Tugas Statistika

Diklat Kuliah

BAB I
Pengantar Statistika

A.Definisi
Statistika merupakan ilmu yang mempelajari bagaimana
merencanakan, mengumpulkan, menganalisis, menginterpretasi,
dan mempresentasikan data. Sedangkan statistik adalah data,
informasi, atau hasil penerapan algoritma statistika pada suatu
data. Data sendiri merupakan kumpulan fakta atau angka atau
 segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat
digunakan sebagai dasar untuk menarik suatu kesimpulan.

B.Aplikasi
Statistika banyak diterapkan dalam berbagai disiplin ilmu,
baik ilmu-ilmu alam (misalnya astronomi dan biologi maupun ilmu-
ilmu sosial (termasuk sosiologi dan psikologi), maupun di bidang
bisnis, ekonomi, dan industri).
Statistika juga digunakan dalam pemerintahan untuk berbagai
macam tujuan, yaitu seperti sensus penduduk yang merupakan
salah satu prosedur yang paling dikenal. Aplikasi statistika lainnya
yang sekarang popular adalah prosedur jajak pendapat atau polling
(misalnya dilakukan sebelum pemilihan umum), serta jajak cepat
(perhitungan cepat hasil pemilu) atau quick count.

C.Macam Statistika
1. Statistik Deskriptif (deduktif)
Statistik Deskriptif (deduktif) yaitu statistik yang tingkat
pengerjaannya mencakup cara-cara menghitung, menyusun atau
mengatur, mengolah, menyajikan, dan menganalisa data agar
dapat memberikan gambaran yang ringkas mengenai suatu
keadaan.
Statistika deskriptif hanya memberikan informasi
mengenai data yang dipunyai dan sama sekali tidak menarik
inferensia atau kesimpulan apapun tentang gugus induknya yang
lebih besar. Contoh statistika deskriptif yang sering muncul
adalah, tabel, diagram, grafik, dan besaran-besaran lain di
majalah dan koran-koran. Dengan Statistika deskriptif, kumpulan
data yang diperoleh akan tersaji dengan ringkas dan rapi serta
dapat memberikan informasi inti dari kumpulan data yang ada.
Informasi yang dapat diperoleh dari statistika deskriptif ini antara
 lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.

2. Statistik Inferensial
Statistik Inferensial yaitu yang menyediakan aturan-aturan
atau cara yang dapat digunakan suatu alat dalam rangka
menarik kesimpulan yang bersifat umum dari suatu data yang
telah disusun dan diolah.
Statistika inferensia mencakup semua metode yang
berhubungan dengan analisis sebagian data (contoh) atau juga
sering disebut dengan sampel untuk kemudian sampai pada
peramalan atau penarikan kesimpulan mengenai keseluruhan
data induknya (populasi).
Dalam statistika inferensia diadakan pendugaan
parameter, membuat hipotesis, serta melakukan pengujian
hipotesis tersebut sehingga sampai pada kesimpulan yang
berlaku umum. Metode ini disebut juga statistika induktif, karena
kesimpulan yang ditarik didasarkan pada informasi dari sebagian
data saja. Pengambilan kesimpulan dari statistika inferensia
yang hanya didasarkan pada sebagian data saja sebagian data
saja menyebabkan sifat tak pasti, memungkinkan terjadi
kesalahan dalamn pengambilan keputusan, sehingga
pengetahuan mengenai teori peluang mutlak diperlukan dalam
melakukan metode-metode statistika inferensia.

D.Macam Variabel dan Data

1.Jenis Data Menurut Cara Memperolehnya
a. Data Primer Data primer adalah secara langsung diambil dari
objek / obyek penelitian oleh peneliti perorangan maupun
organisasi. Contoh : Mewawancarai langsung penonton
bioskop 21 untuk meneliti preferensi konsumen bioskop.
 b. Data Sekunder Data sekunder adalah data yang didapat tidak
secara langsung dari objek penelitian. Peneliti mendapatkan
data yang sudah jadi yang dikumpulkan oleh pihak lain
dengan berbagai cara atau metode baik secara komersial
maupun non komersial. Contohnya adalah pada peneliti yang
menggunakan data statistik hasil riset dari surat kabar atau
majalah.
2.Macam-Macam Data Berdasarkan Sumber Data
a. Data Internal Data internal adalah data yang menggambarkan
situasi dan kondisi pada suatu organisasi secara internal.
Misal : data keuangan, data pegawai, data produksi, dsb.
b. Data Eksternal Data eksternal adalah data yang
menggambarkan situasi serta kondisi yang ada di luar
organisasi. Contohnya adalah data jumlah penggunaan suatu
produk pada konsumen, tingkat preferensi pelanggan,
persebaran penduduk, dan lain sebagainya.
3.Klasifikasi Data Berdasarkan Jenis Datanya
c. Data Kuantitatif Data kuantitatif adalah data yang dipaparkan
dalam bentuk angka-angka. Misalnya adalah jumlah pembeli
saat hari raya Idul Adha, tinggi badan siswa kelas 3 IPS 2, dan
lain-lain.
d. Data Kualitatif Data kualitatif adalah data yang disajikan
dalam bentuk kata-kata yang mengandung makna.
Contohnya seperti persepsi konsumen terhadap botol air
minum dalam kemasan, anggapan para ahli terhadap
psikopat dan lain-lain.
4.Pembagian Jenis Data Berdasarkan Sifat Data
c. Data Diskrit Data diskrit adalah data yang nilainya adalah
bilangan asli. Contohnya adalah berat badan ibu-ibu PKK
Sumber Ayu, nilai rupiah dari waktu ke waktu, dan lain-
sebagainya.
 d. Data Kontinyu Data kontinyu adalah data yang nilainya ada
pada suatu interval tertentu atau berada pada nilai yang satu
ke nilai yang lainnya. Contohnya penggunaan kata sekitar,
kurang lebih, kira-kira, dan sebagainya. Dinas pertanian
daerah mengimpor bahan baku pabrik pupuk kurang lebih
850 ton.
5.Jenis-jenis Data Menurut Waktu Pengumpulannya
e. Data Cross Section Data cross-section adalah data yang
menunjukkan titik waktu tertentu. Contohnya laporan
keuangan per 31 desember 2006, data pelanggan PT. Angin
Ribut bulan Mei 2004, dan lain sebagainya.
f. Data Time Series / Berkala Data berkala adalah data yang
datanya menggambarkan sesuatu dari waktu ke waktu atau
periode secara historis. Contoh data time series adalah data
perkembangan nilai tukar dollar amerika terhadap Euro Eropa
dari tahun 2004 sampai 2006.
6.Jenis-jenis data menurut tingkatan pengukuran.
g. Data Rasio
Data Rasio adalah tingkatan data yang paling tinggi. Data
rasio memiliki jarak antar nilai yang pasti dan memiliki nilai
nol mutlak yang tidak dimiliki oleh jenis-jenis data lainnya.
Contoh dari data rasio diantaranya: berat badan, panjang
benda, jumlah satuan benda. Jika kita memiliki 10 bola maka
ada perwujudan 10 bola itu, dan ketika ada seseorang
memiliki 0 bola maka seseorang tersebut tidak memiliki bola
satupun. Data rasio dapat digunakan dalam komputasi
matematik, misalnya A memiliki 10 bola dan B memiliki 8
bola, maka A memiliki 2 bola (10-8) lebih banyak dari B.
h. Data Interval
Data interval mempunyai tingkatan lebih rendah dari data
rasio. Data rasio memiliki jarak data yang pasti namun tidak
 memiliki nilai nol mutlak. Contoh dari data interval ialah hasil
dari nilai ujian matematika. Jika A mendapat nilai 10 dan B
mendapat nilai 8, maka dipastikan A mempunyai 2 nilai lebih
banyak dari B. Namun tidak ada nilai nol mutlak, maksudnya
bila C mendapat nilai 0, tidak berarti bahwa kemampuan C
dalam pelajaran matematika adalah nol atau kosong.
i. Data Ordinal
Data ordinal pada dasarnya adalah hasil dari kuantifikasi data
kualitatif. Contoh dari data ordinal yaitu penskalaan sikap
individu. Penskalaan sikap individu terhadap sesuatu bisa
diwujudkan dalam bermacam bentuk, diantaranya yaitu: dari
sikap Sangat Setuju (5), Setuju (4), Netral (3), Tidak Setuju
(2), dan Sangat Tidak Setuju (1). Pada tingkatan ordinal ini
data yang ada tidak mempunyai jarak data yang pasti ,
misalnya: Sangat Setuju (5) dan Setuju (4) tidak diketahui
pasti jarak antar nilainya karena jarak antara Sangat Setuju(5)
dan Setuju(4) bukan 1 satuan (5-4).

j. Data Nominal
Data nominal adalah tingkatan data paling rendah menurut
tingkat pengukurannya. Data nominal ini pada satu individu
tidak mempunyai variasi sama sekali, jadi 1 individu hanya
punya 1 bentuk data. Contoh data nominal diantaranya yaitu:
jenis kelamin, tempat tinggal, tahun lahir dll. Setiap individu
hanya akan mempunyai 1 data jenis kelamin, laki-laki atau
perempuan. Data jenis kelamin ini nantinya akan diberi label
dalam pengolahannya, misalnya perempuan=1, laki-laki=2.
 BAB II
Ukuran Pemusatan

Ukuran pemusatan data adalah suatu ukuran yang

menggambarkan pusat dari kumpulan data yang bisa mewakilinya.
Mean, Median, Modus sama-sama merupakan ukuran pemusatan data
yang termasuk kedalam analisis statistika deskriptif. Namun, ketiganya
memiliki kelebihan dan kekurangannya masing-masing dalam
menerangkan suatu ukuran pemusatan data. Syaratnya ialah data
sudah di susun/dikelompokkan.

A.Mean
Perhitungan rata-rata (mean) berbeda antara rata-rata untuk jenis
data berkelompok dan data tak berkelompok. Yang dimaksud
dengan data berkelompok atau bergolong adalah data yang telah
digolongkan dalam distribusi frekuensi. Sedangkan data tak
berkelompok adalah data tunggal atau data yang tidak
dikelompokan dalam distribusi frekuensi. Perhitungan Frekuensi
data tak berkelompok, biasanya setiap data mewakili data tersebut
secara tunggal.
1. Mean Data Tunggal
Perhitungan rata-rata untuk data tunggal menggunakan
rumus pada contoh berikut :
Usia tujuh orang mahasiswa Program Studi Teknik Elektro adalah
: 18, 19, 20, 21, 23, 24, 26. Rata-rata usia ke tujuh orang
mahasiswa tersebut adalah?
Maka dapat dihitung dengan menjumlahkan seluruh umur dan
membaginya dengan jumlah orang yang di hitung/subjek.
Atau dengan notasi matematis dapat ditulis menjadi :
 X =
∑ Xi
n
Keterangan :
X : Rata-rata (mean) variabel X
ΣXi : Penjumlahan unsur pada variabel X
n : Jumlah subjek

2. Mean Data Berkelompok

Perhitungan rata-rata untuk data berkelompok menggunakan
rumus sebagai berikut :

X =
∑ Xi.fi
n
Keterangan :
X : Rata-rata (mean) variabel X
Xi : Nilai-nilai pengamatan yang diwakili dengan nilai titik tengah
kelas
fi : Frekuensi relatif tiap kelas interval
n : Jumlah subjek

Hasil ujian mahasiswa Teknik Elektro berjumlah 54 orang yang

telah diolah dan disajikan dalam tabel di bawah ini :

No. Kategori Nilai Xi fi fi.Xi

1 48-52 50 2 100
2 53-57 55 3 165
3 58-62 60 5 300
4 63-67 65 9 585
5 68-72 70 10 700
6 73-77 75 12 900
7 78-82 80 7 560
8 83-87 85 2 170
9 88-92 90 3 270
10 93-97 95 1 95
Σ fi = n = Σ fi.Xi =
 54 3845

Setelah didapatkan nilai pada tabel di atas, selanjutnya

nilai tersebut dimasukan ke dalam rumus dan dilakukan
perhitungan sebagaimana berikut ini:

X =
∑ Xi.fi = 3845 = 71,203 ≈ 71
n 54
Berdasarkan nilai di atas maka dapat disimpulkan bahwa
nilai rata-rata ujian tengah semester pada mata ujian statistik
untuk mahasiswa sebanyak 54 orang adalah 71 atau B.

B.Modus
Modus dapat dibatasi sebagai nilai yang sering muncul atau
suatu kelompok nilai yang memiliki frekuensi relatif terbesar.
Perhitungan modus juga berbeda antara data tak berkelompok /
tunggal dan data berkelompok / bergolong.
3. Penentuan modus untuk data tak berkelompok dapat dilihat
dibawah ini:
Ada sebuah kelompok nilai yang telah diurutkan sebagai
berikut :
3, 3, 4, 4, 4, 5, 5, 5, 5, 6, 6, 7, 7, 7, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 10,
10, 10, 11, 11, 11, 12.
Dari sebaran nilai di muka, terlihat bahwa nilai yang sering
muncul atau memiliki frekuensi pemunculan sebanyak enam kali
dalam kasus ini adalah nilai 8. Dengan demikian, maka modus
dalam kasus ini adalah 8.

4. Modus Data Berkelompok

Untuk data berkelompok dengan persamaan dibawah ini :
 b1 
Mo = b + i 
 b1 + b 2 
Keterangan :
 Mo : Modus
b : Batas bawah kelas yang memiliki frekuensi relatif terbesar
b1 : Frekuensi relatif kelas modus dikurangi frekuensi relatif
kelas sebelumnya
b2 : Frekuensi relatif kelas modus dikurangi frekuensi relatif
kelas berikutnya
i : Jarak interval kelas

No. Kategori Nilai fi F

1 48-52 2 2
2 53-57 3 5
3 58-62 5 10
4 63-67 9 19
5 68-72 10 29
6 73-77 12 41
7 78-82 7 48
8 83-87 2 50
9 88-92 3 53
10 93-97 1 54
Jumlah Σ fi = n = 54
Setelah didapatkan kelas ke 6 sebagai kelas yang memiliki
frekuensi relatif terbesar atau kelas modus sebagai patokan,
maka selanjutnya akan dilakukan perhitungan untuk
mendapatkan nilai modus seperti berikut ini :
 b1 
Mo = b + i 
 b1 + b 2 
 2 
= 72 ,5 + 5 
2+5
2
= 72 ,5 + 5 
7 
= 72 ,5 + 5 × 0 ,29
= 72 ,5 + 1,43 = 73,92 ≈ 74

C.Median
 Median adalah nilai yang persis berada di tengah jika suatu
angkatan data diurutkan dari nilai terkecil / terendah sampai
terbesar / tertinggi atau sebaliknya. Perhitungan median juga
menggunakan teknik yang berbeda antara data tak berkelompok/
tunggal dengan data berkelompok atau bergolong.
5. Median Data Tunggal
Untuk data tak berkelompok atau data tunggal, cara
perhitungan median amat sederhana. Misalnya ada satu
kelompok nilai yang telah diurutkan sebagai berikut : 60, 61, 62,
64, 65, 66, 67. Untuk kelompok nilai tadi, mediannya adalah 64
karena persis berada di tengah.
Kejadian seperti dicontohkan di atas adalah cara
penentuan median ketika jumlah nilai dalam kelompok nilai
tersebut adalah ganjil. Bagaimana halnya jika jumlah nilai dalam
kelompok nilai tersebut adalah genap. Untuk kelompok nilai
berjumlah genap, cara penentuan median seperti terlihat pada
contoh di bawah ini : 60, 61, 62, 64, 65, 66, 67, 68.
Nilai yang persis di tengah dari urutan nilai di atas bukan
lagi satu nilai tetapi telah menjadi dua nilai yaitu 64, dan 65
sehingga untuk mendaptkan nilai tengah, kedua nilai tersebut
harus dijumlahkan kemudian dibagi dua. Sehingga median dari
kelompok nilai berjumah genap di atas adalah :
64 + 65
= 64,5
2

6. Median Data Kelompok

Untuk data berkelompok menentukan mediannya dengan
persamaan berikut :
 1 / 2n − F 
M = L +  i
 fm 
Keterangan :
M : Median
L : Batas bawah kelas dimana terdapat ½ n
F : Frekuensi kumulatif kelas dibawah kelas median
fm : Frekuensi relatif kelas dimana terdapat ½ n
n : Jumlah subjek
i : Panjang / jarak interval kelas

No. Kategori Nilai fi F

1 48-52 2 2
2 53-57 3 5
3 58-62 5 10
4 63-67 9 19
5 68-72 10 29
6 73-77 12 41
7 78-82 7 48
8 83-87 2 50
9 88-92 3 53
10 93-97 1 54
Jumlah Σ fi = n = 54

Setelah didapatkan kelas ke 5 sebagai kelas median (kelas di

mana terdapat 1/2n) pada tabel di atas sebagai patokan, maka
selanjutnya akan dilakukan perhitungan median untuk data
berkelompok.
 1 / 2n − F 
M = L +  i
 fm 

 1 / 2.54 − 19 
= 67 ,5 +  5
 10 
 27 − 19 
= 67 ,5 +  5
 10 
 8 
= 67 ,5 +  5
 10 
= 67 ,5 + ( 0 ,8 × 5 )
= 67 ,5 + 4 = 71,5
 BAB III
Ukuran Dispersi (Penyebaran)

A.Dispersi Data
Ukuran penyebaran suatu kelompok data terhadap pusat data
disebut dispersi atau variasi atau keragaman data. Dispersi data
digunakan untuk membandingkan penyebaran dua distribusi data
atau lebih.
Beberapa jenis ukuran dispersi data :
3. Jangkauan (range)
Selisih antara nilai maksimum dan minimum. Jangkauan data
dapat menunjukkan kualitas suatu data. Semakin kecil
jangkauan suatu data, maka kualitas data semakin baik, dan
sebaliknya.
4. Simpangan rata - rata (mean deviation)
Jumlah nilai mutlak dari selisih semua nilai dengan rata –rata
dibagi banyaknya data. Simpangan rata – rata
mempertimbangkan semua selisih antara nilai data dengan
pusat data.
5. Variansi (variance)
Rata - rata kuadrat selisih atau kuadrat simpangan dari semua
nilai data terhadap rata - rata hitung.
6. Standar deviasi (simpangan baku)
Akar pangkat dua dari variansi. Standar deviasi merupakan
ukuran dispersi yang dianggap paling baik sehingga sering
digunakan dalam analisis data. Hal ini dikarenakan standar
deviasi mempunyai bentuk linier dari kuadrat selisih antara
semua nilai data dengan rata - rata hitungnya dan juga bertanda
positif.
7. Simpangan kuartil
 8. Koefisien variasi (Dispersi relatif)
Disebut dispersi relatif, dapat digunakan untuk membandingkan
nilai – nilai besar dengan nilai – nilai kecil. Sedangkan lima
bentuk dispersi sebelumnya tidak bisa.

B.Kemiringan Distribuasi Data

Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan
suatu distribusi data. Tiga pola kemiringan distribusi data adalah
sebagai berikut:

Ada beberapa cara untuk menghitung derajat kemiringan distribusi

data.
1.Dengan rumus Pearson
Rumus Pearson dapat digunakan untuk data berkelompok
maupun tidak. Bila kemiringan (α) = 0 atau mendekati nol
dikatakan distribusi data simetri, bila α bertanda negatif, maka
dikatakan bahwa distribusi data miring ke kiri, dan bila α
bertanda positif, maka dikatakan distribusi data miring ke kanan.
2.Dengan rumus Momen
3.Dengan rumus Bowley

C.Keruncingan Distribusi Data

Keruncingan distribusi data adalah derajat atau ukuran tinggi
rendahnya puncak suatu distribusi data terhadap distribusi
normalnya data. Keruncingan distribusi data disebut juga kurtosis.
 Ada tiga jenis derajat keruncingan:
1.Leptokurtis (Puncak Runcing)
2.Mesokurtis (Puncak Normal)
3.Platikurtis (Puncak Rendah)

D.Pengukuran Dispersi
1. Dispersi Absolut
a. Populasi

σ=
∑( x − u ) 2

N
b. Sampel

S=
∑( x − x ) 2

n
2. Dispersi Relatif
Untuk mengukur besarnya timpangan antara satu distribusi
dengan distribusi yang lain yang mempunyai n, s, x yang
berbeda.
s
V = 100
x V= Koefisien Variasi

E.Pengukuran Kemencengan
Distribusi dapat berbentuk simetris, yang berarti luas kurva
disebelah kiri nilai rata-rata sama dengan luas kurva di sebelah
kanan nilai rata-rata.
3. Simetris
 Distribusi simetris yang berarti luas kurva di sebelah kiri nilai
rata-rata sama dengan luas kurva di sebelah kanan nilai rata-
rata.
4. Menceng Kiri

Distribusi frekuensi dinyatakan menceng kekiri jika nilai rata-rata

observasi yang berfrekuensi rendah lebih banyak di sebelah kiri dari
rata-rata, atau “ekor”nya menjulur ke kiri.
5. Menceng Kanan

Kurva ini merupakan kebalikan dari kurva menceng kanan, nilai

rata-rata observasi nilai rendah akan lebih banyak di sisi kanan
rata-rata, atau ekor cenderung ke kanan.

Metode Pengukuran Kemencengan

Untuk mengukur kemencengan suatu distribusi frekuensi, dapat di
gunakan rumus Koefisien Karl Person sebagai berikut :
( x − Mo )
Sk =
s
Keterangan :
Sk = Kemencengan
x = Mean
Mo = Modus
 S = Standar Deviasi
Sk positif artinya distribusi frekuensi menceng ke kanan, sk negatif
artinya distribusi frekuensi menceng ke kiri, dan sk=0 artinya
distribusi frekuensi simetris.

F.
 Daftar Pustaka

Probabilitas-Statistika.pdf >>> mean, modus, median

dispersi-kemiringan-dan-keruncingan.pdf >>> dispersi
STATISTIK.pdf >>> Dispersi
pertemuan-v1.pdf >>> Dispersi
http://tomywahl.blogspot.com/2010/02/makalah-statistik.html
Pengantar-statistik2.pdf >.>> pengantar statistik
http://muhammad-win-afgani.blogspot.com/2008/01/metode-
statistika.html
http://har-stkip.blogspot.com/2009/02/mengenal-statistik.html
http://cokroaminoto.blogetery.com/2010/02/18/sumber-data-dalam-
penelitian/
http://id.wikipedia.org/wiki/Statistika_inferensia
http://id.wikipedia.org/wiki/Statistika_deskriptif