Statistik Deskriptif

Zainal Fikri
Statistik deskriptif adalah hasil analisis yang
kesimpulannya dapat menggambarkan situasi
tertentu, perbedaan antar situasi hubungan antar
variabel dan perkembangan keadaan atau
dinamika suatu keadaan.

Kesimpulan tersebut dapat ditarik dengan bantuan

ukuran-ukuran statistik.
Nama Nilai Matematika Nama Nilai Statistik

A 7 A 5

B 7 B 6

C 7 C 7

D 7 D 8

E 7 E 9

Kesimpulan ?
Ukuran Statistika
Zainal Fikri
Ukuran Pemusatan
Ukuran Pemusatan (tendency central) suatu himpunan data →
titik tempat dimana nilai-nilai suatu gugus data cenderung
mengelompok, menunjukkan titik tengah suatu histogram atau
kurva distribusi frekuensi

• Mean, Median dan Mode (data tersebar dan kelompok)

• Rata-rata Tertimbang (Weighted Mean)
• Rata-rata Geometris (Geometric Mean)
Rata-rata Hitung – Mean (Ungrouped Data)
• Mean, atau Mean Arithmetic (rata-rata hitung) sering digunakan untuk
mengukur pemusatan.
• Untuk‘ungrouped data ‘, mean atau rata-rata diperoleh dengan pembagian
jumlah semua nilai dengan jumlah nilai dalam data.

μ 
 x
, Untuk populasi X 
 x
, Untuk sampel
N n
Dimana Σx = jumlah total nilai x; N = ukuran pupolasi; n = ukuran sampel,
μ = mean populasi, dan x = mean sampel
• Nilai x (mean sampel) bervariasai dari sampel yang berbeda, tergantung nilai
observasi tiap sampel
Rata-rata Hitung – Mean (Ungrouped Data)
• Dalam suatu data dikenal ‘nilai pencilan’ atau ‘outlier’, yaitu nilai
yang sangat kecil atau sangat besar, atau jauh dari nilai observasi
lainnya Nilai pencilan akan menghasilkan perbedaan dalam nilai
mean →
• mean dari aspek deskripsi memiliki kelemahan , karena sangat
dipengaruhi oleh ‘nilai pencilan’ Kelebihan: mudah dihitung dan
mempunyai nilai matematik, yaitu dapat digunakan dalam
inferensia statistika.
Rata-rata Hitung – Mean (Ungrouped Data)
• Ilustrasi :
Tabel berikut menunjukkan daftar populasi tahun 2012 (dalam ribuan) 5 desa

Desa Populasi (dalam ribuan)

Ampenan Utara 5.136
Ampenan Selatan 2.977
Perumnas 587
Karang Pule 1.160
Tanjung Karang 30.867 Pencilan
Rata-rata Hitung – Mean (Ungrouped Data)
• Populasi di Tanjung Karang sangat besar dibanding jumlah populasi ke 4
desa lainnya. Jadi, data tersebut adalah pencilan.
• Maka, mean jika dihitung tanpa memasukkan data untuk Tanjung Karang
adalah :

5.136  2.977  587  1.160

Mean   2.465
4
5.136  2.977  587  1.160  30.867
Mean   8.145,4
5
Rata-rata Hitung – Mean (Grouped Data)
• Formula :

• Contoh:
Tabel berikut menunjukkan distribusi frekuensi waktu (dalam menit) yang
diperlukan untuk berangkat dari rumah ke tempat kerja untuk seluruh
karyawan suatu laboratorium klinik yang berjumlah 25 orang.
Rata-rata Hitung – Mean (Grouped Data)
• Pertanyaan:
Hitunglah rata-rata waktu yang diperlukan?
• Jawab:
– Tentukan ‘titik tengah’ (m) masing-masing kelas
– Hitung perkalian m dengan f (frekuensi masing-masing
kelas)
• Hitung :

Jadi karyawan lab. tersebut rata-rata

berangkat dari rumah ke
Kantor selama 21.40 menit
Median (Ungrouped Data)
• Median adalah nilai yang terletak pada tengah suatu data
dimana data tersebut telah diurutkan (di-ranking).
• Himpunan data yang telah diurutkan menurut besarnya ini
dinamakan array.
• Penghitungan median, terdiri 2 tahap :
– Urutkan data terlebih dulu dari terendah hingga tertinggi
– Tentukan posisi median
Median (Ungrouped Data)

Dimana n adalah jumlah sampel data, dan jika data menunjukkan

suatu populasi, ganti n dengan N
Jika n atau N = genap → median = rata-rata dari 2 data tengah
• Jika jumlah data n = 7, maka posisi median =(7+1)/2 = 4 atau data
yang ke-4
Median (Ungrouped Data)
Contoh Data Ganjil : 65, 70, 90, 40, 35, 45, 70, 80 dan 50
1. Urutkan data : [35, 40, 45, 50, 65, 70, 70, 80, 90]
2. Posisi Median = ½(9+1) = 5 (posisi pada data ke-5)
jadi Me = 65
Contoh data genap : 50, 65, 70, 90, 40, 35, 45, 70, 80, 50
1. Urutkan data : [35, 40, 45, 50, 50, 65, 70, 70, 80, 90]
2. Posisi Median = ½(10+1) = 5,5
(posisi pada data ke-5,5)
jadi Me = ½(50+65) = 57,5
Median (Grouped Data)
• Formula :

Dimana:
 Bm = tepi bawah kelas median
 i = interval kelas (tepi atas - tepi bawah)
 n = ukuran sampel data
 fkm = frekuensi kumulatif sebelum median
 fm = frekuensi pada kelas median
Median (Grouped Data)
• Contoh :
Dari data tabel disamping, maka:
 Bm = (500+501)/2 = 500.05
 i = 100
 n = 100
 fkm = 9+16= 25
 fm = 33

98
Mode (Ungrouped Data)
• Mode adalah nilai yang memiliki frekuensi tertinggi dalam suatu gugus data.
• Data hanya memiliki 1 modus disebut unimodal; 2 modus dengan frekuensi
sama disebut bimodal; dan lebih dari 2 disebut multimodal

Umur 19 20 35 45 51 56 57 60 Jumlah
Dari tabel diatas dapat dilihat bahwa yang paling banyak muncul dari
Jumlah 1 2 1 5 1 1 1 1 13
observasi adalah umur 45 sebanyak 5 kali.
Jadi kelompok umur sebagian besar berumur 45 tahun
Mode (Grouped Data)
• Formula :

Dimana:
 Bm = tepi bawah kelas mode
 i = interval kelas (tepi atas - tepi bawah)
 d1 = (frekuensi kelas mode – frekuensi sebelum kelas mode)
 d2 = (frekuensi kelas mode – frekuensi sesudah kelas mode)
Median (Grouped Data)
• Contoh :
Dari data tabel disamping, maka:
 Bm = (500+501)/2 = 500.05
 i = 100
 d1 = 33 - 16 = 17
 d2 = 33 – 20 = 13
Hubungan antara Mean, Median, dan Mode

a. Untuk suatu histogram yang simetrik, dan kurva

frekuensi dengan sebuah puncak, nilai mean,
median dan modus adalah sama, yaitu terletak
pada bagian tengah dari distribusi
Hubungan antara Mean, Median, dan Mode

b. Untuk suatu histogram yang miring ke kanan,

nilai mean terbesar; mode terkecil; median antara
mean dan modus. Nilai mean di sini sensitif
terhadap pencilan di ekor kanan (pengaruh nilai
ekstrim besar : pencilan mayor)
Hubungan antara Mean, Median, dan Mode

c. Untuk suatu histogram yang miring ke kiri, nilai

mean terkecil, mode terbesar; median antara
mean dan modus. Dalam hal ini pencilan
disebelah kiri menarik nilai mean ke kiri
(pengaruh nilai ekstrim kecil : pencilan minor)
Rata-Rata Tertimbang (Weighted Average)
• Rata-rata dimana tiap nilai data diberikan nilai bobot (pembobotan) yang
menunjukkan bobot relatif masing-masing nilai data yang diratakan.
• Misalnya pada kasus perhitungan Indeks Prestasi, Nilai Penjualan Barang, dll

Di mana
xB : rata-rata tertimbang
Bi : bobot ke-i
xi : data ke-i
n : banyak data
Rata-Rata Tertimbang (Weighted Average)
Rata-Rata Tertimbang (Weighted Average)
Rata-Rata Geometrik (Geometric Average)
a. Rata-rata geometrik digunakan untuk menghitung rata-rata laju
pertumbuhan (growth rate), misalnya : pertumbuhan penduduk, penjualan,
tingkat bunga, titer suatu larutan, dll

Dimana :
G : rata-rata geometrik
xi : data ke-i
n : banyak data
b. Data pertumbuhan suku bunga dalam 5 hari kerja :
1.5 2.3 3.4 1.2 2.5 %, Maka,
Rata-Rata Geometrik (Geometric Average)
Ukuran Penyebaran / KERAGAMAN

•Range, Ragam, Simpangan Baku

(data tersebar dan kelompok)

•KoefesienVariasi

•Nilai Baku (Z Score )

Range
• Range, merupakan metode paling sederhana digunakan untuk
mengukur penyebaran.

• Seperti halnya mean, nilai range dipengaruhi oleh adanya

‘outlier/pencilan’, sehingga range bukan ukuran yang baik untuk
menunjukkan sebaran suatu data yang memiliki pencilan.
• Nilai range hanya ditentukan oleh 2 nilai data, nilai yang lain dalam
data diabaikan. Sehingga range sangat tidak representatif untuk
menunjukkan sebaran data.
Range
Contoh :
Hasil Pemeriksaan Kesadahan (ppm)
Desa A : 90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Desa B : 80, 80, 75, 95, 75, 70, 95, 60, 85, 60

Urutkan data kemudian dihitung rentanganya

Desa A : 50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Desa B : 60, 60, 70, 75, 75, 80, 80, 85, 95, 95
Rentangan kelas A : 100 – 50 = 50
Rentangan kelas B : 95 – 60 = 35
Ragam dan Simpangan Baku (Ungrouped Data)
• Simpangan baku, paling sering digunakan untuk mengukur
penyebaran. Nilai simpangan baku menunjukkan seberapa dekat
nilai-nilai suatu data dengan nilai rata-rata.

• Nilai simpangan baku yang kecil → data menyebar dalam range

lebih kecil mendekati nilai rata-rata mean, dan begitu sebaliknya.

• Nilai simpangan baku diperoleh dari akar kuadrat nilai ragam

(varians)
Ragam dan Simpangan Baku (Ungrouped Data)
• Ragam dari suatu data populasi dinotasikan sebagai σ 2, sedangkan
untuk data sampel dinotasikan sebagai s2.
• Simpangan baku σ (untuk data populasi), dan simpangan baku s
(untuk data sampel)
• Formula:

Simpangan baku populasi: σ = √ σ2

Simpangan baku sampel: s = √ s2
Ragam dan Simpangan Baku (Ungrouped Data)
Contoh:
Tentukan ragam dan simpangan baku untuk data tersebut!
Ragam dan Simpangan Baku (Grouped Data)
Formula:

Dimana:
m = titik tengah, f = frekuensi untuk tiap kelas
σ2 = ragam populasi; s2 = ragam sampel
Simpangan baku populasi: σ = √σ2
Simpangan baku sampel: s = √s2
Ragam dan Simpangan Baku (Grouped Data)
Contoh :
Interval Frekuensi Titik Tengah f.x X2 f.X2
(5435) 2
(f) (X) 425385 
60 – 64 2 62 124 3844 7688 σ n1  70  7,016
65 – 69 6 67 402 4489 26934
70 - 1
70 – 74 15 72 1080 5184 77760
75 – 79 20 77 1540 5929 118580
80 – 84 16 82 1312 6724 107584
85 – 89 7 87 609 7569 52983
90 - 94 4 92 368 8464 33856
f=70 fX=5435  f.X2=425385
Parameter Populasi dan Statistik Sampel
• Nilai ukuran seperti mean, median, mode, range, ragam, atau
simpangan baku yang diturunkan dari suatu data populasi
disebut parameter populasi

• Jika ukuran mean. median, mode, range, ragam, atau

simpangan baku yang diturunkan dari suatu data sampel, maka
disebut sebagai statistik sampel

• Sehingga:
– μ, σ dan σ2 adalah parameter populasi
– x, s dan s2 adalah statistik sampel
Koefesien Varians (Koefesien Ragam)
• Merupakan rasio dari simpangan baku dan rata-rata (populasi atau
sampel)
• Semakin besar nilai koefisien varians maka data semakin
bervariasi, keragamannya data makin tinggi.
• Formula:

Dimana:
σ dan s = simpangan baku populasi dan sampel
μ dan x = rata-rata populasi dan sampel
w = koefesien varians
Nilai Baku (Z Score)
• Merupakan ukuran penyimpangan data dari rata-rata populasi .
• Nilai z dapat bernilai nol (0), positif (+) atau negatif (-)

z nol → data bernilai sama dengan rata-rata populasi

z positif → data bernilai di atas rata-rata populasi
z negatif → data bernilai di bawah rata-rata populasi

σ = simpangan baku populasi

x = nilai data
μ = rata-rata populasi
Ukuran Lokasi

Kuartil, Desil, dan Presentil

(data tersebar dan kelompok)
Kuartil
• Kuartil membagi sederetan data terurut menjadi 4 bagian yang
sama, sehingga menghasilkan 3 kuartil, yaitu kuartil pertama (Q1),
kuartil kedua (Q2), dan kuartil ketiga (Q3). Titik lokasi ketiga
kuartil tersebut:
K1  1
4
 n  1 ; K 2  1  n  1 ; K 3  3  n  1
2 4

• Untuk data yang telah dikelompokkan, maka:

Kuartil
Dimana:
Bq = tepi bawah kelas kuartil
i = interval kelas (tepi atas - tepi bawah)
n = ukuran sampel
fq = frekuensi pada kelas kuartil
fkq = frekuensi kumulatif sebelum kelas kuartil

• Jarak antar kuartil (Inter Quartil Range/IQR)= Q3 – Q1

Kuartil
• Contoh:
Data berikut adalah : 65; 70; 90; 40; 35; 45; 70; 80; 50
Tentukan nilai ketiga kuartil.

Jawab:
• Pertama, data diurutkan dari terkecil – terbesar (array).
35; 40; 45; 50; 65; 70; 70; 80; 90
• Hitung dan carilah posisi kuartil pertama, kedua, dan ketiga.
Kuartil
K 1  1
4
n  1  1
4
9  1   2 ,5

Artinya K1 terletak pada posisi ke 2,5, selanjutnya K1 diselesaikan :

K1= data ke-2 + data 0,5 (data ke-3 – data ke-2)
K1= 40 + 0,5 (45 – 40) = 42,5
Jadi posisi K1 menunjukkan nilai 42,5
K 2  1  n  1  1 9  1  5
2 2
K2= pada posisi ke 5 yaitu nilai 65
K 3  3
4
n  1  3
4
9  1   7 ,5
K3= data ke-7 + data 0,5 (data ke-8 – data ke-7)
K3= 70 + 0,5 (80 – 70) = 75
Jadi posisi K3 menunjukkan nilai 75
Kuartil
• Contoh:
Interval Frekuensi (f) • Jawab:
60 – 64 2 a. Kelas interval yang mengandung K1, K2, K3
65 – 69 6
 K1= ¼.n = ¼.70 = 17
70 – 74 15
 K1 kelas interval ke-3, yaitu : 70 – 74
75 – 79 20
 K2= ½.n = ½ .70 = 35
80 – 84 16
 K2 kelas interval ke-4, yaitu : 75 – 79
85 – 89 7

90 - 94 4
 K3= ¾.n = ¾ .70 = 52,5
 K3 kelas interval ke-5, yaitu : 80 – 84
Jumlah 70
Kuartil
b. Carilah batas bawah kelas kuartil (Bm)
Bb K1 = ½ (69 + 70) = 69,5
Bb K2 = ½ (74 + 75) = 74,5
Bb K3 = ½ (79 +80) = 79,5
c. Hitung panjang kelas kuartil (i)
P K1 = 70 sampai 74 = 5
P K2 = 75 sampai 79 = 5
P K3 = 80 sampai 84 = 5
d. Carilah banyaknya frekuensi kelas kuartil (fq)
f K1 = 15, f K2 = 20 f K3 = 16
e. Carilah jumlah dari semua frekuensi kumulatif dibawah kelas kuartil (fkq)
fkq K1 = 2 + 6 =8
fkq K2 = 2 + 6 + 15 = 23
Kuartil

K  69,5  5
1 4
70  8   72 , 667
1
15

K  4,5  5
1 2
70  23   77 ,5
2
20

K  79,5  5
3 4
70  43   82 , 469
3
16
e. Berilah makna atau arti dari kuartil :
 K1 = bahwa terdapat 25% = 72,67

 K2 = bahwa terdapat 50% = 77,5

 K3 = bahwa terdapat 75% = 82,46

Desil
• Desil yaitu nilai-nilai yang membagi sederetan data menjadi 10
bagian yang sama.

• Nilai-nilai tersebut dilambangkan dengan D1, D2, ….., D9,

mempunyai sifat bahwa 10% data jatuh di bawah D1, 20% di
bawah D2, ….., dan 90% jatuh di bawah D9
Desil
Contoh:
Tabel data diurutkan dari Terkecil – Terbesar. Hitunglah nilai D2!

No. Urut 1 2 3 4 5 6 7 8 9 10
Data
Data 35 40 45 50 65 70 70 75 80 90

Jawab:
Ds2 = 2/10 (n+1) = 2/10 (10+1) = 2,2; artinya Desil 2,2
selanjutnya :
Ds2 = data ke-2 + data 0,2 (data ke-3 – data ke-2)
= 40 + 0,2 (45 – 40) = 41
Jadi Posisi Desil Ds2 berada pada nilai 41
Desil
• Untuk data yang dikelompokkan, maka:

Dimana:
Bd = tepi bawah kelas desil
i = interval kelas (tepi atas - tepi bawah)
n = ukuran sampel
k = 1,2,…., 9
fd = frekuensi pada kelas desil
fkd = frekuensi kumulatif sebelum kelas desil
Desil
Ds8 ?
Interval Frekuensi 1. Kelas interval Ds8 dengan rumus :
(f)
60 – 64 2 Posisi Ds8 = 8/10 x n = 8/10 x 70 = 56 [DS8 pada interval ke-5 yaitu
65 – 69 6 antara 80 – 84]
70 – 74 15 2. Batas Bawah kelas Desil : Bd = ½ (79+80) = 79,5
75 – 79 20
80 – 84 16
3. Hitung panjang kelas Desil : i = 80 s/d 84 = 5
85 – 89 7 4. Frekuensi kelas Desil : fd = 16
90 - 94 4 5. Frekuensi kumulatif di bawah kelas Desil :
n=f= 70
Fkd = 2 + 6 + 15 + 20 = 43
 70 
 8  43
10
Dsdatake x  79,5  5    83,56
16
Presentil
• Presentil yaitu nilai-nilai yg membagi sederetan data menjadi
100 bagian yg sama.

• Nilai-nilai tersebut dilambangkan dengan P 1, P2, ….., P99,

mempunyai sifat bahwa 1% data jatuh di bawah P 1, 2% di bawah P2,
….., dan 99% jatuh di bawah P99
Presentil
No. Urut Data 1 2 3 4 5 6 7 8 9 10

Data 35 40 45 50 65 70 70 75 80 90

Ps80 = 80/100 (n+1) = 80/100 (10+1) = 8,8; artinya Persentil 8,8

selanjutnya :
Ps80 = data ke-8 + data 0,8 (data ke-9 – data ke-8)
= 75 + 0,8 (80 - 75) = 79
Jadi Posisi Persentil Ps80 berada pada nilai 79
Presentil
Untuk data yang dikelompokkan, maka:

Dimana:
Bp = tepi bawah kelas presentil
i = interval kelas (tepi atas – tepi bawah)
n = ukuran sampel
k = 1,2,…., 99
fp = frekuensi pada kelas presentil
fkp = frekuensi kumulatif sebelum kelas presentil
Presentil
Ps80 ?
Interval Frekuensi
(f) 1. Kelas interval yang mengandung Ps80 :

60 – 64 2 Posisi Ps80 = 80/100 x 70 = 56 [Ps80 pada interval ke-5 yaitu antara 80 –

65 – 69 6
84]

70 – 74 15 2. Batas Bawah kelas Persentil : Bp = ½ (79+80) = 79,5

75 – 79 20 3. Panjang kelas Persentil : i = 80 s/d 84 = 5
80 – 84 16 4. Frekuensi kelas Persentil : fp = 16
85 – 89 7 5. Frekuensi kumulatif di bawah kelas Persentil : fqp = 2 + 6 + 15 + 20 =
90 - 94 4 43
 70 
 80  43 
n=f= 70  100   83,56
Psdatake x  79,5  5
16
Latihan
1. Hitunglah range, mean, ragam, simpangan baku, dan koefesien variasi
untuk data sampel berikut:
a. 0 2 4 6 8 10
b. 0 4 5 5 6 10

2. Diketahui suatu data sampel sebagai berikut:

50 38 56 57 48 74 41 51 52 46
51 50 60 46 41 53 65 59 42 37
50 45 52 42 47 47 63 58 49 55

Tentukan nilai Q1, Q2, Q3,