P. 1
statistik I

statistik I

|Views: 348|Likes:
Published by Amilul Khoir
tugas akhir
tugas akhir

More info:

Categories:Types, School Work
Published by: Amilul Khoir on Nov 18, 2012
Copyright:Attribution Non-commercial
List Price: $9.99 Buy Now

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
See more
See less

03/24/2015

$9.99

USD

pdf

text

original

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 1

BAB I
PENGERTIAN, TUJUAN, DAN FUNGSI STATISTIK
A. Pengertian Statistik
Statistika adalah ilmu pengetahuan yang berhubungan dengan cara-cara pegumpulan,
penyajian, pengolahan anilisis data serta penarikan kesimpulan. Tempo dulu statistik hanya
digunakan untuk menggambarkan keadaan dan menyelesaikan problem-problem kenegaraan
saja seperti perhitungan bnyaknya penduduk, pembayaran pajak, seperti perhitungan banyak
penduduk, pembayaran pajak, mencatat pegawai yang masuk dan keluar, membayar gaji
pegawai, mencatat pegawai yang masuk dan pegawai keluar.
Namun, di era globalisasi, ini hampir semua bidang menggunakan statistik bergantung
pada masalah yang di jelaskan oleh masalah nama statistik itu sendiri. Misalnya: pendidikan,
kedokteran. Pertanian, psikologi, administrasi, sosiologi, teknik, hukum bisnis, ekonomi
bahkan politik.
Statistika dalam arti sempit, statistik merupakan data ringkasan berbentuk angka,
seperti jumlah, rerata (mean), presentase, dan berbagai nilai koefisien seperti koefisien
variasi, koefisien korelasi, koefisien determinasi, dan koefisien regresi. Contoh: Jumlah
penduduk suatu negara, jumlah modal suatu perusahaan, jumlah orang miskin suatu provinsi,
jumlah penjualan suatu perusahaan, dan jumlah ekspor-impor suatu negara selama 1 tahun.
Statistika dalam arti luas disebut juga dengan statistika inferensial/statistika
induktif/statistika probabilitas ialah suatu alat pengumpul data, pengolah data, menarik
kesimpulan, membuat tindakan berdasarkan analisis data yang dikumpulkan atau statistika
yang digunakan menganalisis data sampel dan hasilnya dimanfaatkan (generalisasi) untuk
populasi. Definisi diatas lebih ditekankan pada urutan kegiatan dalam memperoleh data
sampai data itu berguana untuk dasar pengambilan keputusan. Maka data itu harus
dikumpulkan, diolah, disajikan (dalam bentuk tabel dan grafik), dan dianalisis untuk diambil
kesimpulannya dan dibuat saran/usulan/rekomendasi kepada pengumpulan data secara
statistik sangat efisien, maksudnya bisa menghemat tenaga, waktu dan biaya, serta bisa
diperoleh dengan tingkat ketelitian yang tinggi, yang ditandai dengan “margin eror” yang
kecil.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 2

Pengertian statistik itu sendiri berasal dari kata statate (Yunani) negara dan digunakan
untuk urusan negara. Dari uraian ini dapat dikatakan statistik adalah rekapitulasi Dri fakta
yang di bentuk angka-angka disusun dalam bentuk tabel dan diagram yang mendeskripsikan
suatu permasalahan. Adapun jenis tabel distribusi frekuensi, sedangkan jenis diagram, yaitu:
(diagran batang, diagram garis atau grafik, diagram lambang, lingkaran, diagram pastel,
diagram peta dan diagram pencar).
B. Pengertian Statistik Menurut Para Ahli
1. Prof. Dr. H. Agus Irianto
Statistik adalah sekumpulan cara maupun aturan-aturan yang berkaitan dengan
pengumpulan, pengolahan (Analisis), penarikan kesimpulan, atas data-data yang berbentuk
angka dengan menggunakan suatu asumsi-asumsi tertentu.
2. Prof. Drs. Sutrisno Hadi,MA
Statistik adalah cara untuk mengolah data dan menarik kesimpulan-kesimpulan yang
teliti dan keputusan-keputusan yang logik dari pengolahan data.
3. Prof. Dr. Sudjana, M.A., M.Sc.
Statistik adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan data,
pengolahan penganalisisannya, dan penarikan kesimpulan berdasarkan kumpulan data dan
penganalisisan yang dilakukan.
4. Steel dan Torrie
Statistik adalah metode yang memberikan cara-cara guna menilai ketidaktentuan dari
penarikan kesimpulan yang bersifat indukif.
5. Croxton dan Cowden
Statistik adalah metode untuk mengumpulkan, mengolah dan menyajikan, serta
menginterpretasikan data yang berwujud angka-angka.
Jadi, statistik adalah mempelajari pengumpulan data, penyajian data, menganalisis data,
dan menginterpretasikn data sehingga bisa di ambil kesimpulan yang teliti, logis dan mudah
dimenger
C. Landasan Kerja Statistik
Ada tiga jenis landasn kerja statistik, menurut Sutrisno Hadi (1994:222-223) yaitu:
1. Variasi berdasrkan atas kenyataan bahwa seorang peneliti atau penyelidik selalu
menghadapi persoalan dan gelaja yang bermacam-macam (variasi).

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 3

2. Reduksi hanya sebagian dan seluruh kejadian yang hendak diteliti (penelitian
sampling).
3. Generalisasi. Sekalpunpenelityian di lakukan terhadap sebagian dari seluruh
kejadian yang di teliti, namun kesimpulan dari penelitian ini akan diperuntukkan
bagi keseluruhan kejadian atau gejala yang kehendak di ambil.
D. Kegunaan Statistik
Dalam perkembangan ilmu pengetahuan dan teknologi (IPTEK) saat ini, bahwa ilmu
statistika telah mempengaruhi hampir seluruh aspek kehidupan manusia. Hampir semu
kebijakan publik dan keputusan-keputusan yang dimbil oleh pakar pendidikan atau para
eksekutif (dalam ruang lingkup ilmu mereka) di dasrkan dengan metode statistika serta hasil
analisis dan interpretasi data, baik secara kuantitatif maupun kualitatif, selanjutnya statistika
dapat digumnakan sebagai alat:
1. Komunikasi ialah sebagai penghubung bebrapa pihak yang menghasilkan data
statiskik atau berupa analisis statistik sehingga bebarapa pihak tersebut akan dapat
mengambil keputusan melalui informasi tersebut.
2. Deskripsi yaitu penyajian data dan mengilustrasikan data misalnya mengukur
hasil produksi, laporan hasil liputan berita, indeks harga, konsumen laporan
keuangan, tingkatan inflasi, jumlah penduduk, hasil pendapatan dan pengeluaran
negara dan lainnya.
3. Regresi yaitu meramalkan pengaruh data yang satu dengan data lainnya dan untuk
mengantisipasi gejal-gejala yang akan datang.
4. Korelasi yaitu untuk mencari kuatnya atau besarnya hubungan data dalam suatu
penelitian.
5. Komparasi yaitu membandingkan data dua kelompok atau lebih.

E. Tujuan
Melatih berpikir secara eksak (pasti dan jelas), untuk mengambil kesimpulan
berdasarkan data yang valid melalui proses dan tata cara ilmiah dan statistik berperan
sebagai alat bantu dalam hal-hal berikut:
a) Menjelaskan hubungan antara variabel-variabel
Variabel atau peubah merupakan sesuatu yang nliainya tidak tetap, seperti harga, produksi,
hasil penjualan, umur, dan tinggi. Dengan statistik variabel-variabel teersebut dpat

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 4

dijelaskan. Misalnya, hubungan antar permintaan produk dengan tingkat pendapatan,
dengan jumlah penduduk atau dengan jennis penganut agama. Analisis korelasi dan
regresi mampu memberikan jawaban yang terbaik.
b) Membuat rencana dan ramalan
Rencana dan ramalan merupakan dua hal yang diperlukan dalam pelaksanaan sesuatu,
sehingga dapat diperoleh hasil yang baik dan berkualitas. Oleh karena itu, rencana dan
ramalan harus baik pula. Dengan statistik, rencana dan ramalan dapat dibuat sebaik
mungkin. Misalnya, rencana pembuatann perumahan untuk lima tahun mendatang dari
suattu pemerintahan kota yang dipengaruhi oleh banyak faktor, seperti jumlah penduduk
dan tingkat pendapatan masyarakat. Analisi data berkala mampu memberikan jawaban
terbaik.
c) Mengatasi berbagai perubahan
Perubahan-perubahan yang terjadi dalam suatu pengambilan keputusan tidak mungkin
dapat diabaikan atau dihindarkan, supaya pihak0phak lain tidak ada yang dirugikan.
Dengan statistik, perubahan-perubahan yang mungkin terjadi dapat diantisipasi sedini
mungkin.
Misalnya, ketua serikat buruh ingin mengadakan perjanjian dengan pimpinan sebuah
perusahaan. Agar upah riil tidak dirugikan maka ketua serikat buruh perlu memperhatikan
perkembangan indeks harga yang menyangkut perubahan seluruh harga barang untuk
periode saat itu dari periode sebelumya. Perhittungan angka indeks dapat memberikan
jawabannya.

d) Membuat keputusan yang lebih baik
Keputusan yang baik dan rasional amat diperlukan dalam menjaga kelancaran dalam
sebuah aktifitas kerja supaya kelestarian dari sebuah usaha dapat terjamin. Dengan
statistik, keputusan yang baik dan rasional dapat dihasilkan.

e) Statistika deskriptif
Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan
menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan
proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-
rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik. Statistika deskriptif dapat

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 5

memberikan pengetahuan yang signifikan pada kejadian fenomena yang belum dikenal dan
mendeteksi keterkaitan yang ada di dalamnya. Tetapi dapatkah statistika deskriptif
memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu alat
pengukuran yang berhubungan dengan keragaman pada karakteristik objek-objek yang
berbeda . Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki
"quantifiabel feature" melalui penyelidikan. Namun demikian, keragaman bisa menjadi hasil
dari keberagaman yang lainnya (karena acak atau terkontrol). Pada ilmu fisika, yang sangat
berkaitan dengan ekstraksi dan formulasi persamaan matematik tidak menyisakan banyak
tempat untuk fluktuasi acak. Pada ilmu statistika, fluktuasi seperti itu dapat dijadikan model.
Hubungan relasi statistik selanjutnya merupakan hubungan relasi yang menerangkan suatu
proporsi perubahan stokastik yang pasti.
f) Statistika Induktif
Berbeda dengan fisika, hubungan atau relasi empiris yang diobservasi pada ilmu alam,
sosiologi dan psikologi (dan bidang pilhan lain misalnya ekonomi) bersifat statis. Pada
bidang-bidang ini, pekerjaan empiris dilaksananakan berdasarkan percobaan-percobaan atau
survey sampel. Pada kasus lainnya, seluruh populasi tidak dapat diobservasi-karena berbagai
alasan ekonomis ataupun praktis. Mengambil kesimpulan tentang suatu populasi berdasarkan
data dari sampel yang terbatas merupakan tujuan dari suatu proses pengambilan keputusan
inferensial atau statistik induktif. Perubahan di sini merupakan suatu refleksi variasi pada
sampel dan proses pengambilan sampel.

F. Fungsi Statistik
1. Peranan statistik
Statistik mempunyai beberapa fungsi dan peranan antara lain, sebagai berikut.
1) Kegunaan statistik di perusahaan industry
Analisa kuantitatif sebenarnya merupakan soal yang baru bagi pimpinan perusahaan
industry modern. Pimpinan ingin memperoleh gambaran yang bersifat statistik-
kuantitatif tentang segala aspek kegiatan perusahaannya agar dapat dipakai sebagai
bahan dasar pengambilan keputusan mengenai kegiatan-kegiatan perusahaan dimasa
yang akan datang. Analisa kuantitatif sedemikian itu sering dipakai untuk memecahkan
persoalan produksi, pembelanjaan, investasi, pemasaran dan administrasi. Bidang
akuntansi

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 6

Sebagian besar daripada kegunaan statistik dibidang akuntansi bertalian dengan penilaian
tentang aktiva perusahaan. Penyesuaian yang bertalian dengan perubahan harga dan
hubungan antara ongkos dan volume produksi banyak membutuhkan peralatan statistik.
2) Kegunaan statistik di Bidang marketing
Penggunaan statistik dalam bidang ini berhubungan erat dengan analisa penjualan,
analisa pasar dan analisa pemasaran. Pada hakekatnya, ketiga analisa diatas ditujukan
untuk menaksir potensi penjualan dimasa yang akan datang. Analisa statistik yang
berhubungan dengan ketiga hal diatas sebetulnya berkisar pada enam pokok persoalan..

Peran statistik dalam kehidupan sehari – hari, dalam penelitian ilmiah, dan ilmu pengetahuan.
1. Dalam kehidupan sehari – hari
Penyedia bahan – bahan atau keterangan – keterangan berbagai hal untuk diolah dan
ditafsirkan
2. Dalam penelitian ilmiah
Penyedia alat untuk mengemukakan atau menemukan kembali keterangan – keterangan
yang seolah – olah tersembunyi dalam angka – angka statistik.
3. Dalam ilmu pengetahuan
Peralatan analisis dan interpretasi dari kata kuantitatif ilmu pengetahuan, sehingga
didapatkan suatu kesimpulan dari data – data tersebut.

Dari peranan dan perlunya mempelajari statistik, dapat disusun beberapa fungsi
statistik dalam kehidupan sehari-hari. Fungsi statistik antara lain:
 Statistik sebagai bank data adalah menyediakan data untuk diolah dan diinterpretaskan
agar dapat dipakai untuk menerangkan keadaan yang perlu diketahui atau diungkap.
 Statistik sebagai alat quality control adalah sebagai alat pembantu standardisasi dan
sekaligus sebagai alat pengawasan.
 Statistik sebagai alat analisis data merupakan satu bentuk metode penganalisisan data.
 Statistik sebagai pemecahan masalah dan dan pembuatan keputusan adalah sebagai dasar
penetapan kebijakan dan langkah lebih lanjut untuk mempertahankan dan
mengembangkanperusahaan dalam memperoleh keuntunagn.
Statistika berperan dalam setiap kegiatan kehidupan. Sebagai contoh, dalam ilmu ekonomi
statistic merupakan peralatan analisa pendapatan dan pengeluaran penduduk atau masyarakat.
Dalam ilmu kedokteran untuk peralatan analisa penyakit dan dalam kehidupan sehari-hari
kita banyak menemukan data-data statistic. Seperti, perhitungan caleg yang dapat kita lihat di

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 7

TV atau di Koran, bursa efek saham, kurs rupiah dan banyak lagi. Jadi dalam kehidupan
sehari-hari statistic memiliki peran dan fungsi masing-masing sesuai bidangnya. Jadi
statistika sebenarnya sangat penting bagi kita, dapat berguna dalam menentukan keputusan
meskipun kadangkala penggunaannya tidak kita sadari.
Jadi, fungsi sttistik yaitu,
 Menggambarkan data dalam bentuk tertentu.
 Menyederhanakan data yang komples menjadi mudah dimengerti.
 Menentukan hubungan sebab akibat


















Aminul Khoir

Statistika I | Pendidikan Geografi 2011 8

BAB II
DISTRIBUSI FREKUENSI
A. Pengertian Distribusi Frekuensi
Pengertian distribusi frekuensi adalah penuyusunan suatu data mulai dari yang terkecil
hingga terbesar yang membagi banyaknya data ke dalam beberapa kelas. Kegunaan data yang
masuk dalam distribusi frekuensi adalah memudahkan data dalam penyajian, mudah di
pahami, dan mudah di baca sebagai bahan informasi, pada gilirannya di gunakan untuk
perhitungan membuat gambar statistik dalam berbagai untuk penyajian data.
Sebelum kita membahas mengenai pengertian distribusi frekuensi, terlebih dahulukita
bahas mangenai pengertian variabel dan frekuensi.
a) Variabel
Variabel berasal dari kata dalam bahasa Inggris “variable” dengan arti ubahan, faktor tak
tetap, atau gejala yang dapat diubah-ubah. Variabel pada dasarnya bersifat kualitatif
namun dilambangkan dengan angka.
Sebagai contoh: data nilai-nilai hasil ujian semester 80 siswa, maka yang menjadi
variabel adalah nilai-nilai hasil ujian semester yang diperoleh 80 siswa. Nilai ujian pada
dasarnya adalah gejala kualitatif dilambangkan dengan angka, seperti: 60, 70, 80 dan
sebagainya.
b) Frekuensi
Dalam statistik, pengertian Distribusi Frekuensi adalah suatu keadaan yang
menggambarkan bagaimana frekuensi dari gejala atau variabelyang dilambangkan dengan
angka itu, telah tersalur, terbagi, atau terpencar. Kegunaan data yang masuk dalam
distribusi frekuensi adalah untuk memudahkan data dalam penyajiannya, mudah difahami,
dan mudah dibaca sebagai bahan informasi.

B. Tabel Distribusi Frekuensi
1) Pengertian Tabel Distribusi Frekuensi
Tabel adalah alat penyajian data statistik yang berbentuk (dituangkan dalam
bentuk) kolom dan lajur. Dengan demikian tabel distribusi frekuensi dapat diberikan
pengertian sebagai alat penyajian data statistik yang berbentuk kolom dan lajur, yang
didalamnya dimuat angka yang dapat melukiskan atau menggambarkan pencaran atau
pembagian frekuensi dari variabel yang sedang menjadi objek penelitian. Dalam suatu

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 9

tabel distribusi frekuensi akan kita dapati: (1) variabel, (2) frekuensi, dan (3) jumlah
frekuensi.

2) Tabel Distribusi Frekuensi dan Macamnya
Dalam dunia statistik banyak kita ketahui berbagai macam Tabel Distribusi
Frekuensi, namun dalam pembahasan kali ini akan dikemukakan 4 macam Tabel
Distribusi Frekuensi, yaitu: Tabel Distribusi Frekuensi Data Tunggal, Tabel Distribusi
Frekuensi Data Kelompok, Tabel Distribusi Frekuensi Kumulatif, dan Tabel Distribusi
Frekuensi Relatif (Tabel Persentase).
a. Tabel Distribusi Data Tunggal
Adalah salah satu jenis tabel statistik yang didalamnya disajikan frekuensi dari
angka, angka yang ada tidak dikelompokkan.
b. Tabel Distribusi Data Kelompok
Adalah salah satu jenis tabel statistik yang didalamnya disajikan pencaran
frekuensi dari data angka, dimana angka-angka tersebut dikelompok-kelompokkan (
dalam tiap unit terdapat sekelompok angka). Sebelum melankah lebih lanjut, maka
terlebih dahulu perlu kita bahas mengenai istilah yang berhubungan dengan
distribusi frekuensi.
 Interval Kelas
Adalah sejumlah nilai variabel yang ada dalam batas kelas tertentu.
 Batas Kelas
Ialah suatu nilai yang membatasi kelas pihak satu dengan pihak kelas lain. Batas
kelas dibedakan menjadi dua yaitu: Batas Kelas Atas (BA) dan Batas Kelas
Bawah (BB). Nilai Batas Atas Nyata diperoleh dengan nilai batas atas ditambah
0,5 (+ 0,5) dan Nilai Batas Bawah Nyata diperoleh dengan nilai batas atas
dikurangi 0,5 (- 0,5).
 Titik Tengah Kelas
Adalah nilai yang terdapat di tengah interval kelas atau nilai batas atas kelas
ditambah nilai batas bawah kelas dikalikan setengah. Titik tengah kelas biasanya
disebut juga nilai tengah (mid point).
Nilai Tengah (Mid Point) : Nilai BA + Nilai BB x 1/2
Adapun langkah-langkah dalam pembuatan Distribusi Frekuensi dilakukan
sebagai berikut:
1) Urutkan data dari data terkecil sanpai data terbesar

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 10

2) Hitung jarak atau rentang (R)
Dengan rumus: R = Data Terendah – Data Tertinggih
3) Hitung jumlah kelas (K)
Dengan rumus: K = 1 + 3,3 Log n
n : jumlah data
4) Hitung panjang kelas interval (P)
Dengan rumus:
P = Rentang (R)
Jumlah Kelas (K)
5) Tentukan batas data terendah atau ujung data pertama, dilanjutkan menghitung
kelas interval, caranya menjumlahkan ujung bawah kelas sampai pada data akhir
6) Buat tabel (tabulasi data) dengan cara dihitung satu demi satu yang sesuai dengan
urutan interval kelas.
C. Beberapa catatan tentang penyusunan distribusi frekuensi
1) Pada pembuatan distribusi frekuensi, perlu dijaga jangan sampai ada data yang tidak
dimasukkan ke dalam kelas atau ada data yang masuk ke dalam dua kelas yang
berbeda.
2) Titik tengah kelas diusahakan bilangan bulat/tidak pecahan.
3) Nilai frekuensi diusahakan tidak ada yang nol.
4) Dalam menentukan banyaknya kelas (k), diusahakan:
a) Tidak terlalu sedikit, sehingga pola kelompok kabur;
b) Banyaknya kelas berkisar 5 sampai 15 buah;
c) Jika jangkauan terlalu besar maka banyaknya kelas antara 10 sampai 20.
5) Cara lain dalam menetapkan banyaknya kelas ialah:
a) Memilih atau menetapkannya sesuai dengan kebutuhan yang diinginkan;
b) Menggunakan rumus

k = R + 1
i

Keterangan:
R = jangkauan
i = panjang interval kelas


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 11

c. Tabel Distribusi Frekuensi Kumulatif
Distribusi Frekuensi Kumulatif adalah distribusi frekuensi yang nilai
frekuensinya diperoleh dengan cara menjumlahkan frekuensi demi frekuensi.
Frekuensi kumulatif dari suatu kelas adalah frekuensi yang dihitung secara
meningkat ke atas dari frekuensi kelas terbawah sampai kelas yang bersangkutan.
d. Tabel Distribusi Frekuensi Relatif
Frekuensi yang dihitung dalam persen (%) disebut frekuensi relatif. Distribusi
Frekuensi Relatif ialah distribusi frekuensi yang nilai frekuensinya tidak dinyatakan
dalam bentuk angka mutlak atau nilai mutlak, akan tetapi setiap kelasnya dinyatakan
dalam bentuk angka presentase (%) atau angka relatif. Tabel Distribusi Frekuensi
Relatif juga dinamakan tabel persentase. Dikatakan frekuensi relative sebab
frekuensi yang disajikan bukanlah frekuensi yang sebenarnya, melainkan frekuensi
yang dituangkan dalam bentuk angka persenan (%). Teknik perhitungan distribusi
frekuensi relatif yaitu dengan cara membagi angka distribusi frekuensi mutlak
dengan jumlah keseluruhan distribusi frekuensi dan dikalikan 100%, atau dengan
rumus:
p = f x 100%
N
Dimana: f = frekuensi yang dicari persentasenya
N= jumlah frekuensi / banyaknya individu
P = angka perse

D. Macam distribusi frekuensi
Distribusi frekuensi terdiri dua distribusi frekuensi kategori dan distribusi frekuensi numerik.
Distribusi frekuensi kategori ialah distribusi frekuensi yang pengelompokan datanya
di susun berbentuk kata-kata atau distribusi frekuensi yang penyatuan kelas-kelasnya di
dasrkan pada data kategori (kualitatif). Sedangakan distribusi numerik ialah distribusi
frekuensi yang penyatuan kelas-kelasnya (di susun secara interval di dasrkan pada angka-
angka kuantitatif).





Aminul Khoir

Statistika I | Pendidikan Geografi 2011 12

1. Contoh distribusi frekuensi kategorik

Tabel 1
Distribusi Frekuensi Peserta Diklat Pejenjangan
Jenis Diklat Frekuensi
Adum 1.500
Adumla 1.200
Spama 750
Spamen 300
Spati 150
Lemhannas 50
Jumlah 3.850



Tabel 2
Perkiraan Pertambahan Angktan Kerja dan Kesempatan Kerja (dalam ribuan)
Akhir pelita ferkuensi
Angkatan kerja Kesempatan kerja
Tahun 1998 12.704 11.913
Tahun 2003 13.232 12.427
Tahun 2008 12.701 12.744
Jumlah 38.637 37.084

Tabel 3
Distribusi Frekuensi Konsumsi Mie Instan Dunia (dalam milyaran/tahun)
Negara Frekuensi
Cina 12,0
Indonesia 6,0
Jepang 5,2
Korea selatan 5,2

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 13

Amerika Serikat 2,0
Tahiland 1,5
Jumlah 30,3

2. Contoh Distribusi Frekuensi Numerik
TABEL 4
Distribusi Frekuensi Nilai Pelayanan Masyarakat
Nilai Interval Frekuensi
27-33 1
34-40 9
41-47 13
48-54 15
55-61 13
62-68 11
69-75 2
Jumlah 64


TABEL 5
Distribusi Frekuensi
Pegawai PT Nurmana Sidoarjo Tahun 2001
Umur Frekuensi
21-25 25
26-30 50
31-35 30
36-40 40
41-45 20
46-50 10
51< 5
Jumlah 180

TABEL 6

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 14

Distribusi Frekuensi Nilai Ujian Statistik
Nilai Interval Frekuensi
60-65 4
66-71 5
72-77 10
78-83 12
84-89 6
90-95 3
Jumlah 40

E. Cara Membuat Distribusi Frekuensi
1. Tentukan Rentang
R = Nilai terbesar – nilai terkecil.
= 99 - 35 = 64
2. Tentukan banyaknya kelas interval.
Acuan aturan Starges
Banyak kelas = 1 + (3,3) log n
= 1 + (3,3) log 80 = 7,28
≈ 7 kelas
 Tentukan panjang kelas interval

4. Tentukan limit kelas
5. Daftar semua limit keats
6. Menentukan frekwensi → bantuan kolom tabulasi

Contoh:
Nilai Ujian Statistik 80 orang mahasiswa adalah sebagai berikut:
79 49 48 34 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 15

80 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 81 88 81
70 74 98 95 80 59 73 71
83 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75


Dengan menggunakan aturan pembulatan distribusi frekuensi tersebut di atas
dapat di buat sebuah distribusi frekuensi dengan 7 kelas sebagai berikut
Nilai Ujian Frekuensi (f)
31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
91 - 100 12

















Aminul Khoir

Statistika I | Pendidikan Geografi 2011 16

BAB III
GRAFIK
A. Pengertian Grafik
Penyajian data statistik dengan menggunakan diagram berbentuk garis lurus disebut
diagram garis lurus atau diagram garis. Diagram garis biasanya digunakan untuk menyajikan
data statistik yang diperoleh berdasarkan pengamatan dari waktu ke waktu secara berurutan.
Untuk membuat grafik dari suatu bahan, kita terlebih dahulu membuat tabelnya. Table
semacam ini disebut dengan table persiapan, yang mungkin turut disajikan tentang hasil
penyelidikan kita, mungkin tidak.
B. Fungsi Grafik
Data statistik dapat disajikan dalam bentuk tabel atau grafik. Penyajian data dalam
bentuk grafik umumnya lebih menarik perhatian dan mengesankan. Pimpinan perusahaan
yang sangat sibuk dan tiada waktu guna membaca tabel statistik pada umumnya lebih suka
mempelajari peristiwa-peristiwa perusahaannya dari grafik statistik. Sebenarnya, penyajian
data statistik secara grafis memiliki bermacam-macam kegunaan.
Grafik atau diagram seringkali dipergunakan dengan iklan dengan maksud agar
konsumen memperileh kesan yang mendalam terhadap cirri-ciri produk yang diiklankan.
Kegiatan-kegiatan produksi lebih mudah diliahat dan dinilai secara visual bila kegiatan-
kegiatan tersebut dinyatakan dalam angka-angka dan digambarkan secara grafis. Peta
pengawasan kualitas merupakan alat yang penting dalam melaksanakan pengawasan produk
maupun pengawasan proses produksi. Grafik penjualan sebuah perusahaan member
gambaran yang sederhana dan menarik mengenai perkembangan hasil penjualan yang telah
dicapai oleh perusahaan yang bersangkutan.
Sebenarnya, grafik dan tabel hendaknya dipergunakan secara bersama-sama. Grafik
statistik memang lebih mudah menarik perhatian pembacanya daipada tabel statistik. Selain
daripada itu, grafik sedemikian itu dapat melukiskan suatu peristiwa secara lebih mengesakan
dan tidak menjemukan. Meskipun demikian, penyajian secara grafis sebetulnya hanya
bersifat aproksimatif. Angka –angka yang eksak dan terperinci tentang suatu peristiwa hanya
mungkin diperoleh dari tabel statistik. Karena itu, analisa dan interpretasi data kuantitatif
umumnya dilakukan dari angka-angaka yang terdapa dalam tabel statistik.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 17

Akhirnya, penyajian secara grafis memerlukan waktu dan tenaga yang lebih besar daripada
penyajian dalam bentuk tabel statistik.
Sumbu X menunjukkan waktu-waktu pengamatan, sedangkan sumbu Y menunjukkan
nilai data pengamatan untuk suatu waktu tertentu. Kumpulan waktu dan pengamatan
membentuk titik-titik pada bidang XY, selanjutnya kolom dari tiap dua titik yang berdekatan
tadi dihubungkan dengan garis lurus sehingga akan diperoleh diagram garis atau grafik garis.
C. Macam- macam Grafik
 Grafik Garis
Penyajian dalam bentuk gambar memudahkan bagi siapa saja untuk dapat mengambil
kesimpulan dengan cepat dan tepat. Data berkala(time series data) adalah data yang
dikumpulkan dari waktu ke waktu untuk mengetahui perkembangan suatu hal/ kegiatan
(perkembangan produksi, hasil penjualan, harga, penduduk, jumlah murid/mahasiswa,
jumlah guru/dosen, jumlah kecelakaan lalu lintas, jumlah korban kecelakaan lalu lintas,
jumlah penanaman modal asing, jumlah turis, jumlah pelanggaran hukum, dan
sebagainya).
Biasanya disajikan dalam bentuk grafik garis untuk memudahkan pembuatan trend.
Seperti kita ketahui, trend dapat dipergunakan untuk dasar pembuatan ramalan
(forecasting) yang amat berguna untuk dasar perencanaan. Dlam hal ini terdapat berbagai
macam grafik garis antara lain:
 Grafik Garis Tunggal (Single line chart)
Grafik garis tunggal adalah grafik yang terdiri dari satu garis untuk menggambarkan
perkembangan suatu hal atau kejadian. Misalnya, perkembangan hasil penjualan semen,
gula, pupuk, tekstil, dan sebagainya.
Contoh grafik garis tunggal:
Tabel. Hasil penjualan barang elektronik perusahaan Terang 1980-1986
Tahun 1980 1981 1982 1983 1984 1985 1986
Penjualan 80 97,5 100 110 115 125 150




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 18

Grafik Hasil penjualan barang elektronika
perusahaan „Terang‟ 1980-1986





 Grafik Garis Berganda ( Multiple Line Chart)
Grafik garis berganda adalah grafik yang terdiri dari beberapa garis untuk
menggambarkan perkembangan beberapa hal atau kejadian sekaligus. Misalnya
perkembangan ekspor import menurut golongan A, B, dan minyak bumi.
Contoh grafik garis berganda :







Grafik ekspor golongan A, B, dan Migas tahun 2005-2008
 Grafik Garis Komponen Berganda ( Multiple Component Line Chart)
Grafik ini serupa dengan grafik berganda akan tetapi yang teratas atau terakhir
menggambarkan jumlah atau total dari komponen-komponen sedangkan garis lainnya
menggambarkan masing-masing komponen. Berikut ini contoh grafik garis komponen
berganda:
0
1000
2000
3000
4000
5000
6000
2005 2006 2007 2008
Gol A
Gol B
Migas
80
97.5 100
110
115
125
150
0
50
100
150
200
1
9
8
0
1
9
8
1
1
9
8
2
1
9
8
3
1
9
8
4
1
9
8
5
1
9
8
6
Series 1
Series 1

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 19

Ekspor Minyak Bumi dan Non Minyak Bumi tahun 2001-2007 ( Barrel )

Jenis 2001 2002 2003 2004 2005 2006 2007
Non Migas 2200 1550 4600 5000 2000 3500 5500
Migas 2300 3500 1250 2500 4000 4000 6600
Jumlah 4500 5050 5850 7500 6000 7500 12100


Grafik Ekspor minyak bumi dan Non Minyak Bumi 2001-2007
 Grafik Garis Presentase Komponen Berganda
Grafik ini serupa dengan grafik garis komponen berganda, hanya saja pada masing-
masing komponen dinyatakan terhadap jumlah (total). Berikut ini contoh grafik garis
presentase komponen berganda.








Grafik
presentase terjadi Gejala Alam di Ponorogo tahun 2004-2009
0
2000
4000
6000
8000
10000
12000
14000
A
x
i
s

T
i
t
l
e

Grafik Ekspor minyak bumi dan Non Minyak
Bumi 2001-2007
Non Migas
Migas
Jumlah
10
12
15
13
15 14
10
20
23
25
24
22
10 40 42 45 43 45
0%
20%
40%
60%
80%
100%
2004 2005 2006 2007 2008 2009
Grafik presentase terjadi Gejala Alam di
Ponorogo tahun 2004-2009
Banjir
Longsor
Gempa

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 20

 Grafik Garis Berimbang Neto ( Net Balance Line Chart)
Sering kali dijumpai mengenai nilai-nilai mengenai hal yang berlawanan, misalnya
penerimaan dan pengeluaran, eksport dan import, input dan output yang selisihnya harus
dinyatakan dalam grafik. Grafikgaris berimbang neto merupakan grafik garis tunggal yang
menggambarkan nilai selisih dari data. Pada garis timbangan ( balance line). Nilai-nilai
selisih tersebut dengan garis timbangan dpat diberi warna yang berbeda.
Contoh : Grafik Penerimaan, pengeluaran, dan Defisit Negara ( milyar Rp)

Grafik
defisit
Negar
a








Grafik defisit Negara
D. Macam- macam Grafik
Penggambaran grafik dalam bentuk batangan / balok hamper sama seperti grafik
garis. Seperti halnya garfik garis, grafik balok inipun terdiri dari beberapa macam antara
lain:
 Grafik Batangan Tunggal ( Single Bar Chart)
Grafik ini terdiri dari satu buah batang balok untuk mewakili suatu nilai untuk
menggambarkan suatu perkembangan suatu hal/kejadian.


tahun 2001/02 2002/03 2003/04 2004/05 2005/06 2006/07
input 8.077,86 11.720,86 13.921,60 14.358,29 18.315,05 19.383,50
output 8.075,98 11.716,13 13.917,74 14.355,92 18.310,97 19.380,87
selisih 1,88 4,73 3,86 2,37 4,08 2,63
0
1
2
3
4
5
6
defisit

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 21

Contoh :





Grafik pembalakan liar di Hutan Kalimantan (hektar)
 Grafik Batangan Berganda (Multiple Bar Chart)
Grafik batangan berganda adalah grafik yang terdiri dari beberapa
balok/batangan untuk menggambarkan beberapa hal atau kejadian sekaligus. Contoh
grafik batangan berganda sebagai berikut:








Grafik penggunaan lahan di daerah Banjarmasin tahun 2007-2010
 Grafik Batangan Komponen Berganda (Multiple Component Bar Chart)
Grafik ini serupa dengan grafik balok berganda akan tetapi pada komponen
suatu nilai menunjukkan jumlah total keseluruhan nilai dalam diagram batangan.
Berikut ini adalah contoh grafik batangan komponen berganda :
Grafik ini tiap nilai hanya memiliki satu batangan atau balok dimana balok
tersebut mewakili data / kejadian yang berbeda dengan member tanda balok yang
bernilai „A‟ misalnya, dan untuk nilai „B‟ berada di atas balok A dengan sendirinya
diperoleh jumlah total dalam komponen-komponen nilai yang ada didalam grafik.
0
10
20
30
40
50
60
2005 2006 2007 2008 2009 2010
A
x
i
s

T
i
t
l
e

Axis Title
2005
0
20
40
60
80
100
2007 2008 2009 2010
A
x
i
s

T
i
t
l
e

Axis Title
berkebun
pemukiman
hutan

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 22








Grafik Ekspor Migas dan Non Migas tahun 2003-2008 (jutaan US$)
 Grafik Batangan Presentase Komponen Berganda
Grafik ini serupa dengan grafik batangan komponen berganda, hanya saja
pada masing-masing komponen dinyatakan dalam jumlah total). Berikut ini contoh
grafik batangan presentase komponen berganda :






Grafik presentase penggunaan Lahan di Jawa
 Grafik Batangan Berimbang Neto (Net Balance Bar Chart)
Banyak dijumpai mengenai nilai-nilai yang berlawanan. Misalnya penerimaan
dan pengeluaran, ekspor impor, dan grafik ini merupakan selisih dari keduanya.
Berikut ini contoh grafik batangan berimbang neto:

0
5000
10000
15000
20000
25000
30000
2003 2004 2005 206 2007 2008
NON MIGAS
MIGAS
0%
20%
40%
60%
80%
100%
A
x
i
s

T
i
t
l
e

Axis Title
Chart Title
hutan
pemukiman
sawah

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 23



Grafik defisit Negara tahun 2001-2005

3. Diagram Lingkaran
Diagram lingkaran adalah penyajian data statistik dengan menggunakan gambar yang
berbentuk lingkaran. Bagian-bagian dari daerah lingkaran menunjukkan bagian bagian atau
persen dari keseluruhan. Untuk membuat diagram lingkaran, terlebih dahulu ditentukan
besarnya persentase tiap objek terhadap keseluruhan data dan besarnya sudut pusat sektor
lingkaran.
Contoh soal
Ranah privat (pengaduan) dari koran Solo Pos pada tanggal 22 Februari 2008
ditunjukkan seperti tabel berikut.


0
1
2
3
4
5
6
2001/02 2002/03 2003/04 2004/05

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 24

Nyatakan data di atas dalam bentuk diagram lingkaran.
Penyelesaian
Sebelum data pada tabel di atas disajikan dengan diagram lingkaran, terlebih dahulu
ditentukan besarnya sudut dalam lingkaran dari data tersebut.
1. CPNS/Honda/GTT = 5/100 x 360° = 18°
2. Perbaikan/pembangunan/gangguan jalan = 9/100 x 360° = 32,4°
3. Masalah lingkungan/kebersihan = 6/100 x 360° = 21,6°
4. Kesehatan/PKMS/Askeskin = 3/100 x 360° = 10,8°
5. Lalu lintas/penertiban jalan = 6/100 x 360° = 21,6°
6. Revitalisasi/budaya Jawa = 20/100 x 360° = 72°
7. Parkir = 3/100 x 360° = 10,8°
8. Pekat/penipuan/preman = 7/100 x 360° = 25,2°
9. Persis/olahraga = 10/100 x 360° = 36°
10. PKL/Bangunan liar = 2/100 x 360° = 7,2°
11. PLN dan PDAM = 2/100 x 360° = 7,2°
12. Provider HP = 7/100 x 360° = 25,2°
13. Tayangan TV/radio/koran = 3/100 x 360° = 10,8°
14. Lain-lain = 17/100 x 360° = 61,2°
Diagram lingkarannya adalah sebagai berikut.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 25


4. Histogram
Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi dan
disajikan dalam bentuk diagram yang disebut histogram. Jika pada diagram batang, gambar
batang-batangnya terpisah maka pada histogram gambar batang-batangnya berimpit.
Histogram dapat disajikan dari distribusi frekuensi tunggal maupun distribusi frekuensi
bergolong. Untuk lebih jelasnya, perhatikan contoh berikut ini.
Data banyaknya siswa kelas XI IPA yang tidak masuk sekolah dalam 8 hari berurutan
sebagai berikut.


 Poligon Frekuensi
Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan
batangbatangnya
dihapus, maka akan diperoleh poligon frekuensi. Berdasarkan contoh di atas
dapat dibuat poligon frekuensinya seperti gambar berikut ini.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 26



Contoh soal:
Hasil pengukuran berat badan terhadap 100 siswa SMP X digambarkan dalam distribusi
bergolong seperti di bawah ini. Sajikan data tersebut dalam histogram dan poligon frekuensi.

Penyelesaian
Histogram dan poligon frekuensi dari tabel di atas dapat ditunjukkan sebagai berikut.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 27

 Poligon Frekuensi Kumulatif
Dari distribusi frekuensi kumulatif dapat dibuat grafik garis yang disebut poligon frekuensi
kumulatif. Jika poligon frekuensi kumulatif dihaluskan, diperoleh kurva yang disebut kurva
ogive. Untuk lebih jelasnya, perhatikan contoh soal berikut ini.
Hasil tes ulangan Matematika terhadap 40 siswa kelas XI IPA digambarkan dalam tabel di
samping.
a. Buatlah daftar frekuensi kumulatif kurang dari dan lebih dari.
b. Gambarlah ogive naik dan ogive turun.


 Ogive naik dan ogive turun
Daftar frekuensi kumulatif kurang dari dan lebih dari dapat disajikan dalam bidang
Cartesius. Tepi atas (67,5; 70,5; …; 82,5) atau tepi bawah (64,5; 67,5; …; 79,5) diletakkan
pada sumbu X sedangkan frekuensi kumulatif kurang dari atau frekuensi kumulatif lebih dari
diletakkan pada sumbu Y. Apabila titik-titik yang diperlukan dihubungkan, maka terbentuk
kurva yang disebut ogive. Ada dua macam ogive, yaitu ogive naik dan ogive turun. Ogive
naik apabila grafik disusun berdasarkan distribusi frekuensi kumulatif kurang dari.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 28

Sedangkan ogive turun apabila berdasarkan distribusi frekuensi kumulatif lebih dari. Ogive
naik dan ogive turun data di atas adalah sebagai berikut.

























Aminul Khoir

Statistika I | Pendidikan Geografi 2011 29

BAB IV
Tendensi Sentral
A. Pengertian
Disebut ukuran gejala pusat atau tendensi sentral (central tendency), karena nilai atau
harga ukuran gejala pusat mampu memberi gambaran tentang posisi atau letak pusat data atau
nilai-nilai pengamatan, baik dalam bentuk data tunggal, maupun yang sudah dikelompokkan
dalam bentuk tabel distribusi frekuensi. Data yang disajikan dengan ukuran-ukuran gejala
pusat lebih mudah dibaca dibandingkan dengan data tunggal. Posisi atau letak pusat data
yang ada dapat dilihat dari besarnya harga rata-rata, modus, median, kuartil, desil, dan
persentil.

B. Rata-Rata Ukur (Arithmetic Mean)
 Rata-rata ukur untuk data tidak berdistribusi (dikelompokkan)
Kegunaan rata-rata ukur antara lain mencari rata-rata kenaikan dalam bentuk presentase,
perbandingan tiap data berurutan yang hampir tetap atau secara tetap. Menghitung rata-rata
terhadap presentase.
Rata-rata ukur dinyatakan dengan rumus :
RU = √

– 100 jika rumus berubah dalam bentuk
Keterangan : Log, maka menjadi:
RU = Rata-rata ukur Log RU =

n = Banyak Data RU = antilog RU - 100
X1.X2.X3....= tiap gejala dalam %
Contoh 1. Diketahui besarnya penghasilan per minggu Yan Mufid di Toko Al-Batul
YPI Al-Jawad, sebagai berikut :
I : 75.000 IV : 50.000
II : 65.000 V : 68.000
III : 70.000 VI : 120.000
Berapa rata-rata ukur per minggu ?
Jawab :

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 30

Minggu Penghasilan Persentase Perubahan (%)
I 75.000
II 65.000 (65.000/75.000) x 100 = 92,86
III 70.000 (70.000/65.000) x 100 = 107,69
IV 50.000 (50.000/70.000) x 100 = 71,43
V 68.000 (68.000/50.000) x 100 = 136
VI 120.000 (120.000/68.000) x 100 =176,47

X
1
=92,86 ; X
2
=107,69 ; X
3
=71,43 ; X
4
=136 ; X
5
=176,47
Log RU = √

– 100
= 111,3782-100 = 11,3782
Perhitungan: Log RU :

RU= antilog RU – 100
Log RU =

= 2,0468
RU=antilog 2,0468-100
RU = 111,3782-100 = 11,3782
1) Rata-rata ukur untuk data berdistribusi (dikelompokkan)
RK = √

Keterangan : RK = Rata-rata kelompok
N= Ʃf
X = titik tengah tiap-tiap kelas
Log RK =

X (%) Log X
92,86 1,9678
107,69 2,0322
71,43 1,8539
136 2,1335
176,47 2,2467
Ʃlog X =10,2341

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 31

Contoh Soal :
No Nilai
Interval
Frekuensi Tiap-
tiap kelas (f)
Titik
Tengah
tiap kelas
(x)
Log.x f.log.x
1 60-64 2 62 1,7924 3,5848
2 65-69 6 67 1,8261 10,9566
3 70-74 15 72 1,8573 27,8595
4 75-79 20 77 1,8865 37,7300
5 80-84 16 82 1,9138 30,6208
6 85-89 7 87 1,9395 13,5765
7 90-94 4 92 1,9638 7,8552
n=Ʃf=70 Ʃ(f.log.x)=132,1834
Log RK =

=

= 1,8883
RK = 77,32 (antilog)
2) Rata-rata ukur sebagai pengukuran tingkat pertumbuhan
P
n
=P
0
(1+ r)
n
atau r = √

– 1
Keterangan: Po = Besar data awal periode r = Rata-rata tingkat penurunan
Pn = Besar data yang ke-n n = Banyak data atau periode
perkembangan
Contoh 1 : Bapak Ramun seorang pedagang udang windu di Kalianyar Bangil.
Berpenghasilan perminggu sebesar :
Periode awal (P
0
) = 525.000
Periode akhir (P
n
) = 340.000
Jangka waktu periode = 5 minggu
r = √

– 1 = √

– 1
=

- 1
= 1,0986 – 1
= 0,0986 atau 9,86 %

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 32


C. Rata-Rata Harmonik (Harmonic Mean)
Rumus : RH =

keterangan : X = harga / nilai tiap-tiap data
n = banyak data
contoh :
Kecepatan Pertama (X
1
) = 90 km/jam
Kecepatan Ke dua (X
2
) = 70 km/jam
Kecepatan Ke tiga (X
3
) = 80 km/jam
RH =

=

=

= 79,2 km/jam
i. Menghitung Rata-rata Harmonik Berdistribusi (Dikelompokkan)
RHK =

Keterangan : RHK = Rata-rata Harmonik Kelompok
f = frekuensi
X
i
= titik tengah kelas

No Nilai Interval Frekuensi (f) Titik Tengah
(X
i
)

1 60-64 2 62 0,032
2 65-69 16 67 0,090
3 70-74 15 72 0,208
4 75-79 20 77 0,260
5 80-84 16 82 0,195
6 85-89 7 87 0,080
7 90-94 4 92 0,043
Ʃf=70
Ʃ

= 0,91
RHK =

=

= 76,92



Aminul Khoir

Statistika I | Pendidikan Geografi 2011 33

c) Mean yang Ditimbang
adalah mean yang memperhitungkan tiap-tiap nilai variabel
Bilamana ada 4 buah karung beras yang bermassa 20 kg, 15 kg, dan 10 kg.
Massa Beras (kg) Frekuensi (f) f.X
20 1 20
15 2 30
10 4 40
N=7 Ʃf.X = 70
M=

=

= 10
Jadi, mean yang ditimbang sama dengan 10
D. Median
Median disebut rata-rata letak, karena untu menghitung nilai tengah dari sekumpulan /
sebaran data sehingga dapat dikatakan median (Md) adalah suatu deret nilai yang telah
disusun dalam bentuk array (unit dari nilai kecil ke nilai yang besar atau sebaliknya).
Setengah dari deret nilai tersebut sama atau lebih kecil dari median sedang setengah lainnya
sama atau lebih besar dari median.
1. Median data tidak berkelompok
Data yang telah dikumpulkan disusun terlebih dahulu data bentuk array,
setelah itu posisi median dapat ditentukan:
1.1 Jumlah Pengamatan (n) gasal
Median akan terletak pada nilai X ke :
Md =

Contoh : Nilai hasil ujian statistik para mahasiswa sebagai berikut :
50,80,75,70,90. Susun array : 50,70,75,80,90,95
Md =

= X
3
, dari data di atas X
3
= 75. Jadi, median = 75
1.2 Jumlah Pengamatan (n) genap
Data diskrit median akan terletak pada nilai X ke :
Md =

atau

Contoh : susunan array : 50,70,75,80,90,95

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 34

Md =

= X
3
= 75 atau

= X
4
= 80
Pada nilai median ada dua kemungkinan yakni 75 atau 80
1.3 Jumlah Pengamatan (n) genap data kontinyu
Median akan terletak pada nilai X ke :
Md =

Contoh : 50%, 70%, 75%, 80%, 90%, 95%
Md =

=

=

= 77,5%
2. Median Pada Data Berkelompok
Apabila data sudah disusun dalam distribusi frekuensi, maka cara
perhitungan untuk mencari median dengan langkah sebagai berikut :
Susun distribusi frekuensi kumulatif kurang dari
Jumlah seluruh frekuensi dibagi dua (n/2). Rumus Median :
Md = L
md
+ (I
md
/f
md
) i
Ket : Md= nilai median yang akan dicari
L
md
= selisih n/2 dengan frekuensi kumulatif sebelum mengandung n/2
f
md
= frekuensi pada saat frekuensi kumulatif mengandung n/2
i = interval kelas
contoh : Nilai Ujian Statistik
Tabel 4-6
Menghitung Nilai Median Nilai Ujian Statistik
Nilai Ujian Jumlah
Mahasiswa
Frekuensi Kumulatif Kurang
dari
20-29 1 1
30-39 3 4
40-49 9 13
50-59 17 30
60-69 34 64
70-79 24 88
80-89 7 96

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 35

90-99 4 100
100
n/2 = 100/2 = 50 pada distribusi kumulatif terletak pada angka 64, yaitu pada kelas ke
5. Kelas nyata bawah ke 5 sebesar 59,5 sehingga nilai median :
Md = 59,5 +

)10 = 65,38
e. MODUS / MODE
Nilai variabel yang tercatat berjumlah palinh banyak disebut mode. Kata ini kiranya
sudah tidak asing lagi pada masa ini. Dalam dunia kewanitaan kita mengenal mode pakaian,
mode potong rambut, artinya adalah pakaian atau potongan rambut yang sedang banyak
penggemarnya, sesuatu yang sedang disukai (in fasion).
Konsep dari pada mode adalah sederhana dan mudah dimengerti, tetapi tidak begitu
mudah untuk menentukan letaknya dalam beberapa persoalan. Semua mode menentukan
letak nilai mode untuk data kontinen hanya didasarkan pada taksiran (approximation) saja.
Untuk data diskrit, mode adalah nilai variabel yang paling sering terjadi.
Dalam statistik mode/modus (M
o
) adalah angka-angka yang paling banyak muncul. Konsep
daripada modus (M
o
) adalah sederhana, tetapi tidak begitu mudah untuk menentukan
letaknya.
Contoh : hasil nilai ujian 40,50,70,70,60,80,75,70,80 disusun dalam bentuk baik
Tabel 4-7
Menghitung Nilai Mode
Nilai Ujian Jumlah Mahasiswa
40 1
50 1
60 1
70 3
75 1
80 2


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 36

Dari data nilai ujian yang paling banyak frekuensinya adalah 70 sebanyak 3 kali
sehingga modus (M
o
) nilai ujian = 70
1. Modus Pada Data Berkelompok
Apabila data sudah tersusun dalam distribusi frekuensi maka
perhitungan nilai modus/mode dengan rumus :
M
o
= L
mo
+ *

+i
Keterangan :
M
o
= nilai modus / mode
L
mo
= kelas nyata bawah pada saat frekuensi terbesar
Δ1 = selisih frekuensi terbesar dengan frekuensi sebelumnya
Δ2 = selisih frekuensi terbesar dengan frekuensi sesudahnya
i = interval kelas
Contoh hasil ujian statistik di atas :
Tabel 4-8
Menghitung Nilai Mode Nilai Ujian Statistik

Nilai Ujian Jumlah Mahasiswa
20-29 1
30-39 3
40-49 9
50-59 17
60-69 34
70-79 24
80-89 7
90-99 4
100

M
o
= 59,5 +

= 65,79




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 37


F. Ketentuan
Bilamana pada waktu yang bersamaan kita hanya ingin mengetahui salah satu dari ktiga
refrensi semua itu, maka sebelum kita menghitungnya harus kita putuskan dahulu apakah
mean, median, atau mode yang akan kita pakai. Untuk memutuskan hal ini perlu kita
mempertimbangkan sebagai berikut:
1. Waktu sangat terbatas, menggunakan mode
Bilamana seorang inspektur pendidikan hanya mempunyai waktu dua tiga menit,
tidak akan mungkin baginya menghitung mean, atau median distribusi kecakapan anak-
anak dalam suatu mata pelajaran. Atas dasar pertimbangan ini maka sebagai alat yang
“kasar” dia harus puas dengan menggunakan mode sebagai statistik pengukurtendensi
sentral untuk mengetahui memusatnya kecakapan anak-anak.
2. Kejadian khusus yang membutuhkan mode.
Suatu perusahaan tidak akan bisa menderita kerugian dengan memproduksi barang-
barang yang tidak atau kurang laku. Sebaliknya, barang yang paling banyak dibeli
konsumenlah yang harus diproduksi dalam jumlah yang besar. Untuk itu peruahaan yan g
itu khususnya khususnya membutuhkan tendensi sentral distribusi barang-barang buatan
perusahannya yang berupa mode. Jadi misalnya, kalau suatu perusahaan sepatu tidak
ingin menderita kerugian, maka ukuran sepatu yang paling lakulah yang perlu di buat
secara besar-besaran. Demikian yang keadaannya seorang pendidik yang ingin mengetahui
permainan apa yang paling digemari oleh anak-anak untuk disalurkan kearah tujuan
pendidikan.
3. Untuk perhitungan statistik selanjutnya.
Dalam bab-bab selanjutnya, akan kita ketahui bahwa mean dapat digunakan untuk
memperoleh informasi-informasi lebih banyak lagi. Tidak demkian hanya dengan median
dan mode yang kurang sekali faedahnya. Median dan mode adalah statistic terminal
(statistik batas). Jika kita menghendaki informasi yang lebih banyak lagi, perhitungan
mean menjadi keharusan.
4. Adanya barang-barang yang hilang mean tidak dapat dihitung
Kita misalkan ingin mengadakan testing kepada sejumlah anak-anak sekolah untuk
menetapkan tendensi sentral kecerdasan anak-anak pada umur tertentu. Jarang sekali
dalam keadaan demikian kita dapat mengadakan testing kepada anak-anak dari semua
tingkat kecerdasan. Anak-anak dari golongan lemah kecerdasan tidak kita jumpai di

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 38

sekolah-sekolah biasa. Dengna demikian bahan untuk menghitung mean kurang lengkap
adanya. Mean seperti kita ketahui, sangat sensitiv terhadap deviasi-deviasi nilai-nilai yang
ekstrem. Penghitungna median atau mode akan memberi gambaran taksiran yang dapat
memenuhi kebutuhan kita untuk menggambarkan tendensi sentral kecerdasan anak-anak
itu.
5. Distribusi sangat juling mendapatkan salah satu tendensi sentral memberi gmabaran yang
salah.
Jika keadaan distribusi sangat juling, kita sangat mungkin memberi gambaran yang salah
bila kita sajikan hanya salah satu tendensi sentral. Ambil suatu contoh distribusi
penghasilan rakyat suatu negara. Untuk keperluan propaganda, distribusi penghasilan yang
bisa mengikuti kurve juling, karena mean dalam distribusi juling, berkedudukan diatas
mode, maka orang akan mendapat gambaran yang kurang tepat tentang penghasilan rakyat
negara itu. Misalnya, sebagian terbesar orang berpenghasilan Rp. 300.-sehari (jadi,
modenya adalah 300.-), dan ada beberapa orang saja yang berpenghasilan jutaan rupiah.
Dengan melaporkan mean, orang memasukkan mean orang memasukkan mereka yang
nerpenghasilan jutaan rupiah sehari itu. Dengan demikian akan dijumpai mean, misalnya
Rp. 600.-, sedang sebagian terbesar orang berpenghasilan hanya sekitar Rp. 300-.
6. Dari segi stabilitas, mean adalah tendensi sentral yang memuaskan.
Ditinjau dari segi stabilitasnya, mean merupakan tendensi sentral yang paling stabil,
diikuti oleh median, kemudian oleh mode. Maksudnya bila kita menyelidiki suatu
kelompok, kemudian mengadakan penyelidikan berturut-turut kepada kelompok yang
sejenis, dan kita menghitung ketiga tendensi sentral dari tiap-tiap kelompok itu, maka kita
akan menjumpai tendensi-tendensi sentral ituyang berbeda-beda untuk masing-masing
kelompok. Akan tetapi perbedaan-perbedaan terkecil adalah perbedaan antar mean, sedang
modenya akan menunjukkan perbedaan-perbedaan yang terbesar. Oleh karena kerap kali
kita hanya dapat menguji sekelompok kecil anak-anak untuk menaksir kelompok anak-
anak yang lebih besar jumlahnya, stabilitas ini merupakan unsur statistik yang sangat
penting. Dalam hal ini melaporkan atau mendasarkan diri pada mean akan lebih tepat.
Itulah beberapa faktor yang mempengaruhi pemilihan tendensi sentral. Sebagi
kesimpulan dapat dikatakn bahwa:
a. Mean biasanya dipilih orang sebagai pengukuran tendensi sentral, terutama bilamana
distribusi mendekati normal, sebab mean mempunyai stabilitas yang terbesar dan dapat
digunakan sebagi dasar penghitungan statistik selanjutnya.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 39

b. Median adalah nilai variabel yang ditengah-tengah dan biasanya dipandang paling
tepat untuk menggambarkan tendensi sentral bila distribusi menunjukkan
“keistimewaan”, seperti sangat juling, adanya bahan-bahan yang tidak lengkap dan
semacamnya.
c. Mode rupa-rupanya menjadi suatu alat yang paling sederhana untuk menaksir tendensi
sentral dalam keadaan tergesa-gesa, atau bilaman orang mencari keadaan-keadaan
yang istimewa (seperti mode ukuran sepatu, dan semacamnya).
Kesimpulan-kesimpulan diatas masih belum menggambarkan kemungkinan-
kemungkinan. Dan perlu kita ketahui bahwa tiap-tiap bahan harus diselidiki
sedemikian rupa untuk menetapkan pengukuran tendensi sentral man ayang paling
tepat dipilih untuk keperluan-keperluan tertentu.
























Aminul Khoir

Statistika I | Pendidikan Geografi 2011 40


BAB V
Kuartil, Desil, Persentil, dan Jangkauan Anatar Kuartil
a. Kuartil / Quartile (Q)
Kuartil ialah nilai atau angka yang membagi data dalam empat bagian yang sama, setelah
disusun dari data yang terkecil sampai data yang terbesar atau sebaliknya dari data terbesar
sampai data terkecil.
Kuartil adalah Q1, Q2, Dan Q3 yang membagi empat bidang yang sama sehingga
masing-masing bidang besarnya 25%. Dari pengertian itu maka ada kuartil pertama (Q
1
),
kuartil kedua (Q
2
) dan kuartil ke tiga (Q
3
).
Kuartil pertama (Q
1
) adalah nilai dalam distribusi yang membatasi 25% terbawah atau
dengan kata lain Q
1
merupakan nilai tertinggi pada 25% terbawah pada suatu distribusi.
Kuatil ke dua (Q
2
) adalah nilai yang membatasi 50% bagian bawah dan 50% bagian atas pada
suatu distribusi, dengan demikian nilai Q
2
sama dengan median. Kuartil ketiga (Q
3
) adalah
nilai dalam distribusi yang membatasi 25 % tertinggi dapat juga disebut Q
3
merupakan nilai
terendah pada 25% tertinggi pada suatu distribusi. Car menghitung nilai kuartil untuk data
tidak berkelompok berbeda dengan menghitung kuartil pada data berkelompok.
Sebelumnya kita ketahui dulu bagaimana cara menentukan letak nilai kuartil.
Kalau jumlah seluruh nilai (n) cukup besar, maka secara umum kita dapat menentukan bahwa
median adalah letak nilai yang ke-(n+1)/2 sehubungan dengan ini maka:
- Q1 adalah letak nilai yang ke-1 (n+1)/4
- Q2 adalah letak nilai yang ke-2 (n+1)/4
- Q3 adalah letak nilai yang ke-3 (n+1)/4

1. Menentukan Letak Q pada Data tidak Berkelompok
Data yang telah dikumpulkan disusun terlebih dulu dalam bentuk array setelah
itu posisi kuartil dapat ditentukan.
Jumlah pengambilan (n) gasal, kuartil akan terletak pada yang ke :
Q
x
=

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 41

Keterangan : Q
x =
nilai kuartil
x = nilai yang dihitung
n = jumlah data
Jumlah pengamatan (n) genap, kuartil akan terletak pada x yang ke :
Q
x
=

Contoh n gasal
Nilai hasil ujian statistik para mahasiswa sebagai berikut: (tersususn array
sebanyak 19)
40,45,50,52,55,60,65,67,70,73,75,78,80,82,85,90,94,95,98.
Q
1
=

= x5, maka letak Q
1
berada di x
5
yang besarnya 55
Q
2
= median =

= x10, maka letak Q
2
berada di x
10
yang besarnya 73
Q
3
=

= x15, maka letak Q
3
berada di x
15
yang besarnya 85
Contoh n genap :
Nilai ujian statistik di atas ditambah nilai satu orang dengan nilai 100 sehingga
jumlahnya 20 mahasiswa
Q
1
=

= X
5
= 55
Q
2
=

= X
10
= 73
Q
3
=

= X
15
= 85

2. Menentukan Letak Q pada Data Berkelompok
Apabila data sudah tersusun dalam distribusi frekuensi, maka cara
perhitungannya sebagai berikut :
- Susun distribusi kumulatif kurang dari (cf)
- Kuartil ke x dibagi 4 dikalikan jumlah frekuensi (

.n)
- Rumus Kuartil
Q
x
= LQ
x
*

+ i
Keterangan : Q
x
= nilai kuartil yang dicari
LQ
x
= kelas nyata bawah pada saat frekuansi niali kumulatif
mengandung (

.n)

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 42

JQ
x
= selisih (

.n) dengan frekuensi kumulatif sebelum mengandung
(

.n)
fQ
x
= frekuensi pada saat frekuensi kumulatif mengandung (

.n)
i = interval kelas
Contoh : nilai ujian statistik di ats
Tabel 4.9
Menghitung nilai kuartil nilai ujian statistik
Nilai ujian Jumlah
mahasiswa
cf
20-29 1 1
30-39 3 4
40-49 9 13
50-59 17 30
60-69 34 64
70-79 24 88
80-89 8 96
90-99 4 100
100

 Kuartil Pertama

.100 = 25 pada distribusi kumulatif (cf) masuk pada angka 30, yaitu pada kelas ke 4
Q
1
= 49,5 +

10
Q
1
= 56,55
Kuartil Kedua

.100 = 50, ini sama dengan menghitung

=

= 50 sehingga cara perhitungannya
sama dengan menghitung median
Kuartil Ketiga

.100 = 75, angka ini dalam frekuensi kumulatif masuk pada angka 88, yaitu pada
kelas ke 6
Q
3
= 69,5 +

10
Q
3
= 74,08

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 43




b. Desil (CD)
Desil atau disingkat dengan (Ds) adalah nilai atau angka yang membagi data menjadi 10
bagian yang sama setelah disusun dari terkecil sampai terbesar atau sebaliknya dari terbesar
sampai terkecil. Cara menghitung desil hampir sama dengan menghitung kuartil, bedanya
hanya pada pembagiannya saja. Kalau kuartil data dibagi empat bagian yang sama,
sedangkan desil data dibagi sepuluh bagian yang sama.
Cara perhitungannya sama kalau menghitung kuartil, hanya saja pembaginya 10.
1. Data tidak berkelompok
Data yang tersusun harus disusun dalam bentuk array.
n gasal=D
x
=

Contoh data pada pembahasan kuartil
D
1
=

= X
2
= 45
D
2
=

= X
4
= 52
D
5
= Q
2
= Md = 73
D
9
=

= X
18
= 95
n genap = D
x
=

D
1
=

= X
2
= 45
D
9
=

= X
18
= 95
2. Data Berkelompok
Apabila data tersususn dalam distribusi frekuensi, maka harus:
- Disusun frekuensi kumulatif
- ⁄ . n
- Rumus Desil
D
x
= LD
x
+

i
Keterangan :
D
x
= nilai desil

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 44

LD
x
= Kelas nyata bawah pada saat frekuensi kumulatif mengandung X/4 .
n
JD
x
= selisih (x/10.n) pada frekuensi kumulatif sebelum mengandung
(X/10.n)
FD
x
= Frekuensi pada saat frekuensi kumulatif mengandung (X/10.n)
i = Interval kelas
Contoh : pada pembahasan kuartil
Desil Pertama:
1/10.100 = 10; pada cf masuk pada angka 13, yaitu pada kelas ke 3.
D
1
= 39,5 + *

+10
= 46,16
Desil ke sembilan:
9/10.100 = 90, pada cf masuk pada angka 96, yaitu pada kelas ke :
D
9
= 79,5 + *

+10 = 82
c. Persentil (P)
Persentil atau disingkat dengan (Ps) adalah nilai yang membagi data menjadi 100 bagian
yang sama setelah disusun dari terkecil sampai terbesar atau sebaliknya dari terbesar sampai
terkecil. Cara menghitung persentil hampir sama dengan menghitung desil, bedanya hanya
pada pembagiannya saja.
Cara perhitungan persentil hampir sama dengan cara perhitungan kuartil dan desil, hanya
pembaginya 100.
P
n
= Bb + [

]i
Keterangan :
P
n
= nilai persentil
Bb= batas bawah
n = persentil yang akan dicari
N = jumlah frekuensi
Cfb= frekuensi kumulatif
Fd= frekuensi sebelum nilai persentil
i = interval

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 45



Tabel 22
Tabel Untuk Contoh Mengerjakan Persentil
Interval Nilai Frekuensi Frekuensi
Meningkat
150-159 1 60
140-149 2 59
130-139 5 57
120-129 8 52
110-119 2 44
100-109 14 30
90-99 10 20
80-89 7 13
70-79 6 7
60-69 4 3
Jumlah 60

P
35
= 99,5 + [

]10
= 99,5 +

x 10
= 100,5
- Jenjang Persentil
Jenjang menurut persentil, atau singkatan Jenjang Persentil, dalam literature statistic kita
kenal dengan nama Percentil Rank. Dlam buku ini akan kita sebut saja Jenjang Persentil dengan
symbol JP.
Dalam kehidupan sehari-hari kita biasa mmberi jenjang nomor satu pada orang yang
mendapat angka tertinggi berikutnya kita beri jenjang nomor dua, dan selanjutnya. Jadi, misalnya kalu
angka teinggi dalam suatu ujian adalah sepuluh mereka yang mendapat nilai sepuluh kita beri jenjang
omor satu, mreka yang menapat nilai Sembilan nomor dua, nilai delapan nomor tiga, dan seterusnya.
Cara semacam ini adalah cara yang member jenjang menurut angka ( numerical rank).


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 46



Contoh:
Nilai Jenjang Jenjang Persentil
10 1 100
9 2 90
8 3 80
7 4 70
6 5 60
5 6 50
4 7 40
3 8 30
2 9 20
1 10 10

Contoh table diatas adalah yang disebut jenjang persentil untuk data non grup.sedangkan
untuk data grup bisa dicari dengan cara seperti yang dibawah ini:
(x-Bbn) fd + Cfb] 100
1 N

Contoh Soal:
Tolong dicari nilai dari jenjang persantil dari 60 dengan menggunakan rumus diatas:

(x-Bbn) fd + Cfb] 100
1 N
= ( 60-57,5) 1 + 30 ] 100
14 44
= ( 2,5) 1 + 30 ] 100
14 44
= 0,17 + 30
= 30,7 X 2,27 = 68,48




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 47

Cara lain yang dapat kita gunakan ialah member jenjang dalam persentil, suatu cara yang lebih
banyak digunakan dalam statistic dari pada cara yang pertama.
Jika kita periksa tabel 23 diatas kita dapat melihat adanya dua macam perbedaan antara jenjang angka
dengan jenjang persentil. Pertama, jenjang angka yang terendah pada distribusi bagian atas, sedang
jenjang persentil yang terendah terdapat pada distribusi bagian bawah. Kedua, jenjang persentil adalah
jenjang yang perhitungannya didasarkan atas 100 angka, sedang jenjang angka terdiri atas jumlah
angka yang sebenarnya terdapat dalam distribusi.

- Cara Mencari Jenjang Persentil Dari Distribusi Angka Kasar
Sayang sekali tidak tersedia rumus untuk menghitung jenjang persentil dari suatu distribusi
angka kasar. Sungguhpun demikian akan kita coba nanti memberikan rumusnya setelah kita
menyelidiki cara mencarinya dari contoh tersebut di halaman dibawah ini.

Tabel 24
Tabel untuk Contoh Mengerjakan Menghitung JP

Interval Nilai Frekuensi (f) Frekuensi Meningkat
100-104 1 55
95 – 99 3 54
90 – 94 5 51
85 – 89 9 46
80 – 84 13 37
75 – 79 10 24
70 – 74 6 14
65 – 69 4 8
60 – 64 3 4
55 – 59 1 1
Jumlah 55 -

Tabel 24 menunujukan distribusi nilai-nilai yang diperoleh dari suatu test. Dari distribusi
nilai-nilai itu kita misalkan, ingin mencari JP (jenjang persentil) dari nilai 72. Apa yang harus kita
kerjakan leih dahulu adalah menemukan jumlah frekueni dibawah nilai 72 itu, dan kemudian
persentasenya. Dengan pemeriksaan pada tabel 24 dapat kita ketahui bahwa nilai 72 itu terletak dalam
intervak nilai 70-74. Kita lihat juga adafrekuensi sebanyak 8 yang batas bawah nyata 69,5 dari
interval 70-7 itu berisi rekuensi kumulatif sebanyak 8. Yang kita butuhkan sekarang ialah berapa
jumlah frekuensi yang mengisi lubang antara nilai 69,5 sampai nilai 72.




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 48



Secara diagram persoalan kita digambarkan seperti berikut :

















Diagram tersebut memerlukan sekedar penjelasan. Dari nilai batas 69,5 kenilai 72 diisi
dengan 2,5 unit, yaitu separo dari jumlah i (sebab nilai 72 terletak tepat ditengah-tengah nilai-nilai
batas 69,5 dengan 74,5). Dengan mengamil dasar pandangan bahwa frekuensi dalam interval itu, yaitu
f
d
= 6, dibagi rata diseluruh interval, maka jumlah frekuensi antara nilai batas 69,5 ke nilai 72 adalah
separo dari 6, sama dengan 3. Kalau ini ditambahkan dengan frekuensi kumulatif diawahnya, yaitu
cf
b
= 8, kita peroleh jumlah frekuensi dari nilai terendah sampai nilai 72 itu sebanyak 11 (dari 8 +).
Nah, pekerjaan kita sekarang tinggal menyalin frekuensi itu ke dalam persen. Ini dapat kita cari
dengan membaginya dengan N, dan kemudian mengalikannya dengan 100, sehingga kita peroleh
11/555 x 100, sama dengan 20. Jadi jawaban terhadap soal diatas adalah bahwa nilai 72 mempunyai
JP 20.
Dari apa yang telah kita kerjakan itu dapat kita membuat rumus iuntuk mencari Jenjang
Presentil sebagai berikut:
JP = *(

)

+

(21)

Dalam mana JP = Jenjang Persentil yang kita cari
X = Suatu nilai yang diketahui
69,5
2,5
UNIT
I=5
unit
72
F
d
=6
74,5
-cf
b
= 8+ ½ x 6 (=3)
= cf 11 di bawah
Nilai 72

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 49

i = Batas bawah (nyata) interval yantg mengandung X
f
d
= Frekuensi dalam interval yang mengandung X
cf
d
= Frekuensi kumulatif di bawah interval yang mengandung X, dan
N = Jumlah frekuensi dalam distribusi.
Untuk mendemostrasikan penggunaan rumus kita itu, marilah kita cari JP dari nilai 86 pada
distribusi Tabel 24 itu. Yang perlu kita ketahui dulu adalah angka 86 itu terkandung dalam interval
mana? Dalam pemeriksaan pada Tabel 24 kita mengetahui bahwa nilai 86 terkandung dalam interval
nilai 85-89. Dari sini telah dapat kita ketahui:

B
b
= 84,5 f
d
= 9
Cf
d
= 5 i = 37
N = 55

Jadi : JP = *(

) +

= 72,18
Jadi, nilai 86 mempunyai JP 72,18. Ini berarti bahwa ada 72,18 persen frekuensi yang
mendapat angka 86 ke bawah dalam distribusi yang kita persoalkan. Dengan demikian JP dari suatu
nilai dapat dibatasi sebagai suatu bilangan yang menunjukkan jumlah frekuensi dalam persen yang
ada padadan di bawah nilai itu.
Kalau kita hendak membedakan antara Persentil dengan Jenjang Persentil, maka dikatakan
bahwa Persentil adalah suatu titik, suatu nilai, sedang Jenjang Persentil adalah Jarak. Persentil, karena
dia adalah suatu nilai kita cari dalam kolom nilai, sedang Jenjang Persentil kita ketemukan dalam
frekuensi kumulatif yang sudah dialin dalam persen.
Akhirnya perlu kita catat bahwa Kwartil, Desil, dan Persentil adalah titik-titik, adalah nilai-
nilai, bukan jarak (range). Sebab itu tidak tepat kiranya kalau kita mengatakan misalkan, “ Angka ini
terletak dalam K
1
, D
4
, P
27
, “ dan semacamnya. Karena Kwartil, Desil, dan Persentil masing-masing
adalah suatu titik, suatu nilai tertentu, maka tidak aka nada kemungkinan ada nilai-nilai lain yang
berada di dalamnya. Kita harus mengatakan “Angka ini terletak pada K ini, D ini, P ini.” Atau lebih
tepatnya “Angka ini adalah K ini, D ini, atau P ini”. Akan tetapi kita juga dapat mengatakan misalnya
“ Angka ini terletak dalam atau antara K
1
dan K
2
, antara D
5
dan D
6
atau antara P
31
dan P
32
.”
Demikianlah kita telah membicarakan beberapa hal lagi yang tidak jarantg kita perlukan
dalam mengadakan deskripsi bahan-bahan yang kita selidiki. Bab berikutnya akan membicrakan
Varibilits, suatu konsep yang akan kita gunakan sebagai batu loncatan untuk membicarakan bab-bab
selanjutnya.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 50


BAB VI
VARIABILITAS
A. Pengertian
Rata-rata dari serangkaian nilai-nilai observasi tidak dapat diinterpretasikan secara
tepisah dari hasil disperse nilai-nilai tersebut sekitar rata-rata-rata tersebut sekitar rata-
ratanya. Bila terdapat keseragaman dalam nilai observasi X
1
, maka disperse nilai-nilai
tersebut akan sama dengan nol dan rata-ratanya akan sama dengan nilai X
1
. Makin besar
variasi nilai-nilai X
1
makin kurang representif rata-rata distribusinya. Dua buah contoh yang
bersifat edukatif akan saya ketengahkan guna menjelaskan persoalan.
B. Kegunaan
Penyebaran/variabelitas/dispersi adalah suatu ukuran yang menyatakanseberapa besar nilai-
nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan nilai pusatnya
Contoh:
Diberikan tabel hasil tes mahasiswa A dan B :
Mahasiswa Hasil Tes
A 60 65 50 60 65 60
B 30 90 50 70 60 60

Mahasiswa A : 60 =
A
X , variasi nilai dari 50 sampai 65.
Mahasiswa B : 60 =
B
X , variasi nilai dari 30 sampai 90.
Bisa kita lihat B A
X X = .
Meskipun rata-rata hasil tes mereka sama, tetapi dispersi hasil tes mahasiswa B lebih besar
dari pada mahasiswa A. Nilai A lebih konsisten (stabil) dari pada nilai B. Sedang nilai B
kadang baik, kadang jelek. Hal ini berarti prestasi nilai A lebih baik (stabil) dari pada B.



Aminul Khoir

Statistika I | Pendidikan Geografi 2011 51


Berdasarkan besar kecilnya penyebaran, kelompok data dibagi menjadi dua, yaitu:
a. Kelompok data homogen
Penyebaran relatif kecil; jika seluruh data sama, maka disebut kelompok data homogen
100%.
b. Kelompok data heterogen
Penyebarannya relatif besar.
Kegunaan ukuran penyebaran antara lain sebagai berikut :
a. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar-
benar representatif atau tidak. Apabila suatu kelompok data mempunyai penyebaran
yang tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata
tersebut tidak representatif. Perhatikan contoh berikut :

Rata-rata upah karyawan = Rp
=
5
000 . 600
Rp 120.000,00
Jelas nilai rata-rata ini tidak representatif, karena ada 4 karyawan yang upahnya dibawah
rata-rata. Hal ini diakibatkan oleh sebaran data yang sangat heterogen.
b. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap
variabilitas data.
c. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam
pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak.
1. Pengukuran variansi
 Pengukuran jarak (Range)
Penentuan jarak sebuah distribusi merupakan pengukuran disperse yang paling
sederhana. Jarak sebuah distribusi frekuensi dirumuskan sebagai beda
Karyawan Upah (Rp)
A 40.000
B 50.000
C 55.000
D 65.000
E 390.000
Jumlah 600.000

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 52

pengukuran nilai terbesar dannilai terkecil yang terdapat di dalam sebuah
distribusi.

Beberapa catatan tentang pengukuran dan penggunaan jarak
1. Pengukuran jarak dalam pengawasan kualitas
Hasil pengukuran jarak sebenarnya sudah dapat mengganmbarkan
disperse (variasi) nilai-nilai observasi dengan cara yang paling
sederhana sekali. Bila kita ingin memperoleh hasil pengukuran
disperse secara kasar dan cepat , pengukuran jarak diatas dapat saja
digunakan karena kesederhanaan pengukurannya , maka pengukuran
jarak kesedemikian itu banyak sekali digunakan dalam pengawasan
kualitas.
2. Evaluasi hasil pengukuran jarak
Jarak bukan merupakan pengukuran disperse distribusi yang
memuaskan karena pengukurannya jelas tergantung kepada kedua nilai
ekstrim tanpa mengikutsertakan pola disperse nilai-ilai observasi
secara keseluruhan. Bila dalam serangkaian nilai-nilai observasi xi
kebetulan terdapat nilai-nilai ekstrim maka hasil pengukuran jarak
akan memberi kesan yang menyesatkan tentang disperse dalam sebuah
distribusi.
Rumus :
r t
X X R ÷ =
, dengan :
R = Range
t
X
= Nilai tertinggi
r
X
= Nilai terendah
Contoh:
1. Pandang tabel nilai ujian mahasiswa FE UI :
Tabel nilai mahasiswa FE UI
53,53 63,14 49,03 55,15 67,79
63,49 58,63 50,84 51,77 41,22
73,55 50,74 56,00 46,98 46,33
62,66 66,60 59,16 50,37 44,82

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 53

52,49 53,35 61,61 55,54 50,94
Jangkauan distribusi dari nilai mahasiswa FE UI adalah = Nilai tertinggi – nilai terendah
= 73,33 – 41,22 = 32,33.
2. Diberikan tabel distribusi frekuensi dari nilai 111 mahasiswa FE UI.
Nilai Ujian Jumlah Mahasiswa
20,00-27,49 3
27,50-34,99 5
35,00-42,49 7
42,50-49,99 23
50,00-57,49 40
57,50-64,99 20
65,00-72,49 10
72,50-79,99 3
Bila nilai-nilai observasi telah dikelompokkan ke dalam distribusi frekuensi, maka
jangkauan distribusi dirumuskan sebagai beda antara pengukuran nilai titik tengah kelas
pertama dan nilai titik tengah kelas terakhir.
Jangkauan distribusi nilai mahasiswa FE UI adalah :
Nilai titik tengah kelas pertama =
( )
2
00 , 20 49 , 27 ÷
= 24,995
Nilai titik tengah kelas terakhir =
( )
2
50 , 72 99 , 79 ÷
= 74,995
Jangkauan distribusi = nilai titik tengah kelas pertama – nilai titik tengah kelas terakhir =
74,995 – 24,995 = 50,00.
Beberapa statistisi cenderung menggunakan beda antara tepi bawah kelas pertama
dengan tepi atas kelas terakhir :
Tepi bawah dari kelas pertama = 20,00
Tepi atas kelas terakhir = 79,99
Jangkauan distribusi = 79,99 – 20,00 = 60,00
 Mean Deviasi
Dispersi serangkaian niali-nilai observasi akan kecil bila nilai-nilai tersebut
berkonsentrasi sekitar rata-ratanya. Sebaliknya, dispersinya akan menjadi besar bila
nilai-nilai observasi terserak-serak jauh dari rata-ratanya. Statistic umumnya

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 54

memberikan perumusan tentang disperse atas jarak (deviasi) nilai-nilai observasi diatas
rata-ratanya.Mean deviasi adalah rata-rata hitung dari nilai mutlak deviasi antara nilai
data pengamatan dengan rata-rata hitungnya.
Bila serangkaian nila-nilai observasi x
1
,…,x
2
,…,x
n
memilkiki rata-rata , maka
deviasi nilai-nilai diatas dari x-nya secara berturut-turut dapat dinyatakan sebagai x
1
-
x,x
2
-x,…,xn-x. penjumlahan diatas rata-ratanya menjadi (x
1
-x
2
) sedangkan deviasi dari


seluruh nilai-nilai observasi x
1
dapat dirumuskan seperti dibawah ini:
1. Deviasi rata-rata dari data yang belum dikelompokkan
Rumus Mean Deviasi adalah MD=

Keterangan :
MD = Deviasi rata-rata
X = nilai setiap data pengamatan
= nilai rata-rata hitung dari seluruh data pengamatan
N = jumlah data dalam pengamatan
Contoh:
Bulan X
1
Jumlah
kenaikan dalam
kwh
X
1
-
Januari 110.693.036 - 8.502.883,5 8.502.883,5
February 108.183.583 -11.012.236,5 11.012.338,5
Maret 104.910.091 - 14.285.828,5 14,285.828,5
April 117.652.878 - 1.543.041,5 1.543.041,5
Mei 116.395.504 - 2.800.415,5 2.800.415,5
Juni 124.166.747 + 4.970.827,5 4.970.827,5
Juli 122.084.548 + 2.888.628,5 2.888.628,5
Agustus 122.329.315 +3.133.395,5 3.133.628,5
September 125.336.642 + 6.140.722,5 6.140.722,5
Oktober 119.824.009 +628.089,5 628.089,5
November 127.885.306 + 8.689.389,5 8.689.389,5

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 55

Desember 130.889.375 + 11.693.455,5 11.693.455,5

1.430.351.034 0.000.000,0 76,289.011,0

= 1.430.351.034 = 119.195.919,50
12
MD = 76.289.011 = 6.357.417,58
12
2. Deviasi rata-rata dari data yang sudah dikelompokkan
Bila nilai-nilai observasi sudah dikelompokkan ke dalam bentuk distribuasi frekuensi,
maka deviasi rata-ratanya dapat dirumuskan sebagai
d ∑

m
i
-
keterangan:
m
i
= titik tengah kelas frekuensi
fi = frekuensi dari kelas distribusi ke-i
k = jumlah kelas distribusi
MD=

Keterangan :
MD = Deviasi rata-rata
F = jumlah frekuensi setiap kelas
X = nilai setiap data pengamatan
= nilai rata-rata hitung dari seluruh data pengamatan
N = jumlah data dalam pengamatan
Standar Deviasi
S
2
=

Keterangan :
S
2
= Varian
F = jumlah frekuensi tiap kelas
X = nilai setiap data pengamatan
= nilai rata-rata hitung dari seluruh data pengamatan
N = jumlah data dalam pengamatan Contoh soal :

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 56

Interval titik tengah
(x)
F Fx x2 fx2
115-119 117 1 117 13689 13689
110-114 112 0 0 12544 0
105-109 107 11 1177 11449 125939
100-104 102 21 2142 10404 218484
95-99 97 22 2134 9409 206998
90-94 92 23 2116 8464 194672
85-89 87 14 1218 7569 105966
80-84 82 3 246 6724 20172
75-79 77 4 308 5929 23716
70-74 72 1 72 5184 5184
n=100 9530 91365 914820

SD= √

2

= √

2

=


=


= 8,13


 Standar Deviasi
Adalah sebuah ukuran penyebaran yang menunjukkan stadar penyimpangan atau
deviasi data terhadap nilai rata-ratanya. Standar deviasi disebut juga simpangan baku. Seperti
halnya varians, standar deviasi juga merupakan suatu ukuran dispersi atau variasi. Standar
deviasi merupakan ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena
standar deviasi mempunyai satuan ukuran yang sama dengan satuan ukuran data asalnya.
Misalnya, bila satuan data asalnya adalah cm, maka satuan standar deviasinya juga cm.
Sebaliknya, varians memiliki satuan kuadrat dari data asalnya (misalnya cm
2
). Simbol
standar deviasi untuk populasi adalah σ (baca: sigma) dan untuk sampel adalah s.
Rumus untuk menghitung standar deviasi adalah sebagai berikut

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 57





Contoh:
Data umur berbunga (hari) tanaman padi varietas Pandan Wangi adalah sbb: 84 86 89 92
82 86 89 92 80 86 87 90
Berapakah standar deviasi dari data di atas?
Sampel Y y
2

1 84 7056
2 86 7396
3 89 7921
4 92 8464
5 82 6724
6 86 7396
7 89 7921
8 92 8464
9 80 6400
10 86 7396
11 87 7569
12 90 8100
Jumlah 1043 90807

Maka nilai standar deviasi data di atas adalah

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 58


Varians
Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan
rata-rata kuadrat. Untuk sampel, variansnya (varians sampel) disimbolkan dengan s
2
.
Untuk populasi, variansnya (varians populasi) disimbolkan dengan o
2
(baca: sigma).
1. Variansi dan deviasi standar dari data data tunggal
( ) ¿ ÷ =
=
n
i
i
X x
n
S
1
2 1

Kuadrat dari deviasi standar dinamakan variansi : ( )
¿ ÷ =
=
n
i
i
X x
n
S
1
2
2
1
.
Contoh:
Pandang tabel jumlah pemakaian tenaga listrik per bulan di DKI Jakarta tahun 1978.

Bulan Jumlah Pemakaian
dalam Juta Kw H =
X
X x
i
÷
( )
2
X x
i
÷
Januari 111 -8,67 75,11
Februari 109 -10,67 113,78
Maret 105 -14,67 215,11
April 118 -1,67 2,78
Mei 117 -2,67 7,11
Juni 125 5,33 28,44
Juli 123 3,33 11,11
Agustus 123 3,33 11,11
September 126 6,33 40,11
Oktober 120 0,33 0,11

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 59

Nopember 128 8,33 69,44
Desember 131 11,33 128,44
¿
1436 0 702,67
X
119,67
( ) 56 , 58 67 , 702
12
1 1
1
2
2
= = ¿ ÷ =
=
n
i
i
X x
n
S
( ) 65 , 7 56 , 58
1
1
2
= = ¿ ÷ =
=
n
i
i
X x
n
S .
2. Variansi dan Deviasi Standar dari Data yang Telah Dikelompokkan
Bila variansi dan deviasi standar dihitung dari sebuah distribusi frekuensi, maka titik
tengah tiap-tiap kelas umumya dianggap sebagai nilai tunggal yang cukup representatif bagi
semua nilai-nilai observasi yang dikelompokkan ke dalam kelas-kelas yang bersangkutan.
Rumus variansi dan deviasi standar dari distribusi frekuensi sedemikian itu dapat diberikan
sebagai :
( ) ¿ ÷ =
=
k
i
i i
f X m
n
S
1
2
2
1

( )
i
k
i
i
f X m
n
S
2
1
1
¿ ÷ =
=

dengan :
i
m
= titik tengah tiap-tiap kelas
i
f
= jumlah frekuensi kelas.
Contoh:
Nilai
Ujian
i
m

( )
2
X m
i
÷ i
f

( )
i i
f X m
2
÷
0 - 9,99 4.99 2649.16 1 2649.16
10 - 19,99 14.99 1719.76 4 6879.04
20 - 29,99 24.99 990.36 7 6932.53
30 - 39,99 34.99 460.96 31 14289.79
40 - 49,99 44.99 131.56 42 5525.56
50 - 59,99 54.99 2.16 54 116.69
60 - 69,99 64.99 72.76 33 2401.11

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 60

70 - 79,99 74.99 343.36 24 8240.66
80 - 89,99 84.99 813.96 22 17907.14
90 - 99,99 94.99 1484.56 8 11876.49
226 76818.16

( ) ¿ ÷ =
=
k
i
i i
f X m
n
S
1
2
2
1
= 90 , 339 16 , 76818
226
1
=
44 , 18 90 , 339 = = S .
Cara Menghitung Variansi dan Deviasi Standar Secara Singkat
2
1 1
2
|
|
|
|
|
.
|

\
|
¿
÷
¿
=
= =
n
f u
n
f u
i S
k
i
i i
k
i
i
i
.
Contoh:
Nilai
Ujian
i
m

i
f

i
u

2
i
u
i i
f u

i
i
f u
2

0 - 9,99 4.99 1 -5 25 -5 25
10 - 19,99 14.99 4 -4 16 -16 64
20 - 29,99 24.99 7 -3 9 -21 63
30 - 39,99 34.99 31 -2 4 -62 124
40 - 49,99 44.99 42 -1 1 -42 42
50 - 59,99 54.99 54 0 0 0 0
60 - 69,99 64.99 33 1 1 33 33
70 - 79,99 74.99 24 2 4 48 96
80 - 89,99 84.99 22 3 9 66 198
90 - 99,99 94.99 8 4 16 32 128
226 33 773
2
1 1
2
|
|
|
|
|
.
|

\
|
¿
÷
¿
=
= =
n
f u
n
f u
i S
k
i
i i
k
i
i
i
= 4 , 18
226
33
226
773
2
= |
.
|

\
|
÷
 Nilai Standar
- Nilai standar atau angka baku (z-score) adalah suatu bilangan yang
menunjukkan posisi suatu data terhadap rata-rata di dalam kelompoknya.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 61

- Angka baku digunakan untuk membandingkan posisi dua buah data atau lebih
di dalam kelompoknya masing-masing.
- Angka baku dilambangkan dengan z-score yang dirumuskan sebagai berikut :

Dengan :
z = angka baku
x = besar data
̅ = mean
= standar deviasi /simpangan baku
Contoh 7
Nilai ujian matematika Delon adalah 85, rata-rata nilai matematika di kelasnya adalah
76 dan simpangan baku 9. Sedangkan nilai ujian pelajaran IPA adalah 90 dengan rata-
rata kelas 80 dan simpangan bakunya 15. Dalam pelajaran manakah pelajaran Delon
lebih baik?

Penyelesaian
Untuk pelajaran matematika : x = 85, ̅ dan S = 9 dan
Untuk pelajaran IPA : x = 90, ̅ dan S = 15
z =
̅

- Untuk nilai matematika
z =

=

- Untuk nilai IPA
z =

=

jadi kedudukan nilai matematika Delon lebih baik dari pada nilai IPA-nya.





z =
̅

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 62

BAB VII
DISTRIBUSI NORMAL

A. Pengertian
Dikenalnya distribusi normal diawali oleh kemajuan yang pesat dalam pengukuran pada
abad ke 19. Pada waktu itu, para ahli matematika dihadapkan pada suatu tantangan mengenai
fenomena variabilitas pengamat atau interna yang artinya bila seorang mengadakan
pengukuran berulang-ulang maka hasilnya akan berbeda-beda.
Yang menjadi pertanyaan adalah nilai manakah yang dianggap paling tepat dari semua
hasil pengukuran tersebut. Maka kemudian berdasarkan kesepakatan maka nilai rata-rata
dianggap paling tepat dan semua penyimpangan dari rata-rata dianggap suatu kesalahan atau
error.
Abraham de Moivre adalah yang pertama kali memperkenalkan distribusi normal ini dan
kemudian dipopulerkan oleh Carl Fredreich Gauss. Sehingga nama lain distribusi ini adalah
distribusi Gauss.
Gauss mengamati hasil dari percobaan yang dlakukan berulang-ulang, dan dia
menemukan hasil yang paling sering adalah nilai rata-rata. Penyimpangan baik ke kanan atau
ke kiri yang jauh dari rata-rata, terjadinya semakin sedikit. Sehingga bila disusun maka akan
terbentuk distribusi yang simetris.
B. Pentingnya distribusi normal dalam statistika
Satu-satunya distribusi probabilitas dengan variabel random kontinu adalah distribusi normal.
Ada 2 peran yang penting dari distribusi normal :
1. Memiliki beberapa sifat yang mungkin untuk digunakan sebagai patokan dalam
mengambil suatu kesimpulan berdasarkan hasil sampel yang diperoleh. Pengukuran
sampel digunakan untuk menafsirkan parameter populasi.
2. Distribusi normal sangat sesuai dengan distribusi empiris, sehingga dapat dikatakan
bahwa semua kejadian alami akan membentuk distribusi ini. Karena alasan inilah
sehingga distribusi ini dikenal sebagai distribusi normal dan grafiknya dikenal sebagai
kurva normal atau kurva gauss.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 63


Ciri-ciri distribusi normal
- Distribusi normal mempunyai beberapa sifat dan ciri, yaitu:
- Disusun dari variable random kontinu
- Kurva distribusi normal mempunyai satu puncak (uni-modal)
- Kurva berbentuk simetris dan menyerupai lonceng hingga mean, median dan modus
terletak pada satu titik.
- Kurva normal dibentuk dengan N yang tak terhingga.
- Peristiwa yang dimiliki tetap independen.
- Ekor kurva mendekati absis pada penyimpangan 3 SD ke kanan dan ke kiri dari rata-
rata dan ekor grafik dapat dikembangkan sampai tak terhingga tanpa menyentuh
sumbu absis.


C. Distibusi normal standar
Suatu distribusi normal tidak hanya memiliki satu kurva, tetapi merupakan kumpulan kurva
yang mempunyai ciri-ciri yang sama.sehingga harus ditentukan 1 pegangan sebagai distribusi
nprmal yang standar.




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 64

Ada 2 cara untuk menentukan distribusi normal :
1. cara ordinat:
Menggunakan rumus distribusi normal berikut :

µ = rata-rata
σ = simpang baku
π = 3,1416 (bilangan konstan)
e = 2,7183 (bilangan konstan)
X = absis dengan batas -∞ < X < π
Bila nilai µ dan σ tetap maka setiap nilai x akan menghasilkan nlai y sehingga bila nilai x
dimasukkan dalam perhitungan berkali-kali dengan julah tak terhingga maka akan dihasilkan
suatu kurva distribusi normal. Terdapat banyak kurva normal dengan bentuk yang berlainan,
tergantung dari besar dan kecilnya σ.
- Bila σ besar, kurva yang terbentuk mempunyai puncak yang rendah, sebaliknya bila
σ kecil akan menghasilkan puncak kurva yang tinggi.
- Dapat pula bentuk kurva normal dengan µ yang berbeda atau dengan µ dan σ yang
berbeda





Y = 1 x e-½ (X - µ) ²
σ √2 π σ

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 65













D. Cara luas
Kurva normal adalah kurva yang simetris, yang berarti bahwa kurva ini akan membagi
luas kurva menjadi 2 bagian yang sama.Seluruh luas kurva = 1 atau 100% dan rata-rata (µ)
membagi luas kurva menjadi 2 bagian yang sama.Berarti luas tiap belahan adalah 50%.
Setiap penyimpangan rata-rata dapat ditentukan presentase terhadap seluruh luas kurva.
penyimpangan ke kanan dan ke kiri :
-.penyimpangan 1 SD = 68,2% dari seluruh luas kurva.
-.penyimpangan 2 SD = 95,5% dari seluruh luas kurva.
-.penyimpangan 3 SD, = 99,7% dari seluruh luas kurva.



Aminul Khoir

Statistika I | Pendidikan Geografi 2011 66






Proses standarisasi dapat dilakukan dengan transformasi rumus (kurva normal standar) :
Z = x - µ
σ
x = nilai variable random
µ = rata-rata distribusi
σ = simpang baku
Z = nilai standar, yaitu besarnya penyimpangan suatu nilai terhadap rata-rata yang
dinyatakan dari unit SD.
Standarisasi penting dilakukan karena ada variabel random yang memiliki satuan
yang berbeda-beda, seperti cm, kg, bulan. Untuk memudahkan perhitungan dapat digunakan
sebuah table yang menunjukkan luas area di bawah kurva normal antara nilai rata-rata dan
suatu nilai variable random yang dinyatakan dalam unit SD.
Misalnya : luas 95% adalah 1,96 SD.
Untuk transformasi distribusi normal menjadi distribusi normal standar dinyatakan µ = 0
dan σ = 1.


Aminul Khoir

Statistika I | Pendidikan Geografi 2011 67



E. Penggunaan Tabel Distribusi Normal
Tabel distribusi normal standar terdiri dari kolom dan baris.
Kolom paling kiri menunjukkan nilai Z, tertera angka 0 sampai 3 dengan satu desimal
dibelakangnya. Desimal berikutnya terletak pada baris paling atas dengan angka dari 0
sampai 9.
Misalnya dari hasil perhitungan diperoleh nilai Z = 1,96
- Maka di kolom kiri kita cari nilai1,9 dan baris atas kita cari angka 6
- Dari kolom 6 bergarak ke bawah, hingga pertemuan titik yang menunjukkan angka
0,4750.
- Berarti luas daerah di dalam kurva normal antara rata-rata dengan 1,96 SD ke kanan
adalah 0,475.
- Karena luas kurva ke kanan dan ke kiri sama, maka luas penyimpangan 1,96 ke kanan
dan ke kiri dari rata-rata adalah 0,95 (95%).
F. Aplikasi distribusi normal
 Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya
sebesar 10. Berapakah probabilitas kesembuhan antara 190 dan 210?
Jawab :
Mula-mula dihitung nilai Z =210

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 68

Z= (210-200)/10 = 1=0,3413
jadi probabilitas kesembuhan 190 sampai 210 = 0,3413+0,3413=0,6826=68,26\






















Aminul Khoir

Statistika I | Pendidikan Geografi 2011 69


G. Distribusi Sampling
Distribusi sampling adalah distribusi dari mean-mean yang diambil secara berulang
kali dari suatu populasi. Bila pada suatu populasi tak terhingga dilakukan pengambilan
sampel secara acak berulang-ulang hingga semua sampel yang mungkin dapat ditarik dari
populasi tersebut. Sampel yang diambil dari populasi terbatas dan sebelum dilakukan
pengambilan sampel berikutnya sampel unit dikembalikan kedalam populasi. Proses ini
dilakukan berulang-ulang dalam jumlah yang sangat banyak sehingga dihasilkan sampel :
N!
Sebanyak buah sampel
n!(N-n)!
Bila sampel-sampel yang dihasilkan dihitung rata-ratanya maka akan menghasilkan
nilai rata-rata yang berbeda hingga dapat disusun menjadi suatu distribusi yang disebut
distribusi rata-rata sampel.Bila dihitung deviasi standarnya dinamakan deviasi standar
distribusi rata-rata sampel atau kesalahan baku rata-rata (standard error rata-rata)
Distribusi sampling merupakan dasar atau langkah awal dalam statistic inferensial
sebelum mempelajari teori estimasi, dan uji hipotesis.
Untuk memahami distribusi sampling ini perlu kita ketahui suatu ketentuan yang
dapat membedakan beberapa ukuran antara sampel dan populasi
Ukuran-ukuran untuk sampel dan populasi
Nilai (karakteristik) Sampel
Statistik
Populasi
Parameter
Mean (rata-rata hitung) X µ
Standar deviasi jumlah S σ
Unit N N



Aminul Khoir

Statistika I | Pendidikan Geografi 2011 70




Misalkan kita punyai suatu populasi yang mempunyai mean =µ dengan N elemen dan standar
deviasi = σ
1. Dilakukan pengambilan sampel random besar nya (x
1
,x
2
…. x
n
),dihitung rata-rata x dan
simpangan baku s.Sampel yang diambil berulang kali ini akan menghasilkan bermacam-
macam nilai rata-rata. Dari sampel satu samapi sampel ke n didapatkan rata-rata hitung
X1….. Xn
2. Mean atau rata-rata dari sampel-sampel ini (X1….Xn) kalau disusun akan membentuk suatu
distribusi. Distribusi dari nilai mean-mean sampel inilah yang di sebut sampling harga mean.

POPULASI
X
1
,X
2
……..Xn
Mean =µ Standar deviasi =σ



Sampel 1 Sampel 2 Sampel 3 Sampel n
Xi…..Xn Xi……Xn Xi…….Xn Xi…….Xn


X1 X2 X3 Xn


Distribusi sampling
1. Sifat-sifat Distribusi Sampling
Central Limit Theorem (teorema limit pusat), mendasari teori inferensial.
1. Sampel random dengan n elemen diambil dari populasi normal mempunyai :

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 71

Mean =µ , Varian =σ
2,
maka distribusi sampling harga mean akan mempunyai mean sama
dengan µ dan varian atau standar deviasi = σ/√n. Standar deviasi distribusi sampling harga
mean ini dikenal sebagai “Standar Error”
2. Bila populasi berdistribusi normal maka distribusi sampling harga mean akan juga
berdistribusi normal.

X - µ
Z= _____________
SE
(Z score adalah nilai deviasi relative antara nilai sampel dan populasi = nilai distribusi
normal standar )
3. Walaupun populasi berdistribusi sembarang kalau diambil sampel-sampel berulang
kali secara random maka distribusi harga mean akan membentuk distribusi normal.
Contoh :

Dipunyai populasi 5 orang penderita “D” yang masa inkubasi nya sebagai berikut :
No.Pasien Masa Inkubasi (hari)
1
2
3
4
5
2
3
6
8
11

6 hari berasal dari 2+3+6+8+11/5
10,8 hari berasal dari ∑ (x-µ)
2
/n-1
√ 10,8 = 3,29 hari
Diambil sampel dengan besar n
Dari populasi di atas kemungkinan sample yang terjadi 5
2
= 25

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 72

Sampel-sampel tersebut adalah sebagai tertera didalam tabel di bawah ini
Sampel Pasien yang terpilih Masa inkubasi Mean
1 1;1 2;2 2
2 1;2 2;3 2,5
3 1;3 2;6 4
4 1;4 2;8 5
5 1;5 2;11 6,5
6 2;1 3;2 2,5
7 2;2 3;3 3
8 2;3 3;6 4,5
9 2;4 3;8 5,5
10 2;5 3;11 7
Dst sampai sampel ke 25

Dari distribusi sampling (data pada kolom 4) didapatkan
X = 2+2,5………s/d……. =6
25
Varian (SE
2
) ∑ (X-X)
2
nilai ini tidak lain
n-1
adalah σ/√n =10,8/2 =5,4
SE= √5,4=2,32 hari
2. Konsep Dasar Kesalahan Baku ( Standard Error = SE)
Istilah kesalahan baku digunakan karena mempunyai makna tersendiri yang berbeda
dengan deviasi standar. Diketahui bahwa rata-rata yang dihasilkan dari sekumpuan sampel
yang diambil dari populasi tak terhingga mempunyai nilai yang berbeda-beda dan variasi ini
disebabkan oleh kesalahan yang berkaitan dengan pengambilan sampel yang disebut
kesalahan sampling (sampling error). Deviasi standar distribusi rata-rata sampel disebut
kesalahan baku rata-rata.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 73

Kesalahan baku tidak hanya menggambarkan besarnya penyimpangan atau kesalahan yang
diakibatkankan pengambilan sampel, tetapi dapat pula digunakan untuk menggambarkan
ketepatan estimasi terhadap populasi. Bila kesalahan baku kecil berarti penyebaran rata-rata
sampel juga kecil, maka estimasi terhadap parameter populasi akan lebih tepat dan
sebaliknya, bila nilai kesalahan baku besar berarti penyebarannya juga besar maka estmasi
terhadap parameter populasi menjadi kurang tepat.
3. Distribusi Rata-rata
Distribusi rata-rata diperoleh dengan pengambilan sampel yang dilakukan berulang hingga
semua kemungkinan sampel yang dapat diambil dari populasi tersebut terpenuhi. Selanjutnya,
rata-rata masing-masing sampel dihitung.
X
1
,X
2
,X
3
,…,..X
k

Nilai rata-rata yang dihasilkan berbeda-beda sehingga dapat disusun menjadi
distribusi yang disebut distribusi rata-rata sampel. Bila dari rata-rata yang dihasilkan itu
dihitung pula rata-rata dan deviasi standarnya maka akan dihasilkan rata-rata dari distribusi
rata-rata (µ
2
) dan deviasi standar distribusi rata-rata (σ
2
)
Rata-rata dari distribusi rata-rata sampel akan sama dengan rata-rata populasi dan
deviasi standar distribusi rata-rata dinamakan kesalahan baku (standard error= SE) sama
dengan deviasi standar populasi dibagi dengan akar n
Rumus (10.1) µ
x
= µ
Rumus (10.2) σ
x =
σ
√n
Pengambilan sampel dari populasi tak terhingga dibedakan berdasarkan bentuk distribusi
populasi, yaitu populasi yang berdistribusi normal dan populasi yang tidak berdistribusi
normal
4. Pengambilan Sampel Pada Populasi Distribusi Normal
Pengambilan sampel yang dilakukan berulang dari populasi yang berdistribusi normal
memiliki cirri sebagai berikut.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 74

1. Kesalahan baku (SE) lebih kecil dibandingkan dengan simpangan baku (deviasi standar)
populasi nya
2. Makin besar sampel makin kecil kesalahan baku (SE)
3.
5. Pengambilan Sampel Pada Populasi Tidak Berdistribusi Normal
Untuk mengetahui bentuk distribusi sampel pada populasi tidak berdistribusi normal akan di
berikan contoh sebagai berikut :
Contoh soal :
Disuatu rumah sakit terdapat 5 orang penderita TBC yang dirawat. Populasi hanya terdiri dari
5 orang sangat jauh dari normal
Diketahui bahwa kelima penderita tersebut mempunyai berat penyakit yang sama dan dengan
pengobatan yang sama, tetapi dengan kesembuhan yang berbeda seperti terlihat pada tabel
Distribusi waktu kesembuhan
Penderita Waktu kesembuhan (dalam bulan)
A 3
B 3
C 7
D 9
E 14
=36
Rata-rata = 36/5 = 7,2
Bila dari 5 orang penderita TBC tersebut kita ambil sampel sebanyak 3 orang maka akan di
peroleh sejumlah permutasi sebagai berikut.
Permutasi Jumlah kesembuhan Rata-rata
ABC 3+3+7 4
1/3

ACD 3+7+9 6
1/3

ACE 3+7+14 8,0
ADE 3+9+14 8
2/3

ABD 3+3+9 5,0

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 75

ABE 3+3+14 6
2/3

BCD 3+7+9 6
1/3

BCE 3+7+14 8,0
BDE 3+9+14 8
2/3

CDE 7+9+14 10,0
̅ = 72/10 = 7,2 72,0
Dari hasil perhitungan di atas ternyata pengambilan sampel pada populasi yang tidak
berdistribusi normal akan menghasilkan rata-rata sampel yang sama dengan rata-rata populasi
µ̅ = µ
Dari berbagai percobaan yang telah dilakukan ternyata bila jumlah sampel ditambah
sedikit saja maka akan menghasilkan distribusi rata-rata yang mendekati distribusi normal.
6. Dalil Limit Pusat (Central Limit Theorem)
Dalil limit pusat adalah hubungan antara bentuk distribusi populasi dengan bentuk
distribusi sampling rata-rata.Hubungan tersebut sebagai berikut :
1. Rata-rata dari distribusi rata-rata sampel sama dengan rata-rata populasi dan tidak
bergantung pada besarnya sampel dan bentuk distribusi populasi
µ̅ =µ
2. Dengan penambahan jumlah sampel maka distribusi rata-rata sampel maka distribusi rata-
rata sampel akan mendekati distribusi normal dan tidak bergantung pada bentuk distribusi
populasi
Dalil limit pusat merupakan dalil yang sangat penting dalam statistika inferensial karena
dengan dalil ini memungkinkan kita untuk menafsir parameter populasi dari sampel tanpa
harus mengetahui bentuk distribusi populasi.
Dari dalil ini diketahui bahwa untuk pendekatan ke distribusi normal, distribusi rata-rata
sampel tidak membutuhkan sampel yang besar.




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 76

E. Distribusi Proporsi
Distribusi proporsi sampel tidak berbeda dengan distribusi rata-rata. Oleh karena itu,
semua ketentuan yang berlaku untuk distribusi rata-rata sampel berlaku pula untuk distribusi
proporsi. Bila variabel X terdapat pada populasi N maka proporsi variabel X terhadap
populasi adalah X/N = p. Bila dari populasi tersebut diambil sampel sebesar n maka akan
terdapat variabel x dan proporsi variabel tersebut adalah x/n = p .
Bila pengambilan sampel dilakukan berulang dan masing-masing sampel dihitung
proporsinya maka akan diperoleh nilai proporsi yang berbeda-beda. Nilai-nilai tersebut dapat
disusun menjadi distribusi yang disebut disribusi proporsi. Rata-rata proporsi populasi sama
dengan p dan kesalahan baku proporsi sama dengan akar pq dibagi n.
Rumus : µ
prop
= p
σ
prop
= √ pq/n
Rumus diatas berlaku bila fraksi sampel x/n lebih kecil dari 5% atau bila populasi tak
terhingga dengan sampel yang relatif kecil dibandingkan populasi. Bila fraksi sampel lebih
besar dari 5% atau populasi terbatas maka rumus di atas harus dikalikan dengan faktor
perkalian seperti pada distribusi rata-rata hingga rumus kesalahan baku proporsi menjadi
sebagai berikut.
Rumus : σ
prop
= (√ pq/n) x (√ N-n/n-1)
Semua rumus diatas berlaku bila sampel lebih besar atau sama dengan 30 karena
dengan sampel sebesar itu terjadi pendekatan ke distribusi normal hingga semua ketentuan
untuk distribusi normal dapat digunakan. Jika sampel kurang dari 30 maka kurva akan
menjauhi distribusi normal sehingga perlu dilakukan perhitungan nilai Z. Nilai Z dapat
diperoleh dengan transformasi sebagai berikut.
(x/n) - p
Z = σ
prop





Aminul Khoir

Statistika I | Pendidikan Geografi 2011 77

Contoh :
Dari hasil pengamatan yang lalu diperkirakan terdapat 15% penduduk balita menderita gizi
kurang. Dari populasi itu diambil sampel sebanyak 100 anak. Tentukan probabilitas dari 100
anak tersebut terdapat lebih dari 20 anak dengan gizi kurang.
p = 0,15
q = 0,85
n = 100
x = 20

p = x = 20/100 = 0,2
n
σ
prop
= √ pq/100 = √ (0,15 x 0,85)/100 = 0,036
(x/n) - p
Z = σ
prop
= (0,20-0,15)/0,036 = 1,39


Dari distribusi normal standar diperoleh nilai 0,4177
Probabilitas untuk mendapatkan lebih dari 20 anak menderita gizi kurang adalah 0,5 – 0,4177
= 0,0823.

Uraian untuk distribusi proporsi sejalan dengan untuk distribusi rata-rata. Misalkan
populasi diketahui berukuran N yang didalamnya didapat peristiwa A sebanyak Y diantara N.
Maka didapat parameter proporsi peristiwa A sebesar µ = (Y/N). Dari populasi ini diambil
sampel acak berukuran n dan dimisalkan didalamnya ada peristiwa A sebanyak x. Sampel ini
memberikan statistik proporsi peristiwa A = x/n. Jika semua sampel yang mungkin diambil

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 78

dari populasi itu maka didapat sekumpulan harga-harga statistik proporsi. Dari kumpulan ini
kita dapat menghitung rata-ratanya, diberi simbul
σ
x/n
.

Untuk itu ternyata bahwa, jika ukuran populasi kecil dibandingkan dengan ukuran
sampel, yakni (n/N) > 5%, maka :

X (5)…. µ
x/n
= π
π (1- π) N - n
σ
x/n
= √ √
n N - 1

dan jika ukuran populasi besar dibandingkan dengan ukuran sampel, yakni (n/N) <
5% maka :

X (6)…µ
x/n
= π
π (1- π)
σ
x/n
= √
n
σ
x/n
dinamakan kekeliruan baku proporsi atau galat baku proporsi.
Untuk ukuran sampel n cukup besar, berlakulah sifat berikut :
Jika dari populasi yang berdistribusi binom dengan parameter π untuk peristiwa A, 0
< π < 1, diambil sampel acak berukuran n dimana statistik proporsi untuk peristiwa A = (x/n),
maka untuk n cukup besar, distribusi proporsi (x/n) mendekati distribusi normal dengan

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 79

parameter sepeti dalam Rumus X (5) jika (n/N) > 5%, dan seperti dalam Rumus (6) jika (n/N)
< 5%.
Seperti dalam distribusi rata-rata, disinipun akan digunakan n > 30 untuk memulai
berlakunya sifat diatas. Untuk perhitungan, daftar distribusi normal baku dapat digunakan
dan untuk itu diperlukan transformasi :
x/n - π
X (7)…z =
σ
x/n


Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya diharapkan
tidak lebih dari sebuah harga d yang ditentukan, maka berlaku :
X (8)………….. σ
x/n
< d
Karena σ
x/n
mengandung faktor π dengan π = parameter populasi, maka Rumus X (8)
berlaku jika parameter π sudah diketahui besarnya. Jika tidak, dapat ditempuh cara
konservatif dengan mengambil harga kekeliruan baku atau galat baku yang terbesar, yakni π
(1 – π) = ¼.
Contoh :
Ada petunjuk kuat bahwa 10% anggota masyarakat tergolong kedalam golongan A. Sebuah
sampel acak terdiri atas 100 orang telah diambil.
a. Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang dari
golongan A.
b. Berapa orang harus diselidiki agar persentase golongan A dari sampel yang satu dengan yang
lainnya diharapkan berbeda paling besar dengan 2%?
Jawab :
Populasi yang dihadapi berukuran cukup besar dengan π = 0,10 dan 1 – π = 0,90.
a. Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A, maka paling
sedikit x/n = 0,15.

Aminul Khoir

Statistika I | Pendidikan Geografi 2011 80

Kekeliruan bakunya adalah :

π (1 – π)
σ
x/n
= √
n
0,10 x 0,90
= √ 100

= 0,03.
0,15 – 0,10
Bilangan z paling sedikit = = 1,67.
0,03
Dari daftar normal baku, luasnya = 0,5 – 0,4525 = 0,0475.
Peluang dalam sampel itu akan ada paling sedikit 15 kategori A adalah 0,0475.
b. Dari Rumus X(8) dengan π = 0,1 dan 1 – π = 0,9 sedangkan d = 0,02, maka :

0,1 x 0,9
= √ n < 0,02 yang menghasilkan n > 225

Paling sedikit sampel harus berukuran 225.




Aminul Khoir

Statistika I | Pendidikan Geografi 2011 81


DAFTAR PUSTAKA
Winarsunu,Tulus.2002.Statistik Dalam Penelitian Psikologi dan Pendidikan.Universitas
Muhammadiyah Malang:Malang
R,Murray.1991.Statistik.Erlangga:Jakarta.
Zainten,Wim Van.1980.Statistik Untuk Ilmu-Ilmu Sosial.Gramedia:Jakarta
(Supranto.2009.The Power of Statistic.Salemba empat:Jakarta)
(Prof.Drs.Sudijono Anas.2010.Pengantar Statistik Pendidikan.Rajawali Pers:Jakarta)
Iriantio,Agus.1988.Statistik Pendidikan (1).Departemn Pendidikan Dan Kebudayaan
Deroktorat Jendral Pendidikan tinggi:Jakarta
Harinaldi.2005.Prinsip-Prinsip Statistik untuk Teknik dan Sains.Erlangga:Jakarta
Hasan,Iqbal.2004.Analisis Data Penelitian Dengan Statistik.PT Bumi Aksara:Jakarta

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->