 Data adalah keterangan atau fakta mengenai sesuatu

persoalan berbentuk kategori, misalnya lulus, turun,

rusak, baik, senang, puas, berhasil, gagal, dan
sebagainya, atau berbentuk bilangan.
 Data yang berbentuk bilangan disebut data
kuantitatif.
 Data yang berbentuk bukan bilangan disebut data
kualitatif.
 Dari nilainya, dikenal dua golongan kuantitatif yaitu:
data diskrit dan data kontinu.
 Hasil menghitung atau membilang merupakan data
diskrit, sedang hasil pengukuran merupakan data
kontinu.
1) Tentukan rentang (R) data, yaitu data terbesar (Xmaks) dikurangi
data terkecil (Xmin).
R = Xmaks - Xmin
2) Tentukan banyak kelas interval (b) menggunakan aturan Sturgess
yaitu :
b = 1+ (3,3) log n; atau 𝑏 = 𝑛 n = banyaknya data.
3) Tentukan panjang kelas interval (p) dengan rumus:
R
P
b
 Harga p diambil sesuai dengan ketelitian satuan data yang
digunakan.
 Pilih ujung bawah kelas interval pertama (diambil sama dengan
data terkecil atau nilai data yang lebih kecil dari data terkecil akan
tetapi selisih antara data terkecil dengan ujung bawah harus kurang
dari panjang kelas.
40 63 41 69 54 53 84 77
78 49 48 77 84 97 86 85
76 63 88 70 66 88 79 59
63 60 83 82 60 67 89 65
70 74 99 95 80 59 71 77
75 67 72 90 70 76 93 68
68 86 43 74 73 83 34 60
73 74 81 56 38 92 71 76
86 83 93 65 51 85 72 82
67 71 54 67 61 68 60 54
 Xmaks = 99 dan Xmin = 34, sehingga rentangnya adalah:
R = 99-34 = 65
 Banyak kelas interval (n = 80)
b= 1 + (3,3) log n = 1 + (3,3) Log 80 = 1 + (3,3)(1,903)= 7,2802
 Banyaknya kelas harus bilangan bulat, karena itu kita bisa memilih
banyaknya kelas interval adalah 7 atau 8.
 Menentukan panjang kelas interval
P = R/b = 65/7 = 9,29 ≈ 10
 Karena ketelitian data adalah 1 satuan, maka ketelitian untuk harga p
juga harus satuan, sehingga harga p dibulatkan ke atas.
 Jika diambil b = 7 dan p = 9 maka akan ada data yang tidak masuk ke
dalam tabel distribusi frekuensi.
 Pilih ujung bawah kelas interval pertama, misalnya 31 (bisa lebih kecil
dari 31 tetapi harus lebih besar dari 31 – 10 + 1 = 22.
 Buat tabel distribusi ferekuensi dengan banyak kelas 7, panjang kelas
10 dan ujung bawah kelas interval pertama = 31.
 Diagram Batang
Kelas 31 – 40 41 – 50 51 – 60 61 – 70 71 – 80 81 – 90 91 – 100
No. Frekuensi
Interval 24

1 31 – 40 3 16 17

2 41 – 50 5 10

5 5
3 51 – 60 10 3

4 61 – 70 16
5 71 – 80 24
6 81 – 90 17
7 91 – 100 5
Jumlah 80
Nilai Frekuensi Frekuensi Relatif
Data (%)
a-b f1 f1’
Dimana:
c-d f2 f2’
e-f f3 f3’ fi
fi '  n
x100%
g-h f4 f4’ f
i 1
i

i-j f5 f5’
Jumlah ∑fi = n 100

8
 Nilai Frekuensi Frekuensi Kumulatif
Data
a-b f1 f1
c-d f2 f1+f2
e-f f3 f1+f2+f3
g-h f4 f1+f2+f3+f4
i-j f5 f1+f2+f3+f4+f5

Nilai Data Frekuensi Kumulatif Nilai Data Frekuensi Kumulatif

Krg dr a 0 a atau lbh f5+f4+f3+f2+f1
Krg dr c f1 c atau lbh f5+f4+f3+f2
Krg dr e f1+f2 e atau lbh f5+f4+f3
Krg dr g f1+f2+f3 g atau lbh f5+f4
Krg dr i f1+f2+f3+f4 i atau lbh f5
Krg dr k f1+f2+f3+f4+f5
k atau lbh 0 9
 Nilai Frekuensi Frekuensi Frek relatif
Data Kumulatif kumulatif (%)
a-b f1 f1 f1’
c-d f2 f1+f2 f2’
e-f f3 f1+f2+f3 f3’
g-h f4 f1+f2+f3+f4 f4’
i-j f5 f1+f2+f3+f4+f5 100
 dengan
i

f k
fi '  k 1
x100%
n 10
 Untuk data dalam daftar distribusi frekuensi
Frekuensi kumulatif kurang dari diagramnya seperti berikut
No. Nilai Data
Kumulatif dan disebut sebagai OZAIV
1 kurang dari 41 3

2 kurang dari 51 8 Ozaiv Positif

3 kurang dari 61 18 80
75

4 kurang dari 71 34
58

5 kurang dari 81 58
34
6 kurang dari 91 75
18
7 kurang dari 101 80 8
3
kurang dari kurang dari kurang dari kurang dari kurang dari kurang dari kurang dari
41 51 61 71 81 91 101
 Frekuensi Ozaiv Negatif
No. Nilai Data
Kumulatif
80
1 lebih besar atau sama 80 77

dgn 31 72

2 lebih besar atau sama 77 62

dgn 41
3 lebih besar atau sama 72
46
dgn 51
4 lebih besar atau sama 62
dgn 61
5 lebih besar atau sama 46 22
dgn 71
6 lebih besar atau sama 22
dgn 81 5

7 lebih besar atau sama 5 lebih besar lebih besar lebih besar lebih besar lebih besar lebih besar lebih besar
atau sama atau sama atau sama atau sama atau sama atau sama atau sama
dgn 91 dgn 31 dgn 41 dgn 51 dgn 61 dgn 71 dgn 81 dgn 91
 Frekuensi
No. Nilai Data Relatif
Ozaiv
Kumulatif

1 lebih besar atau sama dgn 31 3.75

100.00

2 lebih besar atau sama dgn 41 10.00 93.75

3 lebih besar atau sama dgn 51 22.50

72.50

4 lebih besar atau sama dgn 61 42.50

5 lebih besar atau sama dgn 71 72.50 42.50

6 lebih besar atau sama dgn 81 93.75

22.50

7 lebih besar atau sama dgn 91 100.00 10.00

3.75

lebih besar lebih besar lebih besar lebih besar lebih besar lebih besar lebih besar
atau sama atau sama atau sama atau sama atau sama atau sama atau sama
dgn 31 dgn 41 dgn 51 dgn 61 dgn 71 dgn 81 dgn 91
 Ukuran pemusatan atau ukuran
tendensi sentral adalah besaran-
besaran yang akan terletak di
sekitar pusat distribusi.
 Terdiri dari: rata-rata atau rata-rata
hitung, rata-rata ukur (geometri),
rata-rata harmonik dan modus.
15
 n
 Data mentah x i Excel:
x i 1 =Averge(…)
n

 Data berkelompok atau tabel distribusi frekuensi

n
 n

 f i xi   f i d i 
x  i 1
x  xo  p i 1 
n  n 

i 1
fi 

i 1
f i 

Rumus rata-rata sementara

Xi : data ke-i atau nilai tengah Kelas Interval ke-i

fi : frekuensi untuk nilai Xi yang bersesuaian
x o : rata-rata sementara
di : simpangan untuk kelas interval ke-I
P : panjang kelas interval 16
Contoh 1:
Rata-rata dari data berikut 89, 90, 87, 54, 53, 80, 76, 71, 75 dan 55 adalah

89  90  87  54  53  80  76  71  75  55 730
X    73
10 10
Contoh 2:
Nilai IPA dari siswa SD adalah No Nilai (Xi) fi fi.xi
sbb:
1 4 5 20
ada 5 siswa mendapat nilai 4, 8
siswa mendapat nilai 5, 15 siswa 2 5 8 40
nilai 6, 20 siswa nilai 7, 10 siswa 3 6 15 90
nilai 8 dan 2 siswa nilainya 9, 4 7 20 140
maka disusun dalam tabel 5 8 10 80
sebelah kanan 6 9 2 18

X
 fx  388  6,466 Jumlah ∑fi = 60 ∑fi.xi = 388

 f 60
x
 44 
 
 80 

= 65,5 + 5,5 = 71

Hitung nilai rata-rata hitung untuk data hasil UAS 80 mahasiswa

Nilai
No. fi xi fi.xi di fi.di Rumus 1:
UAS
1 31 – 40 3 35,5 106,5 -3 -9
7
2 41 – 50 5 45,5 227,5 -2 -10
fx i i
5680
3 51 – 60 10 55,5 555,0 -1 -10 X i 1
7
  71
f
80
4 61 – 70 16 65,5 1.048,0 0 0 i 1
i

5 71 – 80 24 75,5 1.812,0 1 24
6 81 – 90 17 85,5 1.453,5 2 34
7 91 – 100 5 95,5 477,5 3 15
Jumlah 80 5.680 44

 n 
  fi di 
Rumus 2: x  x o  p i 1n   65,5  10

44 
  65,5  5,5  71
   
  fi
80

 i 1 
 Jika perbandingan tiap dua data berurutan tetap atau hampir
tetap, maka rata-rata ukur lebih baik digunakan daripada
rata-rata hitung.
U  n x1.x2 ...xn
 Jika nilai-nilai datanya cukup besar digunakan rumus:
n

 Log ( x ) i
LogU  i 1
n
 Untuk data yang telah disusun dalam daftar distribusi
frekuensi, rata-rata ukur hitung dengan rumus:
n

 f .Log ( x )
i i
LogU  i 1
n

f i 1
i
 Contoh 1:
rata-rata ukur untuk data x1 = 2, x2 = 4, x3 = 8 adalah:
6
U  2.4.8  2  2
3 3 6 3
 22  4
 Contoh 2:
 Rata-rata ukur untuk data : x1 = 2.560; x2 = 1.590;
 x3 = 5.904 adalah:

log 2560  log 1590  log 5904 10,3807

Log U    3,9602
3 3
Log U  3,9602  U  103,9602  9.124,31
 n

Rumus: H n
n  fi
H  i 1
1 / xi n
fi
i 1 
i 1 xi

 Rata-rata harmonik tepat dipakai untuk menyelesaikan masalah berikut:

X
 Amir pergi dari Bandung - Lembang pulang-pergi dengan mengendarai
mobil. Waktu pergi kecepatannya 40 Km/jam sedangkan waktu pulang
kecepatannya 50 Km/jam, Hitung rata-rata kecepatan pulang-pergi:

2
H  44,44
1 / 40  1 / 50

Ternyata secara empirik didapat hubungan antara rata-rata hitung, rata-rata ukur dan rata-
rata Harmonik adalah:
H U X
b+p

 Untuk menyatakan fenomena yang paling banyak terjadi

atau paling banyak muncul digunakan ukuran modus
disingkat Mo.
 Modus untuk data kuantitatif ditentukan dengan jalan
menentukan frekuensi terbanyak diantara data itu
 b1 
Mo  b  p 
 b1  b2 

b = batas bawah kelas modus, ialah kelas interval dengan frekuensi terbanyak
p = panjang kelas modus
b1 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat berikutnya

22
 Modus dari data berikut:
4,4,5,5,5,5,6,6,6,6,6,7,7,7,7,7,7,7,7,7,8,8,8,8,8,9,9,9,9
adalah 7, sebab 7 adalah data yang paling sering muncul.

No Nilai Ujian fi
1 31 – 40 3 Kelas modus = kelas kelima,
2 41 – 50 5 batas bawah kelas b = 70,5
3 51 – 60 10
P = 10, bl = 24 -16 = 8, b2 =
4 61 – 70 16
5 71 – 80 24 24 – 17 = 7
6 81 – 90 17
91 – 100 8
7 5 Mo  70,5  10( )  70,5  5,3  75,8
Jumlah 80 87
 Median menentukan letak data setelah data
diurutkan menurut urutan nilainya. Median
disingkat dengan Me, terletak ditengah-tengah
50% dari data itu harganya paling tinggi Me,
sedangkan 50% lagi harganya paling rendah =
Me
 Jika banyaknya data ganjil, maka Me, setelah
data disusun menurut nilainya merupakan data
paling tengah.
 Jika banyaknya data genap, maka Me, setelah
data disusun menurut nilainya sama dengan
rata-rata dari dua data tengah.
 Contoh:
Median dari 3,3,4,4,4,5,5,6,6,7,8,8,8,8,8,8,8,9,9;
adalah data ke ½(n+1) = data ke ½(19+1) = data
ke 10, yaitu 7 (data paling tengah)
Jadi Me = 7
 Contoh: 3,4,4,5,5,5,6,7,7,8,8,9
 Me = data ke (n+1)/2 = data ke (12+1)/2
 = data ke 6½
 = data ke 6 + ½(data ke 7 – data ke 6)
 = 5 + ½(6 – 5) = 5 ½
 n 
Me = b + p 
2
F

fm
dengan
b : batas bawah kelas interval yang mengandung Me
fm : frekuensi kelas interval yang mengandung Me
F : frekuensi kumulatif sebelum kelas interval
yang mengandung Me
p : panjang kelas interval
n : banyak data = ∑xi

Letak Me harus paling sedikit mencapai frekuensi setengah dari jumlah data
seluruhnya

26
 Sumber: statistika deskriptif-suprayogi, ITB
solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf 27
 Bila data berdistribusi normal,
Mo +2 x ≈ 3Me
 Contoh:
 Jika diketahui modus dan rata-rata dari sekumpulan
data berdistribusi normal masing-masing 70 dan 75,
berapa perkiraan median untuk data tersebut?
 Jawab:
 Mo + 2 x ≈ 3Me  70 + 2(75) ≈ 3Me  Me ≈ 220/3

28
Rumus:
Letak Ki 
i
n  1, i  1, 2, 3
4
dengan
Ki : letak kuartil ke i
n : banyaknya data
• Kuartil akan membagi sekelompok data yang sudah
diurutkan menjadi 4 bagian yang sama banyak,
masing-masing sebanyak 25%
• Kuartil digunakan pada saat akan membuat boxplot
29
 Contoh mencari Kuartil
Sebelum Setelah Letak kuartil
diurutkan diurutkan
20 20
i
K i  data ke n  1
4
K1  data ke 9  1  data ke 2
80 40 1 1
75 50 4 2
60 60 Artinya K1 terletak antara data ke
50 60 2 dan data ke 3
85 75
Nilai K1
40 80
60 85 = nilai data ke 2 + ½(data ke 3 - data ke 2)
90 90 = 40 + ½(50 -40)
= 45

30
 Kuartil Data Tabel Disfrek
i 
 n  F 
K i  b  p 4  , i  1, 2, 3
f
 Ki 
 

dengan
Ki : letak kuartil ke i
b : batas bawah kelas interval yang mengandung Ki
fK : frekuensi kelas interval yang mengandung Ki
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Ki
p : panjang kelas interval

31
 i 
Interval f f. kum  n  F 
K i  Bb  p  4  , i  1, 2, 3
30 – 39 2 2  f Ki 
 
40 – 49 3 5
3 
50 – 59 11 16  100  68 
K 3  79,5  10 4 
60 – 69 20 36  25 
70 – 79 32 68  
 79,5  2,8  82,3
80 – 89 25 93
90 - 99 7 100

Kelas yang memuat kuartil ke 3

32
Rumus:
Di  n  1, i  1, 2, ..., 9
i
10

dengan
Di : letak desil ke i
n : banyaknya data
• Desil akan membagi sekelompok data yang
sudah diurutkan menjadi 10 bagian yang sama
banyak, masing-masing sebanyak 10%.
33
 Setelah
diurutkan Di 
i
n  1, i  1, 2, ..., 9
10
20
D 6  10  1  6,6
6
40
10
50
60 Artinya D6 terletak antara data ke 6 dan data ke 7
60 Nilai D6
75 = nilai data ke 6 + 0,6(data ke 7 - data ke 6)
80 = 75 + 0,6(80 -75)
85 = 78
90
96

34
  i 
 10 n  F 
Di  b  p   , i  1, 2, ..., 9
 f Di 
 
dengan
Di : letak desil ke i
b : batas bawah kelas interval yang mengandung Di
fD : frekuensi kelas interval yang mengandung Di
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Di
p : panjang kelas interval

35
 Interval f f.kum
i 
30 – 39 2 2  10 n  F 
D i  Bb  p   , i  1, 2, ..., 9
40 – 49 3 5
 f Di 
50 – 59 11 16  
60 – 69 20 36 3 
 10 100  16 
70 – 79 32 68 D 3  59,5  10 
80 – 89 25 93  20 
 
90 - 99 7 100
 59,5  7  66,5

Kelas yang memuat desil ke 3 ;

Bb = 60 – 0,5 = 59,5 ; p = tepi atas – tepi bawah + 1 = 69 – 60 +1 = 10

36
Rumus: Pi 
i
n  1, i  1, 2, ..., 99
100

dengan
Pi : letak persentil ke i
n : banyaknya data
• Persentil akan membagi sekelompok data
yang sudah diurutkan menjadi 100 bagian
yang sama banyak, masing-masing sebanyak
1%
37
 Setelah
diurutkan Pi 
i
n  1, i  1, 2, ..., 99
100
20
40 P57 
57
10  1  6,27
100
50
60 Artinya P57 terletak antara data ke 6 dan data ke 7
60 Nilai P57
75 = nilai data ke 6 + 0,27(data ke 7 - data ke 6)
80 = 75 + 0,27(80 -75)
85 = 79,35
90
96

38
Rumus:  i 
 100 n  F 
Pi  Bb  p   , i  1, 2, ..., 99
 f Pi 
 
dengan
Pi : letak persentil ke i
Bb : batas bawah kelas interval yang mengandung Pi
fP : frekuensi kelas interval yang mengandung Pi
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Pi
p : panjang kelas interval

39
Interval f f.kum  i 
 100 n  F 
30 – 39 2 2 Pi  Bb  p   , i  1, 2, ..., 99
40 – 49 3 5  f Pi 
 
50 – 59 11 16
 96 
60 – 69 20 36  100 100  93 
70 – 79 32 68 P95  89,5  10 
 7 
80 – 89 25 93  
90 - 99 7 100 Pi  89,5  4,29  93,79

Kelas yang memuat persentil ke 95

40
 Ukuran Dispersi (Ukuran Penyebaran)

 Range

Range = Nilai Maksimum – Nilai Minimum

 Deviasi rata-rata (DR)

DR 
 xi  x
n

41
 Contoh menghitung Deviasi Rata-
Rata
Data xi  x xi  x
285
x  57
20 -37 37 5
80 23 23 88
DR   17,6
75 18 18 5

60 3 3
50 -7 7
 x i  285 x i  x  88

42
 Variansi / Ragam:
 ukuran penyebaran yang ditentukan berdasarkan jumlah
kuadrat simpangan data terhadap rata-ratanya;
 melihat ketidaksamaan sekelompok data
Rumus untuk data mentah
 x  x
2
n  x i   x i 
2 2

s2  i

n 1 n n  1
Rumus untuk data dalam tabel Disfrek
 tanda kelas  variansi duga

 f i x i  x  n  f i x i   f i x i  p2  fid 2 p 2  f i d 
2 2 2 2

s2   s2  
n 1 n n  1 n n2

d
x i  x  x  AM
p

43
  Standar deviasi penyebaran data berdasarkan akar dari
variansi; menunjukkan keragaman kelompok data
Rumus untuk data mentah

 x i  x  n  x i   x i 
2 2 2

s 
n 1 n n  1
Rumus untuk data Tabel Disfrek
 tanda kelas  standar deviasi duga

 f i x i  x  n  f i x i   f i x i   fid 2   fid 
2 2 2 2

s  sp   
n 1 n n  1 n  n 


d
x i  x  , x  rata  rata
p

44
 Data xi2
20 400 s2 
518525   285 2

54 
80 6.400
92625  81225 11400
   570
75 5.625 20 20
60 3.600 s  570  23,87
50 2.500

 x i  285  x i  18525
2

45
 Kelas Tanda fi xifi
xi2 fi x i 2
interval kelas (xi)
13-15 14 5 196 70 980
16-18 17 6 289 102 1734
19-21 20 7 400 140 2800
22-24 23 2 529 46 1058
jumlah 20 358 6572

s2 
206572   358 2

131440  128164 3276
  8,62
2019 380 380
s  8,62  2,94

46
 Kelas Tanda fi d fid fid 2 x  Mean  17
interval kelas (xi)
13-15 14 5 -1 -5 5
16-18 17 6 0 0 0
19-21 20 7 1 7 7
22-24 23 2 2 4 8
jumlah 20 6 20
920  96 
2
s2    9  0 ,81  8,19
20 202

s  8,19  2 ,86

47
Menunjukkan derajat kemiringan sebuah model
distribusi

☻Kurva positif apabila rata-rata hitung >

modus / median
☻ Kurva negatif apabila rata-rata hitung <
modus / median

- +
Mo µ Me

48
 x - Mo
Koefisien kemiringan pertama Pearson KK 
s
3x - Me 
Koefisien kemiringan kedua Pearson KK 
s

K 3  2 K 2  K1
Menggunakan nilai kuartil KK 
K 3 - K1

P90  2P50  P10

Menggunakan nilai persentil KK 
P90 - P10
49
 Jika koefisien kemiringan < nol, maka bentuk
distribusinya negatif. Distribusi data tidak
proporsional, proporsi data yang nilainya tinggi lebih
banyak.
 Jika koefisien kemiringan = nol, maka bentuk
distribusinya simetrik. Distribusi data akan
proporsional, nilai data banyak yang tinggi.
 Jika koefisien kemiringan >nol, maka bentuk
distribusinya positif. Distribusi data tidak
proporsional, proporsi data yang nilai rendah lebih
banyak.
50
Adalah derajat kepuncakan dari suatu distribusi,
biasanya diambil relatif terhadap distribusi normal

Leptokurtik Platikurtik Mesokurtik

1
K 3  K1 
K 2
P90  P10
51
 Jika koefisien kurtosis kurang dari 0,263 maka
distribusinya adl platikurtik
 Jika koefisien kurtosis sama dengan 0,263
maka distribusinya adl mesokurtik
 Jika koefisien kurtosis lebih dari 0,263 maka
distribusinya adl leptokurtik

52
 Kelas Tanda fi K1  12 ,5  3
5 - 0   15,5
interval kelas (xi) 5
 15,5  3
10 - 5  18
13-15 14 5 K2
6
16-18 17 6
K3  18,5  3
15 - 11  20 ,21
19-21 20 7 7
P1 0  12 ,5  3
2 - 0   13,7
22-24 23 2
5
jumlah 20
P9 0  18,5  3
18 - 11  21,5
7

20,21 - 218  15,5  0 ,29

KK    0 ,06 Model
20 ,21  15,5 4 ,71
Distribusi
1
20,21  15,5 2,355 ?
K 2   0 ,30
21,5  13,7 7 ,8

53
Diketahui data seperti di bawah ini.
15 25 21 16 20 17 19 25 21 15 17 16 19 20 17
20 15 25 15 21 19 16 17 25 19 21 20 19 19 21
17 20 16 21 20 21 16 20 17 19 20 19 17 21 19
20 16 19 19 17 20 21 19 19 21 19 17 20 19 15

1.Buatlah
 Distribusi frek, dist frek kumulatif, dist frek
relatif, dist frek relatif kumulatif.
54
2. Gambarlah histogram dan poligon dari dist
frek kumulatif tersebut
3. Tentukan Mean, Median, Modus
4. Kuartil, Desil, Persentil
5. Koefisien kemiringan menggunakan
Persentil
6. Koefisien Keruncingan

55