BY
ENDAH SUSANTI, S.E.,M.Si
Distribusi Frekuensi
Data
ukuran kecil
(n<30) Distribusi
Data Frekuensi
Tunggal
Data ukuran
besar Distribusi
(n>30) Frekuensi
Distribusi
Frekuensi
Berkelompok
Distribusi Frekuensi
Tunggal
Suatu daftar distribusi frekuensi yang
disusun sedemikian rupa sehingga
dapat diketahui secara langsung
frekuensi setiap datum. Frekuensi
adalah kekerapan atau keseringan
munculnya suatu datum yang biasa
dilambangkan dengan f
3
Cont …
26 3 3 5 6 4 2 4 3
53 2 1 4 1 6 5 3 4
46 4 3 2 5 1 1 3 2
4
Cont …
5
Distribusi Frekuensi
Berkelompok
Suatu daftar distribusi frekuensi yang
disusun sedemikian rupa sehingga
data yang berukuran besar
disederhanakan dengan
mengelompokkannya menurut
kelompok atau kelas-kelas tertentu.
6
Cont …
9
Cont ..
Batas kelas
Batas kelas adalah nilai – nilai yang membatasi
suatu kelas, terdiri dari batas atas dan batas
bawah.
kelas 31 – 40 batas bawahnya 31 batas
atasnya 40
dst …
10
Cont ..
Tepi Kelas
Tepi kelas disebuut juga batas nyata kelas.
Tepi bawah = batas bawah – 0,5
Tepi atas = batas atas + 0,5
Panjang Kelas
Panjang kelas disebut juga panjang kelas
interval(p) adalah lebar suatu kelas yang dihitung
dari perbedaan antara kedua tepi kelas .
Panjang Kelas (p) = Tepi atas – Tepi bawah
11
Cont …
pembulatan
Cont ..
Langkah 3
Tentukan panjang kelas interval (p) dengan
rumus :
p= Jangkauan
Banyaknya kelas
Langkah 4
Pilihlah batas bawah kelas pertama dengan
mengambil datum terkecil , tetapi selisihnya
dengan datum terkecil kurang dari panjang kelas.
Kemudian berdasarkan panjang kelas pada langkah
ke 3, tentukan kelas-kelasnya sedemikian rupa 15
Langkah 5
tentukan frekuensi masing- masing
kelas.
16
Contoh soal
18
Cont ..
p= Jangkauan
Banyaknya kelas
p= 49
6
p = 8,166
Panjang kelas interval dapat diambil 8 atau 9
19
Cont …
Tabel 1.3
Nilai Frekuensi (fi)
80 - 88 8
89 - 97 10
98 – 106 5
107 – 115 7
116 – 124 12
125 - 133 8
21
jumlah 50
Distribusi Frekuensi
Relatif (fr)
Daftar ditribusi frekuensi data statistik berupa
perbandingan secara presentase
Presentase frekuensi kelas tersebut terhadap
jumlah seluruh frekuensi (ukuran data)
fri = fi x 100 %
n
22
Nilai Frekuensi (fi) Frekuensi Relatif (fr)
80 - 88 8 8/50 x 100 % = 16 %
89 - 97 10 10/50 x 100 % = 20 %
jumlah 50
23
Distribusi Frekuensi
Komulatif (fk)
Kumpulan frekuensi kelas dari frekuensi kelas-kelas
sebelumnya
1. Frekuensi komulatif kurang dari (fk kurang dari)
adalah jumlah frekuensi semua niali data yang kurang dari atau
sama dengan (≤) nilai tepi atas kelas tertentu.
24
Nilai Frekuensi Tepi Nilai komulatif Fk Kurang
(fi) Atas kurang dari Dari
80 - 88 8 88,5 88,5 8
89 - 97 10 97,5 97,5 18
jumlah 50
25
Cont …
26
Nilai Frekuensi Tepi Nilai komulatif Fk Lebih
(fi) Bawah lebih dari Dari
80 - 88 8 79,5 79,5 50
89 - 97 10 88,5 88,5 40
jumlah 50
27
GRAFIK BATANG
(BAR GRAPH)
Bermanfaat untuk merepresentasikan data kuantitatif
maupun kualitatif yang telah dirangkum dalam
frekuensi, frekuensi relatif, atau persen distribusi
frekuensi.
Cara:
– Pada sumbu horisontal diberi label yang menunjukkan
kelas/kelompok.
– Frekuensi, frekuensi relatif, maupun persen frekuensi
dinyatakan dalam sumbu vertikal yang dinyatakan
dengan menggunakan gambar berbentuk batang dengan
lebar yang sama/tetap.
28
GRAFIK LINGKARAN
(PIE CHART)
Digunakan untuk mempresentasikan distribusi
frekuensi relatif dari data kualitatif maupaun data
kuantitatif yagn telah dikelompokkan.
Cara:
– Gambar sebuah lingkaran, kemudian gunakan frekuensi
relatif untuk membagi daerah pada lingkaran menjadi
sektor-sektor yang luasnya sesuai dengan frekuensi
relatif tiap kelas/kelompok.
– Contoh, bila total lingkaran adalah 360o maka suatu
kelas dengan frekuensi relatif 0,25 akan membutuhkan
daerah seluas (0,25)(360) = 90o dari total luas lingkaran.
29
CONTOH DISTRIBUSI
FREKUENSI (L)
Tabel Distribusi Frekuensi
(Contoh: Hotel Marada Inn)
Frekuensi Persen
Rating Pendapat Frekuensi
Relatif Frekuensi
Baik Sekali (E) 2 0,10 10
Di atas Rata-rata (AA) 3 0,15 15
Rata-rata (A) 5 0,25 25
Di Bawah Rata-rata (BA) 9 0,45 45
Buruk (P) 1 0,05 5
Total 20 1,00 100
30
CONTOH DISTRIBUSI
FREKUENSI (L)
Grafik Batang (Contoh: Hotel Marada Inn)
9
8
7
Frekuensi
6
5
4
3
2
1
Rating
Buruk Di Bawah Rata- Di Atas Baik Pendapat
Rata-rata rata Rata-rata Sekali
31
CONTOH DISTRIBUSI
FREKUENSI (L)
Grafik Lingkaran (Contoh: Hotel Marada Inn)
Baik Sekali Buruk
5%
10%
Di bawah
Di atas 15%
45% Rata-rata
Rata-rata
25%
Rata-rata
34
HISTOGRAM
Contoh: Bengkel Hudson Auto
18
16
14
12
Frekuensi
10
8
6
4
2
Biaya
($)
50 60 70 80 90 100 110
35
OGIVE
Merupakan grafik dari distribusi frekuensi kumulatif.
Nilai data disajikan pada garis horisontal (sumbu-x).
Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
Frekuensi yang digunakan (salah satu diatas)masing-
masing kelas digambarkan sebagai titik.
Setiap titik dihubungkan oleh garis lurus.
36
OGIVE
Contoh: Bengkel Hudson Auto
100
Persen frekuensi kumulatif
80
60
40
20
Biaya
($)
50 60 70 80 90 100 110
37
DIAGRAM SCATTER
Diagram scatter (scatter diagram) merupakan metode
presentasi secara grafis untuk menggambarkan
hubungan antara dua variabel kuantitatif.
Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan pada
sumbu vertikal.
Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar
variabel.
38
POLA HUBUNGAN PADA
DIAGRAM SCATTER
y y y
x x x
39
PROSEDUR PENGGUNAAN
TABEL & GRAFIK
Data
Data Kualitatif Data Kuantitatif
40
Home work
42
Contoh soal terapan
Umur frekuensi
(tahun)
1-4 2
5-8 11
9 – 12 17
13 – 16 30
17 - 20 22
21 - 24 14
25 - 28 4
Jumlah 100
UKURAN-UKURAN STATISTIK
1. Ukuran Tendensi Sentral (Central tendency
measurement):
– Rata-rata (mean)
– Nilai tengah (median)
– Modus
x
x i
n
Data Berkelompok
x
fxi i
f i
x i
N
Data Berkelompok
fx i ii
f ii
50
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
3. Modus – (Lanjutan)
– Jika data berkelompok, modus dapat dicari
dengan rumus berikut:
fa
Modus TB .p
fa fb
Dimana
TB = Tepi bawah kelas dengan frekuensi terbesar/kelas
modus
fa = frekuensi kelas modus dikurangi frekuensi kelas
sebelumnya
fb = frekuensi kelas modus dikurangi frekuensi kelas
sesudahnya
p = interval kelas
51
Contoh perhitungan pada
data tunggal
Mean = total f / total kelas
= 30 / 6 = 5
Median = (7+6) / 2 (xi) (fi)
1 4
= 6,5 2 5
Modus = 3 3 7
4 6
5 4
6 4
Total 30
52
x Frekuensi xi fi xi Fk Kurang
(fi) Dari
80 - 88 8 84 672 8
89 - 97 10 93 930 18
jumlah 50 5361
53
Hitung Mean, Median,
Modus
Mean = 5361 = 107,22
50
Median
N/2 = 50/2 = 25
Median = 106,5+ (25-23) x9
7
= 109,1
Modus = 115,5 + 5 x9
5+4
= 120,5
54
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan)
DATA TIDAK BERKELOMPOK
Berikut adalah data sampel tentang nilai sewa bulanan
untuk satu kamar apartemen ($). Berikut adalah data
yang berasal dari 70 apartemen di suatu kota tertentu:
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
55
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan) (L)
Rata-rata Hitung (Mean)
x
x i 34.356
490,80
n 70
Median
Karena banyaknya data genap (70), maka median
merupakan rata-rata nilai ke-35 dan ke-36, yaitu
(475 + 475)/2 = 475
56
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan) (L)
DATA BERKELOMPOK
Dari contoh Bengkel Hudson Auto
x
fx
i i
3915,0
78,3
f i 50
Median
50
15
Median 69,5 2
.10 75,75
16
Modus
3
Modus 69,5 .10 72
39
58
KELEBIHAN & KEKURANGAN
RATA-RATA , MEDIAN & MODUS
Rata-rata Hitung (Mean)
– Kelebihan:
Melibatkan seluruh observasi
Tidak peka dengan adanya penambahan data
Contoh dari data :
3 4 5 9 11 Rata-rata = 6,4
3 4 5 9 10 11 Rata-rata = 7
– Kekurangan:
Sangat peka dengan adanya nilai ekstrim (outlier)
Contoh: Dari 2 kelompok data berikut
Kel. I : 3 4 5 9 11 Rata-rata = 6,4
Kel. II : 3 4 5 9 30 Rata-rata = 10,2
59
KELEBIHAN & KEKURANGAN
RATA-RATA , MEDIAN & MODUS
Median
– Kelebihan:
Tidak peka terhadap adanya nilai ekstrim
Contoh: Dari 2 kelompok data berikut
Kel. I : 3 4 5 13 14
Kel. II : 3 4 5 13 30
Median I = Median II = 5
– Kekurangan:
Sangat peka dengan adanya penambahan data (sangat
dipengaruhi oleh banyaknya data)
Contoh: Jika ada satu observasi baru masuk ke dalam
kelompok I, maka median = 9
60
60
KELEBIHAN & KEKURANGAN
RATA-RATA , MEDIAN & MODUS
Modus
– Kelebihan:
Tidak peka terhadap adanya nilai ekstrim
Contoh: Dari 2 kelompok data berikut
Kel. I : 3 3 4 7 8 9
Kel. II : 3 3 4 7 8 35
Modus I = Modus II = 3
– Kekurangan:
Peka terhadap penambahan jumlah data
Cohtoh: Pada data
3 3 4 7 8 9 Modus = 3
3 3 4 7 7 7 8 9 Modus = 7
61
UKURAN LOKASI
(Location measurement)
1. Persentil (Percentiles)
– Persentil merupakan suatu ukuran yang membagi
sekumpulan data menjadi 100 bagian sama besar.
– Persentil ke-p dari sekumpulan data merupakan
nilai data sehingga paling tidak p persen obyek
berada pada nilai tersebut atau lebih kecil dan
paling tidak (100 - p) percent obyek berada pada
nilai tersebut atau lebih besar.
62
UKURAN LOKASI
Persentil, kuartil dan Desil
(data tdk berkelompok)
1. Persentil (Percentiles) (Lanjutan)
– Cara pencarian persentil
Urutkan dari dari yang terkecil ke terbesar.
Cari nilai i yang menunjukkan posisi persentil
ke-p dengan rumus:
i = (p/100)n
Jika i bukan bilangan bulat, maka bulatkan ke
atas. Persentil ke-p merupakan nilai data pada
posisi ke-i.
Jika i merupakan bilangan bulat, maka persentil
ke-p merupakan rata-rata nilai pada posisi ke-i
dan ke-(i+1).
63
UKURAN LOKASI
(Contoh Penghitungan)
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615 64
UKURAN LOKASI
Persentil, kuartil dan Desil
(data tdk berkelompok)
2. Kuartil (Quartiles)
– Kuartil merupakan suatu ukuran yang membagi
data menjadi 4 (empat) dan atau 5 (lima) bagian
sama besar
– Kuartil merupakan bentuk khusus dari persentil,
dimana
Kuartil pertama = Percentile ke-25
Kuartil kedua = Percentile ke-50 = Median
Kuartil ketiga = Percentile ke-75
65
UKURAN LOKASI
(Contoh Penghitungan)
Berdasarkan kasus sewa kamar apartemen
Kuartil ke-3
– Kuartil ke-3 = Percentile ke-75
– Yaitu data ke-(p/100)n = (75/100)70 = 52.5 = 53
– Jadi kuartil ke-3 = 525
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
66
UKURAN LOKASI
Persentil, kuartil dan Desil
(data tdk berkelompok)
3. Desil (Deciles)
– Merupakan suatu ukuran yang membagi
sekumpulan data menjadi 10 bagian sama besar
– Merupakan bentuk khusus dari persentil, dimana:
Desil ke-1 = persentil ke-10
Desil ke-2 = persentil ke-20
Desil ke-3 = persentil ke-30
…
…
Desil ke-9 = persentil ke-90
67
UKURAN LOKASI
(Contoh Penghitungan)
Berdasarkan kasus sewa kamar apartemen
Desil ke-9
68
69
UKURAN LOKASI
Persentil, kuartil dan Desil
(data berkelompok)
Persentil
Desil
10 f i 0
i.n
Di L0 c
fd
70
Dimana:
L0 = Nilai batas bawah desil ke-i (persentil
ke-i.
n = banyaknya observasi/jumlah semua
frekuensi.
(Σfi)0 = jumlah frekuensi dari semua kelas
yang memuat desil ke-i (persentil ke-i)
fq = frekuensi dari kelas yang memuat
kuartil ke-i
fp = frekuensi dari kelas yang memuat
persentil ke-i
c = besarnya kelas interval yang memuat
desil ke-i (persentil ke-i) 71
UKURAN LOKASI
Persentil, kuartil dan Desil
(data berkelompok)
Kuartil
i.n
4 f i
0
Qi L0 c
f q
72
Dimana:
L0 = Nilai batas bawah kuartil ke-i
n = banyaknya observasi/jumlah semua
frekuensi.
(Σfi)0 = jumlah frekuensi dari semua kelas
yang memuat kuartil ke-i.
fq = frekuensi dari kelas yang memuat
kuartil ke-i
c = besarnya kelas interval yang memuat
kuartil ke-i
73
Nilai Kelas Frekuensi (f)
72,2 – 72,4 2
72,5 – 72,7 5
72,8 – 73,0 10
73,1 – 73,3 13
73,4 – 73,6 27
73,7 – 73,9 23
74,0 – 74,2 16
74,3 – 74,5 4
Jumlah (Σfi) = n 100
74
Hitung
1. Kuartil ke 1 s/d 4?
2. Desil ke 1 s/d 10 ?
3. Persentil ke 50 dan 80?
75
DISPERSI
Ukuran Penyebaran Data
Dalam statistik, untuk mengetahui karakteristik data
yang telah dikelompokkan, dapat digunakan nilai-nilai
ukuran pemusatan data (nilai sentral) dan ukuran
penyebaran data (dispersi).
Ukuran Nilai sentral merupakan informasi yang
memberikan penjelasan bahwa data memiliki satu
atau lebih titik dimana dia memusat.
Ukuran penyebaran data adalah nilai ukuran yang
memberikan gambaran tentang seberapa besar data
menyebar dari titik-titik sentralnya.
Ukuran Penyebaran Data
• Jangkauan
• Jangkauan antar Kuartil
• Jangakauan semi kuartil
• Simpangan rata-rata
• Ragam atau varians
• Simpangan Baku (Standart Deviasi)
Simpangan Rata-Rata
Atau Deviasi Rata - Rata adalah ukuran
penyebaran data yang mencerminkan nilai
data terhadap nilai mean nya
Simpangan Rata-Rata
Tabel data tunggal
Data Frekuensi
X1 F1
X2 F2
X3 F3
.
.
.
.
.
.
Xr Fr
Jumlah n
Keterangan :
: Rata-rata hitung
: Datum ke-i
n : Ukuran Data
• Rumus varians untuk data tunggal
• Untuk data yang tersusun dalam daftar distribusi frekuensi, varians dapat
ditentukan dengan rumus
SIMPANGAN BAKU (STANDART DEVIASI)
KOEFISIEN VARIASI
• Hasil pembagian standar deviasi oleh rata-rata
• Perhitungan koefisien bariasi disebut juga
pengukuran dispersi relatif. Cara
Perhitungannya :