The collection of information leads to large masses

of data
Clear and forceful presentation is an important aid
to the understanding and correct interpretation of
such data

Variable = a measurable characteristic

Variates = Individual measurement of a variabel

Presentation of data:
•Bar graph (histogram)
•Line chart
•Pie chart …. etc
A discrete or discontinuous variable:
If a variable can assume only specific values (usually
integer), for example: the number of children in a family

A continuous variable:
If a variable can assume any value whatsoever between
certain limits, such as: the seasonal rainfall data, length,
weight, and time.

All measurements should therefore be recorded only to

the appropriate number of decimal places (or significant
figures). In the next example, the rainfall figures are
recorded in one-decimal accuracy. A value of 18.6 mm
we assume that the true value is more than 18.55 but
less than or equal to 18.65
Hystogram
Lines graph/ Bentuk grafik garis/ area
Pie chart
 Organisasi data
Data produksi gas alam, minyak, dan timah selama
empat tahun (angka fiktif)

2005 2006 2007 2008

Gas Alam 20.4 27.4 90 20.4

Minyak 30.6 38.6 34.6 31.6

Timah 45.9 46.9 45 43.9

 Tugas:
• Gambarkan grafik
DISTRIBUSI FREKUENSI
 Membuat Distribusi Frekuensi
• 1. Tentukan Nilai Minimum dari Data
• 2. Tentukan Nilai Maksimal dari Data
• 3. Tentukan Rentang : Maks-min
• 4. Tentukan banyak Interval kelas.
– Sturges, 1926 mengajukan rumus banyaknya
interval kelas yaitu k = 1+3.33log n
5. Tentukan Lebar kelas
 Contoh nilai ujian statistika
mahasiswa T. Geologi 2016.
• Buatlah Distribusi frekuensi data tersebut.
Data curah hujan selama 90 hari pada daerah tertentu (data fiktif)

18.6 13.8 10.4 15.0 16.0 22.1 16.2 36.1 11.6 7.8
22.6 17.9 25.3 32.8 16.6 13.6 8.5 23.7 14.2 22.9
17.7 26.3 9.2 24.9 17.9 26.5 26.6 16.5 18.1 24.8
16.6 32.3 14.0 11.6 20.0 33.8 15.8 15.2 24.0 16.4
24.1 23.2 17.3 10.5 15.0 20.2 20.2 17.3 16.6 16.9
22.0 23.9 24.0 12.2 21.8 12.2 22.0 9.6 8.0 20.4
17.2 18.3 13.0 10.6 17.2 8.9 16.8 14.2 15.7 8.0
17.7 16.1 17.8 11.6 10.4 13.6 8.4 12.6 8.1 11.6
21.1 20.5 19.8 24.8 9.7 25.1 31.8 24.9 20.0 17.6
 NILAI STATISTIKA DESKRIPTIF
UKURAN PEMUSATAN DATA

Mean / Rata-Rata / Rataan / Nilai Tengah / Nilai Harapan :

n n

x i y i

x i 1 y  i 1

n n
Contoh (X): 15 12 9 13 13 16 10

x i
15  12  9  13  13  16  10 88
x i 1
   12,571
7 7 7
 NILAI STATISTIKA DESKRIPTIF
UKURAN PEMUSATAN DATA

Median, yaitu nilai yang posisinya tepat berada di tengah

setelah data diurutkan (jika banyak data ganjil), atau rata-
rata dari dua nilai yang posisinya di tengah setelah data
diurutkan (jika banyak data genap).

Contoh 1:
15 12 9 13 13 16 10 diurutkan jadi 9 10 12 13 13 15 16
Mediannya adalah 13 (nilai pada suku ke-4).

Contoh 2:
25 32 42 15 13 27
diurutkan jadi 42 32 27 25 15 13
Mediannya adalah (27 + 25) / 2 = 26,5
 NILAI STATISTIKA DESKRIPTIF
UKURAN PEMUSATAN DATA
Modus, yaitu nilai yang memiliki frekwensi muncul paling
tinggi. Dalam satu buah gugus data dapat memiliki lebih dari
satu modus, khusus yang memiliki dua modus disebut
bimodus. Apabila semua nilai dalam suatu gugus data
memiliki frekwensi muncul yang sama, maka gugus data
tersebut dikatakan tidak memiliki modus.
Contoh 1:
15 12 9 13 13 16 10 modusnya adalah 13
Contoh 2:
15 12 9 13 13 16 10 9 modusnya adalah 9 dan 13 (bimodus)
Contoh 3:
15 12 15 9 13 13 16 12 9 16 tidak memiliki modus
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA
Wilayah (Range/Jangkauan), yaitu selisih dari nilai terkecil
dan terbesar.
Contoh:
15 12 9 13 13 16 10
Wilayahnya = 16 – 9 = 7
Ragam (Varians), dihitung menggunakan rumus:
N n

 x  m   x  x 
2 2
i i
2  i 1
s 
2 i 1
N n 1
data populasi data contoh (sample)
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA
Contoh Kasus:
Pembandingan harga kopi dalam bungkus 200 gram di
empat toko kelontong yang dipilih secara acak menunjukkan
kenaikan dari harga bulan sebelumnya sebesar 12, 15, 17,
dan 20 rupiah. Hitunglah ragam contoh kenaikan harga kopi
tersebut!
Jawab:
Nilai tengah contoh kita peroleh dengan perhitungan:
n 4

x x i i
12  15  17  20 64
x i 1
 i 1
   16
n 4 4 4
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA
Jawab (lanjutan):
Dengan demikian,
n 4 2


 ix  x 2
 xi  16
s2  i 1
 i 1

n 1 3

s2 
 4 2
  12
 12
 4 2

3
16  1  1  16 34
s  2
  11,33
3 3
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA

Dengan menggunakan kuadrat simpangan untuk

menghitung ragam, baik populasi maupun contoh, kita
memperoleh suatu besaran dengan satuan yang sama
dengan kuadrat satuan semula. Jadi jika data asalnya dalam
satuan meter (m), maka ragamnya mempunyai satuan meter
kuadrat (m2). Agar diperoleh ukuran keragaman yang
mempunyai satuan yang sama dengan satuan asalnya,
seperti halnya pada wilayah, kita akarkan ragam tersebut.
Ukuran yang diperoleh disebut simpangan baku (Standard
Deviasi).
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA
Simpangan baku (Standard deviation), dihitung mengguna-
kan rumus:
N n

 x i  m
2

 xi  x 2

  i 1
s i 1

N n 1
data populasi data contoh (sample)

Dari contoh kasus kenaikan harga kopi, nilai simpangan

bakunya adalah:

s  s  11,33  3,366
2
 NILAI STATISTIKA DESKRIPTIF
UKURAN KERAGAMAN DATA
Tampilan rumus Standard Deviasi dari data contoh (sample)
dapat pula ditampilkan dalam bentuk:
2
 
2  n

  xi 
n n
n  xi    xi 
2
n
 i 1 

atau
i 1  i 1  x 2

s i
n
nn  1 s i 1

n 1
Hal tersebut, sejalan pula dengan tampilan rumus ragam (varians) atau standard
deviasi baik untuk data populasi maupun data contoh yang bersesuaian.