jangkauan antarkuartil dan simpangan kuartil

Perhatikan kembali data berikut: (setelah data diurutkan)

20 21 22 24 26 27 30 31 31 33 35 35 35 36 37 39

x min Q Q2 Q3 x maks
1

Jangkauan (R) adalah selisih antara nilai maksimum dan nilai minimum

R = Xmaks - Xmin

pada data di atas jangkauan = 39 - 20 = 19

Jangkauan antarkuartil (H) adalah selisih antara nilai kuartil atas
(Q3) dengan kuartil bawah (Q1).

H=Q 3−Q1

Pada data diatas, jangkauan antarkuartil = Q3 - Q1 = 35 - 25 = 10

Jangkauan Semi interkuartil atau disebut juga simpangan kuartil (Qd)
adalah setengah dari Jangkauan Anatarkuartil

1
Qd = (Q - Q )
2 3 1

20
 1 1
Pada data diatas, simpangan kuartil (Qd) = (Q3 - Q1) = . 10 = 5
2 2

Nilai statistik jangkauan (J) dan jangkauan antarkuartil (JK)

dapat dipakai untuk menemukan gambaran tentang penyebaran
data dengan cepat. Didefinisikan bahwa, Satu langkah (L)
sebagai satu-setengah kali panjang jangkauan antarkuartil (JK),
ditulis secara matematis

1
L=1 H
2
1
Untuk data di atas L = 1 x 5 = 7,5
2
Nilai yang letaknya satu langkah dibawah nilai Q 1 (kuartil bawah)
dinamakan Pagar Dalam (PD) sedangkan nilai yang letaknya satu
langkah di atas Q3 (kuartil atas) dinamakan pagar luar (PL).
Untuk data diatas

PD = Q1 – L= 25 – 7,5= 17,5 PD = Q1 – L

PL= Q3 + L= 35+7,5 = 42,5 PL= Q3 + L

Semua data yang nilainya kurang dari pagar dalam atau

lebih dari pagar luar disebut pencilan. Adanya suatu
pencilan merupakan petunjuk bahwa data itu perlu diamati
lebih lanjut, artinya ada kemungkinan terjadi salah catat atau
salah ukur, atau ada kemungkinan pula data itu berasal dari
kasus yang menyimpang sehingga perlu diselididiki lebih
lanjut dan sebaliknya semua data yang terletak dalam selang
21
 yang batas-batasnya pagar dalam dan pagar luar dapat
dianggap sebagai data masih tergolong sama dengan median
sebagai pemusatannya.

Pencilan (Outlier) dapat menyebabkan hal hal berikut :

1. Varians data menjadi besar.

2. Interval data dan range menjadi lebar.

3. Mean tidak dapat menunjukkan nilai yang sebenarnya (bias).

4. Pada beberapa analisa data, outlier dapat menyebabkan

kesalahan dalam
pengambilan keputusan dan kesimpulan.

7. Simpangan rata-rata

Simpangan rata-rata (SR) dari sekumpulan data kuantitatif x1, x2, x3,.... xn
adalah

n
|x i−x| x = rata-rata hitung
SR=∑
i=1 n n = banyaknya ukuran

Untuk data yang tersusun dalam daftar distribusi frekuensi.

22
 k
|x i−x|f i
SR=∑
i=1 ∑ fi

x1= titik tengah kelas

Contoh 5.
Dari data bilangan 4, 5, 5, 6, 6, 7, 7, 8, 9, 9, tentukan simpangan
rata-ratanya
Penyelesaian
4 +5+5+6+ 6+7+7+ 8+9+ 9
Rata-rata x= =¿6,6
10
n
|x i−x| |x 1−x|+|x 2−x|+… ..|x n−x|
SR=∑ =
i=1 n n
=
|4−6 , 6|+2|5 , 6 , 6|+2|6 , 6 , 6|+ 2|7 ,6 ,6|+|8 , 6 , 6|+ 2|9 ,6 ,6|
10
2 ,6+ 3 ,2+1 , 2+0 , 8+1 , 4+ 4 , 8 14
= = =1 , 4
10 10

8. Simpangan baku (Standar Deviasi)

Dari sekumpulan data kuantitatif x1, x2, x3,.... xn, simpangan

bakunya (s) adalah

23
 √∑
k
S= ¿¿ ¿ ¿
i=1

Untuk data yang tersusun dalam daftar distribusi frekuensi,

maka

√∑
k
S= ¿¿ ¿ ¿
(I) atau i=1

√∑ (∑ )
k 2 n 2
xi f i xi f i
S= −
i=1 n i=0 n
atau (II)

atau (III)

√ ( )
k 2 n 2
di f i df
S= p ∑ − ∑ ni i
i=1 n k=1

x i−x
di = simpangan, d i=
n

Contoh 6.
Dari data 6, 8, 7, 9, 10, hitunglah simpangan bakunya
Penyelesaian

24
 6+8+ 7+9+10
x= =8
5

s= √ ¿ ¿ ¿

s= √ ¿ ¿ ¿

s=
√ 4 +0+1+1+ 4
5
=
√10
5
=√ 2

Contoh 7.

Nilai Frekuensi
50 – 54 4
55 – 59 8
60 – 64 14
65 – 69 35
70 – 74 27
75 – 79 9
80 – 84 3
100

Tentukanlah simpangan baku dari data tersusun di atas

Penyelesaian
Kita gunakan ketiga rumus diatas untuk membandingkan rumus
mana yang paling praktis untuk dipakai.

25
 n
di f i 12 x −x
Rata-rata hitung x=x s + p ∑ =67+5 =67 , 6 ; (di-( i )
i=1 n 100 p

√
k
I. S= ∑ ¿¿ ¿ ¿
i=1

√ ( ) √
2 2

( )
k n 2
xi f i xi f i 461240 6760
II. S= ∑ n
− ∑ n
=
100
−
100
=− √ 42, 64=6 , 5
i=1 i=0

√ ( )
k 2 n 2
d f df
III. S= p ∑ In i − ∑ ni i
i=1 k=1

√ ( )
2
172 12
¿5 −
100 100
¿ 5 √ 1 , 72−0,0144
¿ 5 √1,7056=√ 25 x 1,7056=√ 42 , 64=6 , 5

Ternyata hasil perhitungan dengan memakai ketiga rumus itu

adalah sama, tetapi kita dapat melihat bahwa dengan
menggunakan rumus III pertimbangannya jauh lebih sederhana
dan cepat.

26
 Gambar 2. Standar Deviasi
Sumber: www.statisticshowto.datasciencecentral.com

Gambar 3. Mean dan Standar Deviasi

Sumber: lamcm227-nda.pbworks.com

9. Ragam (varian)

27
Dari suatu populasi x1, x2, x3,.... xN (N cukup besar), yang dimaksud
ragamnya ialah
N
1
o 2=
N
∑ ¿¿
i=1

Hal ini berarti ragam sama dengan kuadrat dari simpangan baku.
Jika kumpulan data sebanyak N buah itu, diambil sampul
sebanyak n buah sehingga terdapat x1, x2, x3,.... xn, makakumpulan
data ini disebut contoh (sampul) berkurang n. Jika rata-rata
hitung dari sampel ini (rs), maka ragamnya (s2) adalah
n
1
s2= ∑ ¿¿
n−1 i=1

Perhatikan bahwa pembagi pada ragam contoh adalah (n-1)

sedangkan pada ragam populasi adalah N.

Contoh 8.
Misalkan 30 orang siswa di suatu kelas diukur berat badannya,
hasilnya sebagai berikut
42 43 45 47 48 49 50 51 52 54 42 44 45 47 48
42 44 46 48 48 49 51 52 53 55 49 50 51 52 55

Rata-rata populasi tersebut adalah :

1
x= ( 42+ 43 …+55 )=48 , 4
30
28
 1
Ragam populasinya = ¿
30

atau s2 =

jika data dalam bentuk tabel distribusi frekuensi.

Contoh 9.
Hitunglah ragam dan simpangan baku dari data sampel berikut:
Nilai fi
31 – 40 4
41 – 50 3
51 – 60 11
61 – 70 21
71 – 80 33
81 – 90 15
91 – 100 3
Jumlah 90

Jawab:
Untuk memudahkan perhitungan dapat dibuat tabel berikut:

Nilai Titik fi fi xi |xi - | (xi - )2 fi (xi - )2

Tengah (xi)
31 – 40 35,5 4 142 34,8 1211,04 4844,16

29
41 – 50 45,5 3 136,5 24,8 615,04 1845,12
51 – 60 55,5 11 610,5 14,8 219,04 2409,44
61 – 70 65,5 21 1375,5 4,8 23,04 483,84
71 – 80 75,5 33 2491,5 5,2 27,04 892,32
81 – 90 85,5 15 1282,5 15,2 231,04 3456,60
91 – 100 95,5 3 286,5 25,2 635,04 1905,12
Jumlah 90 6325 15845,6

Rata-rata hitung untuk data pada tabel tersebut adalah:

= = 70,3

Jadi, ragam dan simpangan bakunya adalah:

Ragam = s2 = = = 178,04

Simpangan baku = s = = 13,34.

Apabila akan menggunakan rumus yang lain untuk menentukan ragam,

tabel yang perlu dibuat adalah sebagai berikut:

30
 Nilai Titik fi fi xi xi2 fixi2
Tengah (xi)
31 – 40 35,5 4 142 1260,25 5041
41 – 50 45,5 3 136,5 2070,25 6210,75
51 – 60 55,5 11 610,5 3080,25 33882,75
61 – 70 65,5 21 1375,5 4290,25 90095,25
71 – 80 75,5 33 2491,5 5700,25 188108,25
81 – 90 85,5 15 1282,5 7310,25 109653,75
91 – 100 95,5 3 286,5 9120,25 27360,75
Jumlah 90 6325 460352,5

Jadi diperoleh:

Ragam = s2 =

= =

=
= 178,04

Simpangan baku = s = = 13,34.

Representasi yang tepat dalam menyajikan data

A. Penyajian Data dengan Diagram Kotak Garis (Box Plot)

31
Diagram kotak garis adalah diagram yang memakai kotak (persegi
panjang) dan garis untuk menunjukkan suatu data statistik, misalnya
statistik lima serangkai (nilai min, Q1, Q2, Q3 dan nilai max) dari
skor siswa hasil dari suatu tes.

Gambar 1. Diagram Kotak Garis

Sumber : Buku PKB Matematika SMK

Pada gambar di atas, kotak (persegi panjang) digambarkan dengan

dua ruas garis mendatar untuk panjangnya, dan lambang I untuk
lebarnya. Gambar di atas dinamakan diagram kotak garis (DKG) atau
box plot. Lambang I menunjukan letak nisbi kuartil pertama (Q1)
dan kuartil ketiga (Q3), ruas garis-ruas garis di kiri dan kanan
berujung di nilai data yang bukan pencilan. Median dilambangkan
dengan lambang +. Kemudian kita tentukan pula letak pagar dalam
(PD) dan pagar luar (PL), sehingga mungkin terdapat nilai data yang
merupakan pencilan.

Boxplot sangat baik digunakan untuk data dengan jumlah observasi besar
karena hanya diperlukan 5 angka untuk mengkonstruksinya. Mudah dan
cepat untuk mengkonstruksi boxplot karena tidak perlu menggambar

32
semua titik observasi dalam boxplot. Oleh karena hanya lima titik
observasi penting saja yang terlihat, maka gambaran data dapat terlihat
lebih jelas.

Dalam analisis data eksploratif, boxplot mempunyai beberapa fungsi

penting. Boxplot sering digunakan dalam pendeteksian ada tidaknya data
ekstrim/outlier pada satu set data. Dalam banyak analisis statistika
mengasumsikan bahwa data mengikuti distribusi normal. Boxplot juga
dapat digunakan dalam mengujian asumsi tersebut. Selain
itu, boxplot dapat digunakan pula dalam perbandingan beberapa populasi.

Contoh 1.

Dua kelompok siswa terdiri dari kelompok I sebanyak 16 orang, dan

kelompok II sebanyak 15 orang, mendapat nilai dari sebuah tes
matematika, sebagaiberikut:

Kelompok I: 25 30 45 48 50 60 65 70 74 78 80 85 91 92 94
95

Kelompok II: 20 36 45 50 50 51 52 54 60 65 66 68 77 80 95

Perlihatkanlah statistik lima serangkai untuk kedua kelompok

tersebut dengan memakai diagram kotak-garis

Penyelesaian

33
Kelompok I:
nilai statistik minimum = 25,
nilai statistik maksimum = 96
1 1
Median ( Q2 )= ( x 8 + x 9 )= ( 70+74 )=72
2 2
1 1
( Q1 ) = 2 ( x 4 + x 5 )= 2 ( 48+ 50 )=49

1 1
( Q3 ) = 2 ( x 12+ x 13 )= 2 ( 85+ 91 )=88

JK (Jangkauan antarkuartil) = 88 – 49= 39

L= 1,5 x 39 = 58,5

PD= 49 – 58,5 = -9,5

PL= 88 + 58,5 = 146,5

Kelompok II: nilai statistk minimum = 20, dan nilai statistik

maksimum = 95

Median (Q2) = x8 = 54 Q1= x4 =50 Q3= x12 = 68

L= 1,5 x 18 = 27

PD= 50 – 27 = 23

PL= 68 + 27 = 95
34
 Karena nilai statistik minimum (20) < nilai PD (23),
maka nilai 23 merupakan suatu pencilan.

Diagram Kotak garisnya terlihat pada Gambar 15.

Gambar 2. Diagram Kotak Garis (2)

Sumber : Buku PKB Matematika SMK

Dari diagram pada gambar di atas terlihat bahwa

1. Median kelompok I (72) lebih tinggi dari median kelompok

II
(54).

2. Di kelompok I mediannya lebih dekat ke Q3, di kelompok II

mediannya lebih dekat ke Q1.
3. Jangkauan atarkuartil (JK), kelompok 1 lebih panjang dari JK
kelompok II.
4. Di kelompok II terdapat nilai pencilan (20), berarti nilai ini
harus di tinjau kembali, mungkin terdapat kekeliruan
menilai atau mencatat.
5. Secara umum dapat dikatakan, nilai-nilai kelompok I lebih
baik dari nilai-nilai kelompok II
35
Gunakan box plot saat:

 Membandingkan kumpulan data dari sumber independen

yang mungkin memiliki hubungan tertentu.
 Membandingkan proses perubahan sebelum dan sesudah
perbaikan.
 Untuk membantu menampilkan berbagai parameter secara
sekilas.
 Untuk membaca media, rentang interkuartil,
dan outlier dalam kumpulan data.
 Data berada dalam tingkat skala metrik seperti usia, suhu,
dll.
 distribusi box plot akan menjelaskan seberapa rapat suatu
data dikelompokkan, bagaimana kecondongan datanya,
dan tentang kesimetrisan data.

1. Kecondongan Positif
 Jika jarak median ke maksimum lebih besar daripada jarak
median ke mininum, maka box plot miring positif.

2. Kecondongan Negatif
 Jika jarak median ke minimum lebih besar dari jarak median
ke maksium, maka box plot miring secara negatif.

3. Simetris
 Dikatakan simetris jika mediannya berjarak sama dari nilai
maksimum dan minimum.

B. Daftar Distribusi Frekuensi, Frekuensi Relatif

dan Komulatif, Histrogram, Poligon Frekuensi
dan Ogive

36
1) Daftar distribusi Frekuensi

Untuk memperoleh gambaran yang jelas tentang suatu

penelitian, biasanya data yang telah terkumpul dikelompokkan
menurut interval kelas-interval kelas tertentu. Banyaknya data
pada setiap kelas disebut frekuensi dan tabel yang berisi
susunan data penelitian yang telah dikelompokan itu disebut
tabel frekuensi atau tabel (daftar) distribusi frekuensi.

Contoh 7.

Tabel 4 Gaji pegawai di perusahaan A

Frekuensi (f)
Gaji (dalam ribuan rupiah) (banyaknya pegawai)

121 – 140 25
161 – 180 40
181 – 200 60
121 – 220 35
221 – 240 25
241 – 260

Pada pengelompokan pertama (kelas pertama), yang gajinya dari

121.000 sampai dengan 140.000 ada 25 orang. Pada kelas ke-2

37
 (161.000 s.d 180.000) ada 40 pegawai dan seterusnya. Jumlah
seluruh pegawai ( ∑f ) sebanyak 200 orang.

Interval kelas, batas kelas, dan tepi kelas

Lihat contoh daftar diatas. Terdapat 6 buah kelas, yaitu 121-140,

161-180, 181-200, dan seterusnya

Bilangan-bilangan sebelah kiri pada setiap interval kelas, yaitu 121,

161, 181, dan seterusnya disebut batas bawah kelas, sedangkan
140,180,200, dan seterusnya disebut batas atas kelas.

• Tepi bawah kelas = batas bawah kelas – 0,5

• Tepi atas kelas = batas atas kelas + 0,5

Selisih antara tepi atas kelas dan tepi bawah kelas dalam interval
kelas yang sama disebut panjang interval kelas atau panjang kelas.

Panjang interval kelas (P) = tepi atas kelas – tepi bawah kelas

Pada contoh diatas, p = 140,5 – 120,5 = 180,5 – 160,5 = 20

(𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠 + 𝑏𝑎𝑡𝑎𝑠

1
Titik tengah interval kelas =
𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑙𝑎𝑠
2

38
 (121 + 140) =
1
Pada contoh diatas, titik tengah kelas pertama =
2
130,5

(161 + 180) = 170,5, dan

1
Dan titik tengah kelas kedua =
2
seterusnya.

Ketentuan-ketentuan untuk membuat daftar distribusi frekuensi

adalah:

(1) Tentukan jangkauan (J), yaitu nilai statistik maksimum, dan nilai
statistik minimum.
(2) Tentukan banyaknya kelas (K) yang diperlukan. Biasanya paling
banyak 15 kelas, paling sedikit 5 kelas. Cara terbaik untuk
menentukan banyaknya kelas adalah dengan aturan Struges,
sebagai berikut:
Banyak kelas (K) = 1 + 3,3 log n dengan n = banyaknya data.
Hasil akhir dijadikan bilangan bulat.

(3) Tentukan panjang interval kelas

jangkauan

banyak kelas
Panjang interval kelas =

(4) Pilih batas bawah kelas pertama, biasanya diambil data terkecil
atau sebuah bilangan lain yang kurang dari data terkecil ini

39
 tetapi selisihnya harus kurang dari panjang kelas yang
ditentukan
(5) Tentukan nilai frekuensi tiap kelas dengan sistem turus
(dihitung satu persatu)

Contoh 8.

Data berikut merupakan nilai tes statistika dari 80 orang siswa.

79 49 48 74 81 98 87 80 80 84

70 91 93 82 78 70 71 92 38 56

74 73 68 72 85 57 65 93 83 86

35 83 73 74 43 86 86 92 93 76

90 72 67 75 80 91 61 72 97 91

81 70 74 99 95 80 53 71 77 63

83 82 60 67 89 63 76 63 88 70

88 79 75 90 81 90 71 88 60 66
Buatlah daftar distribusi frekuensinya dalam kelas-kelas interval

Penyelesaian

(1) Jangkauan (J) = data terbesar – data terkecil = 99-35 = 64

(2) Banyak kelas (K)=1+3,3 log n = 1+33 log 80 = 1+3,3(1,903) =
1+6,280=7,280

40
 jangkauan
(3) Panjang kelas (P) =
banyak kelas
64
Jika k=7, maka p= = 9,14. Bisa kita ambil 9 atau 10
7

Dengan panjang kelas 10 dan banyak kelas 7, di mulai dengan batas

kelas pertama = 31, kita peroleh daftar berikut:

selanjutnya, kolom tabulasi dapat kita hilangkan, sehingga

tinggal kolom nilai dan frekuensi.

Scan me untuk video cara Menyusun table distribusi frekuensi

41
2) Frekuensi Relatif dan frekuensi Kumulatif

Dalam daftar diatas, frekuensi dinyatakan dengan banyaknya

data yang terdapat dalam setiap kelas, jadi dalam bentuk absolut.

Frekuensi relatif adalah frekuensi yang dinyatakan sebagai

perbandingan frekuensi kelas ke-x dengan banyaknya data.

frekuensi kelas ke−x

Frekuensi relatif kelas ke−x=
banyak data

Sebagai contoh, frekuensi relatif kelas pertama pada daftar diatas

2
¿ =0,025 atau 2, 5 % dan frekuensi relatif kelas kelima
80
24
¿ =0 , 3 atau 30 % dan seterusnya.
80

Frekuensi komulatif adalah kumpulan frekuensi pada kelas yang

dimaksud dengan frekuensi-frekuensi kelas sebelumnya.
Terdapat 2 macam frekuensi komulatif yaitu Frekuensi komulatif
kurang dari dan Frekuensi komulatif lebih dari.

(i) Frekuensi komulatif “kurang dari”

Kata “kurang dari“ diambil terhadap tepi atas kelas

(ii) Frekuensi komulatif “lebih dari”

Kata “lebih dari“ diambil terhadap tepi bawah kelas

42
 Contoh 9.

Untuk daftar pada contoh 1.8

Nilai Frekuensi Frekuensi komulatif Frekuensi komulatif
“kurang dari” “lebih dari”

31 – 40 2 2 (kurang dari 40,5) 80 (lebih dari 30,5)

41 – 50 3 5(kurang dari 50,5) 78(lebih dari 40,5)
51 – 60 5 10(kurang dari 60,5) 75(lebih dari 50,5)
61 – 70 14 24(kurang dari 70,5) 70(lebih dari 60,5)
71 – 80 24 48(kurang dari 80,5) 56(lebih dari 70,5)
81 – 90 20 68(kurang dari 90,5) 32(lebih dari 80,5)
91 – 100 12 80(kurang dari 100,5) 12(lebih dari 90,5)
80

Frekuensi komulatif kurang dari 40,5 sama dengan frekuensi

untuk nilai ≤ 40. Frekuensi komulatif kurang dari 50,5 sama
dengan frekuensi untuk nilai ≤ 50 dan seterusnya.

Ditentukannya frekuensi komulatif berguna untuk menentukan

median (Q2) serta Q1 dan Q3 dari sebaran frekuensi di atas.

43
Kurva frekuensi komulatifnya, terlihat pada Gambar di bawah

(i) Ogive “kurang dari”

Gambar 8. Ogive Kurang Dari

Kurva yang menghubungkan nilai-nilai frekuensi komulatif

tersebut disebut kurva frekuensi komulatif atai ogive.

Menentukan perkiraan Q2, Q1, dan Q3 dengan bantuan ozaiv

tersebut dapat kita lakukan sebagai berikut:

Untuk Q2 (Median)

1 1
Ambil x banyaknya data = x 80 = 40. Dari nilai 40 (pada
2 2
sumbu vertikal) tariklah garis horizontal hingga memotong ozaiv
di satu titik. Dari titik tersebut tarik garis vertikal ke bawah
44
 hingga memotong sumbu horizontal (nilai). Ternyata Q2 terletak
di kelas 71-80 (pada gambar kira- kira) Q2= 76,
1
untuk Q1diambil x banyaknya data,
4
3
untuk Q3 diambil x banyaknya data.
4
(ii) Ogive “lebih dari”

Gambar 9. Ogive Lebih Dari

3) Histogram dan Poligon Frekuensi

Histrogram merupakan gambar distribusi frekuensi dari data

tersusun dalam kelas-kelas interval. Bila panjang kelas suatu
distribusi frekuensi itu sama, maka histrogram itu merupakan
persegi panjnag-persegi panjang yang alas-alasnya sama dengan
panjang kelasnya, sedangkan tingginya sama dengan frekuensi
45
 dari masing-masing kelas. Poligonnya dapat dibuat dengan jalan
menghubungkan titik-titik tengah dari setiap titik puncak
persegi panjang. Agar diperoleh poligon tertutup, kita harus
membuat dua kelas baru dengan panjang kelas yang sama
dengan frekuensi nol, pada kedua ujungnya.

Hal ini diperbolehkan karena luas histogram dan poligon

tertutup itu sama.

Contoh 10.

Dari daftar distribusi frekuensi berikut;

Tabel 5 Tabel Distribusi Frekuensi
Nilai Frekuensi
38 – 46 3
47 – 55 5
56 – 64 9
65 – 73 17
74 – 82 11
83 – 91 10
92 – 100 5
60

Histogram dan poligon frekuensinya tercantum pada Gambar 22.

46
 Gambar 10. Histogram dan Poligon Frekuensi

Scan Me untuk referensi histogram

47
C. Dot Plot

Dot plot adalah salah satu jenis grafik yang digunakan untuk
menampilkan distribusi data numerik. Cara kerjanya mirip dengan
histogram, tetapi dot plot menggunakan titik-titik di sepanjang sumbu
horizontal untuk menunjukkan frekuensi atau nilai dari setiap data.

Cara membuat dot plot adalah dengan menempatkan satu titik untuk
setiap data pada sumbu horizontal, sehingga pola titik-titik ini
membentuk pola yang mencerminkan distribusi data. Jika ada beberapa
data yang memiliki nilai yang sama, titik-titik tersebut dapat ditumpuk di
atas satu sama lain atau disebarkan secara merata di sepanjang sumbu
horizontal.

Dot plot sering digunakan ketika dataset relatif kecil atau ketika ingin
menyoroti perbedaan-perbedaan kecil antara data. Ini adalah alat visual
yang sederhana namun efektif untuk menyajikan informasi statistik.
Diagram titik sebenarnya hampir sama dengan diagram batang. Namun
dalam penyajiannya tidak berupa batang, melainkan titik-titik secara
vertikal. Sumbu garis horizonal pada diagram titik menyatakan skala,
sedangkan nilai pengamatan dinyatakan dalam titik di atas skala tersebut.
Diagram titik dapat dimanfaatkan untuk mengetahui distribusi dari satu
variabel. Contoh diagram titik :

48
Dalam sebuah kelas yang terdiri dari 20 anak, diperoleh data berat badan
anak yang akan disajikan dalam diagram titik berikut

Contoh Soal:
Berat badan tim futsal regu Perkasa antara lain: 45, 48, 43, 49, 42, 45,
48, 41, 42, 45, 43 dan 46 kg. sajikan data tersebut dalam bentuk
diagram titik.
Jawab:
Berdasarkan data pada soal dapat di buat table frekuensi:

49
bentuk diagram titiknya adalah :

Contoh Soal:

50
51
Ada banyak jenis-jenis dari visualisasi data, pemilihan visualisasi
data didasarkan pada tujuan dari penggunaan visualisasi tersebut.
Setiap jenis visualisasi biasanya lebih tepat digunakan untuk suatu
tujuan tertentu. Secara garis besar, ada beberapa tujuan
visualisasi yang dapat dijelaskan sebagai berikut :

1. Perbandingan dan Ranking

Visualisasi data yang bertujuan untuk membandingkan suatu nilai

dengan nilai lainnya. Di samping itu, bisa juga untuk melihat
ranking dari data, urutan mana yang lebih besar, lebih rendah,
mana yang naik ataupun turun. Visualisasi data yang bisa
digunakan diantaranya diagram batang (bar chart) dan dot
plot biasanya digunakan pada data berupa kategori, sedangkan
untuk data yang berkaitan dengan waktu menggunaan diagram
garis (line chart).

2. Distribusi

Digunakan untuk melihat distribusi atau sebaran dari suatu data.

Cara visualisasi data variabel numerik untuk melihat bentuk
distribusi datanya diantaranya menggunakan histogram, boxplot,
atau density plot. Dari visualisasi data tersebut kita dapat melihat
apakah distribusi dari suatu data bersifat simetris atau tidak. Hal
ini terkait dengan asumsi yang digunakan untuk analisis statistik
yang akan digunakan pada data.

3. Proporsi

Menunjukkan proporsi bagian dari jumlah total, bisa juga

digunakan untuk menggambarkan komposisi antarbagian pada
suatu kesatuan utuh. Bagian ini biasanya direpresentasikan dalam
satuan persen sehingga jika seluruh bagian dijumlahkan hasilnya
sama dengan seratus persen. Visualisasi data yang bisa digunakan
diantaranya diagram lingkaran (line chart) dan diagram batang
bertumpuk (stacked bar).

4. Keterhubungan

52
Menunjukkan hubungan antar dua variabel dan dapat melihat
kekuatan hubungan melalui nilai korelasi antar kedua datanya.
Untuk melihat hubungannya dapat digunakan scatterplot.

5. Data Geospasial

Data geospasial atau data yang bereferensi koordinat

dipermukaan bumi merupakan data yang penting untuk
mengetahui kondisi suatu wilayah. Data geospasial dapat di
visualisasikan menggunakan peta, peta membantu dalam
mengetahui hubungan antara data, yakni antara atribut dari obyek
atau fenomena yang berlokasi di permukaan bumi.

53