Statistika Deskriptif : Ringkasan numerik data

1. Ukuran lokasi (pemusatan)

2. Ukuran dispersi (sebaran)
3. Ukuran kemiringan
4. Ukuran keruncingan

1
Ukuran Pemusatan Data :
suatu informasi yang memberikan penjelasan
bahwa data memiliki satu (mungkin lebih) titik
dimana memusat atau terkumpul.

Ukuran pemusatan yang sering digunakan :

1. Rata-rata 4. Kuartil
2. Median 5. Desil
3. Modus 6. Persentil

2
 Rata-rata hitung
• Data tdk terkelompok
n data (x) f xf
x i 10 5 50
x i 1
12 6 72
n
14 8 112
 585 15 9 135
x  14.625 17 7 119
40
19 3 57
20 2 40
Jumlah 40 585
3
 Rata-rata hitung data terkelompok

k BB  BA
xi 
fx i i 2
x i 1
n BB = Batas Bawah Interval
BA = Batas Atas Interval
xi : titik tengah kelas
interval ke-i

4
 Contoh menghitung rata-rata
Kelas interval xi fi xifi
13-15 14 5 70
16-18 17 6 102
19-21 20 7 140
22-24 23 2 46
jumlah 20 358

Rata-rata (Mean) = 358/20 = 17,9

5
 Modus
• Data kualitatif  gejala yang sering terjadi

• Data kuantitatif  angka yang sering muncul

6
 Contoh mencari modus
• Data tidak terkelompok

data (x) f data (x) f

10 5 Modus = 15
10 5
12 6 12 9
14 8 Modus = 12
14 8
15 9 dan 15
15 9
17 7
17 7
19 3 19 3
20 2 20 2

7
 Modus pada data terkelompok
 a1 
Modus = B + i
 a1  a 2 
dengan
B =tepi bawah kelas interval yang mempunyai frekuensi
tertinggi
a1 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval tepat sebelumnya
a2 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval tepat setelahnya.
i = panjang kelas.

8
 Contoh mencari modus
Letak Kelas
• Data terkelompok Modus
Pengukuran (cm) f
30-39 2
40-49 3
50-59 11
60-69 20
70-79 32
80-89 25
90-99 7

12
Modus  69,5  ( )10  75,82cm
12  7
9
 Median untuk data tidak
terkelompok
• Jika banyak data genap
n n2
nilai data ke -    nilai data ke -  
2  2 
Me = 2

• Jika banyak data ganjil

Me =  n 1 
nilai data ke -  
 2 

Data harus diurutkan dulu dari terkecil ke terbesar 10

 Contoh mencari median
Letak
• Banyak data genap Median
Data Tinggi
Badan (cm) x 4  x5
Median 
150 X1 2
152 X2
152 X3
160  162
160 X4 Median   161cm
2
162 X5
165 X6
168 X7
170 X8

11
 Contoh mencari median
• Banyak data ganjil Letak
Median
Data Tinggi
badan (cm)
150 X1
152 X2
Median  x 4
152 X3 Median  160cm
160 X4
162 X5
165 X6
168 X7

12
 Median data terkelompok
n 
  F
2 i
Median = B +
f

dengan
B : tepi bawah kelas interval yang mengandung Median
f : frekuensi kelas interval yang mengandung Median
F : frekuensi kumulatif sebelum kelas interval
yang mengandung Median
i: panjang kelas interval

13
Contoh mencari median
Pengukur f f kumulatif <
an (cm) Letak Kelas
median
30-39 2 2
40-49 3 5
50-59 11 16
60-69 20 36
70-79 32 68
80-89 25 93
90-99 7 100

50  36
Median  69,5  ( )10  73,875cm
32
14
 Hubungan Mean, Modus dan Median

Hubungan empiris antara ketiganya:

Mo +2 M = 3Me

15
Kuartil :
Kuartil data tidak terkelompok
i
Letak Q i  n  1, i  1, 2, 3
4

dengan
Qi : kuartil ke i
n : banyaknya data
Penyelesaian dgn cara interpolasi

16
 Contoh mencari Kuartil
Sebelum Setelah i
diurutkan diurutkan Letak Q i  n  1
4
20 20 1 1
Letak Q1  9  1  2
80 40 4 2
75 50
60 60 Artinya Q1 terletak antara data ke 2 dan
50 data ke 3 60
85 75
Nilai Q1
40 80
60 85 = nilai data ke 2 + ½(data ke 3 - data ke 2)
90 90 = 40 + ½(50 -40)
= 45

17
 Kuartil data terkelompok
i 
 n  F 
Qi  B   4  I, i  1, 2, 3
 f 
 

dengan
Qi : kuartil ke i
B : tepi bawah kelas interval yang mengandung Qi
f : frekuensi kelas interval yang mengandung Qi
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Qi
I : panjang kelas interval

18
 Contoh mencari Kuartil
i 
Interval f f. kum  n  F 
Qi  B   4  I, i  1, 2, 3
30 – 39 2 2
 f 
40 – 49 3 5  
3 
50 – 59 11 16 4 100  68 
Q 3  79,5   10
60 – 69 20 36 25
 
70 – 79 32 68  
 79,5  2,8  82,3
80 – 89 25 93
90 - 99 7 100

Kelas yang memuat kuartil ke 3

19
Desil
Desil untuk data tidak terkelompok

i
Letak Di  n  1, i  1, 2, ..., 9
10
dengan
Di : desil ke i
n : banyaknya data

20
 Contoh mencari Desil
Setelah i
diurutkan Letak Di  n  1, i  1, 2, ..., 9
10
20
6
40 Letak D 6  10  1  6,6
10
50
60 Artinya D6 terletak antara data ke 6 dan data ke 7
60
Nilai D6
75
80 = nilai data ke 6 + 0,6(data ke 7 - data ke 6)
85 = 75 + 0,6(80 -75)
90 = 78
96

21
 Desil data terkelompok

 i 
 10 n  F 
Di  B    I, i  1, 2, ..., 9
 f 
 
dengan
Di : desil ke i
B : tepi bawah kelas interval yang mengandung Di
f : frekuensi kelas interval yang mengandung Di
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Di
I : panjang kelas interval

22
 Contoh mencari Desil
Interval f f.kum
i 
30 – 39 2 2  10 n  F 
40 – 49 3 5 Di  B    I, i  1, 2, ..., 9
 f 
50 – 59 11 16  
60 – 69 20 36 3 
 10 100  16 
70 – 79 32 68 D 3  59,5   10
80 – 89 25 93  20 
 
90 - 99 7 100
 59,5  7  66,5

Kelas yang memuat desil ke 3

23
Persentil
Persentil untuk data tidak terkelompok

i
Letak Pi  n  1, i  1, 2, ..., 99
100

dengan
Pi : persentil ke i
n : banyaknya data

24
 Contoh mencari Persentil
Setelah i
diurutkan Letak Pi  n  1, i  1, 2, ..., 99
100
20
57
40 Letak P57  10  1  6,27
100
50
60 Artinya P57 terletak antara data ke 6 dan data ke 7
60
Nilai P57
75
80 = nilai data ke 6 + 0,57(data ke 7 - data ke 6)
85 = 75 + 0,57(80 -75)
90 = 77,85
96

25
 Persentil data terkelompok
 i 
 100 n  F 
Pi  B    I, i  1, 2, ..., 99
 f 
 
dengan
Pi : persentil ke i
B : batas bawah kelas interval yang mengandung Pi
f : frekuensi kelas interval yang mengandung Pi
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Pi
I : panjang kelas interval

26
 Contoh mencari Persentil
Interval f f.kum  i 
 100 n  F 
30 – 39 2 2
Pi  B    I , i  1, 2, ..., 99
40 – 49 3 5  f 
50 – 59 11 16  
60 – 69 20 36  95 
 100 100  93 
70 – 79 32 68 P95  89,5   10
 7 
80 – 89 25 93  
90 - 99 7 100 P95  89,5  2,86  92,36

Kelas yang memuat persentil ke 95

27
 Ukuran
Ukuran dispersi Dispersi
 ukuran ( menyebar
cenderung

1. Range

Range = Nilai Maksimum – Nilai Minimum

2. Deviasi rata-rata

DR 
 xi  x
n

28
 Contoh menghitung deviasi rata-rata
Data xi  x xi  x
20 -37 37 285
x  57
80 23 23 5
75 18 18
88
60 3 3 DR   17,6
50 -7 7 5
 x i  285 x i  x  88

29
3. Variansi : penyebaran berdasarkan jumlah kuadrat
simpangan data terhadap rata-ratanya; melihat
ketidaksamaan sekelompok data

untuk data tidak berkelompok


 i
x  x 2
n  x i  ( xi) 2
2

s2  
n 1 n n  1
untuk data berkelompok
 tanda kelas

 f x  x n  f i x i   f i x i 
2 2 2
2 i i
s  
n 1 n n  1

30
 Standar deviasi penyebaran data berdasarkan akar dari
variansi; menunjukkan keragaman kelompok data
untuk data tersebar


 i  n  x i   x i 
2 2 2
x  x
s 
n 1 n n  1
untuk data berkelompok
 tanda kelas

 f i x i  x  n  f i x i   f i x i 
2 2 2

s 
n 1 n n  1

31
Contoh menghitung variansi dan deviasi standar
data tersebar
518525  285
2
Data xi2
s2 
20 400
54
80 6400
92625  81225 11400
75 5625    570
60 3600 20 20
50 2500 s  570  23,87
 x i  285 2
 x i  18525

32
Contoh menghitung variansi dan deviasi standar
data berkelompok
Kelas Titik tengah fi xifi
interval kelas (xi) xi2 fi x i 2

13-15 14 5 196 70 980

16-18 17 6 289 102 1734
19-21 20 7 400 140 2800
22-24 23 2 529 46 1058
jumlah 20 358 6572

206572  358 131440  128164 3276

2
s2     8,62
2019 380 380
s  8,62  2,94

33
 Ukuran Kemiringan (Skewness)

Adalah ukuran yang menyatakan sebuah model

distribusi yang mempunyai kemiringan tertentu

☻Kurva positif apabila rata-rata hitung >

modus / median
☻ Kurva negatif apabila rata-rata hitung <
modus / median

- +
Mo X Me

34
 Rumus untuk Ukuran Kemiringan

x - Mo
Koefisien kemiringan pertama Pearson KK 
s
3x - Me 
Koefisien kemiringan kedua Pearson KK 
s

Q 3  2Q 2  Q1
Menggunakan nilai kuartil KK 
Q 3 - Q1

P90  2P50  P10

Menggunakan nilai persentil KK 
P90 - P10
35
Kriteria untuk mengetahui model distribusi dari
koefisien kemiringan
· Jika koefisien kemiringan < nol, maka bentuk
distribusinya negatif
· Jika koefisien kemiringan = nol, maka bentuk
distribusinya simetrik
· Jika koefisien kemiringan >nol, maka bentuk
distribusinya positif

36
 Ukuran Keruncingan (Kurtosis)

Adalah derajat kepuncakan dari suatu distribusi,

biasanya diambil relatif terhadap distribusi normal

Leptokurtik Platikurtik Mesokurtik

1
Q 3  Q1 
K 2
P90  P10
37
Kriteria untuk mengetahui model distribusi dari
koefisien kurtosis
· Jika koefisien kurtosis kurang dari 0,263 maka
distribusinya adl platikurtik
· Jika koefisien kurtosis sama dengan 0,263
maka distribusinya adl mesokurtik
· Jika koefisien kurtosis lebih dari 0,263 maka
distribusinya adl leptokurtik

38
Contoh menghitung koefisien kemiringan dan
ukuran keruncingan
Q1  12,5 
5 - 0  3  15,5
Kelas Tanda fi 5
interval kelas (xi)
Q 2  15,5 
10 - 5 3  18
13-15 14 5 6
16-18 17 6
Q 3  18,5 
15 - 11 3  20,21
19-21 20 7 7
22-24 23 2
P10  12,5 
2 - 0 3  13,7
jumlah 20 5
P90  18,5 
18 - 11 3  21,5
7
20,21 - 218  15,5  0 ,29
KK    0 ,06
20 ,21  15,5 4 ,71 Model
1
20,21  15,5 2,355 Distribusi ?
K 2   0 ,30
21,5  13,7 7 ,8
39
 Latihan Soal
Diketahui data seperti di bawah ini.
15 25 21 16 20 17 19 25 21 15 17 16 19 20 17
20 15 25 15 21 19 16 17 25 19 21 20 19 19 21
17 20 16 21 20 21 16 20 17 19 20 19 17 21 19
20 16 19 19 17 20 21 19 19 21 19 17 20 19 15

1.Buatlah
 Distribusi frek, dist frek kumulatif.

40
 Lanjutan…
2. Gambarlah histogram dan poligon dari dist
frek kumulatif tersebut
3. Tentukan Mean, Median, Modus

41