LAPORAN TUGAS

PRAKTIKUM STATISTIKA

MODUL I
STATISTIK DESKRIPTIF

KELAS MLIA 1C

OLEH:
KELOMPOK 16
1. Efrina Tanjung (1530095)
2. M. Randika Chandra P (1530092)
3. Salim Irwansyah Siregar (1530091)
Dosen :
Irna Ekawati, S.si,MT

PROGRAM STUDI MANAJEMEN LOGISTIK INDUSTRI AGRO

POLITEKNIK ATI PADANG
T.A 2015/2016
 KATA PENGANTAR

Puji syukur penulis ucapkan kehadirat Allah SWT yang telah memberikan
rahmat, hidayah serta karunia-Nya sehingga penulis dapat menyelesaikan tugas
makalah Statistika yang berjudul “Statistik Deskriptif” tepat pada waktunya Penulis
menyadari bahwa makalah ini masih jauh dari kesempurnaan. Seperti halnya pepatah
“ tak ada gading yang tak retak “, oleh karena itu penulis mengharapkan kritik dan
saran dari dosen pembimbing yang bersifat membangun guna kesempurnaan makalah
penulis selanjutnya.
Akhir kata, penulis ucapkan terima kasih kepada semua pihak yang telah
berperan serta dalam penyusunan makalah ini dari awal sampai akhir. Serta berharap
agar makalah ini dapat diterima oleh dosen pembimbing.

Padang, 13 April 2016

Kelompok 16
 DAFTAR ISI

KATA PENGANTAR
DAFTAR ISI
BAB I
PENDAHULUAN
1.1 Latar Belakang
1.2 Tujuan Praktikum
BAB II
TINJAUAN PUSTAKA
2.1 Pengantar Statistika Deskriptif
2.2 Daftar Distribusi Frekuensi
2.3 Ukuran Pemusatan dan Ukuran Letak
2.3.1 Rata-rata (Mean)
2.3.2 Median
2.3.3 Modus
2.3.4 Kuartil
2.3.5 Desil
2.3.6 Persentil
2.4 Ukuran Simpangan atau Keragaman
2.4.1 Rentangan
2.4.2 Variansi (Keragaman)
2.4.3 Simpangan Baku (Standar Deviasi)
2.4.4 Prosedur Pengolahan Data Menggunakan SPSS
BAB III HASIL DAN PEMBAHASAN
3.1 Hasil Pengumpulan Data
3.2 Pengolahan Data
3.2.1 Tabel Penginputan Data pada Software SPSS
3.2.2 Pengolahan Data Menggunakan Excel Tabel Ukuran Penyebaran
dan Pemusatan Data pada Excel
BAB IV KESIMPULAN DAN SARAN
4.1 Kesimpulan
4.2 Saran
DAFTAR PUSTAKA
 BAB I
PENDAHULUAN

1.1 LATAR BELAKANG

Statistik berasal dari kata state(yunani) yaitu Negara dan digunakan untuk urusan
Negara. Statistik digunakan untuk ukuran sebagai wakil dari kelompok fakta. Untuk
memperoleh sejumlah informasi yang menjelaskan masalah untuk ditarik kesimpulan
yang benar, harus melalui beberapa proses yaitu: proses pengumpulan informasi,
pengolahan informasi, dan proses penarikan kesimpulan.Secara umum, Statistik
adalah rekapitulasi dari fakta yang bentuk angka-angka disusun dalam bentuk table
dan diagram yang mendiskripsikan suatu permasalahan.Kesemuanya yang
memerlukan pengetahuan tersendiri yang disebut Statistika.
Dalam statistika,dikenal dengan istilah statistika deskriptif. Statistika deskriptif
merupakan bagian dari Statistika yang mempelajari cara pengumpulan dan penyajian
data sehingga mudah dipahami. Statistika deskriptif berhubungan dengan
menguraikan atau memberikan keterangan-keterangan mengenai suatu data keadaan.
Dengan kata lain,Statistika deskriptif berfungsi menerangkan keadaan,gejala,atau
persoalan.
Data Merupakan hasil pengukuran yang bias memberikan gambaran suatu
keadaan atau mmberikan suatu informasi, data dapat berupa data kualitatif (data yang
berbentuk bukan angka), dan data kuantitatif (data yang berbentuk angka).
Dalam ilmu statistika populasi merupakan sekumpulan data yang mempunyai
karakteristik yang sama dan menjadi objek inferensi, statistika inferensi mendasarkan
diri pada konsep dasar, populasi sebagai keseluruhan data, baik nyata maupun
imajiner, dan sampel merupakan bagian dari populasi yang digunakan untuk
melakukan inferensi (pendekatan/pengambaran) terhadap populasi tempatnya berasal.
Sampel dianggap mewakili populasi sampel yang diambil dari populasi satu tidak
dapat dipakai untuk mewakili populasi yang lain.
1.2 TUJUAN PRAKTIKUM

Pembuatan makalah ini bertujuan untuk menyelesaikan tugas laporan praktikum

statistika.

1.2.1 Dapat memahami konsep statistic deskriptif dan penerapannya.

1.2.2 Dapat membuat daftar distribusi frekuensi.
1.2.3 Dapat memahami dan mencari ukuran pemusatan dan ukuran letak (rata-
rata,median, modus, kuartil, dsil, dan persentil).
1.2.4 Dapat memahami dan mencari ukuran simpangan atau keragaman (rentang,
variansi, dan simpangan baku).
 BAB II
TINJAUAN PUSTAKA

2.1 PENGANTAR STATISTIKA DESKRIPTIF

Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan,

penyajian, analisis, dan penafsiran data. Metode dalam statistik dibagi ke dalam dua
kelompok besar, yaitu statistik deskriptif dan statistik inferensi.

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan

dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Jadi
statistik deskriptif memberikan informasi hanya mengenai data yang dipunyai dan
sama sekali tidak menarik inferensi atau kesimpulan apapun tentang gugus data
induknya yang lebih besar. Termasuk dalam kategori statistik deskriptif ini adalah
tabel, diagram, grafik, dan besaran-besaran lain. Sedangkan statistik inferensi
mencakup semua metode yang berhubungan dengan analisis sebagian data untuk
kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan
gugus data induknya.

Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita. Banyaknya

pengamatan atau anggota suatu populasi disebut ukuran populasi. Sedangkan sampel
adalah suatu himpunan bagian dari populasi. Agar inferensi dari sampel tentang
populasi sahih maka sampel haruslah diambil sehingga mewakili populasi.

2.2 Daftar Distribusi Frekuensi

Jika data kuantitatif dibuat menjadi beberapa kelompok, maka akan diperoleh
daftar distribusi frekuensi. Adapun langkah membuat sebuah daftar distribusi
frekuensi adalah sebagai berikut :
 2.1.1 Tentukan rentang (R) yaitu data terbesar (x maks) dikurangi data terkecil
(x min), atau R = x maks – x min
2.1.2 Tentukan banyak kelas interval (B), dapat menggunakan aturan Sturges
berikut : B = 1 + (3,3) log n, dimana n = Jumlah data
2.1.3 Tentukan panjang kelas interval (P) yaitu rentang dibagi dengan banyak
kelas, atau P = R / B
2.1.4 Susun daftar distribusi frekuensi

2.2 Ukuran Pemusatan dan Ukuran Letak

2.3.1 Rata-rata (Mean)

Bila x1, x2,. . . , xn menyusun sebuah populasi dengan ukuran N, maka rata-rata
N

x i
 xi
populasi dinyatakan oleh :   i 1
atau disederhanakan menjadi  
N N
Bila x1, x2,. . . , xn menyatakan sampel acak ukuran n, maka rata-rata sampel
n

x i
 xi
dinyatakan oleh: x  i 1
atau disederhanakan menjadi x 
n n
Jika data dalam bentuk daftar distribusi frekuensi (kelompok) maka rumus rata-rata
 fi xx
sampel adalah: x 
 fi

2.3.2 Median
Bila x1, x2,. . . , xN menyatakan populasi ukuran N, diurutkan menurut membesar
menurut besarnya, maka median populasi ditentukan sebagai :   x( N 1) / 2

xN / 2  ( N / 2) 1
bila N ganjil   bila N genap, Bila x1, x2,. . . , xn menyatakan sampel
2
acak ukuran n, diurutkan menurut membesar menurut besarnya, maka sampel
ditentukan sebagai :
x  x( n 1) / 2 bila n ganjil

xn / 2  ( n / 2) 1
x bila n genap
2
Jika data dalam bentuk daftar distribusi frekuensi (kelompok) maka rumus
median adalah :
n 
 F
Me  b  p 2 
 f 
 
 
Dengan :
b = batas bawah kelas median, ialah kelas di mana median terletak
p = panjang kelas median
n = ukuran sampel atau banyak data
F = jumlah semua frekuensi kelas < kelas median
f = frekuensi kelas median

2.3.3 Modus
x1, x2,. . . , xN tidak perlu semuanya berbeda, menyusun sebuah populasi ukuran
N, maka modus M ialah nilai populasi yang paling sering muncul atau pun yang
frekuensinya paling tinggi. Modus mungkin tidak ada, dan kalau pun ada mungkin
tidak tunggal. Hal ini berlaku untuk data sampel.
 b 
Mo  b  p 1 
 b1  b2 
Dengan :
b = batas bawah kelas modul, ialah kelas interval dengan frekuensi terbanyak
p = panjang kelas modul
b1 = frekuensi kelas modul dikurangi dengan frekuensi sebelum kelas modul.
b2 = frekuensi kelas modul dikurangi dengan frekuensi sesudah kelas modul.
 2.3.4 Kuartil
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak, sesudah
disusun menurut urutan nilainya, maka bilangan pembaginya disebut kuartil. Ada tiga
buah kuartil yang masing-masing dilambangkan dengan K1, K2, dan K3, mempunyai
sifat bahwa 25% jatuh di bawah K1, 50% jatuh di bawah K2, 75% jatuh di bawah K3.
Untuk menentukan nilai kuartil caranya adalah :
a. Susun data menurut urutan nilainya
b. Tentukan letak kuartil
c. Tentukan nilai kuartil
Letak kuartil ke-i (untuk data tunggal) diberi lambang Ki, ditentukan oleh rumus :
i(n  1 )
Letak Ki  data ke , dengan i  1, 2, 3.
4
Untuk data yang telah disusun dalam daftar distribusi frekuensi, kuartil Ki, (i = 1,
2, 3) dihitung dengan rumus :
 in 
 F
Ki  b  p  4  , dengan i  1, 2, 3
 f 
 
 
Dimana : b = batas bawah kelas Ki, ialah kelas interval di mana Ki akan
terletak
p = panjang kelas Ki
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Ki,
f = frekuensi kelas Ki.

2.3.5 Desil
Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada sembilan buah
desil yang masing-masing dilambangkan dengan D1, D2, ..., D9. Desil-desil ini dapat
ditentukan dengan jalan :
 a. Susun data menurut urutan nilainya
b. Tentukan letak desil
c. Tentukan nilai desil
Letak desil ke-i (untuk data tunggal) diberi lambang Di, ditentukan oleh rumus :
i(n  1 )
Letak Di  data ke , dengan i  1, 2, ...,9.
10
Untuk data yang telah disusun dalam daftar distribusi frekuensi, nilai Di, (i = 1, 2,
..., 9) dihitung dengan rumus :
 in 
 F
Di  b  p  10  , dengan i  1, 2,..., 9.
 f 
 
 
Dimana :
b = batas bawah kelas Di, ialah kelas interval di mana Di akan terletak
p = panjang kelas Di
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Di,
F = frekuensi kelas Di.

2.3.6 Persentil
Jika sekumpulan data dibagi menjadi 100 bagian yang sama akan menghasilkan
99 pembagi yang berturut-turut dilambangkan P1, P2, ..., P99. Persentil-persentil ini
dapat ditentukan dengan jalan :
a. Susun data menurut urutan nilainya
b. Tentukan letak desil
c. Tentukan nilai desil
Letak persentil ke-i (untuk data tunggal) diberi lambang Pi, ditentukan oleh rumus :
i(n  1 )
Letak Pi  data ke , dengan i  1, 2, ...,99.
100
Untuk data yang telah disusun dalam daftar distribusi frekuensi, nilai Pi, (i = 1, 2,
..., 99) dihitung dengan rumus :
  in 
 F
Pi  b  p  100  , dengan i  1, 2,..., 99.
 f 
 
 
Dengan :
b = batas bawah kelas Pi, ialah kelas interval di mana Pi akan terletak
p = panjang kelas Pi
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Pi,
f = frekuensi kelas Pi.

2.4 Ukuran Simpangan atau Keragaman

Perlu juga diketahui bagaimana pengamatan menyebar dari rata-ratanya. Adapun

statistik yang penting untuk mengukur keragaman baik dalam populasi atau sampel
ialah rentangan, variansi, dan simpangan baku.

2.4.1 Rentangan
Rentangan dari suatu populasi x1, x2,. . . , xN didefinisikan sebagai statistik x(N) –
x(I). Bila x(N) dan x(1) menyatakan, masing-masing, pengamatan yang terbesar dan
terkecil dalam suatu populasi. Hal yang sama juga untuk data sampel.

2.4.2 Variansi (keragaman)

Bila x1, x2,. . . , xN menyatakan populasi ukuran N, maka variansi populasi
N

 (x i  )2
didefinisikan sebagai :  2  i 1

N
Bila x1, x2,. . . , xn menyatakan sampel acak ukuran n, maka variansi sampel
didefinisikan sebagai :
2
n n
 n 
 (x i  x) 2
n x    xi 
2
i
s 
2 i 1
atau s 2  i 1  i 1 
n 1 n(n  1)
Jika data sampel disusun dalam daftar distribusi frekuensi, maka digunakan rumus :
n  fi xi  ( fi xi )2
2
 f i ( xi  x ) 2
s 
2
atau s 
2

n 1 n(n  1)

2.4.3 Simpangan Baku (Standar Deviasi)

Simpangan baku dinyatakan dengan σ (untuk populasi) s (untuk sampel)
didefinisikan sebagai akar positif variansi sampel.

2.5 Prosedur Pengolahan Data Pada SPSS

Berikut adalah langkah-langkah pengolahan data dengan program SPSS :

2.5.1 Membuat format variabel (pada variabel view).

2.5.2 Memasukkan data ke kolom variabel (pada data view) atau di-copy dari
Ms. Excel.
2.5.3 Pilih modul Analysis, lalu Statistic Descriptives, lalu frequencies.

2.5.4 Pada frequencies masukkan varibel yang akan diolah ke ruang variabel(s).

2.5.5 Kemudian pilih Statistics sehingga muncul tampilan frequencies:

Statistics dan pilih statistik yang diinginkan. Kemudian tekan Continue.
2.5.6 Pada frequencies pilih Chart dan pilih grafik yang ingin ditampilkan,
misalnya Histograms. Kemudian tekan Continue.

2.5.7 Tekan OK untuk melihat output atau hasilnya.

2.5.8 Selain menggunakan pilihan frequencies, juga bisa menggunakan pilihan
descriptives.

2.5.9 Pada tampilan descriptives pindahkan variabel yang ingin dicari

statistiknya ke dalam ruang variabel(s), lalu tekan Options.

2.5.10 Pilih statistik yang ingin dicari dan tekan Continue.

2.5.11 Klik OK untuk melihat hasilnya
 BAB III
HASIL DAN PEMBAHASAN

3.1 Pengumpulan Data

Daftar Nilai Matematika dan Bahasa Indonesia Mahasiswa Manajemen Logistik

Industri Agro angkatan 2015/2016

Nilai Nilai P. M.
No Nama Mahasisswa
Matematika Logistik
1 Rio Pernando 79 60
2 Sri Yulita Fasmaun 82 75
3 Putri Aditya 85 95
4 Brian Gusrahmat 85 95
5 Yoga Utama 70 60
6 Indah Sri Wahyuni 71 80
7 Nurfadila 86 75
8 Dahriani Harahap 75 75
9 Miftahul Khoiriyah 68 75
10 Sarifah aini 85 85
11 Fia Anggraini 82 85
12 Adriani Yahya 74 95
13 Rahmat Handiko 67 75
14 Sry Rezeky 77 85
15 Monica Silfia 79 70
16 Hikmah Husnah 75 50
17 Indah Febrila 50 50
18 Yosa Putri 69 50
19 Yosi Putri 65 80
20 Risma Nivita 80 55
21 zuzi Rahmadani 77 65
22 Ade Ryan 57 88
23 Nur Aini 86 50
24 Farida septia 61 50
25 Pegi Tumangger 64 55
26 Hana Masta 70 60
27 Raida Manik 72 55
28 Parninggota 50 80
29 Linawati Salin 75 70
30 Ririn Purwati 78 50
31 Fitryani Febriani 61 70
32 Anisa 57 75
33 Nola Nivita 68 80
34 Defri Afrijal 69 88
35 Minica Rhiska 74 50
36 Pebi Sastenes 79 65
37 Lisa Indriani 65 55
38 Afro Dita 67 60
39 Jerry Ramadhison 82 55
40 Weni Yustika 66 80
41 Deryansyah 66 55
42 Mery Andani 56 65
43 Melati Suci 82 70
44 Rahman Ardiansyah 69 60
45 Nurliani 61 55
46 Ratih Kumala Dewi 55 55
 47 Nando Dwi Sakti 56 50
48 Sara Atsauri 76 94
49 Megi Oktalanda 64 60
50 Riska Vinda 71 50
51 Ivan Surya 80 65
52 Lativa Yosra 60 95
53 Lola Monika 66 50
54 Fitriani 55 65
55 Welia Agustin 79 95
56 Jeky Fernando 57 60
57 Kristiandi Gulo 59 60
58 Hendro Fitri 56 60
59 Aidil Putra 73 55
60 Rahmad Batara 57 67
61 Rosi Agustiara 63 60
62 Yelfi Sofiani 56 60
63 Suci Indah 62 70
64 Fadil Husada 86 76
65 Vicky Sanjaya 77 55
66 Riyo Ranndika 60 65
67 Siti Mayalis 59 55
68 Ilham Mahendra 55 60
69 Annisa Fadila 72 50
70 Rezi Rimayani 85 85
71 Sudaria 77 75
72 Fitri Harum 71 85
73 Afra Nabila 80 80
74 Ikhsanul Fikri 71 55
75 Hafani Mutia 60 70
76 Angga Arien 66 50
77 Tri Olza Elfis 59 70
78 Ratri Kusuma 76 50
79 Ryan Junius 69 75
80 Nofembri 76 75
81 Rinos Efendi 74 70
82 Salim Irwansyah 62 80
83 M. Randika Candra 74 80
84 Vaulhyna Aulia 56 70
85 Rully 79 60
86 Efrina Tanjung 79 95
87 Esta Tri Andini 77 75
88 Mestriani 61 70
89 Siti Pratiwi 73 70
90 Shulhu Ade 72 70
91 Mela Oktsya 61 95
92 Abdi Hidayat 62 70
93 Ahmad Maulana 69 80
94 Bahrul Udam 79 80
95 Degi Yanrika 86 80
96 M. fadli Zein 80 88
97 Fajri Sastra 61 80
98 Fitri Atriani 62 90
99 Lusi Fatriani 68 65
100 Novi Seswika 74 65

Analisa :
Dari Tabel di atas data didapatkan dari Program studi Manajemen Logistic Industri
Agro, pada hari jum’at April 2016. Data di atas menampilkan 100 data nilai UAS
mahasiswa semester ganjil. Data di atas terdiri dari nilai Pengantar Manajemen
Logistrik dan nilai MTK.
 3.2 Pengolahan Data

3.1.1 Pengolahan Data Menggunakan SPSS

3.1.1.1 Masukkan data pada Data view dan format varibel pada Variable View

Analisa :
data dikopikan dari Ms. Exel ke Program SPSS kedalam data view,
terlebih dahulu nama variable dimasukkan kedalam variable view dan data
diolah menggunakan analize.
 3.1.1.2 Grafik (bar, pie, line, area, histogram, scatter/dot)

Statistics

Nilai P.
Nilai Manajemen
Matematika Logis tik
N Valid 100 100
Mis sing 0 0
Mean 69,6900 69,1100
Std. Error of Mean ,94652 1,35824
Median 70,0000 70,0000
Mode 79,00 50,00 a
Std. Deviation 9,46519 13,58244
Variance 89,590 184,483
Range 36,00 45,00
Minimum 50,00 50,00
Maximum 86,00 95,00
Sum 6969,00 6911,00
Percentiles 10 56,1000 50,0000
20 60,2000 55,0000
25 61,0000 56,2500
30 62,3000 60,0000
35 65,3500 60,0000
40 67,0000 65,0000
50 70,0000 70,0000
60 73,6000 73,0000
70 76,0000 75,7000
75 77,0000 80,0000
80 79,0000 80,0000
90 82,0000 88,0000
a. Multiple modes exist. The smalles t value is s hown

Analisa :
Dari data statistik terdapat nilai Matematika dan P. Manajemen Logistrik
valid 100%, tidak ada terjadi kesalahan (missingnya nol). Dari kolom pertama
terdapat nilai rata-rata, median, modus, standard deviasi, variansi, range, nilai
minimum, nilai maximum, sum, dan persentil (persentil 10-90) Antara nilai
Matematika dan nilai P. Manajemen Logistik nilainya tidak jauh beda.
 Nilai Matematika

Cumulative
Frequency Percent Valid Percent Percent
Valid 50,00 2 2,0 2,0 2,0
55,00 3 3,0 3,0 5,0
56,00 5 5,0 5,0 10,0
57,00 4 4,0 4,0 14,0
59,00 3 3,0 3,0 17,0
60,00 3 3,0 3,0 20,0
61,00 6 6,0 6,0 26,0
62,00 4 4,0 4,0 30,0
63,00 1 1,0 1,0 31,0
64,00 2 2,0 2,0 33,0
65,00 2 2,0 2,0 35,0
66,00 4 4,0 4,0 39,0
67,00 2 2,0 2,0 41,0
68,00 3 3,0 3,0 44,0
69,00 5 5,0 5,0 49,0
70,00 2 2,0 2,0 51,0
71,00 4 4,0 4,0 55,0
72,00 3 3,0 3,0 58,0
73,00 2 2,0 2,0 60,0
74,00 5 5,0 5,0 65,0
75,00 3 3,0 3,0 68,0
76,00 3 3,0 3,0 71,0
77,00 5 5,0 5,0 76,0
78,00 1 1,0 1,0 77,0
79,00 7 7,0 7,0 84,0
80,00 4 4,0 4,0 88,0
82,00 4 4,0 4,0 92,0
85,00 4 4,0 4,0 96,0
86,00 4 4,0 4,0 100,0
Total 100 100,0 100,0

Analisa :
Pada Frequencies table nilai Matematika diatas terdapat lima kolom data
yang terdiri dari kolom valid, frequency, percent, valid percent, cumulative percent.
Kolom valid adalah data nyata atau asli nilai Matematika yang diperoleh siswa yang
diurutkan dari nilai terendah sampai tertinggi. Kolom frequency adalah kolom yang
memuat berapa banyak siswa yang mendapatkan nilai tersebut. Percent merupakan
persentase berapa banyak siswa yang mendapatkan nilai tertentu.
 Nilai P. Manajemen Logistik

Cum ulative
Frequency Percent Vali d Percent Percent
Vali d 50,00 13 13,0 13,0 13,0
55,00 12 12,0 12,0 25,0
60,00 13 13,0 13,0 38,0
65,00 8 8,0 8,0 46,0
67,00 1 1,0 1,0 47,0
70,00 13 13,0 13,0 60,0
75,00 10 10,0 10,0 70,0
76,00 1 1,0 1,0 71,0
80,00 12 12,0 12,0 83,0
85,00 5 5,0 5,0 88,0
88,00 3 3,0 3,0 91,0
90,00 1 1,0 1,0 92,0
94,00 1 1,0 1,0 93,0
95,00 7 7,0 7,0 100,0
Total 100 100,0 100,0

Analisa :
Pada nilai P. Manajemen Logistik kolom valid, frekuency, percent, valid
percent, dan cumulative percent. Kolom percent adalah kolom yang memuat
persentase siswa yang mendapatkan nilai P. Manajemen Logistik tersebut. Kolom
valid percent adalah kolom yang memuat berapa banyak tingkat/persentase kebenaran
siswa mendapatkan nilai tersebut. Dan kolom cumulative percent adalah kolom yang
memuat penjumlahan dari tiap-tiap nilai pada baris kolom percent.
Analisa :
Berdasarkan diagram batang diatas dilihat nilai terssebut menyebar, nilai Matematika
frekuensi terbanyak mahasisswa yang mendapatkan nilai terbanyak adalah nilai 60,
dan nilai 80. Dan nilai terndahnya adalah 50.

Analisa :
Dari diagram batang nilai P. Manajemen Logistik terdapat jarak dan perbedaan nilai
yang jaauh. Nilai tersebut tidak homogen. Diaram batang nya tinggi rendah. Tidak
beraturan samasekali.
Analisa :
Dari diagram lingkaran nilai P. Manajemen Logistik tersebut dapat dianalisa
frekuensi mahasiswa yang terbayak mendapatkan nilai 50, 55, 60, dan 70. Yang
paling sedikit mendapatkan nilai 94. Hanya satu orang.

Analisa :
Dari diagram lingkaran nilai matematika tersebut dapat dianalisa semua nilai
menyebar, artinya kebanyakan mahasiswa mendapat nilai yang berbeda. Hampir
semua mahasisswa mendapatkan nilai yang berbeda.

Pengolahan deskriptive
Minimu Maximu Std.
N m m Mean Deviation
Nilai Matematika 100 50,00 86,00 69,6900 9,46519
Nilai P.
Manajemen 100 50,00 95,00 69,1100 13,58244
Logistik
Valid N (listwise) 100
Analisa :
Pada tabel descriptive ini dapat dianalisa bahwa Nilai pengantar Manajemen
Logistik dan Matematika mempunyai valid yang sama. Dimana di dalam pengolahan
descriptive ini ada terdapat beberapa hasil seperti N(banyak data), Range, Minimum,
Maximum, Sum, Mean, Standar deviasi, Varians, Serta Kurtosis. Dari Tabel
descriptive diatas bahwa dari dua nilai yang kita olah masing-masing mempunyai
Range yang berbeda, masing-masing mempunyai nilai minimum yang sama, masing-
masing mempunyai nilai maximum yang berbeda, masing-masing mempunyai nilai
sum yang berbeda, masing-masing juga mempunyai nilai mean yang hampir sama,
Masing- masing juga mempunyai standar deviasi yang berbeda, masing-masing juga
mempunyai varians yang berbeda.

3.2.2 Pengolahan Data menggunakan excel

Daftar Nilai Matematika dan Bahasa Indonesia Mahasiswa Manajemen Logistik
Industri Agro angkatan 2015/2016

a. Daftar nilai UAS Matematika

50 57 61 63 67 70 74 76 79 82
50 57 61 64 68 71 74 77 79 82
55 57 61 64 68 71 74 77 79 82
55 57 61 65 68 71 74 77 79 85
55 59 61 65 69 71 74 77 79 85
56 59 61 66 69 72 75 77 80 85
56 59 62 66 69 72 75 77 80 85
56 60 62 66 69 72 75 78 80 86
56 60 62 66 69 73 76 79 80 86
56 60 62 67 70 73 76 79 82 86
 Tabel Distribusi frekuensi
Kelas
ke Interval Frekuensi(F) Frekuensi Kum
Titik Teng(Xi) (F*Xi)
1 49 - 53 2 2 51 102
2 54 - 58 12 14 56 168
3 59 - 63 17 31 61 527
4 64 - 68 13 44 66 572
5 69 - 73 16 69 71 1104
6 74 - 78 18 78 76 1404
7 79 - 83 15 93 81 1395
8 84 - 88 7 100 86 700
Jumlah 100 5972

Q1 P20
D4 P35
MedianQ2, P60
Modus Q3, D7
D8

MenentukanPemusatan Data

Menentukan pemusatan dan ukuran letak Berupa nilai Rata-Rata, Median, Modus,
Kuartil, Desil, dan Persentil.

1. Rata-Rata (mean)
RumusMean :

 fi xx
x
 fi
Rata Rata = 5972/100
= 59.72
Analisa :
Rata-rata: dari 100 data nilai yang didapatkan, kemudian diolah menggunakan
Ms. Excel. Dengan cara mencarinya jumlah perkalian antara frekuensi dan titik
tengah kemuadian dibagi dengan titik tengah.

2. Median
RumusMedian :

Letak Median =100/2

= 50
n 
 F
Me  L  p 2 
 f 
 
 
Median = L+P (n/2-Fm/fm)
= 68.5+((50-44)/16)*5
= 70.73
Analisa :
Median (data tengah) terletak di kelas ke 5, pada interval 69 - 73 dengan
menggunakan rumus diatas. Cara mendapatkan nilai tersbut adalah batas bawah
ditambah jumlah frekuensi dibagi dua, dikurang frekuensi kumulatif sebelum kelas
median dikurang frekuensii kelas median, kemudian dibagi dengan panjang kelas

3. Modus
Rumus Modus:

 d1 
Mo  L  p 
 d1  d 2 

Modus = 73.5+((2/(2+3)*5
= 75.5
Modus terletak dikelas ke- 6, dapat dilihat dengan frekwensi tertinggi yaitu
dengan nilai 75.5.
 4. Quarti
 in 
 F
Ki  b  p  4  , dengan i  1, 2, 3
 f 
 
 

Letak Q1 i(n)/4 adalah 25

Q1 = 58.5+((25-14)/17)*5
= 61.73

Letak Q2 2(n)/4 adalah 50

Q2 = 68.5+((50-44)/16)*5
= 70.37

Letak Q3 3(n)/4 adalah 75

Q3 = 73.5+((75-60)/18)*5
= 77.66

Analisa :

Quartil terletak pada kelas ke- 3, 5, dan 6. Dan Q3 memiliki nilai tertinggi, Q1

memiliki nilai terendah. Cara mencarinya sama dengan rumus median tetapi kalau

kuatil banyak datanya dibagi dengan 4.

5. Desil
Letak D4 4(n)/10 adalah 40
D4 = 63.5+((40-31)/44*5
= 64.52

Letak D7 7(n)/10 adalah 70

D7 = 73.5+((70-60)/18)*5
= 76.27

Letak D8 8(n)/10 adalah 80

D8 = 78.5+((80-78)/15)*5
= 79.16
Analisa :

Desil terletak pada kelas ke- 4, 6, dan 7. Dengan nilai tertinggi adalah D8, nilai

terendah adalah D4. Cara mencarinya sama dengan rumus median. Tapi pada desil

jumlah datanya dibagi dengan 10.

6. Pesentil
 in 
 F 
Pi  b  p  100 , dengan i  1, 2,..., 99.
 f 
 
 
Letak P20 20(n)/100 adalah 20
P20 = 58.5+((20-14)/17*5
= 60.26

Letak P35 35(n)/100 adalah 35

P35 = 63.5+((35-31)/13)*5
= 65.03

Letak P60 60(n)/100= 60

P60 = 68.5+((60-44)/16*5
= 73.5

Analisa :

Persentil Terletak pada kelas ke- 3, 4, dan 5. Dan nilai tertinggi P60, nilai

terendah P20. Mencarinya sama dengan mencari median tapi jumalah datanya dibagi

dengan 100.
 Kelas
ke Interval Frek (Fi) Frek Kum Titik Teng(Xi) (Fi*Xi) (Xi-X^) (Xi-X^) 2 (Xi-X^) 2*Fi
1 49 - 53 2 2 51 102 -9 81 162
2 54 - 58 12 14 56 168 -4 16 192
3 59 - 63 17 31 61 527 -15 225 3825
4 64 - 68 13 44 66 572 3 9 117
5 69 - 73 16 60 71 960 71 5041 80656
6 74 - 78 18 78 76 1404 14 196 3528
7 79 - 83 15 93 81 1395 21 441 6615
8 84 - 88 7 100 86 700 11 121 847
Jumlah 100 5828 95942

7. Standar deviasi

Standar Deviasi = SQRT(xi-x bar)^2/n-1

= 31.13

Analisa :
Dari hasil Standar Deviasi (s) diatas dapat dianalisa dari tabel bahwa hasil
Standars Deviasi didapatkan dari hasil menjumlahan titik tengah (xi) dikurang rata-
rata hitung (xbar) dikuadratkan, dikalikan frekuensi, kemudian dibagi dengan banyak
data (n) dikurang 1, setelah itu diakarkan. Jadi, didapatkan Standard Deviasi (s) dari
data diatas.

8. Varians (ragam)

Variansi = (Xi-X bar)^2*frek/n-1

= 969.11
 Analisa :
Dari hasil Ragam/Varians (S2) diatas dapat dianalisa bahwa hasil Ragam/Varians
didapatkan dari hasil kuadrat dari standar deviasi (S). Sehingga diperoleh
ragam/varian dari data diatas adalah 969.11.

b. Data Pengantar Manajemen Logistik

50 50 55 60 65 70 75 76 80 88
50 50 55 60 65 70 75 80 80 90
50 50 55 60 65 70 75 80 80 94
50 55 55 60 65 70 75 80 85 95
50 55 55 60 65 70 75 80 85 95
50 55 60 60 65 70 75 80 85 95
50 55 60 60 67 70 75 80 85 95
50 55 60 60 70 70 75 80 85 95
50 55 60 65 70 70 75 80 88 95
50 55 60 65 70 70 75 80 88 95

Kelas
ke Interval Frekuensi(Fi) F Kumulatif Titik Teng(Xi) (Fi*Xi)
1 49 - 54 13 13 51.5 669.5
2 55 - 60 25 38 57.5 1437.5
3 61 - 66 8 46 63.5 508
4 67 - 72 14 60 69.5 973
5 73 - 78 11 71 75.5 830.5
6 79 - 84 12 83 81.5 978
7 85 - 90 9 92 87.5 787.5
8 91 - 96 8 100 93.5 748
Jumlah 100 6932
Modus Q!, Q2, Q3
D4
Median Q2, P60
D7
Q3 D8
1. Rata-Rata (mean)
RumusMean :

 fi xx
x
 fi
Rata-rata = 6932/100
= 69.32
Rata-rata: dari 100 data nilai yang didapatkan, kemudian diolah menggunakan Ms.
Excel. Mencari rata-rata adalah jumlah jumlah dari perkalian antara frekuensi dengan
titik tengah, kemudian dibagi dengan jumlah dari frekuensi.

2. Median
RumusMedian :

Letak Median =100/2

= 50
n 
 F
Me  L  p 2 
 f 
 
 

Median = 66.5+((50-46)/14)*6
= 68.21

Analisa :
Median (data tengah) terletak di kelas ke 5, pada interval 69 - 73 dengan
menggunakan rumus diatas. . Cara mendapatkan nilai tersbut adalah batas bawah
ditambah jumlah frekuensi dibagi dua, dikurang frekuensi kumulatif sebelum kelas
median dikurang frekuensii kelas median, kemudian dibagi dengan panjang kelas
3. Modus
Rumus Modus:

 d1 
Mo  L  p 
d 
 1 2d

Modus = 54.5+((12/12+17))*6
= 56.98
Modus terletak dikelas ke- 6, dapat dilihat dengan frekwensi tertinggi yaitu 18.

4. Quartil
 in 
 F 
Ki  b  p  4  , dengan i  1, 2, 3
 f 
 
 
Letak Q1 i(n)/4 adalah 25
Q1 = 54.5+((24-13)/25)*6
= 57.14

Letak Q2 2(n)/4 adalah 50

Q2 = 66.5+((50-46)/14)*6
= 68.21

Letak Q3 3(n)/4= 75
Q3 = 78.5+((75-71)/12)*6
= 80.5

Analisa :

Quartil terletak pada kelas ke- 3, 5, dan 6. Dan Q3 memiliki nilai tertinggi,

Q1 memiliki nilai terendah. Quartil terletak pada kelas ke- 3, 5, dan 6. Dan Q3

memiliki nilai tertinggi, Q1 memiliki nilai terendah. Cara mencarinya sama dengan

rumus median tetapi kalau kuatil banyak datanya dibagi dengan 4.

5. Desil

 in 
 F 
Di  L  p  10 , dengan i  1, 2,..., 9.
 f 
 
 

Letak D4 4(n)/10= 40
D4 = 60.5+((40-38)/8)*6
= 62

Letak D7 7(n)/10= 70
D7 = 72.5+((70-60)/11)*6
= 77.95

Letak D8 8(n)/10= 80
D8 = 78.5+((80-71)/12)*6
= 83

Analisa :

Desil terletak pada kelas ke- 3, 5, dan 6. Dengan nilai tertinggi adalah D8, nilai

terendah adalah D4. . Cara mencarinya sama dengan rumus median. Tapi pada desil

jumlah datanya dibagi dengan 10.

6. Persentil
 in 
 F 
Pi  b  p  100 , dengan i  1, 2,..., 99.
 f 
 
 
 Letak P20 20(n)/100= 20
P20 = 54.5+((20-13)/25)*6
= 56.18

Letak P35 35(n)/100= 35

P35 = 54.5+((35-13)/25)*6
= 59.78

Letak P60 60(n)/100= 60

P60 = 65.5+9960-46)/14)*6
= 72.5

Analisa :

Persentil Terletak pada kelas ke- , 2, dan 4. Dan nilai tertinggi P60, nilai

terendah P20. Mencarinya sama dengan mencari median tapi jumalah datanya dibagi

dengan 100.

Kelas
ke Interval Frekuensi(Fi) F Kumulatif Titik Teng(Xi) (Fi*Xi) (Xi-X^) (Xi-X^) 2 (Xi-X^) 2*Fi
1 49 - 54 13 13 51.5 669.5 -17.5 306.25 3981.25
2 55 - 60 25 38 57.5 1437.5 -11.5 132.25 3306.25
3 61 - 66 8 46 63.5 508 6.5 42.25 338
4 67 - 72 14 60 69.5 973 1.5 2.25 31.5
5 73 - 78 11 71 75.5 830.5 75.5 5700.25 62702.75
6 79 - 84 12 83 81.5 978 24.5 600.25 7203
7 85 - 90 9 92 87.5 787.5 19.5 380.25 3422.25
8 91 - 96 8 100 93.5 748 12.5 156.25 1250
Jumlah 100 6932 7320 82235

7. Standar deviasi

Standar Deviasi = SQRT(xi-x bar)^2/n-1

= 28.82
Anallisa :
Dari hasil Standar Deviasi (s) diatas dapat dianalisa dari tabel bahwa hasil
Standars Deviasi didapatkan dari hasil menjumlahan titik tengah (xi) dikurang rata-
rata hitung (xbar) dikuadratkan, dikalikan frekuensi, kemudian dibagi dengan banyak
data (n) dikurang 1, setelah itu diakarkan. Jadi, didapatkan Standars Deviasi (s) dari
data diatas adalah 28.82

8. Varians (ragam)

Variansi = (Xi-X bar)^2*frek/n-1

= 830.66

Aanalisa :
Dari hasil Ragam/Varians (S2) diatas dapat dianalisa bahwa hasil Ragam/Varians
didapatkan dari hasil kuadrat dari standar deviasi (S). Sehingga diperoleh
ragam/varian dari data diatas adalah 830.66
 BAB IV
KESIMPULAN DAN SARAN

A. Kesimpulan

1. Metode statistika adalah prosedur-prosedur yang digunakan dalam

pengumpulan,
penyajian, analisis, dan penafsiran data. Metode dalam statistik dibagi ke
dalam dua kelompok besar, yaitu statistik deskriptif dan statistik inferensi.
2. Populasi adalah keseluruhan pengamatanyang menjadi perhatian kita.
Sedangkan sampel adalah suatu himpunan bagian dari populasi.
3. Dari data nilai ujian UAS semester ganjil yang terdiri dari 100 data dan dapat
ditentukan dengan mencari nilai rata-rata, median, modus, desil, dan persentil,
dengan menggunakan Ms. Exel secara manual atau dengan cara SPSS.
 fi xx
4. Rumus Mencari rata – rata adalah x 
 fi

 b 
5. Rumus mencari modus adalah Mo  b  p 1 
 b1  b2 
n 
6. Rumus mencari median adalah  F
Me  b  p 2 
 f 
 
 

 in 
7. Rumus Mencari Kuartil adalah  F
Ki  b  p  4  , dengan i  1, 2 , 3
 f 
 
 

 in 
8. Rumus mencari Desil adalah  F
Di  b  p  10  , dengan i  1, 2 ,..., 9.
 f 
 
 

 in 
9. Rumus Mencari Pensentil adalah  F
Pi  b  p  100  , dengan i  1, 2 ,..., 99.
 f 
 
 
 10. Pengolahan data menggunakan SPSS lebih mudah karena kita hanya
memasukkan data, kemudian di analize dan keluar hasilnya.
11. Pengolahan data secara manual pada Ms. Exel lebih sulit karena kita harus
memasukkan angkanya secara manual. Dan kita harus memasukkan rumusnya
sediri.
12. Penggolahan data pada SPSS kita dapat melihat melihat hasilnya melalui
diagram lingkaran, diagram batang, histogram, polygon, dan lain-lain.

B. Saran

Makalah ini masih sangat jauh dari kesempurnaan, baik dari segi penyajian bahan
maupun dalam segi penulisan. Oleh sebab itu, penulis sangat mengharapkan kritik
dan saran pembaca agar karya tulis ini bisa menjadi berguna bagi pendidikan di
Indonesia.
 DAFTAR PUSTAKA

1. Sudjana, Metoda Statistika, Tarsito, Bandung, 2002

2. Walpole, Ronald E., dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuan, ITB, Bandung, 1995
3. Walpole, Ronald E., Pengantar Statistika, Gramedia Pustaka Utama, Jakarta, 1995.