PENGANTAR STATISTIKA DASAR

Nana Harlina Haruna, S.Pd.,M.Pd

1
 Populasi dan sampel

Populasi

Sampel

Parameter
Statistik
Populasi
Parameter
Statistik
adalah
adalah
adalah
dataukuran
ukuran
kuantitatif
yang
yangyang
mencerminkan
mencerminkan
menjadi objek
Sampel adalah bagian dari populasi 2
karakteristik
karakterstik
karakteristik
telaah
dari
dari
daripopulasi
populasi
sampel
 Statistika menurut fungsinya

• Statistika Deskriptif

• Statistika Inferensi

3
 Statistika deskriptif

• Menggambarkan dan menganalisis

kelompok data yang diberikan tanpa
penarikan kesimpulan mengenai
kelompok data yang lebih besar

4
 Sumber: Statistika Deskriptif-Suprayogi, ITB 5
solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Statistika inferensi

• Penerapan metode statistik untuk

menaksir dan/atau menguji karakteristik
populasi yang dihipotesiskan
berdasarkan data sampel

6
 Statistika Deskriptif dan
Statistika Inferensi

Sumber: statistika deskriptif-suprayogi, ITB

solehpunya.files.wordpress.com/2008/03/00-
statistika-deskriptif.pdf

7
 Contoh

• Data tentang penjualan mobil merek ‘ABC’

perbulan di suatu show room mobil di Jakarta
selama tahun 1999. Dari data tersebut pertama
akan dilakukan deskripsi terhadap data spt
menghitung rata-rata penjualan, berapa standar
deviasinya dll

• Kemudian baru dilakukan berbagai inferensi

terhadap hasil deskripsi spt : perkiraan penjualan
mobil tsb bulan Januari tahun berikut, perkiraan
rata-rata penjualan mobil tsb di seluruh Indonesia.
8
 Tipe data statistik
• Data nominal
Kualitatif
• Data ordinal
• Data interval
Kuantitatif
• Data rasio
DATA RASIO
ORDINAL
INTERVAL : ::
DATA NOMINAL :
Data
Data berskala interval adalah data yang diperoleh dengandengan
cara
Data berskala nominal adalah data yang diperoleh dengan dengan
berskala ordinal
rasio adalah
adalah data
datayang
yangdiperoleh
dipeoleh cara cara
cara
pengukuran,
kategorisasi
pengukuran, diatau
mana
di manajarakjarak
antaraantara
klasifikasi, dua titik
tetapi dua
diskala sudah
antara
titik diketahui.
skala
data sudah
tersebut
kategorisasi atau klasifikasi.
CIRI : :posisi
terdapat
diketahui
CIRI Tidak adamempunyai
hubungan
dan
data kategorisasi titik 0 absolut.
setara
bisabisa
dilakukan operasi matematika
CIRI :tidak
posisi
tidak adadilakukan
data tidakoperasi
setaramatematika (+, -,0 x, :) 0
kategorisasi
CONTOH
CONTOH : : temperatur
jenis kelamin, yang
jenis diukur berdasarkan C dan F, sistem
pekerjaan
kalender
tidakdilakukan
bisa bisa dilakukan
operasi operasi
matematika
matematika (+, -, x, :)
CONTOH : gaji, kepuasan
skor ujian,
kerja,jumlah
motivasi buku 9
 Klasifikasi Jenis Data
• kualitatif
Sifat • Kuantitatif

• Primer
Sumber • Sekunder

Cara • Sensus
memperoleh • Sampling

Waktu • Cross section

pengumpulan • Time series
10
 Menurut sifat

• Bukan “angka”: nominal &

ordinal
Kualitatif • Jenis pekerjaan, tgl&tempat
lhr, tingkat pendidikan

• Berupa angka:interval &

rasio
Kuantitatif • Umur, tinggi badan, berat
badan

11
PENYAJIAN DATA

12
 Tujuan Penyajian Data
• Memberi gambaran yang sistematis tentang
peristiwa-peristiwa yang merupakan hasil penelitian
atau observasi,
• Data lebih cepat ditangkap dan dimengerti,
• Memudahkan dalam membuat analisis data, dan
• Membuat proses pengambilan keputusan dan
kesimpulan lebih tepat, cepat, dan akurat.

http://abdulsyahid-forum.blogspot.com/2009/03/penyajian-data-statistik.html 13
 Cara Penyajian Data
• Tabel
• Gambar/Grafik

14
 Jenis Tabel Statistik
• Tabel satu arah
• Tabel arah majemuk
- Tabel dua arah
- Tabel tiga arah

Yaitu tabel yang menunjukkan hubungan tiga hal atau tiga

Yaitu
Yaitu tabel
tabel yangyang menunjukkan
memuat hubungan
keterangan mengenaiduasatu
hal hal
atau dua
atau
karakteristik yang berbeda. Misalnya data hasil pengamatan
satukarakteristik
karakteristikyang
saja.berbeda.
Misalnya Misalnya
datajenis data Produksi
Produksi kedelai kedelai
menurut
produksi kedelai (ton/ha) menurut varietas, daerah panen,
jenis varietasmenurut jenis varietas dan daerah panen
yang ditanam.
dan jenis tanah.
15
http://abdulsyahid-forum.blogspot.com/2009/03/penyajian-data-statistik.html
 Jenis Grafik/Gambar
• Grafik garis (line chart),
• Grafik Batangan (bar chart),
• Grafik lingkaran (pie chart),
• Grafik gambar (Pictogram chart)
• Diagram Pencar (Scatter diagram)

16
 Grafik Batang (Bar) Grafik Garis (line)
30
30

20
20

10
10

Jumlah
Count

0
0 administrasi personalia produksi marketing keuangan
administrasi personalia produksi marketing keuangan
bidang pekerjaan
bidang pekerjaan

Grafik lingkaran (pie) Grafik Interaksi (interactive)

800000

keuangan
administrasi

700000

600000

personalia
500000
Mean gaji perbulan

Jenis kelamin
400000
marketing
laki-laki
produksi
300000 w anita
sangat jelek jelek cukup baik baik sangat baik 17
prestasi kerja
 Grafik gambar

1:10

18
DISTRIBUSI FREKUENSI

19
 Distribusi Frekuensi
• Bentuk pengelompokan data untuk
menggambarkan distribusi data

• Dapat dinyatakan dalam

 bentuk tabel distribusi frekuensi
 histogram atau poligon frekuensi

20
 Prosedur Umum Penyusunan
Tabel Dist Frekuensi
• Tentukan banyaknya kelas
• Tentukan lebar kelas
• Hitung frekuensi untuk setiap kelas

21
 Contoh tabel dist frekuensi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2 Pendidikan Frekuensi
Kelompok ke-3 f3
Kelompok ke-i fi S1 62
Kelompok ke-k fk S2 19
k S3 9
n = Σ fi 90
i=1

k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1
hanckey.pbworks.com/f/presentasi+bahan+kuliah.ppt 22
 Contoh Soal
• Susun data berikut dalam tabel dist frekuensi
USIA FREKUENSI
20 5
21 6
22 13
23 4
24 7
25 7
26 7
27 5
28 3
29 4
30 15
31 3
33 5
23
35 1
 Langkah-langkah
• Tentukan rentang
RENTANG: NILAI DATA TERBESAR – NILAI DATA TERKECIL

• Tentukan banyak kelas (k)

ATURAN STURGES:
k = 1 + (3,322)(log n)

• Tentukan panjang kelas (p)

p = RENTANG/k

24
 Catatan tentang panjang kelas
DATA PANJANG KELAS (p)

Bilangan bulat • Bilangan bulat

Bil bulat satu

• Bilangan bulat satu desimal
desimal
Bil bulat n
• Bilangan bulat n desimal
desimal
25
 Lanjutan langkah-langkah
• Tentukan nilai ujung bawah kelas interval
pertama
Boleh mengambil nilai data terkecil
atau nilai data yang lebih kecil dari nilai data terkecil

• Masukkan semua data ke dalam interval kelas

26
 Kembali ke contoh..
USIA FREKUENSI Membuat distribusi frekuensi :
20 5 1. Mencari rentang  35 – 20 = 15
21 6 2. Menentukan banyak kelas  k = 1 + 3,3 log n  7 atau
22 13 8
23 4 3. Menentukan panjang kelas  p = 15/7 = 2,5  2 atau 3
24 7
25 7 KELOMPOK USIA FREKUENSI
26 7 20 – 21 11
27 5 22 – 23 17
28 3 24 – 25 14
29 4 26 – 27 12
30 15 28 – 29 7
31 3 30 – 31 18
33 5 32 - 33 5
35 1 34 - 35 1

hanckey.pbworks.com/f/presentasi+bahan+kuliah.ppt 27
USIA FREKUENSI
20 5
21 6
22 13
23 4 KELOMPOK USIA FREKUENSI

24 7 20 – 22 ?

25 7 23 – 25 ?

26 7 27– 29 ?

27 5 30 – 32 ?

28 3 33 – 25 ?

29 4 36 – 38 0

30 15 39 - 41 0

31 3
33 5
35 1

28
 Latihan Soal
• Berikut diberikan data mengenai hasil
tentamen tengah semester, Mata Kuliah
Statistika dari mahasiswa Program S1 Ilkom.
Susun data dalam tabel dist frekuensi!

65 72 67 82 72 91 67 73 71 70
85 87 68 86 83 90 74 89 75 61
65 76 71 65 91 79 75 69 66 85
95 74 73 68 86 90 70 71 88 68
29
Macam-macam tabel dist frekuensi

Tabel distribusi
frekuensi relatif

Tabel distribusi • Tabel dist frek kum “kurang dari”

frekuensi
• Tabel dist frek kum “ atau lebih”
kumulatif

Tabel distribusi • Tabel dist frek rel kum “kurang dari”

relatif kumulatif • Tabel dist frek rel kum “ atau lebih”

30
 Bentuk tabel dist frek relatif

Nilai Frekuensi Frekuensi Relatif (%)

Data
a-b f1 f1’
c-d f2 f2’ Dimana:
e-f f3 f3’
g-h f4 f4’ fi
fi '  n
x100%
f5’
f
i-j f5
i
Jumlah n 100 i 1

31
Bentuk tabel dist frek kumulatif
Nilai Frekuensi Frekuensi Kumulatif
Data
a-b f1 f1
c-d f2 f1+f2
e-f f3 f1+f2+f3
g-h f4 f1+f2+f3+f4
i-j f5 f1+f2+f3+f4+f5

Nilai Data Frekuensi Kumulatif Nilai Data Frekuensi Kumulatif

Krg dr a 0 a atau lbh f5+f4+f3+f2+f1
Krg dr c f1 c atau lbh f5+f4+f3+f2
Krg dr e f1+f2 e atau lbh f5+f4+f3
Krg dr g f1+f2+f3 g atau lbh f5+f4
Krg dr i f1+f2+f3+f4 i atau lbh f5
Krg dr k f1+f2+f3+f4+f5 32
k atau lbh 0
 Bentuk tabel dist relatif kumulatif

Nilai Data Frekuensi Frekuensi Frek relatif

Kumulatif kumulatif (%)
a-b f1 f1 f1’
c-d f2 f1+f2 f2’
e-f f3 f1+f2+f3 f3’
g-h f4 f1+f2+f3+f4 f4’
i-j f5 f1+f2+f3+f4+f5 100

• dengan i

f k
fi '  k 1
x100%
n 33
Contoh tabel dist frek, kum, rel, rel kum

Sumber: statistika deskriptif-suprayogi, ITB

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf

34
 Macam-macam bentuk diagram
• Data tidak terkelompok : diagram batang,
diagram lingkaran, garis, gambar (simbol)

• Data terkelompok : histogram dan poligon

frekuensi, ogive

35
 Histogram dan poligon frekuensi
• Histogram mrpk bentuk diagram batng yg
digunakan untuk menggambarkan dist
frekuensi

• Poligon (kurva) frekuensi mrpk bentuk

diagram garis yg digunakan utk
menggambarkan dist frekuensi

36
 Contoh Histogram

Sumber: statistika deskriptif-suprayogi, ITB 37

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Contoh poligon frekuensi

Sumber: statistika deskriptif-suprayogi, ITB 38

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Contoh Ogive (kumulatif)

Sumber: statistika deskriptif-suprayogi, ITB 39

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Catatan tentang batas atas dan bawah

• Batas bawah (bb) = ujung bwh – ketelitian

data yang digunakan
• Batas atas (ba) = ujung atas + ketelitian data
yg digunakan

Data Ketelitian yang digunakan

Bil bulat 0,5
Bil satu desimal 0,05
Bil dua desimal 0,005
dst
40
 Catatan tentang titik tengah
(tanda kelas)

Titik tengah = ½ (ujung bawah + ujung atas)

41
STATISTIK

42
 Statistik
• Ukuran lokasi (pemusatan)
• Ukuran dispersi (sebaran)
• Ukuran kemiringan
• Ukuran keruncingan

43
Ukuran lokasi  ukuran cenderung
memusat
rata-rata hitung
• Rata-rata rata-rata ukur
rata-rata harmonik
• Median
• Modus

44
 Rata-rata hitung data tersebar
• Data tersebar (tdk berkelompok)
n

x i
x i 1
n

45
 Rata-rata hitung data terkelompok
1. Tanda kelas 2. rata-rata duga
k k

fx i i fd i i
x i 1
x  AM  p i 1
n n

xi : titik tengah kelas AM : titik tengah kelas

interval ke-i interval (pilih sbrg)
p : panjang kelas intv
xi  AM
di 
p
46
 Contoh menghitung rata-rata
Kelas interval Tanda kelas (xi) fi xifi
13-15 14 5 70
16-18 17 6 102
19-21 20 7 140
22-24 23 2 46
jumlah 20 358

Mean = 358/20 = 17,9

47
 Contoh menghitung rata-rata
AM Yg Kelas interval Tanda kelas (xi) fi di fidi
dipilih
13-15 14 5 (14-20)/3 = -2 -10
16-18 17 6 -1 -6
19-21 20 7 0 0
22-24 23 2 1 2
jumlah 20 -14

Mean = 20+ (3)(-14)/20 =20 – 2,1 = 17,9

48
 Rata-rata ukur dan harmonis
• Rata-rata ukur
U  n x1.x2 ...xn

x1 x2 x3
dimana   dan seterusnya
x2 x3 x4

• Rata-rata harmonis
n
N n
1

i 1 xi
49
 Modus
• Data kualitatif  gejala yang sering terjadi

• Data kuantitatif  angka yang sering muncul

50
 Contoh mencari modus
• Data tidak terkelompok

Sumber: statistika deskriptif-suprayogi, ITB 51

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Modus pada data terkelompok

 b1 
Mo = Bb + p  
 b1  b 2 

dengan
Bb = batas bawah kelas interval yang mempunyai frekuensi
tertinggi
b1 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval yang lebih rendah.
b2 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval yang lebih tinggi.
p = panjang kelas.

52
 Contoh mencari modus
• Data terkelompok

Sumber: statistika deskriptif-suprayogi, ITB 53

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Median untuk data tidak
terkelompok
• Jika banyak data genap
n n2
nilai data ke -    nilai data ke -  
2  2 
Me = 2

• Jika banyak data ganjil

 n 1 
Me = nilai data ke -  
 2 

Data harus diurutkan dulu dari terkecil ke terbesar 54

 Contoh mencari median
• Banyak data genap

Sumber: statistika deskriptif-suprayogi, ITB 55

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Contoh mencari median
• Banyak data ganjil

Sumber: statistika deskriptif-suprayogi, ITB 56

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
 Median data terkelompok
n 
 F
Me = Bb + p 2 
fm

dengan
Bb : batas bawah kelas interval yang mengandung Me
fm : frekuensi kelas interval yang mengandung Me
F : frekuensi kumulatif sebelum kelas interval
yang mengandung Me
p : panjang kelas interval

Letak Me harus paling sedikit mencapai frekuensi setengah dari jumlah data
seluruhnya

57
 Contoh mencari median

Sumber: statistika deskriptif-suprayogi, ITB 58

solehpunya.files.wordpress.com/2008/03/00-statistika-deskriptif.pdf
Hubungan Mean, Modus dan Median
Hubungan empiris antara ketiganya:
Mo +2 M = 3Me

59
Ukuran dispersi  ukuran cenderung menyebar

• Kuartil
• Desil
• Persentil

60
 Kuartil untuk data tidak berkelompok

Ki 
i
n  1, i  1, 2, 3
4

dengan
Ki : letak kuartil ke i
n : banyaknya data

61
 Contoh mencari Kuartil

K i  n  1
Sebelum Setelah i
diurutkan diurutkan 4
K1  9  1  2
20 20 1 1
80 40 4 2
75 50
60 60 Artinya K1 terletak antara data ke 2
dan
50 60 data ke 3
85 75
Nilai K1
40 80
60 85 = nilai data ke 2 + ½(data ke 3 - data ke 2)
90 90 = 40 + ½(50 -40)
= 45

62
 Kuartil data berkelompok
i 
 n  F 
K i  Bb  p  4  , i  1, 2, 3
f
 Ki 
 

dengan
Ki : letak kuartil ke i
Bb : batas bawah kelas interval yang mengandung Ki
fK : frekuensi kelas interval yang mengandung Ki
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Ki
p : panjang kelas interval

63
 Contoh mencari Kuartil
i 
Interval f f. kum  n  F 
K i  Bb  p  4  , i  1, 2, 3
30 – 39 2 2  f Ki 
 
40 – 49 3 5
3 
50 – 59 11 16  100  68 
K 3  79,5  10 4 
60 – 69 20 36  25 
70 – 79 32 68  
 79,5  2,8  82,3
80 – 89 25 93
90 - 99 7 100

Kelas yang memuat kuartil ke 3

64
 Desil untuk data tidak berkelompok

Di  n  1, i  1, 2, ..., 9
i
10

dengan
Di : letak desil ke i
n : banyaknya data

65
 Contoh mencari Desil
Setelah
diurutkan Di 
i
n  1, i  1, 2, ..., 9
10
20
D 6  10  1  6,6
6
40
10
50
60 Artinya D6 terletak antara data ke 6 dan data ke 7
60 Nilai D6
75
= nilai data ke 6 + 0,4(data ke 7 - data ke 6)
80
85
= 75 + 0,6(80 -75)
90 = 78
96

66
 Desil data berkelompok

 i 
 10 n  F 
Di  Bb  p   , i  1, 2, ..., 9
 f Di 
 

dengan
Di : letak desil ke i
Bb : batas bawah kelas interval yang mengandung Di
fD : frekuensi kelas interval yang mengandung Di
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Di
p : panjang kelas interval

67
 Contoh mencari Desil
Interval f f.kum
i 
30 – 39 2 2  10 n  F 
Di  Bb  p   , i  1, 2, ..., 9
40 – 49 3 5
 f Di 
50 – 59 11 16  
60 – 69 20 36 3 
 10 100  16 
70 – 79 32 68 D3  59,5  10  
80 – 89 25 93  20 
 
90 - 99 7 100
 59,5  7  66,5

Kelas yang memuat desil ke 3

68
 Persentil untuk data tidak berkelompok

Pi 
i
n  1, i  1, 2, ..., 99
100

dengan
Pi : letak persentil ke i
n : banyaknya data

69
 Contoh mencari Persentil
Setelah
diurutkan Pi 
i
n  1, i  1, 2, ..., 99
100
20
40 P57 
57
10  1  6,27
100
50
60 Artinya P57 terletak antara data ke 6 dan data ke 7
60 Nilai P57
75
= nilai data ke 6 + 0,27(data ke 7 - data ke 6)
80
85 = 75 + 0,27(80 -75)
90 = 79,35
96

70
 Persentil data berkelompok

 i 
 100 n  F 
Pi  Bb  p   , i  1, 2, ..., 99
 f Pi 
 

dengan
Pi : letak persentil ke i
Bb : batas bawah kelas interval yang mengandung Pi
fP : frekuensi kelas interval yang mengandung Pi
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Pi
p : panjang kelas interval

71
 Contoh mencari Desil
Interval f f.kum  i 
 100 n  F 
30 – 39 2 2 Pi  Bb  p   , i  1, 2, ..., 99
40 – 49 3 5  f Pi 
 
50 – 59 11 16
 96 
60 – 69 20 36  100 100  93 
70 – 79 32 68 P95  89,5  10 
 7 
80 – 89 25 93  
90 - 99 7 100 Pi  89,5  4,29  93,79

Kelas yang memuat persentil ke 95

72
 Ukuran
Ukuran dispersi Dispersi
 ukuran ( menyebar
cenderung

Range

Range = Nilai Maksimum – Nilai Minimum

Deviasi rata-rata
 xi  x
DS 
n

73
 Contoh menghitung deviasi rata-rata

Data xi  x xi  x
285
20 - 45,6 45,6
x  57
80 14,4 14,4 5
75 9,4 9,4 90,6
60 - 5,6 5,6 DR   18,12
50 - 15,6 15,6
5
 x i  285  x i  x  90,6

74
Ukuran dispersi  ukuran cenderung menyebar

 Variansi : penyebaran berdasarkan jumlah kuadrat

simpangan data terhadap rata-ratanya; melihat
ketidaksamaan sekelompok data
untuk data tersebar
 x i  x n  x i 2   x i 2
2
s 
2

n 1 n n  1
untuk data berkelompo k
 tanda kelas  variansi duga
 f i x i  x  n  f i x i 2   f i x i 2 p 2  f i d 2 p 2  f i d 2
2
s 
2
 s 
2

n 1 n n  1 n n2

d i
x  x  x  AM
p

75
Ukuran dispersi  ukuran cenderung menyebar

 Standar deviasi penyebaran data berdasarkan akar dari

variansi; menunjukkan keragaman kelompok data
untuk data tersebar
 x i  x  n  x i 2   x i 2
2
s 
n 1 n n  1
untuk data berkelompo k
 tanda kelas  standar deviasi duga

 f i x i  x  n  f i x i 2   f i x i 2
2 2
 f d 
2
 fid
s  sp  i 
n 1 n n  1 n  n 

d
x i  x  , x  AM
p

76
Contoh menghitung variansi dan deviasi standar
data tersebar
Data xi2
s2 
518525   285 2

20 400 54 
80 6400
92625  81225 11400
75 5625    570
60 3600
20 20
50 2500 s  570  23,87
 x i  285  x i  18525
2

77
Contoh menghitung variansi dan deviasi standar
data berkelompok
Kelas Tanda kelas fi xifi
xi2 fi x i 2
interval (xi)
13-15 14 5 196 70 980
16-18 17 6 289 102 1734
19-21 20 7 400 140 2800
22-24 23 2 529 46 1058
jumlah 20 358 6572

s2 
206572   358 2

131440  128164 3276
  8,62
2019 380 380
s  8,62  2,94

78
Contoh menghitung variansi data berkelompok

Kelas Tanda fi d fid fid 2 x  AM  17

interval kelas (xi)
13-15 14 5 -1 -5 5
16-18 17 6 0 0 0
19-21 20 7 1 7 7
22-24 23 2 2 4 8
jumlah 20 6 20

920  96 
2
s2    9  0 ,81  8,19
20 202

s  8,19  2 ,86

79
 Ukuran Kemiringan (Skewness)

Adalah ukuran yang menyatakan sebuah model

distribusi yang mempunyai kemiringan tertentu

☻Kurva positif apabila rata-rata hitung >

modus / median
☻ Kurva negatif apabila rata-rata hitung <
modus / median

- +
Mo X Me

80
 Rumus untuk Ukuran Kemiringan

x - Mo
Koefisien kemiringan pertama Perason KK 
s
3x - Me 
Koefisien kemiringan kedua Perason KK 
s

K 3  2 K 2  K1
Menggunakan nilai kuartil KK 
K 3 - K1

P90  2P50  P10

Menggunakan nilai persentil KK 
P90 - P10
81
Kriteria untuk mengetahui model distribusi dari
koefisien kemiringan
 Jika koefisien kemiringan < nol, maka bentuk
distribusinya negatif
 Jika koefisien kemiringan = nol, maka bentuk
distribusinya simetrik
 Jika koefisien kemiringan >nol, maka bentuk
distribusinya positif

82
 Ukuran Keruncingan (Kurtosis)

Adalah derajat kepuncakan dari suatu distribusi,

biasanya diambil relatif terhadap distribusi normal

Leptokurtik Platikurtik Mesokurtik

1
K 3  K1 
K 2
P90  P10
83
Kriteria untuk mengetahui model distribusi dari
koefisien kurtosis
 Jika koefisien kurtosis kurang dari 0,263 maka
distribusinya adl platikurtik
 Jika koefisien kurtosis sama dengan 0,263
maka distribusinya adl mesokurtik
 Jika koefisien kurtosis lebih dari 0,263 maka
distribusinya adl leptokurtik

84
Contoh menghitung koefisien kemiringan dan
ukuran keruncingan

Kelas Tanda fi K1  12 ,5  3
5 - 0   15,5
interval kelas (xi) 5
 15,5  3
10 - 5  18
13-15 14 5 K2
6
16-18 17 6
K3  18,5  3
15 - 11  20 ,21
19-21 20 7 7
P1 0  12 ,5  3
2 - 0   13,7
22-24 23 2
5
jumlah 20
P9 0  18,5  3
18 - 11  21,5
7

20,21 - 218  15,5  0 ,29

KK    0 ,06
20 ,21  15,5 4 ,71 Model
1
20,21  15,5 2,355 Distribusi ?
K 2   0 ,30
21,5  13,7 7 ,8
85
 Latihan Soal
Diketahui data seperti di bawah ini.
15 25 21 16 20 17 19 25 21 15 17 16 19 20 17
20 15 25 15 21 19 16 17 25 19 21 20 19 19 21
17 20 16 21 20 21 16 20 17 19 20 19 17 21 19
20 16 19 19 17 20 21 19 19 21 19 17 20 19 15

1.Buatlah
 Distribusi frek, dist frek kumulatif, dist frek
relatif, dist frek relatif kumulatif.
86
 Lanjutan…
2. Gambarlah histogram dan poligon dari dist
frek kumulatif tersebut
3. Tentukan Mean, Median, Modus
4. Kuartil, Desil, Persentil
5. Koefisien kemiringan menggunakan Persentil
6. Koefisien Keruncingan

87
 END
OF
SLIDE

88