68 52 69 51 43 36 44 35 54 57 55 56

55 54 54 53 33 48 32 47 47 57 48 56
65 57 64 49 51 56 50 48 53 56 52 55
42 49 41 48 50 24 49 25 53 55 52 56
64 63 63 64 54 45 53 46 50 40 49 41
45 54 44 55 63 55 62 56 50 46 49 47
56 38 55 37 68 46 67 45 65 48 64 49
59 46 58 47 57 58 56 59 60 62 59 63
56 49 55 50 43 45 42 46 53 40 52 41
42 33 41 34 56 32 55 33 40 45 39 46
38 43 37 44 54 56 53 57 57 46 56 45
50 40 49 39 47 55 46 54 39 56 38 55
37 29 36 30 37 49 36 50 36 44 35 45
42 43 41 42 52 47 51 46 63 48 62 49
53 60 52 61 49 55 48 56 38 48 37 47 1
DESKRIPSI DATA
Pertemuan 3

2
 Pendahuluan :

 Sering digunakan peneliti, khususnya dalam

memperhatikan perilaku data dan
penentuan dugaan-dugaan yang selanjutnya
akan diuji dalam analisis inferensi.

3
Analisis Statistik Deskriptif :
 Sari numerik (ringkasan angka)
◦ Menyatakan nilai-nilai penting dalam statistik
meliputi ukuran pemusatan dan dispersi.
 Distribusi
◦ Menyatakan pola atau model dari penyebaran
data.
 Pencilan
◦ Menyatakan nilai data yang berada diluar
kelompok nilai data yang lainnya.

4
Sari Numerik (ringkasan angka):
 Ukuran pemusatan
◦ merupakan ukuran yang menyatakan pusat dari sebaran
data. Ada tiga macam ukuran pemusatan yaitu Rata-rata,
Median, dan Modus.
 Ukuran penyebaran (dispersi)
◦ adalah ukuran yang dipakai untuk mengukur tingkat
penyebaran data.
◦ Semakin kecil ukuran penyebaran semakin seragam data
tersebut dan semakin besar ukuran penyebaran
semakin beragam data tersebut.

5
Ukuran Pemusatan (1):
 Rata-rata adalah sebuah nilai yang khas yang
dapat mewakili suatu himpunan data.

 Rata-rata dari suatu himpunan n bilangan x1, x2 ,

….., xn ditunjukkan oleh dan didefinisikan sbb :
n

x1  x 2  .....  x n x i
X   1

n n

6
Contoh:
Bila nilai ujian statistika dari sebagian mahasiswa
dalam suatu kelas adalah 70, 75, 60, 65, 80, maka
nilai rata-rata hitungnya adalah:
n

x1  x 2  .....  x n x i
X   1

n n

70  75  60  65  80 350
X    70
5 5

7
Ukuran Pemusatan (2):

 Jika bilangan-bilangan x1, x2 , ….., xn masing-

masing terjadi f1, f2 , ….., fn maka nilai rata-
ratanya adalah :

f 1 x1  f 2 x 2  .....  f n x n f x i i
X  1

f 1  f 2  ....  f n n

f 1
i

8
 Contoh:
Misalkan pada suatu ujian Bahasa Inggris, ada 3 mhs
dapat nilai 60, 5 mhs dapat nilai 65, 4 mhs dapat
nilai 80, 1 mhs dapat nilai 50, dan 2 mhs dapat nilai
95. Maka nilai rata-rata hitungnya adalah:
n

f 1 x1  f 2 x 2  .....  f n x n f x i i
X  1

f 1  f 2  ....  f n n

f 1
i

(3x 60)  (5 x 65)  ( 4 x80)  (1x50)  ( 2 x 95) 1065

X    71
3 5  4 1 2 15

9
Ukuran Pemusatan (3):
 Median adalah besaran yang membagi data menjadi dua
kelompok yang memiliki persentase sama besar., dimana
himpunan bilangan disusun menurut urutan besarnya.

 2   f 
n 
1
Median  L1   c
 f med 
 
Dimana
L1 = batas kelas bawah dari kelas median.
n = banyak data
(Σ f)1= jumlah frekuensi semua kelas yang lebih rendah dari kelas
median
f med = frekuensi kelas median
c = panjang kelas

10
Ukuran Pemusatan (4):
 Modus suatu himpunan bilangan adalah nilai yang
paling sering muncul (memiliki frekuensi maksimum).
Modus mungkin tidak ada. Modus dapat diperoleh dari
rumus :

 1 
Modus  L1    c
 1   2 
Dimana
L1 = batas kelas bawah dari kelas modus.
1 = selisih frekuensi kelas modus dan frekuensi kelas
sebelumnya
2 = selisih frekuensi kelas modus dan frekuensi kelas
sesudahnya
c = panjang kelas
11
Ukuran Dispersi/Penyebaran (1):

 Derajat atau ukuran sampai seberapa jauh

data numerik cenderung untuk tersebar
disekitar nilai rata-ratanya.
 Yang paling umum adalah Range (rentang),
Variansi, dan Simpangan Baku.
 Ukuran dispersi lain adalah kuartil,
persentil.

12
Range / Rentang (R):
 adalah selisih antara bilangan terbesar dan
terkecil dalam himpunan.
 Nilai R akan selalu positif.
 Interpretasi nilai R adalah:
◦ R = 0, menunjukkan bahwa data terbesar sama
dengan data terkecil, akibatnya semua data
memiliki harga yang sama
◦ R kecil, memberikan informasi bahwa data
akan mengumpul di sekitar pusat data
◦ R besar, menyatakan bahwa paling sedikit ada
satu data yang harganya berbeda jauh dengan
data lainnya
13
Simpangan baku (deviasi standar)
(1):
 Simpangan Baku (Deviasi Standar) suatu
himpunan bilangan x1, x2, …, xn
dinyatakan dengan s dan didefinisikan
sebagai berikut :
1 1
   x i  x 2 
2   x 2  nx 2  2

s   i

 n  1   n 1 

14
 Simpangan baku (deviasi standar)
(2):
 Jika x1, x2, …, xn masing-masing muncul
dengan frekuensi f1, f2, …, fn, maka
simpangan baku dapat dituliskan :

1 1

  f i xi  x   
   f i xi 
2

2 2 2 2
f i xi
s     
  f i   1   n  
 
n   

n f i
15
 Simpangan baku (deviasi standar)
(3):
 Kuadrat dari simpangan baku adalah variansi.
 Nilai variansi dan simpangan baku selalu non-negatif.
 Interpretasi nilai s2 adalah:
◦ s2 = 0 atau s = 0 berarti nilai data sama sengan rata-
ratanya, sehingga nilai semua data sama
◦ s2 atau s kecil, berarti perbedaan harga data yang satu
dengan lainnya kecil. Akibatnya semua data akan
mengumpul disekitar pusat data.
◦ s2 atau s besar menyatakan bahwa paling sedikit ada satu
data yang harganya berbeda jauh dengan data lainnya.

16
Ukuran Penyebaran Lain:
 Suatu himpunan data membagi himpunan
atas empat bagian yang sama. Nilai-nilai ini
disebut Kuartil dan dinyatakan dengan Q1,
Q2, dan Q3.
 Suatu himpunan data membagi data atas
sepuluh bagian yang sama disebut Desil dan
dinyatakan dengan D1, D2, D3, …., D9.
 Suatu himpunan data membagi data atas
seratus bagian disebut Persentil dan
dinyatakan dengan P1, P2, P3, ….., P99.

17
Kuartil :
Rumus Kuartil ke-N (N = 1,2,3) :

 N . 4   f N
 n 

Q N  LQN  c
 f QN 
 

Di mana
 LQN = batas kelas bawah dari kelas kuartil ke-N
 n = banyak data
 (Σ f)N= jumlah frekuensi semua kelas sebelum kelas kuartil
ke N
 fQN = frekuensi kelas kuartil ke-N
 c = panjang kelas
18
Bentuk distribusi
 Dalam statistika, mempelajari distribusi
merupakan suatu hal yang penting, karena
akan menentukan metodologi statistika
yang akan digunakan.
 Distribusi adalah pola atau model
penyebaran yang merupakan gambaran
kondisi sekelompok data.

19
Ciri Bentuk Distribusi Simetri:

Mean = median = modus

1 2 3 4 5 6 7 8 9 10 11 12

20
Ciri Bentuk Distribusi Menjulur ke
kanan (positif):
Mean > median > modus

1 2 3 4 5 6 7 8 9 10 11 12

21
Ciri Bentuk Distribusi Menjulur ke
kiri (negatif):
Mean < median < modus

1 2 3 4 5 6 7 8 9 10 11 12

22
Mengukur derajat kemenjuluran
distribusi data:
 Rumus Pearson
x  Mo
SK 
S
Dimana
◦ SK = derajat kemenjuluran (skewness)
◦ X = mean
◦ Mo = Modus
◦ S = Standar Deviasi
23
Interpretasi nilai derajat
kemenjuluran:
 Bila nilai SK = 0 atau mendekati nol, maka
dikatakan distribusi data simetri
 Bila nilai SK bertanda negatif, maka
distribusi data menjulur ke kiri
 Bila nilai SK bertanda positif, maka
distribusi data menjulur ke kanan

24