Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah Q2 membagi data menjadi 50 %
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4
35-47 41 4 Sehingga :
48-60 54 8
61-73 67 12
74-86 80 23 Q1 terletak pada 48-60
87-99 93 6
Q2 terletak pada 61-73
Σf = 60
Q3 terletak pada 74-86
KUARTIL (LANJUTAN)
1.60
Untuk Q1, maka : - 11
Q1 47,5 13 4 54
8
2. Desil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi sepuluh bagian
yang sama besar.
DESIL (LANJUTAN)
Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8 Sehingga :
61-73 67 12
74-86 80 23
87-99 93 6
Σf = 60
D3 berada pada 48-60
D7 berada pada 74-86
DESIL (LANJUTAN)
3.60
- 11
D 3 47,5 13 10 58,875
8
7.60
- 31
D 7 73,5 13 10 79,72
23
KUARTIL, DESIL, PERSENTIL (LANJUTAN)
3. Persentil
Untuk data tidak berkelompok
in 1
Pi nilai ke - , i 1,2,3,...,99
100
Untuk data berkelompok
LO = Batas bawah kelas mengandung
i.n Persentil ke i
- F
Pi L 0 c 100 , i 1,2,3,...,99 F = jumlah frekuensi semua kelas
sebelum kelas Persentiul Pi
f
f = frekuensi kelas Persentil Pi
i = Letak Persentil i
n = Jumlah frekuensi
Tugas
Hitung Kuartil (Q1, Q2, Q3), Desil (D4, D7, D9) dan Persentil (P9, P 15, P57)
dari tabel dibawah ini
Boleh excel, tapi tulis tangan dan beri contoh perhitungan.
Nilai
Modal f Tengah X X f X X ( X X )2 f ( X X )2
(X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605
139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,850 8097,974
KEMIRINGAN DATA
Kemiringan: derajat/ ukuran dari
ketidaksimetrian (asimetri) suatu distribusi data
3 pola kemiringan distribusi data, sbb:
Distribusi simetri (kemiringan 0)
Distribusi miring ke kiri (kemiringan negatif)
Distribusi miring ke kanan (kemiringan positif)
Beberapa metoda yang bisa dipakai untuk
menghitung kemiringan data, yaitu:
Rumus Pearson
Rumus Momen
Rumus Bowley
Rumus Pearson (α)
X Mod 3( X Med )
atau
S S
Rumus tersebut dipakai untuk data tidak
berkelompok maupun data berkelompok.
Bila α = 0 atau mendekati nol, maka dikatakan
distribusi data simetri.
Bila α bertanda negatif, maka dikatakan distribusi
data miring ke kiri.
Bila α bertanda positif, maka dikatakan distribusi
data miring ke kanan.
Semakin besar α, maka distribusi data akan
semakin miring atau tidak simetri
JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90
Q3 Q1 (Q3 Q1 ) / 2
KVQ atau KVQ
Q3 Q1 Med
CONTOH SOAL UNTUK KOEFISIEN VARIASI
DAN SIMPANGAN BAKU
Koefisien Variasi
Ada dua jenis bola lampu. Lampu jenis A secara rata – rata
mampu menyala selama 1500 jam dengan simpangan baku
(standar deviasi) S1 = 275 jam, sedangkan lampu jenis B
secara rata – rata dapat menyala selama 1.750 jam dengan
simpangan baku S2 = 300 jam. Lampu mana yang kualitasnya
paling baik?
Jawab:
Lampu jenis A: KV1 S1 *100% 275 *100% 18,3%
X1 1500
Lampu jenis B: KV S 2 *100% 300 *100% 17,1%
2
X2 1750
Nilai rata – rata ujian akhir semester mata kuliah Statistika
dengan 45 mahasiswa adalah 78 dan simpangan baku/standar
deviasi (S) = 10. Sedangkan untuk mata kuliah Bahasa Inggris
di Kelas itu mempunyai nilai rata – rata 84 dan simpangan
bakunya (S) = 18. Bila dikelas itu, Desi mendapat nilai UAS
untuk kalkulus adalah 86 dan untuk bahasa Inggris adalah 92,
bagaimana posisi/ prestasi Desi di kelas itu?
Jawab
Untuk mengetahui posisi/ prestasi Desi, maka harus dicari
nilai baku (Z) dari kedua mata kuliah tersebut.
X X
Z
S
dengan nilai X adalah nilai UAS yang diperoleh Desi
Untuk Mata Kuliah Statistika
X = 86 S = 10
Maka:
X 78
86 78
Z 0,8
10
Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18
Maka:
X 84
92 84
Z 0, 4
18
Karena nilai baku (Z) untuk mata kuliah Statistika lebih besar dari B. Inggris, maka posisi Desi lebih
baik pada mata kuliah Statistika dari pada B. Inggris
NILAI BAKU
Nilai baku atau skor baku adalah hasil transformasi antara
nilai rata – rata hitung dengan standar deviasi
Rumus:
X1 X Nilai i = 1, 2, 3, …, n
Zi
S
UKURAN BENTUK
Harapan peneliti data berdistribusi normal. Namun demikian, penyebaran
data dapat abnormal. Bila digambar dalam kurva, maka bentuk
penyimpangan data yg mungkin terjadi al:
1. SKEWNESS
23
UKURAN BENTUK
2. KURTOSIS
24