Kelompok

1
1. SEPTIANA PUTRI W 142200181

2. ADNAN NUR HUDA 142200190

3. NIKEN INDRIA RINI 142200201

4 . M AYA P U T R I W I J AYA
142200210
Pengertian Statistika
Statistika adalah suatu ilmu yang mengumpulkan, mengelola, menyajikan, menganalisis, dan menafsirkan data
guna membantu dalam pengabilan keputusan yang lebih efektif.

Tahap-tahap dalam statistic adalah:

1. Mengidentifikasi persoalan

2. Pengumpulan fakta-fakta yang ada

3. Mengumpulkan data asli yang baru

4. Klasifikasi data

5. Penyajian data

6. Analisa data
 Jenis-Jenis Statistika
 Statistika Deskriptif

Statiska Deskriptif adalah metode mengelola, meringkas, dan menyajikan data secara informatif.

 Statistika Inferensial

Statistika Inferensial adalah metode yang digunakan untuk memperkirakan karakteristik populasi
berdasarkan sampel. Statistika Inferensialjuga disebut inferensi statistic.
 Jenis-Jenis Variabel
 Variabel dalam statistika terdapat dua tipe dasar yaitu Kualitatif dan Kuantitatif.

Variabel Kualitatif adalah variable yang diteliti dan tidak berwujud angka.Variabel kualitatif bisa juga
disebut dengan atribut. Contoh dari variable kualitatif adalah jenis kelamin, agama, merk mobil, tempat lahir,
dan warna mata.
 Variabel kuantitatif adalah variable yang diteliti dan dapat dinyatakan dengan angka. Contoh dari variable
kuantitatif adalah saldo pada akun tabungan, usia petinggi perusahaan, dan jumlah anak dalam keluarga.
Variabel kuantitatif dapat berwujud diskret atau kontinu. Variable Diskret hanya mengakui nilai pasti, dan
ada pada “jarak” antar nilai. Contoh dari variable diskret adalah jumlah kamar tidur dalam satu rumah, jumlah
siswa dalam suatu kelas, dan lain-lain. Sedangkan Variabel Kontinu adalah variable yang dapat mengakui
nilai apapun dengan jangkauan yang rinci. Contoh dari variable kontinu adalah besarnya tekanan udara dalam
ban, jumlah biscuit kismis dalam kemasan, dan banyak lagi.
 Tingkat Pengukuran

 Pemeringkatan Data Nominal.

Pemeringkatan data nominal adalah tingkat pengukuran yang paling sederhana. Tingkatan ini memiliki ciri Variabel yang diminati terbagi menjadi beberapa
kategori atau sifat dan tidak ada aturan dasar terhadap hasilnya.
Pemeringkatan Data Ordinal

Pemeringkatan data yang lebih tinggi berikutnya adalah pemeringkatan ordinal. Tingkatan ini memiliki ciri Penggolongan data ditunjukkan oleh seperangkatan
tanda atau nama (tinggi,sedang,rendah) yang memiliki pembanding dan akibat adanya nilai pembanding, data yang digolongkan dapat diperingkat atau diurutkan.
Pemeringkatan Data Interval

Pemeringkatan data yang lebih tinggi berikutya adalah pemeringkatan data interval. Tingkatan mencakup seluruh ciri pemeringkatan ordinal, namun bedanya,
selisih antarnilai suatu ukuran tetap. Contoh dari pengukuran interval adalah suhu. Ciri pemeringkatan data interval adalah penggolongan data disusun berdasarkan
jumlah karakteristik yang dimiliki dan Selisih yang sama dalam karakteristik ditunjukkan oleh selisih yang senilai dalam ukurannya.
Peningkatan Data Rasio

Pemeringkatan data yang tertinggi adalah pemeringkatan data rasio. Pemeringkatan ini memiliki seluruh pemeringkatan interval, namun bedanya, titik 0 memiliki
makna dan rasio antara kedua angka juga bermakna. Contoh mudahnya dalam ukuran skala raisio adalah upah,jumlah produksi, perubahan pada harga saham dan
banyak lainnya. Ciri pemeringkatan ini adalah Penggolongan data disusun menurut jumlah karakteristik yang mereka miliki, Selisih yang sama dalam karakteristik
ditunjukkan oleh selisih yang senilai pada angka0angka yang tertera dalam golongan, Titik nol merupakan tidak adanya karakteristik dan rasio antara dua angka
yang memiliki makna.
BAB 2
MENGGAMBARKAN DATA : TABEL FREKUENSI, DISTRIBUSI
FREKUENSI, DAN PENYAJIAN GRAFIK
Tabel Frekuensi
Sekelompok data kualitatif pada kelas terpisah yang menunjukan jumlah pengamatan pada setiap
kelas.
Tabel Frekuensi Kelas Relatif
Menunjukan bagian dari jumlah total pengamatan pada setiap kelas dengan cara mengubah frekuensi kelas
menjadi frekuensi kelas relative. Pengubahan dilakukan dengan cara setiap frekuensi kelas dibagi menurut
total jumlah pengamatan.
Penyajian Grafik Data Kualitatif
1. Diagram Batang

Sebuah grafik yang menampilkan kelas kualitatif pada sumbu horizontal dan frekuensi kelas pada
sumbu vertikal. Frekuensi Kelas sebanding dengan tinggi dari batangan.
2. Diagram Lingkaran

Diagram yang menunjukan bagian atau persentase di mana setiap kelas mewakili jumlah total frekuensi.
Perangkat lunak : Keluaran dari Microsoft Excel
 Distribusi Frekuensi
Sekumpulan data kuantitatif pada kelas terpisah yang menunjukan jumlah pengamatan pada setiap kelas.

Data Mentah :
 Langkah-langkah menafsirkan atau menyusun data mentah ke
dalam distribusi frekuensi

1. Menentukan jumlah kelas

Tujuannya untuk menggunakan kelompok atau kelas secukupnya untuk menunjukan bentuk dari
sekumpulan pengamatan. Resep yang berguna untuk menentukan jumlah kelas (k) adalah "aturan 2 sampai k".
Panduan ini menyarankan Anda memilih bilangan terkecil (k) untuk jumlah kelas sehingga 2k (dalam kata-kata, 2
pangkat k) lebih besar dari jumlah pengamatan (n).

Applewood Auto Group, ada 180 kendaraan yang terjual. Jadi n = 180. Jika kita coba k = 7, artinya kita akan
menggunakan 7 kelas, 27 = 128, yang kurang dari 180. Jadi, 7 kelas terlalu sedikit. Jika kita misalkan k = 8, maka
28 = 256, yang lebih besar dari 180. Jadi jumlah kelas yang disarankan adalah 8.

2. Menentukan rentang kelas atau lebar kelas

Ukuran interval ini biasanya dibulatkan ke beberapa angka yang sesuai, seperti kelipatan 10 atau 100. Nilai $ 400
adalah pilihan yang masuk akal.
3. Menentukan batas kelas individu

Menetukan batasan kelas yang jelas, sehingga dapat meletakkan setiap pengamatan hanya ke dalam satu
kategori.

4. Hitung keuntungan kendaraan ke dalam kelas dan tentukan jumlah observasi di setiap kelas.
Hasil data mentah ke dalam distribusi frekuensi

Perangkat lunak : Keluaran dari Microsoft Excel

Distribusi Frekuensi Relatif
Menunjukan proporsi dari jumlah total pengamatan pada setiap kelas dengan mengubah frekuensi kelas
menjadi frekuensi kelas relatif.

Perangkat lunak : Keluaran dari Microsoft Excel

Penyajian Grafik Distribusi Frekuensi
1. Histogram

Grafik dimana kelas-kelas digambarkan pada sumbu mendatar dan frekuensi kelas pada sumbu
tegak. Frekuensi kelas dinyatakan dengan tinggi batangan, dan batangan digambarkan bersebelahan satu
sama lain.
2. Poligon Frekuensi

Menunjukan bentuk distribusi dan sama halnya dengan histogram. Poligon frekuensi berupa segmen
garis yang menghubungkan titik-titik yang dibentuk oleh perpotongan dari titik tengah kelas dan
frekuensi kelas.
Bab 3 Menggambarkan Data:
Ukuran Angka
Terdapat dua cara numerik dalam menggambarkan variabel kuantitatif yaitu ukuran lokasi dan ukuran
dispersi.

Ukuran lokasi disebut sebagai rata-rata, dan bertujuan untuk menunjukan dengan tepat pusat distribusi
data. Rata-rata merupakan ukuran lokasi yang menunjukan nilai tengah data. Ukuran lokasi tersebut
meliputi rata-rata hitung, rata-rata terbobot, median, modus,dan rata-rata geometris.

Ukuran dispersi sering disebut variasi atau persebaran dalam data. Untuk menggambarkan dispersi
perlu mempertimbangkan jangkauan, devisiasi rata-rata, variansi dan standar devisiasi.
Ukuran Lokasi
1. Rata-rata Populasi

Rata-rata populasi = Jumlah seluruh nilai dalam populasi atau µ = ∑X

Jumlah nilai dalam populasi N
Contoh:
2. Rata- rata Sampel

Rata- rata sampel = Jumlah semua nilai dalam sampel atau X = ∑X

Jumlah nilai dalam sampel n

Contoh :
3. Ciri-Ciri dari rata-rata hitung

1. Setiap rentang atau data pemeringkatan raslo memiliki rata-rata.

Dimana data pemeringkatan rasio berupa data semisal umur,
pendapatan,dan berat dengan selisih antar-angka bernilai tetap.
2. Seluruh nilal dimasukkan dalam perhitungan rata-rata.
3. Rata-rata itu unik. Artinya, hanya ada satu rata-rata di dalam
sekelompok data.
4. Jumlah deviasi pada setiap nilai dari rata-ratanya sebesar nol.
digambarkan secara simbolis :
∑(X-X) = 0
Contoh: rata-rata dari 3, 8, dan 4 adalah 5. Maka:
∑(X-X) = (3-5)+(8-5)+(4-5)=-2+3-1=0
4. Rata-rata terbobot

Terjadi ketika ada beberapa pengamatan yang bernilai sama.

Atau dapat diringkas menjadi :

X = ∑ (wX)
∑w
Dimana penyebutnya merupakan penjumlahan dari bobot-bobot.
Contoh :
5. Median

Merupakan titik tengah dari nilai-nilai setelah diurutkan dari yang

terkecil ke yang terbesar atau dari yang terbesar ke yang terkecil.

Harga dari rendah ke tinggi Harga dari tinggi ke

rendah
$ 60.000 $ 275.000
65.000 80.0000
70.000 ↔ median 70.000
80.000 65.000
275.000 60.000

Ciri utama median :

1. Median tidak terpengaruh oleh nilai yang terlampau besar atau kecil.
2. Median dapat dihitung pada data pemeringkatan ordinal atau
diatasnya.
Contoh
6. Modus

Merupakan nilai yang sering muncul.

Contoh:
7.  Rata-rata geografis

Rata- rata geografis selalu akan lebih kecil atau sama dengan (tidak
pernah lebih dari) rata-rata hitung dan nilai data harus positif.

Contoh dari rata-rata geometris, ketika seseorang menerima 5 %

kenaikan gaji tahun ini dan kenaikan 15 % di tahun berikutnya. Rata-
rata persentase Kenaikan tahunan adalah 9.886; bukan 10,0. Hal ini
karena menghitung menggunakan rata-rata geometris, dimana
kenaikan 5 % gaji berarti 105 % dan akan ditulis menjadi 1,05.
GM = = 1,09886
Hal Ini dapat dibuktikan dengan mengasumsikan bahwa penghasilan
bulanan anda sebesar $3.000 pada awalnya dan Anda menerima dua
kenaikan sebesar 5 % dan 15 %.
Kenaikan 1 = $3.000 (0,05) = $150,00
Kenaikan 2 = $3.150 (0,15) = 472,50
Total $622,50

Total kenalkan gaji Anda sebesar $622,50. Hal ini sama dengan:
$3.000,00 (0,09886) = $296,58
$3.296,58 (0,09886) =325,90
$622,48 sekitar $622,50
Contoh berikut menampilkan rata-rata geometris beberapa
persentase :
Tingkat kenaikan sepanjang waktu :

n merupakan jumlah periode.

Contoh:
Dispersi
U K U R A N D I S P E R S I A D A L A H U K U R A N YA N G M E N YATA K A N S E B E R A PA J A U H P E N Y I M PA N G A N N I L A I - N I L A I D ATA
D A R I N I L A I - N I L A I P U S AT N YA ATA U U K U R A N YA N G M E N YATA K A N S E B E R A PA B A N YA K N I L A I - N I L A I D ATA YA N G
B E R B E D A D E N G A N N I L A I - N I L A I P U S AT N YA . U K U R A N D I S P E R S I PA D A D A S A R N YA A D A L A H P E L E N G K A P D A R I
U K U R A N N I L A I P U S AT D A L A M M E N G G A M B A R K A N S E K U M P U L A N D ATA . J A D I , D E N G A N A D A N YA U K U R A N
D I S P E R S I M A K A P E N G G A M B A R A N S E K U M P U L A N D ATA A K A N M E N J A D I L E B I H J E L A S D A N T E PAT.
Jenis jenis ukuran Dispersi
•Jangkauan (Range)

•Simpangan Rata – rata (Mean Deviation)

•Variansi (Variance)

•Simpangan Baku (Standart Deviation)

•Jangkauan Kuartil

•Jangkauan Persentil
 Jangkauan (range)
Jangkauan atau ukuran jarak adalah selisih nilai terbesar data dengan nilai terkecil data. Cara mencari jangkauan dibedakan antara data tunggal dan data
berkelompok.

Untuk Data Tunggal 

Range = Nilai maksimal – Nilai minimal (R = Xmax – Xmin)

Untuk Data Berkelompok

yaitu menggunakan titik atau nilai tengah dan menggunakan tepi kelas.
• Jangkauan adalah selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah.

• Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas terendah.

CONTOH SOAL DATA TUNGGAL

Kelompok Data ke – 1 : 1, 4, 7, 8, 9, 11 = R = 11 – 1 =  10

Kelompok Data ke – 2 : 10, 10, 10, 10, 10 = R = 10 – 10 = 0

Kelompok Data ke – 3 : 30, 35, 45, 50, 55 = R = 55 – 30 = 25

Simpangan Rata-Rata (mean
deviation)
Untuk data tunggal, Simpangan rata-ratanya dapat dihitung dengan menggunakan rumus:

Rumus untuk Data Tunggal

Rumus untuk Data Berkelompok

CONTOH SOAL DATA TUNGGAL

Tentukan Simpangan Rata – rata dari 2, 3, 6, 8, 11

Penyelesaian :
 Variasi (variance)
Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians
sampel) disimbolkan dengan s2. Untuk populasi, variansnya (varians populasi) disimbolkan dengan simbol sigma(baca: sigma

Rumus variasi data tunggal

Rumus variasi data kelompok

CONTOH SOAL DATA TUNGGAL

Tentukan varians dari data 2, 3, 6, 8, 11 !

Penyelesaian :
 Simpangan baku (standart deviation)
Simpangan  baku adalah akar dari tengah kuadrat simpangan dari nilai tengah atau akar simpangan rata-rata kuadrat. Untuk
sampel, simpangan bakunya (simpangan baku sampel) disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan
baku populasi) disimbolkan dengan simbol sigma. Merupakan akar pangkat dua dari variasi.

Rumus untuk data tunggal

Rumus untuk data kelompok

CONTOH SOAL DATA TUNGGAL

Diberikan sampel dengan data: 8, 7, 10, 11, 4 !!

 Jangkauan Kuartil
Jangkauan antarkuartil adalah selisih antara nilai kuartil atas (Q 3) dan kuartil bawah (Q1). Dirumuskan:

Contoh soal jangkauan kuartil

Diketahui data sebagai berikut:

Ditanya : Jangkauan Kuartil

Penyelesaian :

Mencari Q1 terlebih dahulu

Lalu mencari Q3

Hasilnya
 Jangkauan Persentil
Rumus jangkauan persentil

CONTOH SOAL JANGKAUAN PERSENTIL

Diketahui Data sebagai berikut :

Ditanya : Jangkauan Persentil ?

Penyelesaian:

Mencari P10 terlebih dahulu

Lalu mencari P90

Hasilnya
BAB 4
M E N G G A M B A R K A N D ATA : M E N A M P I L K A N D A N M E N J E L A J A H I D ATA

Hal yang akan dipelajari, (1) dot plot, (2) tampilan steam-and-leaf, (3) persentil, dan (4) box plot.
Diagram dan statisitika ini memberikan pemahaman kita mengenai lokasi di mana nilai memusat dan
juga bentuk umum data. Lalu, kita mempertimbangkan data bivariat. Pada data bivariat, kita
mengamati dua variabel pada setiap individu atau pengamatan yang dipilih.
Dot Plot
Dot Plot mengelompokkan data sedikit mungkin dan kita tidak kehilangan identitas dari penglihatan
individu.
Untuk mengembangkan dot plot, kita cukup menampilkan satu titik pada setiap pengamatan
disepanjang garis horizontal yang mengidentifikasikan nilai data yang mungkin.
Jika ada pengamatan yang sama atau pengamatannya terlalu dekat untuk ditampilkan secara
individual, dot titiknya “ditumpuk” di atas yang lain.
Contoh Dot Plot
Laporan berikut adalah jumlah kendaraan yang dijual dalam 24 hari kerja pada bulan lalu pada Perusahaan
Tionesta Ford Lincoln Mercury dan Sheffield Motors, dua dari empat pemilik diler Applewood Auto Group.
Buatlah dot plot dan ringkasan statistika untuk membandingkan kedua pemilik tersebut.
Steam-and-Leaf
Pada Bab 2 telah dijelaskan bagaimana cara menyusun data kedalam distribusi frekuensi.
Sehingga kita dapat meringlas data mentah menjadi bentuk yang bermakna. Keuntungan
utama dari menyusun data ke dalam distribusi frekuensi adalah kita mendapatkan gambaran
visual secara cepat atas bentuk distribusinya tanpa melaukan perhitungan lebih jauh.
Salah satu Teknik yang digunakan untuk menampilkan data kuantitatif adalah dalam bentuk
steam-and-leaf display.
steam-and-leaf display merupakan Teknik statistic untuk menyajikan sekelompok data.
Masing-masing nilai angka terbagi menjadi dua bagian. Digit awal menjadi steam dan digit
akhir adalah leaf. Steam terletak di sepanjang sumbu tegak dan nilai leaf tersusun satu sama
lain di sepanjang sumbu mendatar.
Salah satu kelebihan tampilan steam-and-leaf dari pada distribusi frekuensi kita tidak
kehilangan identitas dari setiap pengamatan.
Contoh Steam-and-Leaf
Misalkan tujuh pengamatan di kelas 90 sampai dengan 100
adalah 96, 94, 93, 94, 95, 96, dan 97.

Nilai steam adalah digit terdepan, dalam hal ini 9. leafnya

adalah digit yang mengikuti. Steam diletakkan di sebelah kiri
garis vertical dan nilai leaf diletakkan dibagian kanan. Nilai
dari 90-100 akan tampak sebagai berikut :

Kemudian, kita mengurutkan nilai dalam setiap batang dari

terkecil hingga terbesar. Dengan demikian, baris kedua dari
tampilan steam-and-leaf akan muncul sabagai berikut :
Contoh lainnya
Quartil, Desil, Persentil
Standar Deviasi adalah ukuran yang paling banyak digunakan pada disperse.

Cara lain menggambarkan penyebaran data termasuk menentukan nilai lokasi adalah membagi seluruh
pengamatan ke dalam bagian yang sama.

Lokasi Persentil

Termasuk ukuran ini adalah quartil, desil, dan persentil.

Komputasi Persentil
• Prosedur perhitungannya dengan formula Lp untuk menentukan letak persentil yang diinginkan. Jadi
jika kita ingin mendapatkan letak ke 33 persen kita akan menggunakan L33 and jika kita ingin
mendapatkan median, 50 persen, jadi L50

Lokasi Persentil

• Jumlah pengamatan adalah n, jadi jika kita ingin menentukan letak median terdapat pada (n + 1)/2,
atau dapat ditulis (n + 1)(P/100), dimana P persentil yang diinginkan.
Langkah 1 : susun data dari nilai terkecil sampai yang terbesar

Langkah 2 : hitung quartil pertama dan quartil ketiga

Box Plot
Box Plot adalah tampilan grafik, didasarkan atas kuartil, yang membantu kita menggambarkan
sekelompok data. Untuk membuat box plot , kita hanya memerlukan lima angja statistika : nilai
minimum, kuartil pertama, median, kuartil ketifa, dan nilai maksimum.
Contoh Box Plot
Contoh Box Plot
 Asimetris
Pada Bab 3, ukuran pemusatan dari serangkaian pengamatan (the mean, median, and mode) dan
ukuran dispersi (e.g. range and the standard deviation) telah dijelaska karateristik lain dari serangkaian
data bentuknya.

Ada empat bentuk umum :

a. symmetric,

b. positively skewed,

c. negatively skewed,

d. bimodal.
Bentuk Umum Yang Diamati
 Hubungan Antara Dua Variabel
Salah satu teknik grafis yang kita gunakan untuk menunjukkan hubungan dua variabel disebut scatter
diagram.

Untuk membuat scatter diagram kita membutuhkan dua variabel. Kita membuat skala untuk satu
variabel sepanjang sumbu horizontal (X-axis) dan variabel lainnya sepanjang sumbu vertical (Y-axis).
Hubungan Antara Dua Variabel –
Scatter Diagram Examples
Tabel Kontingensi
Scatter diagram membutuhkan dua variabel berada setidaknya pada skala interval.

Bagaimana jika kita ingin mempelajari hubungan antara dua variabel ketika salah satu atau keduanya
adalah skala nominal atau skala ordinal? Pada kasus ini kita menghitung hasilnya pada tabel
kontigensi .

TABEL KONTIGENSI adalah tabel yang digunakan untuk mengklasifikasikan pengamatan

berdasarkan dua karateristik yang dapat diidentifikasi
Contoh Tabel Kontingensi
Sebuah pabrik memproduksi sebanyak 50 jendela kemarin. Pagi ini inspektor kualitas memeriksa setiap
jendela untuk semua aspek kualitasnya. Masing-masing dikelompokkan pada diterima atau tidak
diterima dan berdasarkan shift mana jendela tersebut diproduksi. Lalu kita melaporkan variabel untuk
satu barang dua variabel tersebut adalah shift dan kualitas. Hasilnya dilaporkan sebagai berikut :