STATISTIKA 1

2. Penyusunan &
Penyajian Data

MATERI KULIAH STATISTIKA DESKRIPTIF

ILMU EKONOMI
UNIVERSITAS GUNADARMA
2017

1 OLEH: RISKAYANTO
 PENGUMPULAN DATA
Manfaat peringkasan data:
Agar data berguna, pengamatan
yang diperoleh harus disusun
dalam bentuk yang lebih
terorganisir.
Peringkasan data akan
memudahkan pengambilan
keputusan.

2
 PENGUMPULAN DATA
Data yang terkumpul harus mewakili
seluruh kelompok yang ada.
Data dapat dikumpulkan melalui sebuah
penga-matan/survey/sensus atau dari
sata sekunder.
Data masa lalu dapat digunakan untuk
mempre-diksikan kondisi di masa yang
akan datang.
Sebelum menggunakan data, sebaiknya
dilakukan beberapa cek pendahuluan.

3
 PENGUMPULAN DATA
Cek pendahuluan atas data:
Dari sumber mana data diperoleh?
Apakah data tersebut mendukung atau justru
bertentangan dengan kejadian lain yang kita ketahui?
Bila bertentangan dengan kejadian lain tersebut,
apakah akan menyebabkan kita mengambil
kesimpulan yang berbeda?
Berapa banyak pengamatan yang kita miliki? Apakah
pengamatan tersebut mewakili seluruh kelompok
yang ada?
Apakah kesimpulannya logis? Apakah kita dapat
mengambil kesimpulan bila data yang ada tidak
mendukung?

4
 PENYUSUNAN DATA
Terdapat beberapa cara untuk
mengurutkan data:
 Data kuantitatif, dapat diurutkan dari
pengamatan terkecil hingga terbesar atau
sebaliknya.
 Data kualitatif/verbal dapat diurutkan
berdasarkan alfabetnya.
 Organisasikan data berdasarkan kategorinya.
Pola data akan lebih terlihat jelas dengan
membuatnya menjadi tabel/grafik distribusi
frekuensi.

5
 PENYUSUNAN DATA
Raw Data dan Array Data.
Raw Data adalah data mentah yang
belum diproses dengan metode
statistika apa pun.
Array Data adalah:
o Salah satu cara mudah yang dapat
digunakan untuk menyajikan data.
o Penyusunan dilakukan dengan cara
ascending atau descending.

6
 PENYUSUNAN DATA
Contoh bentuk Raw Data.

7
 PENYUSUNAN DATA
Contoh bentuk Array Data.

8
 PENYUSUNAN DATA
Kelebihan dan kelemahan Array Data.
KELEBIHAN KELEMAHAN
Dapat dengan mudah Karena masih berupa daftar
menentukan pengamatan tiap pengamatan, beberapa
minimum dan maksimum data array masih belum cukup
Mudah membagi data ke dalam membantu untuk pengambilan
beberapa bagian yang lebih keputusan.
kecil
Dapat langsung mengetahui
pengamatan yang muncul
beberapa kali
Dapat mengetahui jarak antar
pengamatan yang diinginkan

9
 PENYUSUNAN DATA
Solusi mengatasi kelemahan data array:
Meskipun data mampu menyajikan
susunan data yang lebih informatif,
namun pengambilan kesimpulan
general masih sulit dilakukan.
Solusinya dilakukan dengan membuat
Tabel Distribusi Frekuensi (TDF) sebagai
langkah penyusunan dan peringkasan
data dalam metode statistika.

10
 TABEL DISTRIBUSI FREKUENSI
Tabel Distribusi Frekuensi (TDF)
Pengertian umum suatu Distribusi
Frekuensi adalah pengelompokkan
data ke dalam beberapa kelas, sehingga
ciri-ciri penting sebaran data tersebut
dapat segera terlihat. Pengelompokkan
tersebut biasa dibuat dalam bentuk
sebuah tabel yang dinamakan Tabel
Distribusi Frekuensi (TDF).

11
 TABEL DISTRIBUSI FREKUENSI
Kaidah penyusunan TDF
Dapat menampung lebih banyak data
Beberapa informasi dari data mentah dapat
‘hilang’
Mampu memberikan informasi lain yang lebih
bermakna
Menunjukkan jumlah observasi dari
sekumpulan data yang masuk ke dalam
masing-masing kelas.
Kelompok data yang terbentuk memiliki satu
karakteristik tertentu.

12
 TABEL DISTRIBUSI FREKUENSI
Kaidah penyusunan TDF
Kelas tidak harus berupa penggolongan
kuantitatif, tetapi dapat berupa atribut
kualitatif seperti agama, jenis kelamin,
jabatan, dan sebagainya.
Baik untuk penggolongan kuantitatif, maupun
kualitatif, dimungkinkan untuk menggunakan
open-ended class.
Kualitatif → misal menggunakan kata “lainnya”
Kuantitatif → misal menggunakan “<…..” atau
”>…..”

13
 TABEL DISTRIBUSI FREKUENSI
Kaidah penyusunan TDF
Penyusunan kelas atau kelompok data
harus bersifat mutually exclusive dan
menghindarkan tumpang tindih antar
kelas.

14
 TABEL DISTRIBUSI FREKUENSI
Bentuk umum TDF Kelas
Kelas Frekuensi
Frekuensi
(Kategori)
(Kategori) (Banyaknya
(Banyaknya pemun-
pemun-
culan
culan pengamatan)
pengamatan)
Kelas
Kelas ke-1
ke-1 ff11
n = banyaknya
pengamatan Kelas
Kelas ke-2
ke-2 ff22
fk = frekuensi kelas Kelas
Kelas ke-3
ke-3 ff33
ke-k :: ::
:: ::
Perhatikan: :: ::
Kelas
Kelas ke-k
ke-k ffkk
n =
Jumlah
Jumlah ()
() nn
15
 LANGKAH PENYUSUNAN TDF
1) Tentukan tipe kelas dan range
(jarak pengamatan)
• Tipe → kualitatif atau kuantitatif
• Untuk data kuantitatif, range (r)
r = xmax – xmin
ditentukan dari:

di mana:
xmax = nilai pengamatan terbesar
xmin = nilai pengamatan terkecil
16
 LANGKAH PENYUSUNAN TDF
2) Tentukan jumlah kelas (k)
• Umumnya digunakan jumlah 6 – 15
kelas.
• Dapat juga menggunakan aturan
k = 1 + 3,322(log n)
Sturges:

di mana
n = jumlah pengamatan
• Hasil perhitungan k yang bernilai
17
pecahan dibulatkan ke satuan terdekat.
 LANGKAH PENYUSUNAN TDF
3) Tentukan interval kelasnya (i)

i = r/k
4) Klasifikasikan tiap data yang ada ke
dalam tiap kelas dan hitung jumlah
pengamatannya.
• Dilakukan “all-inclusive” dan “mutually
exclusive”

5) Tentukan titik tengah kelas dengan cara:

• (batas bawah kelas + batas atas kelas)/2
18
 PEMBENTUKAN KELAS TDF
Misalkan diketahui data hipotetik
mengenai sebaran usia dari 50 orang
pegawai PT Maju Terus sbb:
19 20 40 27 38 22 31 37 42 42
23 37 16 26 26 28 30 51 41 63
18 42 27 27 33 38 31 42 27 16
43 30 56 37 45 31 41 25 26 18
30 26 17 28 50 39 62 42 19 55

19
 PEMBENTUKAN KELAS TDF

1
Langkah pertama adalah menghitung
range (jarak pengamatan) dari sebaran
data:
Nilai pengamatan terbesar → xmax = 63
Nilai pengamatan terkecil → xmin = 16
Jarak pengamatan → r = 63 – 16 = 47

20
 PEMBENTUKAN KELAS TDF

2
Langkah kedua adalah menentukan
jumlah kelas (k). Misalkan digunakan
pedoman Sturges
Jumlah kelas → k = 1 + 3,322
(log 50)
= 1 + 3,322 (1,6989…)
= 1 + 5,6439
= 6,6439
≈ 7 (dibulatkan)

21
 PEMBENTUKAN KELAS TDF

3
Langkah ketiga adalah menghitung interval
kelas (lebar kelas):
Lebar kelas → i = r/k
= 47/7
= 6,714…
≈ 7 (dibulatkan) → pembulatan
harus menggunakan fungsi
cap.

22
 PEMBENTUKAN KELAS TDF
Dimulai dari nilai data terkecil (16), maka
susunan kelas menjadi sebagai berikut:
Kelas Tally Frekuensi
16-22
23-29
30-36
37-43
44-50
51-57
58-64
Jml ()
23
 PEMBENTUKAN KELAS TDF
Pencacahan secara all-inclusive dan
mutually exclusive menghasilkan:
Kelas Tally Frekuensi
16-22   9
23-29    12
30-36   7
37-43    15
44-50  2
51-57  3
58-64  2
Jml () 50
24
 PEMBENTUKAN KELAS TDF
Penyajian bentuk dasar TDF dengan
menghilangkan kolom pencacahan dan
melengkapi
Kelas kolom titik tengah
Frekuensi kelas:
Titik Tengah
Kelas
16-22 9 (16+22)/2 = 19
23-29 12 (23+29)/2 = 26
30-36 7 (30+36)/2 = 33
37-43 15 (37+43)/2 = 40
44-50 2 (44+50)/2 = 47
51-57 3 (51+57)/2 = 54
58-64 2 (58+64)/2 = 61
Jml () 50
25
 DISTRIBUSI FREKUENSI RELATIF
Frekuensi merupakan jumlah pengamatan
yang termasuk dalam kelas/kelompok.
Frekuensi relatif menunjukkan frekuensi
dalam bentuk persentase atau fraksi.
Kelas yang terbentuk harus mencakup
seluruh pengamatan yang ada.
Masing-masing kelas yang terbentuk
bersifat mutually exclusive, artinya tiap
pengamatan hanya akan masuk dalam
satu kelas saja.

26
 DISTRIBUSI FREKUENSI RELATIF
Perhitungan frekuensi relatif:
Frekuensi kelas ke - i
Frekuensi Relatif kelas ke - i 
Total Pengamatan (n)

Kelas Titik Tengah Frekuensi Frekuensi Frekuensi

Kelas Relatif Relatif (%)
16-22 19 9 9/50 = 0,18 18
23-29 26 12 0,24 24
30-36 33 7 0,14 14
37-43 40 15 0,30 30
44-50 47 2 0,04 4
51-57 54 3 0,06 6
58-64 61 2 0,04 4
Jml () 50 1,00 100
27
 DISTRIBUSI FREKUENSI RELATIF
Contoh distribusi frekuensi relatif data
kualitatif:

28
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Kurang Dari (<): (<)
Banyaknya kelas dalam Tabel Distribusi
Frekuensi Kumulatif Kurang Dari (TDFKKD)
= banyaknya kelas TDF + 1.
Kelas TDFKKD dibentuk dengan
menggunakan Batas Bawah Kelas TDF.
Kelas terakhir dalam TDFKKD dibentuk
dengan Batas Bawah Kelas ke – k+1 pada
TDF.
Frekuensinya ditambahkan terus dari kelas
yang terkecil hingga kelas yang terbesar.
29
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Kurang Dari (<):
(<)
Frekuensi
Kelas
Kumulatif
1. kurang dari 16 0
2. kurang dari 23 9 (0 + 9)
3. kurang dari 30 21 (9 + 12)
4. kurang dari 37 28 (21 + 7)
5. kurang dari 44 43 (28 + 15)
6. kurang dari 51 45 (43 + 2)
7. kurang dari 58 48 (45 + 3)
8. kurang dari 64 50 (48 + 2)
30
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Lebih Dari (>):
(>)
Banyaknya kelas dalam Tabel Distribusi
Frekuensi Kumulatif Lebih Dari (TDFKLD) =
Banyaknya Kelas TDF + 1.
Kelas TDFKLD dibentuk dengan
menggunakan Batas Atas Kelas TDF.
Kelas pertama dalam TDFKLD dibentuk dari
Batas Atas Kelas ke-0 pada TDF.
Frekuensinya dikurangkan terus dari kelas
terkecil hingga kelas terbesar.

31
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Lebih Dari (>):
(>)
Frekuensi
Kelas
Kumulatif
1.lebih dari 15 50
2.lebih dari 22 41 (50 - 9)
3.lebih dari 29 29 (41 - 12)
4.lebih dari 36 22 (29 - 7)
5.lebih dari 43 7 (22 - 15)
6.lebih dari 50 5 (7 - 2)
7.lebih dari 57 2 (5 - 3)
32
8.lebih dari 64 0 (2 - 2)
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Relatif Kurang Dari
(<):
(<)
Frekuensi Frekuensi Relatif
Kelas
Relatif Kumulatif
1. kurang dari 16 0,00 0,00
2. kurang dari 23 0,18 0,00 + 0,18 = 0,18
3. kurang dari 30 0,24 0,42
4. kurang dari 37 0,14 0,56
5. kurang dari 44 0,30 0,86
6. kurang dari 51 0,04 0,90
7. kurang dari 58 0,06 0,96
8. kurang dari 64 0,04 1,00
33
 DISTRIBUSI FREKUENSI
KUMULATIF
Frekuensi Kumulatif Relatif Lebih Dari
(>):
(>) Frekuensi Frekuensi Relatif
Kelas
Relatif Kumulatif
1.lebih dari 15 1,00 1,00
2.lebih dari 22 0,18 1,00 – 0,18 = 0,82
3.lebih dari 29 0,24 = 0,58
4.lebih dari 36 0,14 = 0,44
5.lebih dari 43 0,30 = 0,14
6.lebih dari 50 0,04 = 0,10
7.lebih dari 57 0,06 = 0,04
8.lebih dari 64 0,04 = 0,00
34
 PENYAJIAN GRAFIS
HISTOGRAM:
HISTOGRAM
Sebelum membuat grafik perlu
ditentukan lebih dulu sumbu-sumbunya.
Horisontal → menunjukkan nilai variabel
(bila menggunakan ukuran kuantitatif)
atau menunjukkan kategori (bila
menggunakan ukuran kategori).
Vertikal → menunjukkan frekuensi.

35
 PENYAJIAN GRAFIS
HISTOGRAM (lanjutan…):
(lanjutan…)
Pengertian:
Sebuah series batang atau kotak yang
proporsional lebarnya sesuai dengan
interval kelas dan proporsional tingginya
sesuai dengan frekuensi kelasnya.
Relative frequency histogram:
Histogram yang berdasarkan Tabel
Distribusi Frekuensi Relatif.
Histogram akan lebih baik disajikan
berdasarkan frekuensi relatifnya.
36
 PENYAJIAN GRAFIS
HISTOGRAM (lanjutan…):
(lanjutan…)
Kelebihan penyajian berdasarkan frekuensi
relatif
Walaupun jumlah pengamatan mungkin berubah,
namun hubungan di antara kelas interval yang
ada dapat diperta-hankan untuk tetap stabil.
Mudah untuk membandingkan data dari ukuran
sampel yang berbeda.
Batang dalam grafik sangat jelas menunjukkan
perbedaan tiap kelas dalam distribusi data.
Luas batang menunjukkan proporsi relatifnya
terhadap seluruh pengamatan.

37
 PENYAJIAN GRAFIS
Untuk data contoh histogram:

38
 PENYAJIAN GRAFIS
POLIGON FREKUENSI:
FREKUENSI
Poligon frekuensi merupakan diagram garis
yang disajikan berdasarkan distribusi frekuensi
Penempatan sumbunya:
Horisontal untuk nilai variabel yang diukur.
Vertikal untuk frekuensi teramati
Poligon frekuensi dikonversikan dari histogram.
Pembuatan poligon frekuensi dilakukan
dengan cara menghubungkan titik tengah tiap
kelas interval yang ada.

39
 PENYAJIAN GRAFIS
POLIGON FREKUENSI (lanjutan…):
(lanjutan…)
Poligon frekuensi akan terlihat lebih
mulus dengan menambah jumlah
pengamatan dan jumlah kelas.
Poligon frekuensi yang menggunakan
titik tengah kelas yang diukur dari
frekuensi relatif disebut sebagai
“poligon frekuensi relatif”.

40
 PENYAJIAN GRAFIS
POLIGON FREKUENSI (lanjutan…):
(lanjutan…)
Kelebihan poligon frekuensi:
Poligon frekuensi lebih sederhana
dibanding bentuk histogramnya.
Dapat membentuk sketsa garis besar
pola data dengan lebih jelas.
Semakin besar ukuran sampel dan makin
banyak jumlah kelas, maka poligon
frekuensi akan semakin mulus.

41
 PENYAJIAN GRAFIS
Untuk data contoh poligon frekuensi:

42
 PENYAJIAN GRAFIS
OGIVE:
OGIVE
Ogive merupakan diagram garis yang dibuat
berdasarkan frekuensi kumulatif.
Manfaat utama dari ogive adalah untuk
menyimpulkan secara cepat jumlah
frekuensi teramati sampai dengan kelas
pengamatan tertentu. Contoh:
Berapa jumlah karyawan perusahaan yang
memiliki usia setinggi-tingginya 40 tahun?
Berapa jumlah karyawan perusahaan yang
tergolong berusia muda (di bawah 25 tahun)?

43
 PENYAJIAN GRAFIS
OGIVE (lanjutan…):
(lanjutan…)
Terdapat dua macam ogive:
Ogive Kurang Dari, dibuat berdasarkan
frekuensi kumulatif (relatif) kurang dari.
Ogive Lebih Dari, dibuat berdasarkan frekuensi
kumulatif (relatif) lebih dari.
Penentuan sumbunya adalah sebagai
berikut:
Sumbu horizontal adalah:
o Ogive Kurang Dari → Batas Bawah Kelas
o Ogive Lebih dari → Batas Atas Kelas
Sumbu vertikal adalah frekuensi kumulatif
44
 PENYAJIAN GRAFIS
Untuk data contoh Ogive Kurang Dari:

45
 PENYAJIAN GRAFIS
PIE CHART:
CHART
Pie chart merupakan diagram berbentuk
roti
Potongan roti menunjukkan persentase
tiap kategori, yang dapat berupa data
kuantiatif maupun kualitatif.
Tidak dapat digunakan untuk
membandingkan antar beberapa
distribusi data.

46
 PENYAJIAN GRAFIS
Contoh Diagram Roti:

47
 PENYAJIAN DATA
REVIEW KONSEP
Polisi sedang mengamati kecepatan
pengendara motor yang melintas di jalan
raya. Data di bawah ini menunjuk-kan
kecepatan pengendara motor:

48
 PENYAJIAN DATA
Berdasarkan data-data tersebut maka
buatlah:
Sebuah TDF menggunakan lima langkah
sebagaimana dijelaskan pada slide nomer
16 sampai 18!
Lengkapi TDF tersebut dengan kolom-
kolom frekuensi relatif dan frekuensi
kumulatif kurang dari.
Gambarkan grafik histogram dan ogive
kurang dari atas sebaran data tersebut!
49