MODUL 1

STATISTIKA DESKRIPTIF

Tujuan Praktikum :
Praktikum modul I (Statistika Deskriptif) bertujuan untuk memberikan pemahaman teoritis lebih
lanjut serta memperkenalkan aplikasi praktis dari topik bahasan statistika:
1. Konsep dasar Statistika, Penyajian data, dan pembuatan distribusi frekuensi
2. Ukuran Pemusatan data yang meliputi pembahasan mengenai rataan hitung, nilai median, modus
serta ukuran letak yakni kuartil, desil, dan persentil

3. Ukuran penyebaran (dispersion) data yang meliputi, nilai jarak, rata-rata simpangan, variansi,
simpangan baku, bilangan baku, dan koefisien variansi
4. Ukuran momen, kemiringan, dan kurtosis data

1.1 Konsep Dasar Statistika

Terdapat banyak definisi yang diberikan untuk menjelaskan pengertian dari statistika (statistics)
atau ilmu statistik. Salah satunya diberikan oleh Blank (1982) yang mengatakan bahwa statistika adalah
“Cabang dari matematika yang menggunakan sejumlah rumusan (formula) untuk mengumpulkan,
menggambarkan, menganalisa, dan mengintrepetasikan data kuantitatif”.
Untuk dapat mempelajari statistika lebih lanjut, perlu dipahami terlebih dahulu mengenai beberapa
konsep dasar yang berkaitan dengan statistika tersebut. Adapun sejumlah konsep dasar yang perlu dipahami
tersebut antara lain.
a) Data, adalah sekumpulan angka atau keterangan yang tersusun, dan didapatkan melalui
pengukuran, hasil perhitungan ataupun hasil kerja dari badan tertentu (Sudjana, 1996).
b) Populasi, adalah totalitas semua nilai yang mungkin, hasil menghitung ataupun pengukuran,
mengenai karakteristik tertentu dari semua anggota kumpulan yang ingin dipelajari sifat-sifatnya
(Sudjana, 1996). Ukuran populasi tersebut bisa berhingga (finite population) ataupun yang tidak
terhingga (infinite population). Nilai sebenarnya dari suatu sifat populasi ini disebut dengan
parameter populasi, yang dilambangkan dengan sejumlah huruf Latin, seperti µ , σ , π , dan
sebagainya. Sebagai contoh bila ingin diketahuinya karakteristik kependudukan suatu kota, maka
seluruh penduduk kota tersebut merupakan populasi
c) Sampel acak (random sample), adalah bagian dari populasi yang digunakan untuk
mengestimasi nilai parameter populasi yang diambil secara acak (Blank, 1982). Ukuran sampel
biasanya berhingga dan cukup kecil yang bertujuan untuk mengurangi waktu pengumpulan data
dan biaya, namun lebih besar ukuran sampel akan semakin menambah tingkat akurasi dari
estimasi parameter. Nilai dari sampel disebut dengan “Statistik” (statistic), yakni suatu angka yang
 dihitung dari data sampel dan digunakan untuk mengestimasi suatu parameter populasi, yang
biasanya tidak diketahui. Statistik ini biasanya dilambangkan oleh suatu huruf Romawi seperti s, t,
p, X. Sebagai contoh misalnya untuk contoh kependudukan maka sampel merupakan sebagian dari
penduduk kota yang diteliti.
d) Variabel,adalah karakteristik populasi yang diamati. Dilambangkan dengan huruf kapital, dan
dapat diklasifikasikan menjadi variabel diskret, dan variabel kontiniu. Variabel diskret, hanya
dapat mengasumsikan suatu nilai terbatas yang tentu. Contohnya, jumlah orang yang bekerja
(misalkan X), dapat merupakan suatu bilangan bulat (integer) 0, 1, 2, dan seterusnya. Variabel
kontiniu dapat mengasumsikan suatu bilangan diantara dua batas (limit), ukuran tinggi badan
misalnya merupakan salah satu contoh variabel kontiniu. Kenyataan yang seringkali menunjukkan
bahwa variabel kontiniu terlihat sebagai variabel diskret, terjadi karena variabel tidak diukur
seakurat mungkin. Jika dikatakan bahwa tinggi badan seseorang adalah 175 cm, ini bukanlah
diskret, tetapi kontiniu. Karena sebenarnya 175 cm adalah 174,79.

Terdapat dua tahapan utama dalam statistika, yakni statistika deskriptif (descriptive statistics), dan
statistika inferentif (inferential statistics). Statistika deskriptif, menggambarkan dan menganalisis data
dengan cara menghitung / mengolah sekurang-kurangnya satu statistik sampel, dengan cara menyusun
sejumlah grafik dan tabel, dan dengan cara membandingkan hasil yang diperoleh dengan data lainnya.
Setelah tahapan ini selesai, maka statistika inferentif mengintepretasikan hasil tersebut dengan
menggunakan alat (tools) statistika, pengalaman, pengetahuan umum (common sense), dan pemahaman
umum dari proses yang dipelajari (Blank, 1982).

1.2 Penyajian Data

Data yang telah dikumpulkan, baik berasal dari populasi maupun sampel, untuk keperluan
pelaporan, dan atau analisis selanjutnya, perlu diatur, disusun, dan disajikan dalam bentuk yang jelas dan
singkat sehingga mempermudah pemahaman. Secara umum terdapat dua cara penggambaran data yang
seringkali digunakan dalam statistika, yakni cara tabel dan grafik atau diagram. Sebagai bahan rujukan
lebih lanjut mengenai format penyajian data statistika dapat dilihat pada Sudjana (1996) dan Supranto
(2000) .

1.2.1 Tabel
Tabel merupakan bentuk penggambaran data dalam bentuk baris dan kolom. Adapun bentuk tabel
ini beragam sesuai dengan kebutuhan yang ada. Sebagai contoh misalnya diketahui data tentang jumlah
pembagian provinsi untuk setiap pulau di Indonesia; Pulau Jawa enam provinsi; Sumatra sepuluh provinsi;
Kalimantan empat provinsi; Sulawesi tujuh provinsi; Maluku dua provinsi; Bali satu provinsi; Nusa
Tenggara dua provinsi; dan Papua dua Provinsi. Data tersebut dapat di sajikan dalam bentuk sebagai
berikut.
 Tabel 1.1. Daftar jumlah provinsi untuk setiap pulau/kepulauan di Indonesia
Nama Pulau/Kepulauan Jumlah Provinsi
Sumatra 10
Jawa 6
Kalimantan 4
Sulawesi 7
Maluku 2
Bali 1
Nusa Tenggara 2
Papua 2
(Sumber: Departemen Dalam Negri)

1.2.2 Grafik/Diagram
Grafik atau diagram merupakan bentuk penyajian data dalam bentuk gambar. Terdapat beberapa
jenis grafik atau diagram, yang di bedakan berdasar bentuk visualnya. Diantara grafik tersebut antara lain
diagram batang, diagram garis, diagram pastel / lingkaran, diagram pencar dan lain-lain. Adapun contoh
masing-masing diagram tersebut untuk contoh pembagian provinsi dapat adalah sebagai berikut.
Pembagian Provinsi Untuk Setiap Pulau Pembagian Provinsi Untuk Setiap Pulau
12
Ppa
10 Nta
10 Bli
6%
6%
Smt
Jumlah Provinsi

Mlk 3%
28 %
8 7 6%

6
6
4
4
2 2 2
Slw
2 1
21%
Jwa
0 Klm 18 %
Smt Jwa Klm Slw Mlk Bli Nta Ppa 12 %

Pulau

(A) (B)
Pembagian Provinsi Untuk Setiap Pulau Diagram Pencar
12
60
10 10
50
Jumlah Provinsi

8
Berat badan

7
40
6 6
30
4 4 20

2 2 2 2 10
1
0
0
0 5 10 15 20 25
Smt Jwa Klm Slw Mlk Bli Nta Ppa Umur

Pulau

(C) (D)

Gambar 1.1. Beberapa contoh diagram: (a) Diagram batang; (b) Diagram pastel; (c) Diagram garis;
(d) Diagram pencar.
1.3 Distribusi Frekuensi
Distribusi frekuensi merupakan bentuk grafis dasar yang digunakan untuk mempresentasikan
distribusi (penyebaran) frekuensi dari nilai suatu variabel yang diamati (Blank, 1982). Distribusi frekuensi
atau yang disebut juga dengan histogram, bisa digunakan untuk data yang dikelompokkan atau tidak. Data
yang tidak dikelompokkan (ungrouped data) biasanya digunakan untuk suatu variabel diskret. Nilai
variabel diletakan pada sumbu absis (sumbu x) dan skala frekuensi pada sumbu ordinat (sumbu y).
Misalnya terdapat data jumlah mobil terjual untuk setiap jenisnya adalah sebagai berikut.

Tabel 1.1. Frekuensi jumlah mobil terjual untuk setiap jenisnya

Jenis Mobil Mobil terjual (Frekuensi)
A 15
B 10
C 25
D 9
E 17
F 5

Berdasar data pada tabel diatas dapat disusun suatu distribusi frekuensi (histogram) sebagai
berikut (pada histogram tidak boleh ada jarak antar variabel berbeda dengan diagram batang).

Frekuensi Jumlah Mobil Terjual

30
25
25
20 17
15
Frekuensi

15
10 9
10 5
5
(y
)

0
A B C D E F
Jenis Mobil (x)

Gambar 1.4. Histogram jumlah mobil terjual menurut jenisnya

Seringkali distribusi frekuensi data tidak terkelompok, kurang memberikan gambaran bagaimana
data terdistribusi karena perbedaan setiap nilai membuat frekuensi setiap data sangat kecil. Untuk
meningkatkan efisiensi dalam memperlajari sejumlah variabel, data tersebut dapat dikelompokkan menjadi
sejumlah kelas (cells). Sebagai contoh misalnya dari data berikut, susunlah suatu distribusi frekuensi.

Tabel 1.2 Hasil ujian akhir diketahui data nilai ujian statistika tujuh puluh orang mahasiswa
 45 45 65 59 70 75 80
85 47 68 68 72 48 79
75 45 72 72 68 46 78
48 68 68 76 64 53 75
50 67 69 69 72 59 68
57 72 75 72 73 68 75
55 70 78 78 78 79 64
84 80 74 75 56 81 52
73 78 76 81 46 56 59
48 59 68 65 75 78 80

Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang sama, langkah pengerjaan
yang harus dilakukan adalah sebagai berikut.
1. Mengurutkan data dari yang terkecil hingga yang terbesar.

45 45 45 46 46 47 48
48 48 50 52 53 55 56
56 57 59 59 59 59 64
64 65 65 67 68 68 68
68 68 68 68 68 69 69
70 70 72 72 72 72 72
72 73 73 74 75 75 75
75 75 75 75 76 76 78
78 78 78 78 78 79 79
80 80 80 81 81 84 85

2. Menentukan rentang (R) kelas, dengan cara:

R = Xmaks - Xmin ............................................................................................................... (1.1)

Dengan menggunakan persamaan 1.1 tersebut maka untuk kasus diatas nilai R adalah
R = 85 – 45
= 40
3. Menentukan banyak kelas interval yang diperlukan. Menurut Blank (1982) banyak
kelas adalah 6 – 10 kelas untuk data kurang dari 50, dan 10 – 20 kelas untuk data sejumlah 50
atau lebih. Sedangkan menurut aturan Struges (Sudjana, 1996) untuk data yang berjumlah 200
atau lebih banyak kelas ditentukan dengan menggunakan rumus:

Banyak kelas = 1 + 3,3 log n ........................................................................................ (1.2)

Dengan : n = jumlah data

Untuk contoh diatas, misalnya kita ambil banyak kelas adalah sebanyak 11 kelas.

4. Menentukan panjang kelas interval (p) dengan cara:

p = R / Banyak kelas ...................................................................................................... (1.3)

 Dengan menggunakan persamaan 1.3 nilai p untuk kasus diatas adalah
p = 40 / 11
= 3.6 = 4
Berdasar nilai p tersebut dapat ditentukan bahwa kelas pertama adalah 45 – 48.
5. Menentukan batas kelas, yakni nilai setengah unit pengukuran, yang lebih akurat
daripada nilai yang diamati. Jadi misalnya untuk kelas pertama nilai batas kelasnya adalah:
Batas atas = 45 – 0.5 = 44.5
Batas bawah = 48 + 0.5 = 48.5
6. Menentukan nilai tengah setiap kelas, dengan cara:

Nilai tengah = ½ (Batas atas kelas + Batas bawah kelas) .............................................. (1.4)

Berdasar persamaan 1.4 tersebut maka untuk kelas pertama kasus diatas nilai tengahnya adalah.
Nilai tengah = ½ (48.5 + 44.5)
= 46.5

Berdasar nilai-nilai diatas selanjutnya dapat disusun suatu distribusi frekuensi untuk data yang
dikelompokkan. Untuk kasus diatas distribusi frekuensi adalah sebagai berikut
Tabel 1.3. Distribusi frekuensi data terkelompok nilai ujian siswa
Kelas Batas kelas Nilai tengah Frekuensi Frek Kum
45 - 48 44.5 - 48.5 46.5 9 9
49 - 52 48.5 - 52.5 50.5 2 11
53 - 56 52.5 - 56.5 54.5 4 15
57 - 60 56.5 - 60.5 58.5 5 20
61 - 64 60.5 - 64.5 62.5 2 22
65 - 68 64.5 - 68.5 66.5 11 33
69 - 72 68.5 - 72.5 70.5 10 43
73 - 76 72.5 - 76.5 74.5 12 55
77 - 80 76.5 - 80.5 78.5 11 66
81 - 84 80.5 - 84.5 82.5 3 69
85 - 88 84.5 - 88.5 86.5 1 70

Seperti pada kasus data tidak terkelompok, pada kasus data terkelompok ini dapat juga
digambarkan bentuk grafisnya. Bentuk grafis dari distribusi frekuensi (histogram) dari data terkelompok
ini, secara umum memiliki ciri yang sama dengan data tidak terkelompok. Perbedaan keduanya hanya
terletak pada penggambaran sumbu x. Dimana bila pada data tidak terkelompok digambarkan item data,
sedangkan pada data terkelompok digambarkan setiap kelas data. Selengkapnya contoh histogram untuk
contoh kasus diatas dapat dilihat pada gambar berikut ini.
 Histogram Data Nilai Ujian
14

12
12 11 11
10
10 9
Frekuensi

6 5
4
4 3
2 2
2 1

Kelas

Gambar 1.5. Contoh histogram untuk data terkelompok

Khusus untuk variabel kontiniu dapat digambarkan pula suatu poligon frekuensi. Yakni bentuk
histogram dengan menarik garis dari puncak setiap kelas dan menghubungkannya dengan puncak kelas
lain. Misalnya, kita anggap data nilai ujian diatas bersifat kontiniu maka poligon frekuensinya adalah
sebagai berikut.

Poligon Frekuensi Data Kontiniu

14
12
12 11 11
10
10 9
Frekuensi

6 5
4
4 3
2 2
2 1
0 0
0

Kelas

Gambar 1.5. Contoh poligon frekuensi untuk data kontiniu

1.4 Ukuran Pemusatan dan Penyebaran Data

Dalam tendensi pemusatan data akan dipelajari mengenai rata-rata (mean), modus (mode), dan
median (median), selain itu akan dipelajari juga tentang kuartil, desil, dan persentil. Sedangkan dalam
tendensi penyebaran data (dispersion) akan dipelajari mengenai rentang (range), simpangan baku
(standard deviation), dan variansi (variance). Selain itu pada tulisan ini hanya akan dibahas mengenai
ukuran pada data yang telah dikelompokkan.
1.4.1 Ukuran pemusatan data
Dalam bagian ini akan dipelajari mengenai perhitungan rata-rata (mean), nilai tengah (median),
nilai terbanyak (mode), dan nilai perempat (quartile), persepuluh (desil), perseratus (percentile).
Rata-rata
Rata-rata (mean/average/expected value) adalah nilai yang mewakili himpunan atau sekelompok
data (a set of data) yang pada umumnya cenderung terletak di tengah suatu kelompok data yang telah
disusun menurut besar kecilnya nilai (Supranto, 2000). Beberapa jenis rata-rata yang sering digunakan ialah
rata-rata hitung (aritmetic mean), rata-rata ukur (geometric mean) dan rata-rata harmonik (harmonic mean).
Dalam tulisan ini hanya akan dibahas mengenai rata-rata hitung (seterusnya sebut saja rata-rata) saja,
sedangkan untuk jenis rata-rata lain dapat dirujuk pada Sudjana (1996). Rata-rata, Χ (baca: eks bar)
untuk sampel, dan µ (baca:miu) untuk rata-rata populasi. Jadi Χ adalah statisik sedangkan µ adalah
parameter untuk menyatakan rata-rata. Misalnya, terdapat sejumlah nilai variabel X, sebagai hasil
pengamatan sebanyak N kali, yaitu : X1, X2, X3, . . . , XN, maka X adalah.
n

∑x i
.................................................................................................................. (1.5)
x = i =1
n
Dimana: xi = Nilai tengah kelas
n = Banyak data
Dan bila memperhitungkan frekuensi setiap kelas

x=
∑f x i i
........................................................................................................... (1.6)
∑f i

Dimana: xi = Nilai tengah kelas

fi = Frekuensi kelas

Contoh : Hitung nilai rata-rata untuk data pada tabel 1.3

Tabel 1.4 Contoh perhitungan rata-rata
Nilai tengah Frekuensi
Kelas Frek Kum fixi
(xi) (fi)
45 - 48 46.5 9 9 418.5
49 - 52 50.5 2 11 101
53 - 56 54.5 4 15 218
57 - 60 58.5 5 20 292.5
61 - 64 62.5 2 22 125
65 - 68 66.5 11 33 731.5
69 - 72 70.5 10 43 705
73 - 76 74.5 12 55 894
77 - 80 78.5 11 66 863.5
81 - 84 82.5 3 69 247.5
85 - 88 86.5 1 70 86.5
 Jumlah 70 4683
Χ= 4683 / 70
= 66.900
Bandingkan nilai ini bila rata-rata dari data tabel 1.2 dicari dengan menggunakan persamaan 1.5
yang menunjukan hasil sebagai berikut.
Χ= 4706 / 70
= 67.228
Median
Kalau ada sekelompok nilai sebanyak n diurutkan mulai dari yang terkecil X1 sampai dengan
yang terbesar Xn, maka nilai yang ada tengah disebut dengan median (Me). Untuk mengetahui median ini
dapat dilakukan dengan cara sebagai berikut.

n −∑ f 
Me = Lo + p  2 
 .................................................................................. (1.7)
 fm
 

Dimana Lo = Batas bawah dari kelas median dimana median berada

n = Jumlah data
p = Panjang kelas interval
fm = Frekuensi kelas median
∑f = Jumlah frekuensi semua kelas sebelum kelas yang mengandung median

Contoh : Hitung nilai median untuk data pada tabel 1.3

Dik : n/2 = 35, Lo = 68.5, fi = 33 (9 + 2 + 4 + 5 + 2 + 11), fm = 10, p = 4
maka,

 35 * 33 
Me = 68 .5 +4  
 10 
= 69.3

Modus
Modus (Mo) dari suatu kelompok nilai adalah nilai kelompok yang memiliki frekuensi tertinggi.
Atau nilai yang paling banyak terjadi di dalam suatru kelompok nilai. Nilai modus diperoleh dengan
menggunakan persamaan berikut.

 b1 
Mo = L o + p   ......................................................................................... (1.8)
 b1 + b 2 
Dimana Lo = Batas bawah dari kelas modus
b1 = Selisih frekuensi kelas modus dengan frekuensi tepat satu kelas sebelum kelas modus
b2 = Selisih frekuensi kelas modus dengan frekuensi tepat satu kelas sesudah kelas modus
 p = Panjang kelas interval
Contoh : Hitung nilai modus untuk data pada tabel 1.3
Dik : Lo = 72.5 (kelas dengan fi terbanyak), b1 = 2 (12 – 10), b2 = 1 (12 – 11) , p = 4
Maka,

2 
Mo = 72 .5 +4  
3 
= 75.167

Kuartil, Desil, dan Persentil

Bila median membagi data menjadi dua kelompok yang sama, maka kuartil (Q) membagi data
menjadi empat bagian yang sama, desil (D) membagi menjadi sepuluh bagian yang sama, dan persentil (P)
menjadi seratus bagian bagian yang sama. Bila data tersebut belum dikelompokkan nilai kuartil, desil, dan
persentil diperoleh dengan menggunakan persamaan berikut.
i ( n +1)
.................................................................................................................... (1.9)
L
Dengan catatan
Kuartil :L=4 ; i = 1, 2, 3 dimana, n ≥ 4
Desil : L =10 ; i = 1, 2, 3, . . . , 9 dimana, n ≥ 10
Persentil : L = 100 ; i = 1, 2, 3, . . . , 100 dimana, n ≥ 100

Untuk data yang telah dikelompokkan ke dalam distribusi frekuensi, ketiga pengukuran tersebut
dapat diperoleh dengan menggunakan persamaan berikut ini.
Kuartil
 i.n − ∑ f 
 
Qi = L0 + p 4 ................................................................................... (1.10)
 f kuartil 
 
Desil
 i.n 
 − ∑f 
Di = Lo + p 10  ..................................................................................... (1.11)
 f Desil 
 
 
Persentil

 100 − ∑ f 
 i.n 
Pi = L0 + p  ................................................................................ (1.12)
 f Persentil
 

Dimana: Lo = Batas bawah dari kelas kuartil, desil, persentil

p = Panjang kelas interval
 f = Frekuensi kelas kuartil, desil, persentil
∑f = Jumlah semua frekuensi kelas sebelum kelas kuartil, desil, persentil

Contoh : Hitung nilai Q3 dan D9 untuk data pada tabel 1.3

Dik : Q3 : (3/4) x 70 = data ke 52 – 53, D9 : (9/10) x 70 = data ke 63
Maka,

 52 .5 −43 
Q3 = 72 .5 +4  
 12 
Q3 = 75.667
Dan,
 63 −55 
D9 = 76 .5 +4  
 11 
D9 = 79.409

1.4.2 Ukuran Penyebaran Data

Dalam bagian ukuran penyebaran data (dispersion) akan dipelajari tiga ukuran, yakni nilai jarak
(range), nilai rata-rata simpangan (mean deviation), nilai simpangan baku (standard deviation), bilangan
baku (standardized value), dan koefisien variasi (coefficient of variation).

Nilai jarak
Bila suatu kelompok nilai (data) telah disusun menurut urutan yang terkecil (Xi) sampai dengan
yang terbesar (xn), maka untuk menghitung nilai jarak (R) dipergunakan persamaan 1.1, yaitu
R = Xmaks - Xmin

Rata-rata Simpangan
Rata-rata simpangan (RS) adalah rata-rata dari nilai absolut simpangan antara data (xi) dengan
nilai rata-ratanya (x). Rata-rata simpangan ini selanjutnya dapat dirumuskan sebagai berikut.
RS = 1/n x Σ I xi – xI ..................................................................................................... (1.13)

Simpangan baku
Simpangan baku merupakan salah satu ukuran dispersi yang diperoleh dari akr kuadrat varians.
Sedangkan varians adalah rata-rata dan kuadrat simpangan setiap pengamatan terhadap rata-ratanya
(Supranto, 2000). Lambang yang digunakan untuk varians adalah “σ2” (baca: sigma kuadrat) untuk
populasi, dan “s2” untuk sampel. Persamaan yang digunkan untuk mencari nilai s2 adalah sebagai berikut.

n∑ x i − ( ∑ x i )
2 2

s = 2 ......................................................................................... (1.14)
n ( n − 1)
 Dan bila memperhitungkan frekuensi setiap kelasnya persamaan yang digunakan adalah.

∑f (x ) 2
i i −x
s 2
= ................................................................................................ (1.15)
n −1
Karena simpangan baku merupakan akar variansi, maka

S = S2

atau,

∑f ( x ) 2
i −x ................................................................................................ (1.16)
S=
n −1
Dimana : S2 = varians
S = Simpangan baku

Contoh : Hitung nilai simpangan varians dan simpangan baku untuk data tabel 1.3
Nilai tengah Frekuensi
Kelas (Xi - X)2 fi(Xi - X)2
(xi) (fi)
45 - 48 46.5 9 416.16 3745.44
49 - 52 50.5 2 268.96 537.92
53 - 56 54.5 4 153.76 615.04
57 - 60 58.5 5 70.56 352.8
61 - 64 62.5 2 19.36 38.72
65 - 68 66.5 11 0.16 1.76
69 - 72 70.5 10 12.96 129.6
73 - 76 74.5 12 57.76 693.12
77 - 80 78.5 11 134.56 1480.16
81 - 84 82.5 3 243.36 730.08
85 - 88 86.5 1 384.16 384.16
Jumlah 70 8708.8

(9 x 416 .16 ) +( 2 x 268 .96 ) +( 4 x 153 .76 ) +. . . + (1 x 384 .16 )

S2 = =
70 −1
126.215
s = 126 .215 = 11.235

Bilangan Baku
Misalkan terdapat suatu sampel berukuran n dengan data x1, x2, x3, . . . , xn sedangkan rata-
ratanya = Χdan simpangan bakunya = s maka nilai bilangan baku (zi) diperoleh dengan menggunakan
persamaan berikut ini.
xi −x
zi = .............................................................................................................. (1.17)
s
 Dari nilai z ini kemudian dapat dihitung nilai rata-rata dan simpangan baku yang baru, dan dari

perhitungan akan diperoleh jika rata-rata (xz) selalu bernilai atau mendekati nilai nol (0). Sedangkan nilai

simpangan bakunya selalu bernilai atau mendekati nilai satu (1)

Koefisien variansi
Simpangan baku mempunyai satuan yang sama dengan satuan data aslinya, hal ini merupakan
suatu kelemahan bila ingin membandingkan dua kelompok data, misalnya berat 100 ekor kuda dengan
berat 100 ekor kelinci. Walaupun nilai simpangan baku untuk berat kuda lebih besar daripada simpangan
baku kelinci, namun belum tentu data berat kuda lebih heterogen (beragam) atau lebih bervariasi daripada
berat kelinci. Untuk itu dalam membandingkan dua kelompok data dipergunakan koefisien variasi (kv),
yang bebas dari satuan data asli, untuk sampel nilai koefisien variasi diperoleh dengan menggunakan
persamaan.
s
kv = ....................................................................................................................... (1.18)
x

Jika ada dua kelompok data dengan kv1 dan kv2, dimana kv1 > kv2, maka ini berarti kelompok
pertama lebih bervariasi atau lebih heterogen daripada kelompok kedua.

1.5 Momen, Kemiringan dan Kurtosis

Apabila terdapat sekelompok data sebanyak n: X1, X2, X3, . . . , Xn, maka yang disebut momen
ke r (Mr) dapat dirumuskan sebagai berikut
n

∑( x −x )
r
i
i =1 ................................................................................................ (1.19)
Mr =
n
dan bila memperhitungkan frekuensi setiap kelasnya, persamaan tersebut dapat ditulis
n

∑f
i =1
i ( xi − x )
.......................................................................................... (1.20)
Mr =
n
Momen ketiga dan keempat, yaitu M3 dan M4 masing-masing berguna untuk mengukur
kemiringan (skewness) dan keruncingan (kurtosis) dari suatu distribusi frekuensi.

Ukuran Kemiringan
Kemiringan data diukur pada suatu sumbu vertikal. Dimana, kemiringan tersebut berhubungan
dengan letak dari rata-rata, median, dan modus. Kemiringan data tersebut dapat dikategorikan ke dalam tiga
jenis bentuk data.
1. Data simetris: rata-rata, median, dan modus terletak pada garis yang sama
 2. Data miring ke kanan: median terletak diantara rata-rata dan modus, dengan letak modus di
sebelah kiri
3. Data miring ke kiri: median terletak diantara rata-rata dan modus, dengan letak modus di sebelah
kanan

Secara diagramatis kemiringan dapat digambarkan sebagai berikut

Kurva Simetris Kurva Miring ke kiri Kurva Miring ke kanan
(0) (-) (+)

α3 = 0 α3 < 0 α3 > 0
Gambar 1.6. Ukuran kemiringan (di modifikasi dari Blank, 1982)

Ukuran kemiringan (α3) dapat diperoleh dengan menggunakan dua pendekatan, pendekatan
pertama, pendekatan Pearson, dan kedua pendekatan momen. Pendekatan pertama diperoleh dengan
menggunakan persamaan berikut
Kemiringan Pearson tipe pertama

α3 =
( x −Mod )
.................................................................................................... (1.21)
s

Kemiringan Pearson tipe kedua

3 ( x − Med ) .................................................................................................
α3 = (1.22)
s

Sedangkan bila menggunakan pendekatan momen, kemiringan dapat ditulis

M3
α3 = ................................................................................................................... (1.23)
s3
Ukuran Keruncingan
Dilihat dari tingkat keruncingannya (α4) kurva distribusi frekuensi di bagi menjadi 3, yaitu
leptokurtis (puncaknya sangat runcing), platykurtis (puncak agak datar), dan mesokurtis (puncak tidak
begitu runcing). Secara diagramatis ketiga jenis kurva dapat digambarkan sebagai berikut
 Leptokurtik Platikurtik Mesokurtik
α4 > 3 α4 < 3 α4 = 3
Gambar 1.7. Ukuran keruncingan (di modifikasi dari Supranto, 2000)

Untuk memperoleh nilai α4 ini dapat dipergunakan pendekatan momenyang dapat ditulis

M4
α4 = ................................................................................................................... (1.24)
s4
Contoh : Hitung nilai M1, M2, M3, M4, α3, α4, dan tentukan jenis kemiringan dan keruncingan kurva
distribusi frekuensi untuk data pada tabel 1.3
Jawab : Untuk Menjawabnya ada baiknya bila perhitungan ukuran tersebut dilakukan dengan bantuan
tabel.

Nilai
Frekuensi
Batas kelas tengah Xi - X (Xi - X)2 (Xi - X )3 (Xi - X )4 fi(Xi - X)2 fi(Xi - X)3 fi(Xi - X)4
(fi)
(xi)
44.5 - 48.5 46.5 9 -20.400 416.160 -8489.664 173189.146 3745.440 -76406.976 1558702.310
48.5 - 52.5 50.5 2 -16.400 268.960 -4410.944 72339.482 537.920 -8821.888 144678.963
52.5 - 56.5 54.5 4 -12.400 153.760 -1906.624 23642.138 615.040 -7626.496 94568.550
56.5 - 60.5 58.5 5 -8.400 70.560 -592.704 4978.714 352.800 -2963.520 24893.568
60.5 - 64.5 62.5 2 -4.400 19.360 -85.184 374.810 38.720 -170.368 749.619
64.5 - 68.5 66.5 11 -0.400 0.160 -0.064 0.026 1.760 -0.704 0.282
68.5 - 72.5 70.5 10 3.600 12.960 46.656 167.962 129.600 466.560 1679.616
72.5 - 76.5 74.5 12 7.600 57.760 438.976 3336.218 693.120 5267.712 40034.611
76.5 - 80.5 78.5 11 11.600 134.560 1560.896 18106.394 1480.160 17169.856 199170.330
80.5 - 84.5 82.5 3 15.600 243.360 3796.416 59224.090 730.080 11389.248 177672.269
84.5 - 88.5 86.5 1 19.600 384.160 7529.536 147578.906 384.160 7529.536 147578.906
Jumlah 70 -4.400 1761.760 -2112.704 20031084.872 8708.800 -54167.040 2389729.024

Berdasar tabel diatas dan dengan menggunakan persamaan yang ada, maka
M1 = 0
8708 .800
M2 = = 124.411
70
− 54167 .040
M3 = = - 773.815
70
 − 2389729 .. 24
M4 = = 34138.986
70
− 773 .815
α3 = = - 0.546
(11 .235 ) 3
34138 .986
α4 = = 2.143
(11 .235 ) 4

Berdasar nilai α3 dan α4 diatas dapat disimpulkan jika

1. Kurva miring ke kiri (α3 <0)
2. Kurva mempunyai keruncingan Platykurtis (α4 < 3)

I. Peralatan Praktikum:
Peralatan praktikum yang digunakan dalam praktikum Statistika Deskriptif ini adalah sebagai berikut:
1. Meteran
2. Lembar Pengamatan

II. Cara Pelaksanaan Praktikum

Dalam Praktikum Modul 1 ini, melakukan percobaan dengan cara ‘Penelitian Secara Langsung’ pada
objek-objek yang telah ditentukan oleh Laboratorium yaitu berupa pengukuran :
• Tinggi badan
• Lingkar pinggang
• Lingkar Kepala
Adapun pelaksanaannya :

• Tiap kelompok mengukur dimensi tubuh mereka yang telah ditentukan.

• Masing-masing dimensi tubuh diukur dengan menggunakan meteran.
III. Daftar Pustaka:
Blank. Leland, 1982, Statistical Procedures for Engineering, Management, and Science, McGraw-Hill,
Tokyo

Johnson.A.Richard, 1996, Miller and Freund’s Probability and Statistics for Engineers, Prentice Hall of
India, New Delhi

Sudjana, 1996, Metoda Statistika, Tarsito, Bandung

Supranto. J, 2000, Statistik: Teori dan Aplikasi, Erlangga,Jakarta