Isi Buku Statistik PDF

BAB I
STATISTIK DAN TEKNIK PENGUMPULAN DATA
Hasil Pembelajaran Umum

Setelah mempelajari bab ini Anda diharapkan mampu menjelaskan Statistik dan Teknik
Pengumpulan Data di Bidang Teknnik Sipil
Hasil Pembelajaran Khusus

Keberhasilan saudara dalam menguasai bab ini, dapat diukur dengan kriteria sebagai
berikut :
1. Mampu menjelaskan tentang pengertian statistik
2. Mampu menjelaskan penggunaan statistik dalam teknik sipil
3. Mampu menjelaskan tentang teknik pengumpulan data
4. Mampu menentukan populasi dan sampel
.
PENDAHULUAN
Sebenarnya secara umum setiap orang telah melakukan cara-cara statistik seperti
pengelompokkan orang berdasarkan jenis kelamin, usia/umur, tingkat pendidikan, agama,
penduduk yang datang dan yang pergi, tingkat kematian dan kelahiran. Sedang dalam
dunia bisnis misalnya tabel tingkat penjualan, daftar harga, daftar pemesanan,
pengelompokkan buah-buahan berdasarkan rasa, besar kecil buah, jenis buah-buahan dan
lain sebagainya.
Para ahli teknik dan teknisi yang bekerja pada suatu perusahaan konsultan atau
kontraktor mungkin tidak perlu memecahkan masalah statistik. Meskipun demikian setiap
ahli teknik harus mempunyai pengetahuan dasar mengenai statistik. Dia harus memahami
istilah-istilah dasar yang digunakan dalam statistik dan harus mampu melakukan evaluasi
dan interprestasi hasil-hasil tes dengan cara statistik.
Statistik –Etty Rabihati- 1

1.1. Pengertian Statistik
Pada tahun 1719-1770, Gott Frried Achenwall mengemukakan bahwa kata
statistik sebenarnya berasal dari bahasa Italia yaitu statika yang berarti Negara,
disebut statistik karena pada waktu itu yang memerlukan data pertama kali adalah
Negara. Misalkan : data jumlah pasukan, jumlah senjata, jumlah makanan dan
bahan makanan, jumlah penduduk, jumlah kaum pendatang.
Sedangkan secara perlembaga dan individu belum menggunakan data-data
tersebut, kecuali lembaga Negara. Kata statistik dalam bahasa latin yaitu Ratio
status dan bahasa Inggris adalah state. Namun penggunaan statistik telah banyak
mengalami perkembangan, sehingga yang menggunakan bukan saja Negara, tetapi
hampir semua lembaga maupun individu untuk kepentingan tertentu. Seiring
perkembangan penggunaan data-data statistik semakin berkembang pula.
Pengertian statistic ada dua yaitu:
1. Dalam arti sempit
Statistik adalah sekumpulan angka-angka yang menerangkan sesuatu.
2. Dalam arti luas
Statistik adalah merupakan kumpulan cara atau metode dan aturan-aturan
mengenai pengumpulan, pengelolahan, penggolongan, penyajian,
penganalisisan serta menginterpretasikan data untuk mengambil keputusan.
Jadi dalam statistik berdasarkan kedua pengertian di atas ada tiga unsur
pokok yaitu :
a. Cara atau metode dan aturan-aturan untuk menyimpulkan dan membuat
tabel atau grafik dari sebuah data. Misal; grafik batang (bar), grafik garis
(line), grafik lingkaran (pie).
b. Suatu cara atau metode dalam mengambil keputusan. Misalkan :
- Berapa tingkat penjualan
- Berapa tingkat produksi
- Berapa alat yang digunakan
- Berapa tenaga kerja yang dibutuhkan
c. Merupakan keterangan-keterangan tentang sesuatu.

1.2. Pembagian Statistik
Statistik dapat dibagi atas beberapa macam yang didasarkan atas kriteria-kriteria
tertentu, seperti cara pengolahan data, ruang lingkup penggunaan atau disiplin ilmu
yang menggunakannya dan bentuk parameternya.
1. Pembagian Statistik Berdasarkan Cara Pengolahan Datanya
Didasarkan atas cara pengolahan datanya, statistik dapat dibagi dalam dua yaitu
statistik deskriptik dan statistik inferen.
a. Statistik Deskriptif adalah statistik yang membahas mengenai
pengumpulan, pengelolahan, penyajian serta perhitungan nilai-nilai dari
suatu data lalu digambarkan ke dalam table atau grafik.
b. Statistik Induktif disebut juga statistik inferen adalah statistik yang
mempelajari tentang bagaimana pengambilan keputusan dilakukan dan
sekaligus menginterpretasikan data yang sudah ada.
2. Pembagian Statistik Berdasarkan Ruang Lingkup Penggunaanya
Didasarkann atas ruang lingkup penggunaanya atau disiplin ilmu yang
menggunakannya, statistik dapat dibagi atas beberapa macam yaitu sebagai
berikut:
a. Statistik sosial
Statistik sosial adalah statistik yang diterapkan atau digunakan dalam
ilmu-ilmu sosial.
b. Statistik pendidikan
Statistik pendidikan adalah statistik yang diterapkan atau digunakan
dalam ilmu dan bidang pendidikan
c. Statistik ekonomi
Statistik ekonomi adalah statistik yang diterapkan atau digunakan dalam
ilmu-ilmu ekonomi
d. Statistik pertanian
Statistik pertanian adalah statistik yang digunakan atau diterapkan
dalam ilmu pertanian
e. Statistik perusahaan
Statistik perusahaan adalah statistik yang diterapkan atau digunakan
dalam bidang perusahaan
f. Statistik kesehatan

Statistik kesehatan adalah statistik yang diterapkan atau digunakan
dalam bidang kesehatan.
3. Pembagian Statistik Berdasarkan Bentuk Parameternya
Didasarkan atas bentuk parameternya (data yang sebenarnya), statistik dapat
dibagi dua, yaitu statistik parametrik dan statistik nonparametrik.
a. Statistik parametrik
Statistik parametrik adalah bagian stataistik yang parameter dari
populasinya mengikuti suatu distribusi tertentu, seperti distribusi
normal, dan memiliki varian yang homogen
b. Statistik nonparametrik
Statistik nonparametrik adalah bagian statistik yang parameter
dari populasinya tidak mengikuti suatu distribusi tertentu atau
memiliki distribusi yang bebas dari persyaratan, dan variannya
tidak perlu homogen
1.3. Penggunaan Statistik Dalam Teknik Sipil

Perencanaan suatu bagunan gedung atau bangunan teknik lainnya didasarkan atas
peraturan perencanaan. Peraturan perencanaan berisi informasi antara lain
mengenai tegangan yang diijinkan bahan-bahan bangunan seperti beton, baja, kayu,
batu bata dan sebagainya. Tegangan yang diijinkan yang diberikan dalam peraturan
perencanaan adalah suatu pecahan (fraksi) dari tegangan maksimum yaitu tegangan
dimana bahan bangunan akan hancur. Tegangan maksimum, disebut tegangan
ultimit bahan bangunan, ditentukan dengan serangkaian percobaan. Kemudian hasil
percobaan-percobaan tersebut dievaluasi dengan metode statistik. Sebuah
percobaan yang sering digunakan dalam teknik sipil adalah percobaan tekan beton.
Untuk menghindari salah interpretasi percobaan ini, diperlukan pengetahuan dasar
statistik. Selain percobaan tekan beton, penggunaan statistik dapat juga digunakan
untuk perencanaan saluran drainase jalan dan perencanaan tebal perkerasan jalan.
Di dalam bab ini, berikutnya kita akan menggunakan sebuah contoh suatu
percobaan tekan beton untuk menjelaskan konsep dasar yang digunakan dalam
statistik.

1.4. Data Statistik
Pengertian data statistik adalah keterangan atau fakta mengenai sesuatu persoalan
baik yang berbentuk ciri khas, kategori atau sifat, maupun berbentuk bilangan atau
angka-angka.
Pengertian data mentah adalah data yang baru dikumpulkan dan belum pernah
mengalami proses pengelolahan apapun.
Jenis data statistik dibagi dua yaitu :
1. Data kuantitatif adalah data yang berbentuk bilangan angka-angka. Misalnya :
data bahan baku, data jumlah mahasiswa, data stok barang, data gaji/upah
karyawan dan biaya promosi.
Data kuantitatif ada dua macam yaitu :
a. Data diskrit adalah data kuantitatif yang mempunyai satuan bulat atau utuh.
Misalnya : data jumlah kendaraan, data jumlah bus di terminal, data jumlah
mahasiswa.
b. Data kontinyu adalah data kuantitatif yang dapat mempunyai satuan
pecahan atau tidak utuh.
Misalnya : data berat badan, data jarak tempuh. Data jumlah bahan baku,
jumlah stok beras di gudang, data hasil pertanian.
2. Data kualitatif adalah data yang berupa kategori, sifat atau ciri khas tertentu.
Misalnya :
- Sangat setuju, setuju, netral, tidak setuju, sangat tidak setuju
- Tinggi, sedang, rendah
- Manis, masam, asin
- Puas, tidak puas
- Sangat baik, baik tidak baik, sangat tidak baik
- Dan sebagainya.
Data dapat diperoleh dengan dua cara, yaitu:
1. Mengumpulkan sendiri (data intern) yaitu data yang diperoleh dari sumber
dalam objek penelitian dan mengenai objek yang diteliti tersebut.
Misalnya : survey perusahaan yang diteliti akan diperoleh data biaya produksi,
biaya promosi, tingkat penjualan, jumlah karyawan dan kondisinya, jumlah
bahan baku.

2. Memperoleh data dari sumber yang lain (data ekstern) yaitu data yang diperoleh
dari sumber-sumber di luar objek penelitian. Data ektern ini dibagi menjadi
dua, yaitu :
a. Data ekstern primer adalah data yang dikumpulkan dan dikeluarkan oleh
suatu badan atau lembaga yang sama.
Misalnya : data diambil dari biro Pusat Statistik mengenai jumlah peternak
unggas, jumlah perikanan, jumlah peternak sapi perah, luas perkebunan
kering dan luas lahan pertanian
b. Data ekstern sekunder adalah data yang dikumpulkan dan dikeluarkan oleh
badan/lembaga/perseorangan yang berbeda.
Misalnya : data diperoleh dari hasil penelitian orang lain, lembaga atau
badan lain yang digunakan sebagai bahan perbandingan dalam penelitian.
Data statistik dapat dikumpulkan dengan mengggunakan prosedur yang sistematis.
Pengumpulan data dimaksudkan sebagai pencatatan peristiwa atau karekteristik dari
sebagian atau seluruh elemen populasi :
Pengumpulan data dapat dibedakan atas beberapa jenis berdasarkan karekteristiknya,
yaitu :
1) Berdasarkan Jenis cara pengumpulannya
Ada beberapa cara pengumpulan data yaitu sebagai berikut :
 Pengamatan (observasi)
Pengamatan atau observasi adalah cara pengumpulan data dengan terjun
dan melihat langsung ke lapangan (laboratorium), terhadap objek yang
diteliti (populasi). Pengamatan disebut juga penelitian lapangan.
 Penelusuran literatur
Penelusuran literatur adalah cara pengumpulan data dengan
menggunakan sebagian atau seluruh data yang telah ada atau laporan
objek yang diteliti sebelumnya. Penelusuran literatur disebut juga
pengamatan tidak langsung.
 Penggunaan Kuesioner (angket)
Penggunaan kuesioner adalah cara pengumpulan data dengan
menggunakan daftar pertanyaan (angket) atau daftar isian terhadap
objek yang diteliti (populasi)
 Wawancara (interviu)

Wawancara adalah cara pengumpulan data dengan langsung
mengadakan tanya jawab kepada objek yang diteliti atau kepada
perantara yang mengetahui persoalan dari objek yang sedang diteliti.
2) Berdasarkan Banyaknya Data Yang diambil
Dikenal dua cara pengumpulan data, yaitu sensus dan sampling.
 Sensus
Sensus adalah cara pengumpulan data dengan mengambil elemen atau
anggota populasi secara keseluruhan untuk diselidiki. Data yang
diperoleh dari hasil sensus disebut parameter atau data yang
sebenarnya.
 Sampling
Sampling adalah cara pengumpulan data dengan mengambil sebagaian
dari elemen atau anggota populasi untuk diselidiki. Data yang diperoleh
dari sampling disebut statistic(tanpa s) atau data perkiraan (estimate
value)
Sampling dapat dilakuan dengan dua cara, yaitu sebagai berikut :
a) Cara acak
Cara pemilihan sampel dikataan acak apabila setiap elemen atau
anggota populasi memiliki kesempatan yang sama untuk dipilih.
Cara itu bersifat objektif dan samplingnya disebut probability
sampling .
b) Cara tidak acak
Cara pemilihan sampel dikatakan tidak acak apabila setiap elemen
populasi tidak memiliki kesempatan yang sama untuk dipilih. Cara
itu bersifat subjektif dan samplingnya disebut nonprobability
sampling.
Pengolahan data
Data yang telah dikumpulkan (data mentah) kemudian diolah .Pengolahan data
dimaksudkan sebagai suatu proses untuk memperoleh data ringkasan dan data
mentah dengan menggunakan cara atau rumus tertentu. Data ringkasan yang
diperoleh dari pengolahan data itu itu dapat berupa jumlah (total) , rata-rata
(average), prosentase dan sebagainya.

Penyajian Data
Data yang sudah diolah , agar mudah dibaca dan dimengerti oleh orang lain atau
pengambilan keputusan , perlu disajikan kedalam bentuk-bentuk tertentu . Penyajian
data memiliki fungsi antara lain :
a. Menunjukkan perkembangan suatu keadaan
b. Mengadakan perbandingan pada suatu waktu
Penyajian data dapat dilakukan melalui tabel atau grafik,
1.5. Skala Pengukuran
Salah satu aspek penting yang perlu dipelajari dengan baik dalam memahami data
untuk keperluan analisis statik terutama infrensia adalah skala pengukuran, yaitu
menunjukkan kualitas data. Secara umum ada 4 tingkat/jenis skala pengukuran, yaitu
skala nominal, skala ordinal, skala interval dan skala rasio :
1) Skala nominal
Adalah skala yang hanya mempunyai ciri untuk membedakan skala ukur yang
satu dengan skala ukur yang lain. Pada skala nominal, data hanya bisa
diklasifikasikan kedalam kategori-kategori . Skala nominal merupakan skala
yang paling primitif atau paling rendah atau jenis pengukuran yang paling
terbatas. Conton skala nominal dapat dilihat pada tabel dibawah ini :
Tabel11. Jenis dan Jumlah Buah-buahan yang diproduksi suatu daerah pada
tahun 2010:
Jenis Buah-buahan Jumlah
Pepaya 2 ton
Mangga 1,5 ton
Apel 1 ton
Duku 1,4 ton
Mangga 1,3 ton
Sumber : data buatan
2) Skala ordinal
Adalah skala yang selalu mempunyai ciri untuk membedakan juga mempunyai
ciri untuk mengurutkan pada rentang tertentu . Misalnya rentangan dari yang
paling rendah sampai yang paling tinggi dari paling yang jelek sampai yang
paling baik. Dapat dilihat pada tabel di bawah ini :

Tabel 1.2. Penilaian Pimpinan Kelompok Terhadap Anggota kelompok
Kelompok Nilai Banyaknya
Istimewa 6 orang
Baik 18 orang
Rata-rata 15 orang
Kurang 7 orang
Kurang sekali 0 orang
Sumber : Data Buatan
3) Skala Interval
Adalah skala yang selain mempunyai ciri untuk membedakan dan urutan, juga
mempunyai jarak yang sama Pengukuran cara interval mempunyai ciri saling
lepas.
4) Skala rasio adalah skala yang mempunyai 4 ciri yaitu membedakan,
mengurutkan, jarak yang sama dan mempunyai titik no tertentu(titik nol yang
berarti) sehingga dapat menghitung rasio atau perbandingan diantara nilai.
Semua ciri skala interval menjadi skala rasio perbedaan antar nilai-nilai
diketahui dan bernilai tetap, kategori-kategori nilai juga bersifat saling lepas.
Hanya saja skala rasio mempunyai titik nol yang berarti dan rasio
(perbandingan) antar dua nilai juga berarti.
1.6. Populasi dan Sampel

Setiap mendengar kata populasi akan terbayangkan sesuatu yang berupa data
dalam jumlah besar, sangat besar, atau bahkan tak terhingga. Dikarenakan
jumlahnya yang sangat besar sehingga terbayang pula tingkat kesulitan yang akan
dihadapi seandainya melakukan suatu penelitian dengan menggunakan data
populasi. Kesulitan-kesulitan tersebut disebabkan karena : data-data yang harus
dikumpulkan untuk bahan penelitian, besarnya biaya yang diperlukan, lamanya
waktu penelitian, tenaga dan pikiran serta kesempatan / peluang (opportunity)
untuk berusaha dibidang lain menjadi terganggu.
Namun, penelitian dengan data populasi sebenarnya tidak menutup
kemungkinan untuk dilakukan atau dilaksanakan hanya tergantung pada
kemampuan dan kemauan si peneliti, serta data-data yuang diperlukan untuk

diteliti. Namun kendala yang terjadi, penelitian dengan menggunakan populasi ini
jarang dilakukan selain alasan tersebut di atas juga adanya pertimbangan efektivitas
dan efisiensi dalam pengambilan keputusan serta waktu pelaksanakan. Kebanyakan
penelitian menggunakan sampel yang bersifat representatif dari populasinya.
Adapun keuntungan-keuntungan penelitian menggunakan sampel yaitu:

1. Data lebih cepat dikumpulkan
2. Biaya / pendanaan relatif lebih kecil
3. Waktu yang dipergunakan lebih cepat
4. Tenaga dan pikiran relatif lebih ringan
5. Kesempatan atau peluang untuk berusaha / bekerja yang lain masih terbuka
6. Hasil lebih cepat diketahui dan relatif sama dengan penelitian menggunakan
populasi
7. Dapat mengambil keputusan dan pelaksanaan lebih cepat dilakukan
Dengan demikian dapat didefenisikan bahwa :
Populasi adalah totalitas semua nilai yang dihasilkan dari perhitungan atau
pengukuran secara kuantitatif maupun kualitatif dari karakteristik tertentu mengenai
sekumpulan objek yang lengkap dan jelas yang ingin dipelajari. Sedangkan sampel
adalah sebagian data yang merupakan objek yang diambil dari populasi.
Berikut ini gambar proses analisis data secara sederhana untuk mengambil keputusan

Populasi yang akan
ditelitiditeliti
Sampel diambil dari populasi

(bersifat representative)
Hasil kesimpulan dapat

menggambarkan keadaan yang
sebenarnya/mendekati dari
populasi yang diteliti
Data diolah,
disajikan, dianalisis
Alat analisis data
Kesimpulan/interprestasi
Pengambilan Kesimpulan
Tindakan/Pelaksanaan
Gambar 1.1. Teknik Pengumpulan Data

1.7. Rangkuman
Di dalam pengertian mutahir kata statistik adalah berhubungan dengan

perkembangan dari penerapan metode-metode dan teknik-teknik untuk pengumpulan,
analisa dan interprestasi data kuantitatif, sedemikian sehingga kesimpulan berdasarkan
data tersebut dapat dievaluasi secara obyektif dengan menggunakan teori
kemungkinan.
Penerapan metode statistic dalam ilmu teknik sipil contohnya : data curah hujan, data
survey tanah, perencanaan geometric dan lain-lain sebagainya.
Data statistik terbagi atas dua yaitu data kuantitatif dan data kualitatif.
Populasi adalah totalitas semua nilai yang dihasilkan dari perhitungan atau pengukuran
sedangkan sampel adalah sebagian data yang merupakan objek yang diambil dari
populasi.
1.8. Tugas
Buatlah diagram alir dari suatu hasil penelitian dibidang teknik sipil dengan
dilengkapi data-data yang meliputi jenis populasi dan sampelnya, kemudian
kumpulkan minggu depan
1.9. Evaluasi
Jawab pertanyaan di bawah ini dengan jelas dan lengkap,
1. Apakah yang disebut dengan statistik
2. Mengapa para ahli teknik sipil perlu memahami pengetahuan tentang statistik
3. Apa yang dimaksud dengan data statistik, berikan suatu contoh pada bidang
teknik sipil
4. Apa perbedaan antara populasi dan sampel, kemudian buahlah diagram alir dari
pengambilan suatu keputusan dalam statistik.
5. Jelaskan yang dimaksud dengan istilah berikut :
a. Data diskrit
b. Data kontinu
c. Populasi
d. Sampel

BAB II
DISTRIBUSI FREKUENSI

Setelah mempelajari bab ini Anda diharapkan mampu menyusun dan menganalisa
distribusi frekuensi yang tepat untuk diperhitungan dengan metode statistik.

Keberhasilan saudara dalam menguasai bab ini dapat diukur dengan criteria sebagai
berikut :
1. Mampu menjelaskan pengertian distribusi frekuensi
2. Mampu menyusun daftar distribusi frekuensi
3. Mampu menganalisa dan membuat penyajian data dalam bentuk histrogram, kurve
garis, kurve ogive.
PENDAHULUAN
Data statistik yang diperoleh dengan cara survey sampel atau hasil percobaan
biasanya terdiri dari kumpulan harga-harga numeric yang kasar dan tidak teratur. Sebelum
data-data ini dapat digunakan sebagai dasar untuk suatu evaluasi, data-data tersebut harus
diatur menurut sesuatu data.
Misalnya untuk data hasil percobaan di laboratorium untuk pengujian kuat tekan
beton dimana hasil pengujian tersebut harus disusun dalam suatu tabel. Untuk itu
diperlukan suatu cara menyusun tabel tersebut. Tabel yang akan disusun itu dengan kata
lain daftar frekuensi.

2.1. Pengertian Distribusi Frekuensi
Data yang diperoleh dari suatu penelitian yang masih berupa data acak atau data
mentah dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun
kedalam kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut
distribusi frekuensi. Sehingga distribusi frekuensi adalah suatu cara untuk
penyusunan data-data baik data diskrit maupun data kontinyu ke dalam kelas-kelas
interval dengan tujuan agar dapat mudah dibaca, dipahami dan disimpulkan serta
diinterprestasikan.
Komponen-komponen yang diperlukan dalam penyusunan tabel distribusi
frekuensi yaitu :
1. Class Interval (Ci) atau interval kelas, memuat kelas-kelas interval yang
diperlukan dengan interval atau jarak/rentang tertentu. Banyak kelas interval
tergantung banyaknya data yaitu data-data yang akan dimasukkan ke dalam
tabel. Perlu diketahui bahwa setiap kelas interval terdiri dua batas kelas yaitu :
- Batas Kelas Bawah (BKB) / Lower Class Limited (LCL) yaitu nilai
yang membatasi kelas interval bagian bawah.
- Batas Kelas Atas (BKA)/Upper Class Limited (UPL) nilai yang
membatas kelas interval bagian atas.
2. Frekuensi (Frequencies) yaitu jumlah/banyaknya data yang masuk pada setiap
kelas interval. Jumlah keseluruhan / total frekuensi setiap kelas interval disebut
jumlah data dengan symbol n. sedangkan yang dinamakan Frekuensi Relatif
(Relative Frequencies) adalah perbandingan antara frekuensi tiap kelas interval
dengan jumlah data.
3. Titik Tengah Kelas (Class Mid Point) atau disingkat huruf M, namun
disamping symbol M, ada juga yang menggunakan symbol x (eks) dengan
asumsi bahwa titik tengah suatu kelas interval merupakan sebuah data. Akan
tetapi di dalam penerapannya dapat menggunakan salah satu symbol saja. M
atau x dimana tetap mempunyai pengertian yang sama. Titik tengah kelas
interval terdapat pada setiap kelas interval, dan dapat diformulasikan sebagai
berikut :

Rumus 2.1.
4. Tepi kelas (Class Boundary) yaitu nilai tengah antara batas kelas atas (upper
class limited) dan batas kelas bawah (lower class limited). Setiap kelas interval
mempunyai dua tepi kelas yaitu :
- Tepi Kelas Atas (TKA)/upper class boundary
- Tepi Kelas Bawah (TKB)/lower class boundary
Untuk menentukan nilai tepi kelas baik tepi kelas atas maupun tepi kelas
bawah masing-masing kelas interval dapat diformulasikan sebagai berikut :
Tepi kelas = batas kelas atas kelas interval berada ditambah batas
kelas bawah kelas interval berikutnya dibagi dua
Penentuan tepi bawah kelas dan tepi atas kelas bergantung pada keakuratan
pencatatan data. Misalnya data dicatat dengan ketelitian sampai satu desimal ,
maka rumus tepi bawah kelas dan tepi kelas atas ialah sebagai berikut :
a. Tepi bawah kelas = batas bawah kelas – 0,5
b. Tepi atas kelas = batas atas kelas + 0,5
5. Frekuensi Komulatif kurang dari (FKKD) yaitu banyaknya frekuensi komulatif
yang diukur dari masing-masing tepi kelas untuk data yang kurang/ lebih kecil
dari tepi kelas. Dapat dipastikan banyaknya frekuensi komulatif data yang
kurang dadari tepi kelas paling awal atau terkecil adalah nol (0) dan untuk tepi
kelas terbesar adalah sebanyak data seluruhnya.
6. Frekuensi komulatif Lebih Dari (FKLD) yaitu banyaknya frekuensi komulatif
yang diukur dari masing-masing tepi kelas untuk data yang lebih besar dari tepi
kelas. Kebalikan dari Frekuensi Komulatif Kurang Dari (FKKD) pada
frekuensi kumulatif leibh dari (FKLD) banyaknya frekuensi komulatif untuk
tepi kelas paling awal atau terkecil adalah sebanyak data seluruhnya dan tepi
kelas terbesar adalah nol (0)

Beberapa catatan mengenai distribusi frekuensi :
1. Kadang-kadang suatu distribusi memiliki panjang interval kelas yang tidak
sama, bergantung kepada tujuannya.
2. Kadang-kadang distribusi frekuesi memiliki batas kelas yang berulang , suatu
nilai (batas kelas) dipakai sebagai dua batas kelas.
3. Kadang-kadang distribusi frekuansi memiliki kelas terbuka, artinya batas kelas
atas pada kelas terakhir dan batas kelas bawah pada kelas pertama tidak ada.
2.2.Penyusunan Distribusi Frekuensi

Untuk membuat tabel distribusi frekuensi diperlukan langkah-langkah sebagai
berikut :
1) Menentukan rentang kelas (class span) yaitu dengan cara data terbesar dikurangi
data terkecil.
2) Menentukan banyak kelas interval, yaitu menentukan berapa banyak kelas interval
diperlukan agar semua data (dari data terkecil sampai dengan data terbesar) dapat
terakomulasi pada kelas-kelas interval tersebut. Untuk itu digunakan formulasi
Sturges sebagai berikut :
Banyak kelas = 1 + (3,33 log n) Rumus 2.2
Dimana n adalah banyaknya data
3) Menentukan panjang kelas interval (P)

Setelah menentukan rentang kelas dan banyaknya kelas, langkah berikutnya
menentukan panjang kelas interval yang satu dengan kelas berikutnya sebagai
berikut:
Rumus 2.3
4) Memilih nilai ujung bawah kelas interval pertama.
Untuk memulai membuat atau menyusun tabel distribusi frekuensi adalah menentukan
nilai awal/batas kelas interval pertama dengan dua cara :

a. Menggunakan nilai data terkecil
b. Menggunakan nilai bebas/acak, tetapi kelas interval yang terbentuk dapat
menampung semua data (data terkecil sampai dengan data terbesar).
Contoh soal :
1. Dari hasil pengujian kuat tekan kubus beton di dapat sebagai berikut :
21,7 27,8 31,8 34,0 37,4

23,7 28,9 32,1 34,4 38,1
24,8 29,4 32,4 34,8 38,5
25,2 29,7 33,2 35,7 39,2
26,8 30,7 33,5 36,3 41,3
27,2 31,4 33,8 36,7 42,9
Susunlah data kuat tekan kubus beton di atas di dalam daftar frekuensi.
Penyelesaian :
a. Rentang kelas = data terbesar – data terkecil
= 42,9 – 21,7
= 21,2
b. Banyaknya kelas = 1 + (3,33 log n)
= 1 + (3,33 log 30)
= 5,9188  6
c. Panjang kelas (P) = Rentang kelas / Banyak kelas = 21,2 / 5,9188 =
3,58  4
d. Memilih nilai ujung bawah kelas interval
- Menggunakan nilai data terkecil = 21,7
e. Menyusun daftar distribusi frekuensi

Tabel 2.1. Distribusi Frekuensi Kuat Tekan Beton
Kuat tekan Beton Frekuensi
21,7 - 25,3 IIII 4

25,4 - 28,9 IIII 4
29 - 32,6 IIIIIII 7
32,7 - 36,3 IIIIIII 7
36,4 - 39,7 IIIIII 6
39,8 - 43,2 II 2
Jumlah 30
2. Dari hasil pengukuran diameter pipa-pipa yang dibuat oleh sebuah mesin dalam
mm terdekat , diperoleh data sebagai berikut :
78 72 74 79 74 71 75 74 72 68
72 73 72 74 75 74 73 74 65 72
66 75 80 69 82 73 74 72 79 71
70 75 71 70 70 70 75 76 77 67
Penyelesaian :
a. Urutan data
65 66 67 68 69 70 70 70 70 71
71 71 72 72 72 72 72 72 73 73
73 74 74 74 74 74 74 74 75 75
75 75 75 76 77 78 79 79 80 82
b. Jangkauan (P) = 82 – 65 = 17
c. Banyaknya kelas = 1 + (3,33 log 40)
= 1 + 5,3 = 6,3 ∞6
d. Panjang interval kelas adalah
= 17/6 = 2,8 ∞ 3
e. Batas kelas pertama adalah 65 data terkecil
f. Tabel distribusi frekuensi

Tabel 2.2. Distribusi Frekuensi Diameter pipa (mm)
Diameter
(mm) Frekuensi
65 - 67 III 3
68 - 70 IIIIII 6
71 - 73 IIIIIIIIIIII 12
74 - 76 IIIIIIIIIIIII 13
77 - 79 IIII 4
80 - 82 II 2
Jumlah 40
2.3.Distribusi Frekuensi Komulatif

Frekuensi distribusi seperti diuraikan diatas adalah sarana yang berharga untuk
menyusun dan membuat ikhtisar sesuatu susunan data dan menyajikan sedemikian
sehingga hal-hal yang penting langsung dapat dipelajari.
Meskipun demikian, kadang-kadang kita memerlukan informasi mengenai jumlah
pengamatan yang harga nemeriknya kurang dari harga yang diberikan.
Informasi ini tercakup dalam distribusi frekuensi Komulatif.
Distribusi frekuensi komulatif dari tes kekuatan tekan beton dari tabel 2.1, untuk
memperoleh frekuensi komulatif suatu kelas tertentu, kita menjumlahkan seluruh
frekuensi kelas dan kelas-kelas sebelumnya.
Tabel 2.3. Frekuensi komulatif kekuatan tekan beton

Kekuatan tekan (N/mm2) Frekuensi komulatif
0
Kurang dari 21,7
4
Kurang dari 25,4
8
Kurang dari 30
15
Kurang dari 32,7
22
Kurang dari 36,4
28
Kurang dari 39,8
30
Kurang dari 43,2

Salah satu contoh penggunaan dari distribusi frekuensi adalah hasil percobaan analisa
saringan. Analisa saringan butir adalah suatu upaya untuk menentukan perbandingan
relative antara ukuran butir yang berbeda-beda yang membentuk suatu masa agrerati
secara individual tes ini hanya dapat membatasi variasi dengan bermacam-macam
ukuran. Hal ini dipenuhi dengan diperolehnya jumlah bahan yang tinggal pada
sejumlah saringan dengan bukaan saringan yang berbeda-beda. Hasil analisa ukuran
butir yang terbaik digambarkan dengan distribusi frekuensi komulatif.
Tabel 2.4. Analisa ukuran butir agreagat

Ukuran saringan (mm) Agregat beton % yang lewat
100
76
98
38
64
19
44
9,6
36
4,8
27
2,4
19
1,2
13
0,6
8
0,3
4
0,15
2.4. Penyajian Dalam Berbagai Bentuk

Meskipun distribusi frekuensi adalah suatu langkah yang efektif dalam menjelaskan
bagian yang penting dari suatu susunan data dan mutlak diperlukan untuk langkah
perhitungan, penyajian dalam bentuk gambar dari data yang sama seringkali
menunjukkan karakteristik yang penting dari data tersebut untuk lebih cepat dipelajari.
2.4.1. Histrogram
Sebuah histrogram adalah penyajian dalam bentuk grafik dari distribusi frekuensi
dan disusun dengan membuat balok atau segiempat dari interval kelas.
Untuk menggambarkan data distribu frekuensi ke dalam histrogram dapat dilihat
kembali pada tabel 2.1. sumber horizontal merupakan sumbu limit kelas untuk
kekuatan tekan yang dicatat. Sumbu vertikal merupakan sumbu untuk frekuensi.
Kuat tekan beton kg/cm2
Frekeunsi Gambar 2.1. Histogram tes kubus beton
Frekuenssi 7
0
21,7 - 25,3 25,4 - 28,9 29 - 32,6 32,7 - 36,3 36,4 - 39,7 39,8 - 43,2
14
12
10
0
65 - 67 68 - 70 71 - 73 74 - 76 77 - 79 80 - 82
Diameter pipa (m)
Gambar 2.2. Pengukuran diameter pipa

2.4.2 Grafik Garis
Untuk menyajikan data dalam bentuk grafik garis maka harus ditentukan
terlebih dahulu titik tengah kelas. Untuk lanjutan soal diatas maka tabel 2.1
ditambah seperti pada tabel 2.4.
Tabel 2.4 Nilai kuat tekan beton
Batas kelas (N/mm2) Frekuensi Titik tengah kelas (M)
4 23,5
21,7 – 25,3
4 27,1
24,3 – 28,9
7 31,3
29 – 32,6
7 34,5
32,7 – 36,3
6 38,05
36,4 - 39,7
2 41,5
39,8 – 43,2
Keterangan :
Formulasi mencari titik tengah kelas interval M :
- Kelas interval pertama :
Begitu perhitungan selanjutnya (lihat tabel 2.4)

Dengan menggunakan titik tengah untuk sumbu horizontal dan frekuensi
untuk sumbu vertical maka di dapat gambar grafik garis seperti di bawah
ini :

8
6
Frekuensi
5
0
21,7 - 25,3 25,4 - 28,9 29 - 32,6 32,7 - 36,3 36,4 - 39,7 39,8 - 43,2
Kuat tekan beton (kg/cm2)
Gambar 2.3. Grafik garis untuk kuat tekan kubus beton
2.4.3 Grafik Lengkungan (Ogive)

Seperti halnya distribusi frekuensi dapat disajikan dalam bentuk grafik dengan
sebuah histogram, sebuah distribusi frekuensi komulatif dapat disajikan dalam
bentuk grafik dengan sebuah lengkungan.
Untuk menyusun sebuah lengkungan pertama-tama harus kita ketahui terlebih
dahulu tepi kelas dari masing-masing kelas interval kemudian dihitung FKKD
dan FKLD.
Tabel 2.4. Kuat tekan kubus beton
Batas kelas Frekuensi Tepi kelas FKKD FKLD

21,65 0 30
21,7 – 25,3 4
25,35 4 26
25,4 – 28,9 4
28,95 8 22
29 – 32,6 7
31,65 15 15
32,7 – 36,3 7
36,35 22 8
36,4 – 39,7 6
39,75 28 2
39,8 – 43,2 2
43,25 30 0

Keterangan :
Untuk menghitung tepi kelas :
Kelas interval pertama Tepi kelas bawah dikurangi 0,05 sehingga menjadi 21,7
– 0,05 = 21,65
Selanjutnya tepi kelas atas ditambah 0,05 sehingga menjadi 25,35.
Perhitungan selanjutnya sesuai dengan kelas interval masing-masing
Untuk menghitung Frekuensi Komulatif Kurang Dari (FKKD) adalah dengan
nilai frekuensi paling minimum yaitu 0 kemudian ditambahkan pada masing-
masing nilai kelas sehingga menjadi 0 + 4 = 4 demikian seterusnya.
Untuk menghitung Frekuensi Komulatif Lebih Dari (FKLD) adalah dengan
mengurangi nilai frekuensi yang paling maksimum yaitu 30 dengan nilai
frekuensi pada batas kelas selanjutnya misal pada batas kelas pertama yaitu 30
– 4 = 26, demikian selanjutnya.
Dari tabel 2.4 kemudian dibuatlah grafik lengkungan grafik ogive.
30
25
Frekuensi
20
15 FKKD
FKLD
10
0
20 25 30 35 40
Kuat tekan beton (kg.cm2)
Gambar 2.4 . Kurve ogive kuat tekan kubus beton

2.5. Rangkuman
Suatu data tidak mempunyai arti jika tidak dapat disajikan dalam bentuk tabel atau
grafik. Sebuah cara sederhana untuk menyajikan data dalam bentuk baris, dimana
harga-harga numeric disusun dalam bentuk baris, dimana harga-harga numeric disusun
dari harga yang rendah ke tinggi. Metode yang lebih bermanfaat untuk menyusun
ikhtisar sekumpulan data adalah dengan menyusun tabel distribusi frekuensi.
Untuk menyajikan dalam bentuk gambar maka dapat digunakan dalam bentuk diagram
batang (histogram), grafik garis dan lengkungan (kurve ogive).
2.6.Tugas
Carilah sekumpulan data tentang teknik sipil kemudian susunlah dalam daftar
distribusi frekuensi lalu sajikan data tersebut dalam bentuk diagram batang, kurve
garis dan kurve ogive.
2.7. Evaluasi
1. Apakah yang dimaksud dengan distribusi frekuensi ? Bagaimana hubungan antara
distrubusi frekuensi dan data berkelompok?
2. Apa yang dimasud dengan histogram dan kurve garis, bagaimana hubungan antara
keduanya.
3. Apakah yang dimaksud dengan interval kelas, batas kelas, tepi kelas, serta tititk
tengah kelas, jelaskan masing-masing dengan singkat.
4. Sebutkan dan terangkan secara singkat hal-hal yang harus diperhatikan dalam
pembuatan sebuah tabel distribusi frekuensi
5. Pada data di bawah ini terdapat daftar nilai-nilai tes yang diperoleh dari 50 siswa
dalam angka
a. Susunlah data tersebut dalam distribusi frekuensi
b. Sajikan data tersebut dalam bentuk hitosgram, grafik garis dan kurve ogive

Tabel 2.5. Nilai Test
27,5 50,0 40,0 75,0 90,0
85,0 80,0 62,5 67,5 77,5
80,0 72,5 72,5 40,5 95,0
70,0 82,5 37,5 77,5 72,5
50,0 72,5 50,0 67,5 85,0
67,5 85,0 82,5 85,0 60,0
77,5 55,0 85,0 92,5 87,5
62,5 47,5 55,0 92,5 87,5
92,5 32,5 65,0 67,5 87,5
57,5 37,5 85,0 62,5 75,0
6. Distribusi Frekuensi Komulatif sebuah analisa ayakan dapat dilihat pada tabel 2.5.
Gambar kurve ogive hasil analisa saringan tersebut.
Tabel 2.6. Analisa ukuran butir
Ukuran ayakan (%) Agrerat % yang lewat
76 100
38 100
19 100
9,6 96
4,8 65
2,4 37
1,2 32
0,6 12
0,3 3
0,15 0

7. X = upah karyawan (ribuan rupiah) per bulan sebuah PT, ialah sebagai berikut :
Kelas Nilai F
100 – 199 15
200 – 299 20
300 – 399 30
400 – 499 25
500 – 599 15
600 – 699 10
700 – 799 5
a. Gambarkan histogram dan kurve garis

b. Buatkan distribusi frekuensi relatifnya
c. Berapa orang yang upahnya diatas Rp. 400.000,00 ? dan berapa %
orang yang upahnya Rp.200.000,00 atau kurang
8. Data umur 40 buah aki mobil yang serupa jenisnya dan dicatat sampai
sepersepuluh tahun terdekat disajikan pada tabel distribusi frekuensi berikut ; Aki
aki mobil tersbeut dijamin mencapai umur 3 tahun :
Kelas
Interval Frekuensi
1,5 -1,9 2
2,0 - 2,4 1
2,5 - 2,9 4
3,0 - 3,4 15
3,5 - 3,9 10
4,0 - 4,4 5
4,5 - 4,9 3
a. Berapa persen aki mobil yang berumur kurang dari 2,95 tahun?
b. Berapa persen aki mobil yang berumur dari 2,0 tahun sampai 3,9 tahun ?
c. Berapa persen aki mobil yang umur nya lebih dari 3,4 tahun?
d. Hitung mean, median dan modus

9. Polisi Jalan Raya mencatat kecepatan 40 mobil di suatu tempat pada jalan raya dan
mendapatkan data sebagai berikut :
68 72 62 75 81 64 81 66
65 68 70 70 69 73 72 75
71 70 80 74 62 59 81 69
66 88 66 65 65 77 70 65
64 77 68 70 72 66 73 68
a. Buatlah daftar frekuensinya

b. Sajikan data dalam histogram , kurva garis dan kurve ogive
c. Hitung mean, median dan modusnya

BAB III
UKURAN-UKURAN DISKRIPTIK
Setelah mempelajari bab ini Anda diharapkan mampu menentukan ukuran-ukuran

diskriptif pada sekumpulan data dalam statistik
Keberhasilan saudara dalam menguasai bab ini, dapat diukur dengan criteria sebagai
berikut :
1. Mampu menjelaskan pengertian ukuran-ukuran diskriptif

2. Mampu menentukan Nilai rata-rata (Mean)
3. Mampu menentukan Nilai Median (Me)
4. Mampu menentukan Nilai Modus/mode (Mo)
Pendahuluan
Bentuk-bentuk presentasi tabel dan grafik bisa digunakan untuk menyimpulkan dan
menjelaskan data kuantitatif. Meskipun cara-cara itu mampu memberi gambaran lebih jelas
mengenai sifat-sifat utama dari distribsi data, namun sebagian besar metoda statistic
memerlukan diskripsi numerik yang tepat.
Hal itu dapat diperoleh melalui operasi-operasi aritmatik pada data yang menghasilkan
ukuran-ukuran diskriptif atau statistik dikskriptif. Landasan atau dasar statistikdiskriptif
adalah kecenderungan atau lokasi pusat dan ukuran-ukuran simpangan atau hamburan.

3.1. Pengertian Nilai Sentral / Ukuran-ukuran Diskriptif
Istilah nilai sentral adalah nama lain dari ukuran-ukuran diskriptif atau juga disebut
dengan gejala pusat. Pengertian nilai sentral menurut (Danang Sunyoto) adalah suatu
nilai yang dapat mewakili/bersifat representative dari sekumpulan data. Jadi
pengukuran nilai sentral atau gejala pusat adalah pengukuran dan ukuran yang
digunakan untuk menunjukkan nilai sentral atau gejala pusat dari suatu distribusi
frekuensi yang dapat mewakili keseluruhan data/populasi.
Pengukuran nilai sentral dikatakan baik jika mempunyai syarat sebagai berikut :
1. Bersifat representative terhadap sekumpulan data atau populasi
2. Mempunyai formulasi dan prosedur/langkah-langkah yang jelas, sehingga mudah
dipahami.
Data-data yang dicari nilai sentral/gejala pusat banyaknya sangat bervariasi
tergantung pada kebutuhan dan kemampuan sipeneliti/pengukur. Akibat banyak
sedikitnya data yang akan diukur, maka guna memudahkan perhitungan dan
pemahaman dalam pengukuran nilai sentral.gejala pusat, dibagi dua yaitu :
a. Data yang tidak dikelompokkan, adalah data yang nilainya diperhitungkan
secara individual dan tidak perlu menyusun tabel distribusi frekuensi.
b. Data yang dikelompokkan adalah data yang nilainya diperhitungkan secara
berkelompok dengan interval tertentu dan perlu menyusun tabel distribusi
frekuensi.
3.2. Ukuran-ukuran Lokasi

Pengelompokkan data dalam sejumlah harga (inti) tampak sebagai karakteristik data.
Kecenderungan pusat ini dapat digunakan untuk menjelaskan data dengan pengertian
bahwa harga pusat merupakan titik tengah distribusi. Harga-harga yang dihitung
untuk maksud tersebut merupakan ukuran-ukuran lokasi. Akan kita bahas disini tiga
ukuran-ukuran lokasi, yaitu mean, median, mode.
3.2.1. Mean
Mean artinya harga rata-rata merupakan sebuah konsep yang banyak sekali
digunakan, sebagai contoh tentang data curah hujan, tahunan rata-rata, kenaikan
rata-rata keluaran industry. Dalam sebagian besar kasus, bentuk rata-rata
digunakan dalam menyebut acuan dari suatu komponen bilangan terhadap rata-
rata aritmatiknya.

Dalam penerapan istilah rata-rata hitung/arithmetic mean dapat juga
disederhanakan menjadi rata-rata /mean saja, karena maksudnya sama.
Simbol/notasi rata-rata mean yang dipergunakan adalah ̅ (baca : eks bar) jika
i sampel dan (baca Myu) jika populasi.
a. Data yang tidak dikelompokkan :
Data ini berarti nilainya diperhitungkan secara individual dan tidak
diperlukan tabel distribusi frekuensi. Misal ada sejumlah data yaitu :
XI,X2,X3,X4,X4……..,Xn rata-rata dapat dihitung dengan formulasi
̅=∑ = Rumus 3.1.
Dimana :
X1 = nilai data ke satu
X2 = nilai data kedua
X3 = nilai data ketiga
X4 = nilai data keempat
X5 = nilai data kelima
Xn = nilai data ke-n dimana n adalah banyaknya data
Keterangan :
̅ = rata-rata hitung
n = jumlah data
Kebaikan dan kelemahan rata-rata mean :
Kebaikan :
- Mudah diingat, dimengerti, dipahami dan dihitung
- Tingkat perubahan data tidak terlalu mempengaruhi prosedur
perhitungan.
- Berdasarkan populasi / sampel yang ada.
Kelemahan :
- Nilai ekstrim besar pengaruhnya.
- Kelas terbuka sulit ditentukan rata-ratanya.

Contoh :
Dari hasil pengujian beton didapat data sebagai berikut :
Benda uji ke n
1 2 3 4 5 6 7 8 9 10 11 12
Hasil 40 37 39 44 35 30 40 42 41 50 35 39
pengujian
(kg/cm2)
Tentukan : Rata-rata kuat tekan beton tersebut !
Jawab :
Diketahui data hasil pengujian :
- Kesatu XI = 40 kg/cm2
- Kedua X2 = 37 kg/cm2
- Ketiga X3 = 39 kg/cm2
- Dan seterusnya sampai dengan benda uji ke 12
Maka perhitungan sebagai berikut :
̅=
̅ = 39,333 dibulatkan menjadi 39,33 kg/cm2
b. Data yang dikelompokkan

Biasanya bila data yang diukur relative banyak perlu dikelompokkan ke dalam
tabel distribusi frekuensi. Perhitungan rata-rata/mean, data yang dikelompokkan
memerlukan frekuensi F1,F2,F3,F4,F5……Fn maka rumusnya :

∑
̅ Rumus 3.2
Atau ̅ = ∑
Dimana
Fi = frekuensi kelas interval ke-i
Mi = titik tengah kelas interval ke-i
i = mewakili bilangan 1,2,3........n
Contoh soal :
Dalam suatu pengujian kuat lentur balok baja didapat data sebagai berikut :
Batas kuat lentur
(N/mm2) Frekuensi
20 - 24,9 5
25 - 29,9 5
30 - 34,9 6
35 - 39,9 5
Langkah pertama menentukan titik tengah / mid point masing-masing kelas

interval, sedangkan banyaknya benda uji merupakan frekuensi (F) kelas interval
telah diketahui. Rumus titik tengah keas interval (M)
Perhitungan masing-masing kelas interval :
Kesatu (M1) = (20 + 24,9) /2 = 22,45
Kedua (M2) = (25+29,9)/2 = 27,45
Ketiga (M3) = (30 +34,9)/2 = 32,45
Keempat (M4) = (35 + 39,9)/2 = 37,45
Batas kuat lentur
(N/mm2) Frekuensi Titik tengah (Mi) FiMi
20 - 24,9 5 22,45 112,25
25 - 29,9 5 27,45 137,25
30 - 34,9 6 32,45 194,7
35 - 39,9 5 37,45 187,25
Jumlah 21 631,45
Maka :
̅

3.2.2. Median
Secara garis besar, median suatu himpunan data merupakan angka sedemikian
rupa sehingga separuh data pengamatan lebih kecil dari angka tersebut dan
separuh data pengamatan lainnya lebih besar dari angka itu.
Pengertian median (Me) adalah nilai suatu data yang tepat berada ditengah-
tengah nilai data yang lain. Berarti 50 % nilai data lebih besar dari median
(50% > Me) dan 50 % ata lebih kecil dari median (50 %< Me).
Kebaikan dan kelemahan Median :
Kebaikan :
Tidak tergantung banyak sedikitnya data, dan nilai-nilai eksterim tidak
berpengaruh
Kelemahan
Tidak dapat digunakan untuk menghitung banyak data yang genap secara pasti
a. Data yang tidak dikelompokkan
Pengukuran nilai median bagi data yang tidak dikelompokkan seperti
halnya modus untuk data yang tidak dikelompokkan, tidak memerlukan
formulasi khusus akan tetapi langsung dapat dicari dengan langkah-
langkah berikut ini :
1) Menyusun data secara urut (array)myaitu data diurutkan dari data
terkecil sampai dengan data terbesar
2) Menentukan letak median dengan rumus (n+1)/2
3) Menentukan niai median secara langsung data yang paling tengah
Contoh :
Tentukan median dari data berikut :
a. 4,3,2,6,7,5,8
b. 11,5,7,4,8,14,9,12
Penyelesaian:
a. Urutkan data dari terkecil sampai terbesar: 2,3,4,5,6,7,8
Jumlah data (n) = 7 (ganjil)
Letak Median = (n+1)/2 = (7+1)/2 = 4
Berarti letak Median didapat pada data ke 4 yaitu Me =5
b. Urutkan data yang terkecil sampai terbesar : 4,5,7,8,9,11,12,14

Jumlah data (n) = 8 (genap)
Letak median (n+1)/2 = (8+1)/2 = 4,5
Berarti Median terletak antara data ke 4 dan ke 5
Me = (8+9)/2 = 8,5
b.Data yang dikelompokkan

Nilai median untuk data yang dikelompokkan juga perlu tabel distribusi
frekuensi karena data relatif cukup banyak. Formulasi yang dipergunakan
mencari niai median ada beberapa dan digunakan salah satu saja yaitu :
. Ci Rumus 3.3
Ci Rumus 3.4
Ci Rumus 3.5
Dimana :
Me = Median
TKB = Tepi Kelas Bawah
TKA = Tepi Kelas Atas
N = Banyaknya data
FKKDA = Frekuensi Komulatif Kurang Dari Atas
FKKDB = Frekuensi Komulatif Kurang Dari Bawah
Ci = Class Interval = panjang kelas = jarak kelas interval

Contoh :
1. Tentukan median dari distribusi frekuensi berikut :
Frekuensi
Diamter pipa (mm) (F)
65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 -82 2
Penyelesaian :
Jumlah frekuensi (n) = 40 dan ½ n = 20
Letak median yaitu :
LM = = = 20,5
Setelah menentukan letak median, langkah selanjutnya melengkapi tabel

distribusi frekuensi sebagai berikut :
Diameter pipa Frekuensi Tepi

(mm) (F) kelas FKKD
64,5 0
65 – 67 2 N
67,5 2
68 – 70 5
70,5 7
71 – 73 13
73,5 20
Letak Median =
74 – 76 14 20,5
76,5 34
77 – 79 4
79,5 38
80 – 82 2
82,5 40
40
TKB = 73,5 N = 40 FKKDB = 20

TKA = 76,5 Ci = 3 FKKDA = 34

Akan dihitung nilai median dengan beberapa formulasi di atas
sebagai berikut :
. Ci
.3= 73,5 mm
3.2.3. Modus /Mode (Mo)

Pengertian Modus/Mode (Mo) adalah data yang mempunyai frekuensi
kemunculan tersering/terbanyak dibandingkan dengan frekuensi kemunculan
data yang lain atau disebut juga data yang banyak muncul :
Kebaikan dan kelemahan :
Kebaikan :
Dapat digunakan untuk memprediksi tingkat kejadian/peristiwa tanpa
menghitung terlebih dahulu dan grafiknya mudah dibaca.
Kelemahan :
Jumlah data/peristiwa atau kejadian harus relatif banyak jika sedikit
penyimpangannya relatif besar dan tidak semua peristiwa atau kejadian
mempunyai modus sehingga menimbulkan kesulitan dalam
menganalisa/membaca.
a. Data yang tidak dikelompokkan
Nilai modus untuk data yang tidak dikelompokkan dapat ditentukan secara
langsung dengan melihat frekuensi kemunculan data. Sehingga disini tidak
diperlukan formulasi untuk menghitungnya.
b. Data yang dikelompokkan
Modus dicari dengan menggunakan tabel distribusi frekuensi. Rumus
modus yaitu :
. Ci Rumus 3.6
Atau

.Ci Rumus 3.7
Dimana :
Mo = Modus/Mode
TKB = Tepi Kelas Bawah
d1 = Selisih frekunsi modus berada dengan freluensi sebelumnya
d2 = Selisih frekuensi modus berada dengan frekuensi sesudahnya
Ci = Class Interval atau panjang kelas interval
Contoh Soal :
Tentukan modus dari data di bawah ini:
Frekuensi
Diamter pipa (mm) (F)
65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 – 82 2
40
Penyelesaian :
Tepi
Diameter pipa (mm) Frekuensi (F) kelas
64,5
65 – 67 2
67,5
68 – 70 5
70,5
71 – 73 13
73,5
74 – 76 14
76,5
77 – 79 4
79,5
80 – 82 2
82,5
40

Kelas interval yang mempunyai frekuensi yaitu = 14 yaitu 74 s/d 76
TKB = 73,5 TKA = 76,5
D1 = 1 d2 = 10 Ci = 3
Nilai modus dapat dicari dengan rumus , tetapi disini salah satu saja,
. Ci
.3 = 73,77 mm
3.2.4. Ukuran-ukuran Lain

Selain ketiga ukuran nilai pusat (rata-rata hitung, median, dan modus), fraktil,
rata-rata ukur, dan rata-rata harmonis termasuk juga dalam ukuran nilai pusat.
1. Fraktil
Fraktil adalah nilai-nilai yang membagi seperangkat data yang telah terurut
menjadi empat bagian yang sama. Fraktil dapat berupa kuartil, desil dan
persentil.
a. Kuartil (Q)
Kuartil adalah fraktil yang membagi seperangkat data yang telah terurut
menjadi empat bagian yang sama. Terdapat tiga jenis kuartil , yaitu
kuartil bawah atau pertama (Q1), kuartil tengah atau kedua (Q2), dan
kuartil atas atu ketiga (Q3). Kuartil kedua sama dengan median.
1) Kuartil data tunggal
Untuk data tunggal , kuartil-kuartilnya dapat dicari dengan
menggunakan metode mencari median, atau rumus :
Rumus 3.8
Contoh soal :
Tentukan kuartil dari data 2,6,8,5,4,9,12
Penyelesaian :
Data diurutkan : 2,4,5,6,8,9,12
n=7

= 2 ,yaitu 4
= 4, yaitu 6
2) Kuartil data berkelompok

Untuk data berkelompok, kuartil-kuartilnya dapat dicari dengan
rumus :
( ), i = 1,2,3 Rumus 3.9
Dimana :
Lo = batas bawah kuartil
Ci = lebar kelas
F = jumlah frekuensi semua kelas sebelum kelas kuartil Q i
f = frekuensi kelas kuartil Qi
Contoh soal :
Tabel distribusi frekuensi dari hasil pengujian kuat tekan beton,
tentukan nilai kuartil Q1, Q2 dan Q3
Kuat tekan beton

(kg/m2) Titik tengah kelas Frekuensi
112 – 120 116 4
121 – 129 125 5
130 – 138 134 8
139 – 147 143 12
148 – 156 152 5
157 – 165 161 4
166 – 174 170 2
Tentukan nilai kelas interval Q1, Q2 dan Q3

Q1 membagi data menjadi 25 % ke bawah dan 75 % ke atas
Karena n = 40, maka Q1 terletak pada kelas 130 – 138, Q2 terletak
pada kelas 139 – 147, dan Q3 terletak pada kelas 148 – 156.

( )
Untuk Q1 maka Lo = 129,5. F=4+5 = 9, dan f = 8 sehingga

diperoleh :
⌊ ⌋ ( )
Untuk Q2 maka Lo= 138,5, F = 4+5+8=17, dan f =12 sehingga

diperoleh :
( )
Untuk Q3 maka L0 = 147,5 , F= 29, dan f= 5 , sehingga diperoleh :
( )
b. Desil
Jika sekelompok data, dibagi menjadi 10 bagian yang sama banyak,
maka akan terdapat 9 pembagi, masing-masing disebut nilai desil (D)
yaitu D1, D2, D3..., D9. Nilai Desil ke i yaitu Di ditentukan dengan rumus
berikut
Untuk data tidak berkelompok :
Rumus 3.10
Untuk data berkelompok
( ) rumus 3.11
Dimana :
Lo = batas bawah kelas Desil Di
Ci = lebar kelas
F = jumlah frekuensi semua kelas sebelum kelas Di
f = frekuesi kelas desil Di
Terlihat bahwa cara menentukan nilai desil hampir sama dengan cara
menentukan nilai kuartil
Contoh soal :
Tentukan desil D3 dan D7 dari data
30,35,40,45,50,55,60,65,70,80,85,95,100
Penyelesaian :
Data yang telah diurutkan
30,35,40,45,50,55,60,65,70,80,85,95,100
Maka nilai D3 dan D7 adalah :
Tentukanlah desil D3 dan D7 dari data seperti tabel di bawah ini :

Kuat tekas beton
112 – 120 116 4
121 – 129 125 5
130 – 138 134 8
139 – 147 143 12
148 – 156 152 5
157 – 165 161 4
166 – 174 170 2
Jawab :
D3 membagi data 30 % ke bawah dan 70 % ke atas, sedangkan D 7
membagi data 70 % ke bawah dan 30 % ke atas, sehingga D 3berada
pada kelas 130 – 138 dan D7 berada pada kelas 139 – 147
( )

Maka diperoleh desil D3 dan D7 adalah sebagai berikut :
( ) ( )
( ) ( )
c. Persentil
Jika sekelompok data dibagi menjadi 100 bagian yang sama banyak,
maka akan terdapat 99 pembagi yang masing-masing disebut persentil
(P) yaitu :
P1, P2, P3,...P99 . Nilai persentil ke-i yaitu P1 dihitung dengan rumus
berikut
Untuk data tidak berkelompok:
rumus 3.12
Untuk data berkelompok
( ) Rumus 3.13
Dimana :
Lo = batas bawah kelas persentil Pi
C = lebar kelas
F = jumlah frekuensi semua kelas sebelum kelas Pi
f = frekuensi kelas Pi
Berhubung cara menghitung persentil sama dengan cara menghitung
kuartil dan desil, maka pada bagian ini tidak diberikan contoh cara
menghitung perentil, sebab dengan pengetahuan dari cara menghitung
kuartil dan desil, maka dengan mudah dapat menghitung persentil.
2. Rata-rata ukur (rata-rata geometrik)

a. Rata-rata ukur data untuk tunggal

Jika perbandingan setiap dua data berurutan adalah tetap atau hampir
tetap maka rata-rata ukur lebih baik digunakan daripada rata-rata hitung,
Jika seperangkat data adalah X1,X2,Xx...Xn maka rata-rata ukurnya
dirumuskan
√ Rumus 3.14
Atau
Rumus 3.15
Contoh soal :
Tentukan rata-rata ukur dari 2,4,8,16,32
Penyelesaian :
√
√ =8
b. Rata-rata ukur data berkelompok

Rumusnya:
∑
∑
Contoh soal :
Kuat tekas beton Titik tengah

(kg/m2) kelas Frekuensi log X f log X
112 – 120 116 4 2,064 8,256
121 – 129 125 5 2,097 10,485
130 – 138 134 8 2,127 17,016
139 – 147 143 12 2,156 25,86
148 – 156 152 5 2,182 10,91
157 – 165 161 4 2,207 8,828
166 – 174 170 2 2,23 4,46
Jumlah 40 85,815

Maka rata-rata ukur adalah :
∑
( ∑
) )=antilog (2,145)= 139,757 kg/m2
3. Rata-rata harmonis
Cara lain yang dipakai untuk menentukan ukuran-ukuran pemusatan data
adalah dengan rata-rata harmonis , khususnya kalau suatu kelompok data
mempunyai cirir-ciri tertentu yang merupakan bilangan pecahan atau dalam
bilangan desimal.
Rata-rata harmonik dari kelompok data X1,X2,,X3....Xn didefenisikan
sebagai berikut :
a. Data yang tidak berkelompok
Rumus 3.16.
∑( )
Contoh soal :
Rata-rata harmonis data 2,4,8 adalah :
∑( )
b. Data yang berkelompok

Rumus
∑
∑( )
Contoh soal :
Tentukan rata-rata harmonis untuk data tabel di bawah ini
Kuat tekan beton Titik tengah
(kg/m2) kelas Frekuensi f/x
112 – 120 116 4 0,034
121 – 129 125 5 0,04
130 – 138 134 8 0,06
139 – 147 143 12 0,084
148 – 156 152 5 0,033
157 – 165 161 4 0,025
166 – 174 170 2 0,012
Jumlah 40 0,288

Jadi rata-rata harmoniknya adalah
∑
kg/cm2
∑
3.3. Hubungan Rata-rata Hitung , Median, dan Modus

Hubungan antara ketiga uura nilai pusat, yaitu rata-rata hitung, median, dan modus
akan memberikan gambaran bentuk kurva data yang bersangkutan. Hubungan antara
ketiga ukuran nilai pusat ialah sebagai berikut :
1. Jika rata-rata hitung, median dan moduas memiiki nilai yang sama maka kurvanya
berbentuk simetris. Pada kurva simetris sempurna, nilai rata-rata hitung, median
dan modus terletak pada suatu titik di tengah-tengah absis dan ketiga-tiganya
berimpit.
2. Jika nilai rata-rata hitung lebih besar daripada nilai median dan lebih besar
daripada nilai modus maka kurvanya mencong ke kanan, karen aujungnya
memanjang ke arah nilai positif. Jadi distribusi meruncing ke arah nilai tinggi.
3. Jika nilai rata-rata hitung lebih kecil daripada nilai median dan lebih kecil dari
pada nilai modus maka kurvanya mencong ke kiri, karena ujungnya memanjang ke
arah nilai negatif. Jadi, distribusi meruncing ke arah nilai yang rendah.
Dalam bentuk grafik , hubungan ketiga nilai tersebut dapat dilihat seperti di bawah ini:

Jika distribusinya tidak terlalu mencong, hubungan rata-rata hitung, median dan
modus secara matematis dituliskan sebagai berikut :
Atau
̅ ̅
Contoh :
Tentukan median dari distribusi frekuensi , jika diketahui rata-rata = 67,18 dan modus =
66,375 !
Penyelesaian :

̅ ̅ ̅ ̅
̅ ̅
3.4.Kemencengan Atau Kecondongan
Kemencengan dan kecondongan (skewness) adalah tingkat ketidaksemetrisan atau

kejadian simetri dari sebuah distribusi. Sebuah distribusi yang simetris mempunyai
rata-rata , median dan modus yang tidak sama besarnya ̅ , sehingga
distribusi akan terkosentrasi pada salah satu sisi dan kurvanya akan menceng. Jika
distribusi memiliki ekor ekor yang lebih panjang kekanan dari pada yang kekiri maka
distribusi disebu tmenceng kekanan atau memiliki kemencengan positif. Sebaliknya
jika distribui memiliki ekor yang lebih panjang kekiri daripada yang kekanan maka
distribusi disebut memenceng kekiri atau memiliki kemencengan negatif.
Berikut gambar kurva dari distribusi yang menceng kekanan (menceng positif) dan
enceng ke kiri (menceng negatif)
Gambar 3.1. Kemencengan data
Model Populasi ini biasanya didekati atau diturunkan dari kurva frekuensi yang
diperoleh dari sampel representatif yang diambil dari populasi. Ada beberapa model
populasi diantaranya yaitu kemencengan (skewness) dan keruncingan (kurtosis). 1.

Kemencengan (Skewness) Kurva halus atau model yang bentuknya bisa positif,
negatif atau simetrik. Model positif terjadi bila kurvanya mempunyai ekor yang
memanjang ke sebelah kanan. Sebaliknya, jika memanjang ke sebelah kiri didapat
model negatif. Dalam kedua hal ini terjadi sifat tak simetri. Untuk mengetahui derajat
tak simetri sebuah model, digunakan ukuran koefisien kemiringan/kemencengan atau
skewness.
3.5.Rangkuman
Sebuah himpunan data hanya mempunyai dokumentasi semata. Untuk mengevaluasi

suatu himpunan data, diskripsi memilih yang tepat sangatlah bermanfaat. Ukuran-
ukuran disrptik dasar meliputi ukuran-ukuran lokasi sajayaitu, mean,median,modus.
Ukuran-ukuran lokasi yang sering digunakn adalah mean aritmatik atau harga rata-
rata, meskipun merupakan pengamatan di posisi tengan (50%),Mode didefensiisikan
sebagai simbol kelompok yang mempunyai frekuensi yang maksimal.
3.6.Tugas
Berkunjunglah ke laboratorium teknik sipil, lalu carilah data hasil uji kubus beton,
kemudian hitung nilai mean, mediam, modus dari data yang sudah didapat.
3.7.Evaluasi
1. Apa yang dimaksud dengan ukuran nilai pusat ? Sebutkan pula kegunaannya
dalam statistik!
2. Ada berapa macam ukuran nilai pusat yang Anda ketahui? Sebutkan satu persatu
3. Apa yang dimaksud dengan rata-rata hitung, median dan modus?Bagaimana
aturan yang digunakan untuk merumuskannya
4. Apa yang dimaaksud dengan kuartil, desil dan persentil!
5. Antara rata-rata hitung, median dan modus terdapat hubungan yang dapat
memberikan gambaran mengenai bentuk kurva. Jelaskan hubungan tersebut.
Bagaimana pula penulisannya dalam bentuk matematis?
6. Dari hasil pengujian konstanta pegas empiris suatu potong kayu didapat data
sebagai berikut :

0,0105 0,0193 0,0152 0,0229 0,0244
0,0190 0,0208 0,0279 0,0253 0,0276
Ditanyakan :
a. Median
b. Nilai rata-rata hitung
c. Mana yang lebih baik, rata-rata hitung atau median
7. Jangka waktu reaksi sesorang terhadap ransangan tertentu yang diukur oleh
seorang psikolog masing-masing adalah :
0,53 0,46 0,50 0,49 0,52 0,44 0,55 detik
Tentukanlah nilai rata-rata hitung waktu reaksi orang tersebut.
8. Seseorang berpegian dari kota A ke kota B dengan kecepatan 60 km/jam dan
kembali dari kota B ke kota A dengan kecepatan 50 km/jam. Bila orang terebut
menempuh jalan yang sama, tentukanlah kecepatan rata-rata untuk seluruh
perjalanan orang tersebuth
9. Perhatikan distribusi frekuensi berikut :
Nilai Frekuensi
31 – 40 3
41 – 50 5
51 – 60 19
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 13
Jumlah 100
Tentukan rata-rata hitung, rata-rata ukur, dan rata-rata harmonis distribusi

frekuensi tersebut, tentukan pula median dan modusnya.

10. Data berat badan (lb) 31 mahasiswa suatu perguruan tinggi disajikan pad atabel
berikut ini :
Berat badan
(lb) Frekuensi
118- 126 2
127 – 135 5
136 – 144 9
145 – 153 5
154 – 162 4
163 – 171 4
172 – 180 2
31
a. Tentukan nilai rata-rata hitung, median dan modus dari berat bada n tersebut
b. Tentukan nilai Q3, D6 dan P20
c. Bagaimana kira-kira jenis distribusi data bert nbadan tersebut.

BAB IV
PENGUKURAN PENYIMPANGAN
Setelah mempelajari bab ini Anda diharapkan mampu menentukan pengukuran

penyimpangan dalam sekumpulan data-data statistik
berikut :
1. Mampu menjelaskan pengertian ukuran-ukuran variasi

2. Mampu menentukan Rentang (Range)
3. Mampu menentukan Simpangan Rata-rata (Mean Deviation)
4. Nilai Deviasi (Mean Deviantion)
5. Mampu menentukan Nilai Deviasi Standar dan Varians
Pendahuluan
Ukuran-ukuran lokasi yang telah didiskusikan di bab terdahulu membantu menjelaskan

satu aspek dari data numerik. Tetapi tidak memberikan informasi mengenai aspek lain
yang sama pentingnya, yaitu mengenai jumlah variasi atau hamburan disekitar harga-harga
yang diamati. Dalam setiap himpunan data statistik, harga-harga numeric tidaklah identik
tetapi dihamburkan atau didisposisikan. Hitungan statistik untuk mengukur karakteristik
data ini disebut ukuran-ukuran variasi atau ukuran dispersi.

4.1.Pengertian Pengukuran Penyimpangan/Ukuran-ukuran Variasi
Pengukuran penyimpangan merupakan suatu pengukuran yang menunjukkan besar

kecilnya perbedaan antara data dengan rata-ratanya. Disamping itu, karena
pengukuran penyimpangan menggambarkan bagaimana berpencarnya data
kuantitatif, maka disebut juga ukuran variasi. Ada beberapa cara pengukuran
penyimpangan yaitu :
- Rentang/range/jangkauan
- Simpangan Rata-rata (Mean Deviaton)
- Variansi (Variance)
- Standar Deviasi (Standar Deviation)
-
4.2. Rentang (Range)
Dalam bab terdahulu sudah diketahui bahwa rentang adalah selisih antara data
terbesar dan data terkecil. Cara ini sangatlah mudah dalam melakukan perhitungan.
Sebab hanya melibatkan dua data yaitu data terbesar dan data terkecil walaupun
sebenarnya tidak hanya kedua data tersebut. Akan tetapi, kemungkinan masih lebih
banyak lagi. Namun pengukuran penyimpangan menggunakan cara range / rentang
mengabaikan data yang lain inilah maka dikatakan pengukuran penyimpangan
“kasar: dibandingkan ukuran penyimpangan yang lain.
Meskipun Range itu mudah dihitung dan biasanya digunakan sebagai ukuran kasar
variabilitas, namun itu saja belumlah cukup dengan beberapa alasan. Pertama,
perhitungan sendiri hanya melibatkan dua besaran pengamatan dan mengabaikan
yang lainnya ; berarti harga menggunakan sebagian informasi yang tersedia dan
mengabaikan sama sekali mengenai sebaran hasil pengamatan di daerah yang
dibatasi oleh harga terbesar dan terkecil itu. Kedua, bila jumlah pengamatan
ditambah range cenderung menjadi lebih besar, oleh karena itu tidak pada dua
himpunan data kecuali juika bila berisi atau terdiri atas jumlah angka-angka yang
sama.
Akhirnya, range agak stabil untuk ukuran-ukuran variasi dengan sampel berukuran
terkecil; yaitu untuk mengulang sampel-sampel yang diambil dari sumber yang sama
range akan menunjukkan lebih bervariasi dari sampel ke sampel dibandingkan
dengan ukuran-ukuran lainnya.

Contoh soal :
Data CBR segmen 1 : 50.50,50,50,50 , mempunyai r = 50-50 =0
Data CBR segmen 2 : 30,40,50,60,70, mempunyai r = 70 – 30 = 40
Data CBR segmen 3 : 20,30,50,70,80, mempunyai r = 80 – 20 = 60
Terlihat bahwa kelompok data CBR 1 mempunyai jangkauan atau rang paling kecil
dan kelompok CBR 3 mempunyai jangkauan atau range yang paling besar , artinya
kelompok data 3 paling menyebar daripada yang lain.
Untuk data berkelompok dalam bentuk distribusi frekeunsi , jangkauan data dihitung
dengan memakai selisih antara nilai tengah kelas yang maksimum dengan nilai
tengah minimum.
Contoh soal :
Kuat tekan beton
112 – 120 116 4
121 – 129 125 5
130 – 138 134 8
139 – 147 143 12
148 – 156 152 5
157 – 165 161 4
166 – 174 170 2
Penyelesaian :
Jangkauan (r) = 170 -116 = 54
Jangkauan suatu kelompok data dapat menunjukkan kualitas data. Makin kecil
jangkauan suatu data, maka kualitas data itu semakin baik, sebaliknya semakin besar
jangkauan suatu data maka kualitas data tersebut semakin tidak baik. Oleh karena
terlalu sederhana , yaitu hanya memakai nilai maksimum dan nilai minimum, maka
jangkauan dikatakan terlalu ksar untuk menggambarkan penyebaran data sehingga
dalam analisis data yang memerlukam tingkat ketelitian yang tinggi, ukuran dispersi
data imi jarang dipakai, Inilah kekurangan dari jangauan data. Akan tetapi
kelebihannya paling mudah dihitung.

4.3. Simpangan Rata-rata (Mean Deviation)
Simpangan rata-rata disingkat SR adalah jumlah nilai mutlak dari selisih semua nilai
dengan nilai rata-rata dibagi banyaknya data.
Misalkan kelompok data X1,X2,X3.....Xn mempunyai nilai rata- rata hitung ̅ , maka
simpangan rata-ratanya adalah :
a. Untuk data yang tidak berkelompok
∑| ̅|
Rumus 4.1
Dimana X = nilai data

n = banyaknya data
Contoh soal :
Tentukan simpangan rata-rata kelompok data 20,30,50,70,80
Penyelesaian :
∑| ̅|
∑
̅
| | | | | | | | | |
20
b. Untuk data yang berkelompok

∑ | ̅|
∑ Rumus 4.2.

Contoh soal
Tentukan nilai simpangan rata-rata dari data di bawah ini :
Kuat tekas beton Titik tengah -

(kg/m2) kelas Frekuensi -
112 – 120 116 4 24,525 98,100
121 – 129 125 5 15,525 77,625
130 – 138 134 8 6,525 52,200
139 – 147 143 12 2,475 29,700
148 – 156 152 5 11,475 57,375
157 – 165 161 4 20,475 81,900
166 – 174 170 2 29,475 58,950
Jumlah 40 455,850
Maka simpangan rata-ratanya adalah :

∑ | ̅|
kg/cm2
Tanda nilai mutlak dapat mengubah membalikkan nilai besar bertanda negatif
menjadi nilai besar bertanda positif. Sifat ini mempengaruhi simpangan rata-rata
yaitu mengakibatkan ukuran simpangan rata-rata menjadi kurang baik. Akan
tetapi rata-rata simpangan masih lebih baik dari jangkauan karena simpangan
rata-rata mepertimbangkan semua selisih antara nilai data dengan pusat data.
4.4. Variansi (Variance)

Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai data
terhadap rata-rata hitung . Variansi untuk sampel dilambangkan S2 sedangkan utuk
populasi dilambangkan .
a. Data yang tidak berkelompok
∑ ̅
Rumus 4.3
Contoh soal :
Tentukan variansi dari kelomok data 20,30,50,70,80
= 650

Jadi nilai S2 adalah 650
b. Data yang berkelompok

∑ ̅
Rumus 4.4
Contoh soal :
Dari data di bawah ini tentukan nilai variansinya :
Kuat tekan beton

112 – 120 116 4
121 – 129 125 5
130 – 138 134 8
139 – 147 143 12
148 – 156 152 5
157 – 165 161 4
166 – 174 170 2
Penyelesaian :
Lihat tabel di bawah ini :
Kuat tekas beton Titik tengah

(kg/m2) kelas Frekuensi f
112 – 120 116 4 601,4756 2405,9024
121 – 129 125 5 241,0256 1205,128
130 – 138 134 8 42,5756 340,6048
139 – 147 143 12 6,1256 73,5072
148 – 156 152 5 131,6756 658,378
157 – 165 161 4 419,2256 1676,9024
166 – 174 170 2 868,7756 1737,5512
Jumlah 40 8098,0172
Jadi nilai variansinya adalah :

∑ ̅̅̅̅
kg/m2
4.5. Standar Deviasi

Standar deviasi berkaitan langsung dengan variansi. Standat deviasi adalah akar
pangkat dua dari variansi. Standar deviasi seringkali disebut simpangan baku.
Dengan demikian rumus dari standar deviasi adalah akar pangkat dua dari rumus
variansi.
Untuk data yang tidak berkelompok :
∑ ∑
untuk mencari nilai variasinya
∑ ∑
√ Rumus 4.5
Contoh soal :
Dari data 20,30,50,70,80 tentukan nilai standar deviasinya
X 20 30 50 70 80 ∑ X=250
400 900 2500 4900 6400 ∑X2= 15100
2
X
Maka diperoleh :
∑ ∑
√
Untuk data yang berkelompok
∑ ∑
Sedangkan nilai standar variasinya adalah :
∑ ∑
√ Rumus 4.6

Contoh soal :
Tentukan nilai standar deviasinya:
Kuat tekan beton Titik tengah

(kg/m2) kelas Frekuensi X2 fX f X2
112 – 120 116 4 13456 464 53824
121 – 129 125 5 15625 625 78125
130 – 138 134 8 17956 1072 143648
139 – 147 143 12 20449 1716 245388
148 – 156 152 5 23104 760 115520
157 – 165 161 4 25921 644 103684
166 – 174 170 2 28900 340 57800
Jumlah 40 5621 797989
Jadi nilai deviasi standarnya adalah :

∑ ∑
S =√ = 14,410 kg/m2
4.6. Koefisien Variasi

Seperti yang telah diuraikan sebelumnya bahwa ukuran penyebaran data seperti
jangkauan, simpangan rata-rata, variansi, standar deviasi merupakan dsipersi mutlak.
Ukuran dispersi ini tidak dapat dipakai untuk membandingkan dua kelompok data
atau lebih. Variasi 1 meter dalam pengukuran jarak 1.000 meter jelas berbeda
pengaruhnya dengan variasi 1 meter dalam pengukuran jarak 2.000 meter. Untuk
mengukur pengaruh demikian dan untuk membandingkan variasi antara nilai-nilai
besar dengan nilai-nilai kecil digunakan dispersi relatif. Salah satu ukuran dispersi
relatif yang sangat terkenal adalah Koefiaen Variasi (KV) yang dirumuskan sebagai
berikut :

̅
Rumus 4.7
Dimana
S = standar deviasi
Contoh :
Tentukan koefisen variasi kelompok data : 30, 40,50,60,70
Jawab :
Tentukan dulu rata-rata hitung ̅ = 50
X 30 40 50 60 70 ∑ X = 250
900 1600 2500 3600 4900 13500
X2
∑ ∑
√ = 15,81
Jadi koefisien variasi (KV)

4.7. Rangkuman
Ukuran-ukuran lokasi dan ukuran-ukuran variasi atau hamburan.
Ukuran lokasi memberikan sebuah harga karakteristik dari suatu himpunan data,
sedangkan ukuran variasi merupakan range karakteristiknya. Salah satu ukuran
variasi adalah range yaitu didefinisikan sebagai perbedaan antara harga terbesar dan
terkecil.
4.8. Tugas
Ambilah data curah hujan dari BMG di daerahmu lalu tentukanlah milai Range,
Simpangan rata-rata, Variasi dan deviasi standarnya
4.9. Evaluasi
1. Apa yang dimaksud dengan ukuran dispersi data dan apa manfaatnya
2. Apa yang dimaksud dengan :
a. Simpangan rata-rata
b. Variansi
c. Standar Deviasi
3. Dari hasil pengujian uji kuat lentur kayu di dapat data sebagai berikut :
No. Benda Uji Kuat Lentur

85,0
1
84,5
2
82,3
3
89,6
4
87,6
5
88,9
6
87,7
7
98,7
8
99,10
9
97,6
10

Hitunglah ;
a. Range
b. Simpanga rata-tata
c. Variansi dan Standar Deviasi
4. Distribusi beban maksimum dalam kilonewton yang ditunjang oleh kabel tertentu
produsi suatu perusahaan disajikan pada tabel berikut :
Banyaknya
Beban maksimum kabel Tentukanlah :
9,3 -9,7 2
a. Nilai mean,median dan
9,8 - 10,2 5
modus
10,3 - 10,7 12
b. Simpangan rata-rata-
10,8 - 11,2 17
Varians dan Deviasi
11,3 - 11,7 14
Standar
11,8 - 12,2 6
12,3 - 12,7 3
12,8 - 13,2 1
Jumlah 60

BAB V
KONSEP-KONSEP DASAR PROBABILITAS
Setelah mempelajari bab ini Anda diharapkan mampu menentukan nilai probabilitas dari
sekumpulan data-data statistic dalam ilmu tenik sipil
berikut :
1. Mampu menjelaskan peristiwa dan probabilitas

2. Mampu menjelaskan teori himpunan
3. Mampu menjelaskan matematika dalam ilmu probabilitas
Pendahuluan
Metode kuantitatif pembuatan model, analisis dan evaluasi merupakan alat-alat dalam
bidang rekayasa modern. Beberapa metode ini telah menjadi sangat rumit dan mencakup
pembuatan model dan analisis matematis, simulasi komputer, dan teknik optimasi yang
sangat muktahir. Namun, betapa rumit dan baiknya pun suatu model, termasuk model
laboratorium eksprimental, model tersebut didasarkan pada anggapan-anggapan atau
kondisi yang ideal, dengan demikian, informasi yang diperoleh, dari model kuantitatif bisa
mendekati atau jauh dari keadaan sebenarnya.
Di dalam pengembangan desain rekayasa, pengambilan keputusan kerap kali tanpa

memandang kelengkapan atau mutu informasi, dengan demikian suatu keputusan biasanya
dirumuskan pada keadaan yang tidak pasti, dalam pengertian bahwa konsekuensi suatu
keputusan tidak dapat ditentukan dengan keyakinan yang sempurna. Disamping kenyataan

bahwa informasi seringkali harus diturunkan melalui model yang dimiliki derajat
ketidaksempurnaan yang berbeda, kebanyakan masalah dalam bidang rekayasa mencakup
proses dan phenomena alamiah bersifat tak tentu sehingga tidak dapat dijabarkan secara
definit (pasti). Atas alasan ini, keputusan yang diperlukan dalam proses perencanaan
(planning) dan desain rekayasa harus dilakukan, dan dilakukan pada kondisi yang tidak
pasti.
Pengaruh dari ketidakpastiaan semacam ini pada perencaan dan perancangan (desain)
tentunya penting, namun, kuantifikasi (penentuan besarnya) ktidakpastian, dan penilaian
(evaluasi) pengaruh-pengaruhnya pada penampilan (periaku) dan perencanaan suatu
system rekayasa harus melibatkan konsep dan metode probabilitas (kemungkinan). Lebih
lanjut, pada kondisi yang tidak pasti, desain dan perencanaan system rekayasa
mengandung resiko, dan pengambilan keputusan yang bersangkutan memerlukan
pertibangan dari resiko dan keuntungan, yang semuanya berada dalam daerah ilmu
probabilitas terapan (applied probability).
5. 1. Pengertian Probabilitas
Probabilitas adalah terjadinya suatu peristiwa (event) relatif terhadap peristiwa-
peristiwa lainnya, dan perkataan lain, ada lebih dari satu kemungkinan, karena
jika tidak masalahnya menjadi tertentu (deterministic). Untuk tujuan kualitatif,
probabilitas dapat dipandang sebagai ukuran numeric dari kecenderungan
terjadinya suatu peristiwa relatif terhadap sehimpunan peristiwa lainnya.
5. 2. Peristiwa dan Probabilitas
5.2.1. Karakteristik Masalah Probabilitas
Persyaratan pertama dalam perumusan masalah probabilistik adalah
mengidentifikasi himpunan semua kemungkinan (yaitu, ruang kemungkinan) dan
peristiwa yang ditinjau. Dengan demikian, probabilitas berkaitan dengan peristiwa
yang spesifik dalam suatu ruang kemungkinan. Untuk menggambarkan berbagai
segi masalah probabilistic seperti contoh dibawah ini:
1. Seorang kontraktor sedang merencanakan pembelian peralatan, termasuk
buldoser, yang diperlukan untuk proyek baru di daerah terpencil. Misalkan
bahwa dari pengalaman yang terdahulu, taksiran bahwa kemungkinan setiap
buldoser dapat bertahan paling tidak 6 bulan tanpa kerusakan adalah 50%. Jika

dia membeli 3 buldoser, barapa probabilitas bahwa hanya akan ada 1 buldoser
yang masih bisa dioperasikan dalam jangka 6 bulan.
Jawab :
Pada akhir 6 bulan, jumlah boldoser yang masuk bisa dioperasikan bisa 0,1,2
atau 3 dengan demikian, himpunan bilangan ini membentuk ruang
kemungkinan dari jumlah buldoser yang masih bisa dioperasikan setelah 6
bulan. Namun probabilitas dari berbagai kejadian yang mungkin tidak dapat
ditentukan dari informasi bahwa setiap buldoser mempunyai 5% peluang
untukn setiap beroperasi setelah 6 bulan. Untuk itu ruang kemungkinan harus
dinyatakan dalam keadaan (status) yang mungkin dari setiap buldoser setelah 6
bulan sebagai berikut :
Jika kita nyatakan kondisi setiap buldoser setelah 6 bulan dengan G untuk baik
dan B untuk buruk, maka status yang mungkin dari ketiga buldoser adalah :
GGG – semua buldoser dalam keadaan baik
GGB – buldoser pertama dan kedua baik, ketiga buruk
GBB
BBB – semua buldoser dalam keadaan buruk
BGG
BBG
GBG
BGB
Dengan demikian, untuk kasus ini seluruhnya ada 8 kemungkinan. Karena
kondisi buldoser memiliki kemungkinan yang sama untuk buruk atau baik, ke 8
keadaan dari ketiga buldoser juga memiliki kemungkinan yang sama untuk
terjadi. Perlu diperhatikan bahwa diantara 8 kejadian yang mungkin hanya satu
yang akan terjadi setelah 6 bulan, ini berarti bahwa kemungkinan yang berbeda-
beda ini tidak mungkin terjadi bersamaan saling eksklusif. Diantara 8 keadaan
yang mungkin pada buldoser terjadi, kejadian GBB, BGB, atau BBG adalah
setara dengan kejadian “hanya satu buldoser yang bisa dioperasikan”. Dan
karena setiap kemungkinan mempunyai peluang yang sama untuk terjadi,
probabilitas dari kejadian dalam ruang kemungkinan diatas adalah 3/8.
2. Dalam perencaan suatu jalur jalan belok kanan untuk lalu lintas jurusan timur
pada suatu persimpangan jalan raya seprti pada gambar 5.1, kita memerlukan

probabilitas dari 5 mobil atau lebih. Untuk maksud ini, misalkan bahwa selama
jangka waktu 2 bulan telah dilakukan 60 pengamatan (selama masa sibuk)
terhadap jumlah mobil jurusan timur yang menunggun belok kanan pada
persimpangan tersebut, dengan hasil sebagai berikut :
Tabel 5.1.
Jumlah mobil Jumlah pengamatan Frekuensi relative
0 4 4/60
1 16 16/60
2 20 20/60
3 14 14/60
4 3 3/60
5 2 2/60
6 1 1/60
7 0 0
8 0 0
Secara teoritis jumlah mobil yang menunggu belok kanan selama jam-jam sibuk,
dapat berupa bilangan bulat positif sembarang, namun berdasarkan hasil
pengamatan diatas kemungkinan terjdinya 7 mobil atau lebih menunggu belok
kanan pada persimpangan ini sangat kecil.
Berdasarkan hasil diatas, frekuensi relatif hasil pengamatan yang disajikan dalam
kolom ketiga dapat digunakan sebagai probabilitas dari jumlah mobil yang
menunggu untuk belok kanan. Dengan demikian probabilitas dari peristiwa “5”
mobil atau lebih menunggu adalah 2/60 + 1/60 = 3/60.

U
BK-Belok Kanan
Gambar 5.2. B T
Dari contoh-contoh diatas dapat diamati ciri-ciri khusus masalah probabilitas sebagai
berikut :
1. Setiap masalah didefenisikan dengan mengacu pada ruang kemungkinan

tertentu (yang mengandung lebih dari satu kemungkinan), dan peristiwa-
peristiwa dibentuk oleh satu atau lebih hasil yang mungkin didalam ruang
kemungkian ini.
2. Probabilitas satu peristiwa bergantutung pada kemungkinan dari hasil-hasil
individual dalam suatu ruang kemungkinan dan dapat diturunkan dari
probabilitas hasil-hasil dasar ini.
5.2.2 .Perhitungan probabilitas

Dari contoh diatas dapat diamati bahwa dalam menghitung probabilitas dari suatu
peristiwa, kita memerlukan dasar untuk menentukan ukuran probabiltias berbagai
hasil yang mungkin. Penentuan ini dapat didasarkan atas kondisi awal (atau
didruduksi atas dasar asumsi yang telah ditetapkan) atau berdasarkan hasil
pengamatan empiris, atau keduanya.
Dalam contoh 2, dan 3 probabilitas dari hasil yang mungkin didasarkan atas asumsi
awal. Dalam contoh 1, setiap keadaan yang mungkin dari ketiga buldoser dianggap
memiliki kemungkinan yang sama, masing-masing sama dengan 1/8 (konsisten
dengan informasi awal bahwa setiap buldoser memiliki kemungkinan yang sama

untuk tetap beroperasi atau tidak beroperasi setelah 6 bulan), sedangkan dalam
contoh 3, probabilitas bahwa reksi RA akan berada di dalam suatu selang tertentu
diandaikan sebanding dengan panjang selang (konsisten dengan pemisalan bahwa
letak beban 100 kg mempunyai kemungkinan yang sama disepanjang balok). Namun
dalam contoh 2, probabilitas dari jumlah mobil yang menunggu belok kanan
didasarkan atas frekuensi relative hasil pengamatan, yang ditentukan dari
pengamatan empiris.
Perlu ditekankan bahwa kita akan memperlakukan probabilitas sebagai suatu ukuran
yang diperlukan dan berguna dalam persoalan yang menyangkut lebih dari satu
peristiwa hasil yang mungkin. Khususnya, kita akan menghindarkan pertanyaan
filosofis mengenai makna arti ukuran probabilitas dan hanya melihat dari segi
penggunaan ilmu probabilitas dan teori matematikanya. Untuk membuat model
masalah-masalah yang berada pada kondisi yang tidak pasti. Hal ini sama dengan
pemakaian koefisien keamanan dan desain rekayasa tanpa menghiraukan arti
sebenarnya, atau menerapkan hokum kedua Newon (mengenai gerak) tanpa
mementingkan arti dari massa dan gaya.
Namun, kegunaan dari probabilitas yang dihitung akan bergantung pada ketetapan
dari dasar penentuannya. Dalam hal ini kita lihat bahwa berlakunya dasar yang
ditentukan lebih dahulu untuk menghitung probabilitas bergantung pada kelayakan
(ketepatan) dari asumsi yang digunakan, sedangkan dasar frekuensi relative empiris
harus mengandalkan sejumlah besar data pengamatan. Bila data yang ada terbatas,
manfaat frekuensi relatif dengan sendirinya menjadi terbatas.
Dasar ketiga untuk menghitung probabilitas melibatkan kombinasi dari asumsi
intitusi atau subyektif dengan pengamatan eksprimental, srana yang cocok untuk
kombinasi ini adalah teoema Bayes, dan hasilnya dikenal dengan Probbailitas Bayes.
5.3.Elemen Teori Himpunan
Didalam istilah teorii himpunan, gabungan dari semua kemungkinan dalam suatu
masalah probabilitas dinamakan ruang sampel atau ruang contoh dan setiap
kemungkinan secara individual dinamakan titik sampel. Suatu peristiwa dengan
demikian didefenisikan sebagai sub himpunan dari ruang sampel. Ruang sampel bisa
bersifat diskrit atau menerus. Dalam kasus diskrit, titik sampael merupakan satuan-

satuan yang diskrit (terpisah-pisah) dan dapat dihitung, sedang dalam kasus menerus,
ruang sampel dibentuk oleh titik-titik sampel yang menerus. Suatu ruang sampel
diskrit bisa berhingga (finite) artinya terdiri dari titik sampel jumlahnya terhingga atau
tidak berhingga yaitu titik smpel yang jumlahnya terhingga tapi bisa dihitung.
5.3.1.Perumusan Probabilitas
Perumusan konsep dasar probabilitas dilakukan dengan dua cara, yaitu dengan cara
klasik dan cara frekuensi relatif. Bila kejadian pada contoh diatas kita lambangkan
dengan huruf besar E, maka kita dapat merumuskan probabilitas kejadia E, yaitu
P(E).
1. Perumusan Klasik
Bila kejadian E terjadi dalam m cara dari seluruh n cara yang mungkin terjadi dan
masing-masing n cara itu mempunyai kesempatan atau kemingkinan yang sama
untuk muncul, maka probabilitas kejadian E yang ditulis P(E) dirumuskan sebagai
berikut :
Rumus 5.1
Contoh :
a. Sebuah dadu dilemparkan, muka dadu ada 6, yaitu :1,2,3,4,5,6
Semua muka dadu mempunyai kesempatan yang sama untuk muncul. Yang
akan muncul salah satu dari muka dadu itu (m=1), yaitu muka 1, muka 2, muka
3, muka 4, muka 5 atau 6. Kita misalkan :
E = (1) bila muncul muka 1

E = (2) bila muncul muka 2
E = (3) bila muncul muka 3, dan seterusnya.
Maka probabilitas kejadian E adalah :
P(E) = P(1) = P(2) = P(3) = m/n = 1/6
b. Hitunglah probabilitas memperoleh kartu hati bila sebuah kartu diambil secara
acak dari seperangkat kartu bridge yang lengkap.
Jawab :

Jumlah seluruh kartu : n = 52
Jumlah kartu hati : m = 13
Misalkan E = kejadian munculnya kartu hati. Semua kartu hati mempunyai
kemungkinan yang sama untuk muncul, maka :
2. Perumusan dengan Frekuensi Relatif

Probabilitas empiris dari suatu kejadian dirumuskan dengan memakai frekunasi
relatif dari terjadinya suatu kejadian dengan syarat banyaknya pengamatan atau
banyaknya sampel n adalah sangat besar. Bila n bertambah besar sampai tak
berhingga (n ), maka probabilitas dari kejadian E adalah sama dengan nilai limit
dari frekuensi relatif dari kejadian E tersebut. Dengan demikian jia kejadian E
terjadi sebanyak f kali dari keseluruhan pengamtan sebanyak n, dimana n
mendekati tak terhingga (n↔∞), maka probabilitas kejadian E dirumuskan sebagai:
Rumus 5.2
Contoh :
Pada suatu percobaan statistik, yaitu pelemparan sebuah dadu yang diulang
sebanyak n= 1.000 kali, frekuensi munculnya muka dadu X adalah seperti pada
tabel di bawah ini :
Muka 1 2 3 4 5 6
dadu (X)
Frekuensi 164 165 169 169 166 167
(f)
Bila E menyatakan kejadian munculnya muka-muka dadu tersebut, maka E=

(1),(2),(3),(4),(5), atau (6), sehingga probabilitas kejadian E untuk masing-masing
kemungkinan munculnya muka dadu tersebut adalah :
, ,
, ,

5.3.2. Ruang Sampel dan Kejadian
Kumpulan (himpunan) dari semua hasil yang mungkin muncul atau terjadi pada
suatu percobaan statistik disebut ruang sampel yang dikembangkan dengan
himpunan S, sedangkan anggota-anggota dari S disebut titik sampel.
Kumpulan himpunan dari hasil yang muncul atau terjadi pada suatu percobaan
statistik disebut kejadian atau peristiwa yang dilambangkan dengan himpunan A.
Begitu juga anggota-anggota dari A disebut titik sampel.
Hubungan antara kejadian A dengan ruang sampel S digambarkan sebagai berikut :
S
A S
Gambar5.3
Ada suatu keterkaitan antara kejadian A dan ruang sampai S pada konsep
probabilitas dengan himpunan bagian A dan himpunan semesta S pada teori
himpunan, yaitu sebagai berikut :
Konsep Probabilitas Teori Himpunan

Ruang Sampel S Himpunan Semesta S
Kejadian A Himpunan Bagian A
Titik Sampel Anggota Himpunan
Berdasarkan kejadian A dan ruang sampel S tersebut, maka perumusan konsep
probabilitas didefenisikan sebagai berikut :
Bila kejadian A terjadi dalam m cara pada ruang sampel S yang terjadi dalam n cara,
maka probabilitas kejadian A adalah :
Rumus 5.3

1. Peristiwa khusus adalah peristiwa-peristiwa khusus yang berikut ini menggunakan
notasi-notasi yang dinyatakan dibawah ini :
2. Peristiwa mustahil, yang dinyatakan dengan ɸ, adalah peristiwa yang tidak
mempunyai titik sampel (contoh).. Dengan demikian peristiwa semacam ini
mempunyai himpunan kosong. Dalam ruang sampel.
3. Peristiwa tertentu, yang dinyatakan dengan S, adalah peristiwa yang mengandung
semua titik-titik sampel dalam ruang sampel, jadi merupakan sampel itu sendiri.
4. Peristiwa komplementer. Untuk peristiwa E dalam ruang sampel S , kejadi
komplementer yang dinyatakan dengan E, mencakup semua titik sampel dalam S
yang tidak terkandung dalam E
Diagram Venn. Suatu ruang sampel (contoh) dan peristiwa-peristiwa didalamnya dapat
dinyatakan secara gambar dengan diagram venn-suatu ruang sampel dinyatakan dengan
persegi empat. Suatu peristiwa E kemudian dinyatakan secara simbolik dengan daerah
tertutup di dalam persegi empat, dan bagian dari persegi empat di luar daerah tertutup ini
memberikan peristiwa komplementer E (lihat gambar 5.4) dalam perkataan lain, peristiwa
E mengandung semua titik-titik sampel dalam daerah tertutup, sementara E berisikan
semua titik sampel di luar E. suatu diagram Venn dengan dua atau lebih kejadian terlihat
pada gambar :

Gambar 5.4. Peristiwa dua himpunan
Gambar 5.5. Peristiwa 3 himpunan

5.4.Aturan Operasional
Himpunan-himpunan dan hubungan sesamanya diatur oleh aturan-aturan

operasional tertentu. Dalam hubungan ini, kita gunakan symbol-simbol berikut ini
untuk menyatakan himpunan dan operasi-operasi yang bersangkutan :
 Gabungan (union)
 perpotongan (intersection)
 anggota dari atau terkandung dalam
 mengandung (contain)
̅ komplement dari E
Dua himpunan atau lebih dapat dikombinasikan dengan dua cara atau lebih
dengan dua cara melalui gabungan dan perpotongan. Kedua cara ini berikut proses
pengambilan komplemen membentuk operasi dasar atas himpunan. Aturan-aturan
yang mengatur operasi-operasi ini adalah sebagai berikut :
1. Kesamaan himpunan. Dua himpunan adalah sama jika hanya dan hanya jika
keduanya mengandung titik-titik sampel yang sama. Berdasarkan ini, kita
dengan segera melihat bahwa
2. Himpunan komplementer, yaitu komplementer merupakan peristiwa yang

semula.
̅
̅
̅̅̅̅̅̅̅ = E

3. Aturan komutatif. Gabungan dan perpotongan himpunan-himpunan bersifat
bergantian yaitu :
4. Aturan Asosiatif. Gabungan dan perpotongan dari himpunan-himpunan

asosiatif, yaitu :
5. Aturan de Morgan. Suatu aturan yang menghubungkan himpunan dengan

komplemennya.
̅̅̅̅̅̅̅̅̅̅ ̅̅̅ ̅̅̅
Contoh soal :
Pemasokan air untuk kota Bogor datang dari dua sumber A dan B. Air dialirkan
oleh pipa yang terdiri dari cabang-cabang 1,2, dan 3 seperti dilihat pada gambar
5.5. misalkan bahwa masing-masing sumber mampu untuk menyediakan air untuk
kota Bogor tersebut.
Nyatakan : E1 = rusaknya cabang 1
E2 = rusaknya cabang 2
E3 = rusaknya cabang 3

Sumber A 1
3
Sumber B 2
Gambar 5.6. Sistem pengadaan air
Jawab :
Masa kekurangan air dalam kota Bogor akan diakibatkan oleh :
Sehingga dengan aturan de Morgan, tidak adanya kekurangan air berarti bahwa :
̅̅̅̅̅̅̅̅̅̅̅̅̅
Dimana ̅̅̅ ̅̅̅ berarti tersedianya air pada pertemuan (junction) dan ̅̅̅ berarti
tidak rusaknya cabang 3.
5.4. Matematika Ilmu Probabilitas

Dalam pembahasan bab terdahulu kita telah mengetahui bahwa probabilitas selalu
disamakan pengertiannya dengan peristiwa, juga bahwa ukuran semacam ini
mempunyai sifat khusus dan mengikuti aturan-aturan operasi tertentu. Secara formal
sifat khusus ini dicakup oleh teori matematika dari probabilitas.
1. Untuk setiap peristiwa E di dalam ruang sampel S, terdapat probabilitas

peluang
2. Probabilitas dari peristiwa tertentu S adalah
3. Untuk dua peristiwa yang saling eksklusif
Dari persamaan di atas dapat diuraikan sebagai berikut :

1.
2. ̅̅̅
3. ̅

4.
Contoh soal :
1. Untuk merencanakan jalur belok kanan, dilakukan dengan 60 pengamatan yang

dilakukan secara acak dari jumlah mobil yang menunggu kesempatan belok
pada persimpangan, dengan hasil seperti berikut ;
Jumlah mobil Jumlah pengamatan Frekuensi relative

4 4/60
0
16 16/60
1
20 20/60
2
14 14/60
3
3 3/60
4
2 2/60
5
1 1/60
6
0 0
7
0 0
8
E1 = lebih dari 2 mobil menunggu belok kanan

E2 = 2 sampai 4 mobil menunggu belok kanan
Karena jumlah mobil yang menunggu belok kanan merupakan peristiwa yang
saling eksklusif dengan sedikit perluasan dari persamaan di atas dan dengan
menggunakan frekuensi relative di dalam menyatakan probabilitas yang
bersangkutan, kita memperoleh ;
Sementara

Juga, dalam hal jumlah mobil yang menunggu kesempatan untuk belok kanan,
{ }
Dengan demikian
Kemudian menurut persamaan diatas,
Dalam hal ini kita juga melihat bahwa :

{ }
Sehingga
2. Penurunan dari suatu portal baja dapat diceritakan sebagai berikut ;

A dan B menyatakan dua pondasi telapak yang duduk pada tanah gambar 5.6.
masing-masing pondasi boleh jadi tetap pada tinggi semula atau mengalami
penurunan 5 cm. probabilitas penurunan dalam masing-masing pondasi adalah
0,1. Namun probabilitas bahwa satu pondasi akan turun, dengan catatan bahwa
yang lainnya telah turun adalah 0,8.
a. Kondisi yang mungkin dari kedua pondasi adalah sebagai berikut :
̅̅̅̅

A
B
5 cm
b. Probabilitas penurunan (yaitu, salah satu dari A dan B akan turun adalah :
( )
c. Jika kita berminat di dalam peristiwa E mengenai terjadinya penurunan

differensial yaitu tinggi yang berbeda dari kedua pondasi maka peristiwa
akan terdiri dari ̅ ̅̅̅̅ karena kedua peristiwa ini selalu
eksklusif :
̅ ̅
( ⁄̅ ) ̅⁄
{ ⁄ ( ⁄ )}
( )

5.5.Rangkuman
Probabilitas melibatkan penentuan probabilitas suatu peristiwa dalam suatu himpunan

yang sempurna dari probabilitas (atau ruang kemungkinan). Ada dua hal yang sangat
penting dalam perumusan dan penyelesaian masalah semacam itu :
1. Defenisi ruang kemungkinan dan identifikasi dari peritiwa di dalam ruang
2. Perhitungan probabilitas peristiwa tersebut.
Dasar matematika yang relevan dan berguna untuk tujuan ini adalah teori himpunan
dan teori probabilitas. Dalam hal ini elemen-elemen dasar dari kedua teori ini
dikembangkan secara elementer dan non abstrak berikut contoh-contoh fisis.
5.6.Evaluasi
1. Penurunan yang mungkin tiga perletakan jembatan adalah sebagai berikut :

Tumpuan A – 0 inchi, 1 inchi, 2 inchi
Tumpuan B – 0 inchi, 2 inchi
Tumpuan C – 0, 2 inchi, 2 inchi
a. Tentukan ruang sampel yang memberikan semua penurunan yang mungkin dari
tiga tumpuan, misalnya (1,0,2) berarti A menurun 1 inchi, B menurun 0 inchi
dan C menurun 2 inchi.
b. Jika E peristiwa penurunan differensial 2 inchi antara dua himpunan yang
berdekatan, tentukan titik-titik sampel dari E.
2. Suatu kantong belok kanan sepanjang 60 ft direncanakan pada suatu persimpangan
jalan. Misalkan bahwa hanya dua jenis kendaraan yang akan menggunakannya :
tipe A menempati 15 ft kantong, sedangkan type B 30 ft.
a. Tentukan semua kombinasi yang mungkin dari tipe A dan B yang menunggu
kesempatan belok kanan dari kantong
b. Kelompokkanlah kemungkinan-kemungkinan ini ke dalam peristiwa 1,2,3 dan
4 kendaraan yang menunggu untuk belok kanan.

3. Dari kelompok ahli ada 5 orang sarjana ekonomi dan 7 sarjana hukum. Akan dibuat
tim kerja yang terdiri atas 2 sarjana ekonomi dan 3 sarjana hukum. Berapa banyak
cara untuk membuat tim itu, jika :
a. Tiap orang dapat dipilih dengan bebas
b. Seorang sarjana hukum harus ikut dalam tim itu
c. Dua orang sarjana ekonomi tidak boleh ikut dalam tim itu

BAB VI
DISTRIBUSI NORMAL
Setelah mempelajari bab ini Anda diharapkan mampu menentukan nilai distribusi normal
dan regresi linier sederhana.
berikut :
1. Mampu menjelaskan pengertian nilai distribusi normal

2. Mampu menentukan Kurva distribusi normal
3. Mampu menentukan hubungan antara Distribusi normal dan Konsideran
Probabilitas
Pendahuluan
Diantara sekian banyak distribusi yang digunakan dalam pengukuran statistik adalah
distribusi normal atau disebut juga distribusi kontinyu, distribusi normal merupakan
distribusi kontinyu yang mensyaratkan variable yang diukur harus kontinyu misalnya hasil
tes balok beton dan lain-lain. Distribusi normal merupakan distribusi kontinu yang sangat
penting dalam statistik dan banyak dipakai dalam memecahkan persoalan . Distribusi
normal disebut juga distribusi Gauss.

6. 1. Pengertian Distribusi Normal
Gambar 6.1. Kurva distribusi normal
Pada gambar 6.1. menentukan gambar kurva distribusi normal. Distribusi normal
mempunyai persamaan sebagai berikut :
( )
Rumus 6.1
√
Sifat-sifat distribusi normal

Ada beberapa sifat penting dari distribusi normal, lihat gambar 6.1 yaitu sebagai
berikut:

1. Grafik simetri terhadap garis tegak x =μ
2. Grafik selalu berada diatas sumbu x atau f(x) > 0
3. Mempunyai satu nilai modus
4. Grafiknya mendekati sumbu x, tetapi tidak akan memotong sumbu x, sumbu x
merupakan garis batas (asimtot)
5. Luas daerah di bawah kurva f(x) dan diatas sumbu x sama dengan 1 yaitu
P(-∞<x<+∞) =1
Gambar 6.2. Kurva distribusi normal
6.2 Probabilitas P(x1<x<x2)

Probabilitas distribusi normal f(x) pada interval X1 <X<X2 ditentukan dengan
memakai luas di bawah kurva f(x) sebagaimana ditunjukkan oleh gambar

Gambar 6.3. Kurva distribusi normal standar
Pada gambar , Probabilitas P(X1<x<X2) ditunjukkan oleh luas daerah arsir, untuk
mengitung luas daerah kurva dibawah ini dengan rumus :
Akan tetapi, secara matematis bentuk integral dari fugsi f(x) tersebut sulit dipecahkan
secara langsung dengan teknik integral. Oleh karena itu, penyelesainnya dilakukan
dengan memakai transformasi nilai-nilai x menjadi nilai-nilai baku Z, yaitu :
Rumus 6.3
Selanjutnya probabilitas P(Z1 < Z <Z2) dihitung dengan rumus :
( )
∫ ∫
√

Berdasarkan integral dari fungsi distribusi normal standar tersebut, probabilitas
P(Z1<Z<Z2) dihitung dengan memakai Tabel Distribusi Normal Standar yang terdapat
pada tabel dibawah ini :

Contoh soal :
1. Bila X adalah variabel yang berdistribusi normal dengan rata-rata μ =25 dan
simpangan baku σ =10, tentukanlah probabilitas P(20<X<38).
Jawab :
Kita ubah dulu variabel X yang berdistribusi normal menjadi, variabel Z yang
berdistribusi normal standar dengan transformasi berikut ini :
Maka diperoleh :
Dengan demikian :

2. Dari 200 mahasiswa yang mengikuti ujian Statistik di suatu Politeknik,
diperoleh bahwa nilai rata-rata adalah 60 dan standar deviasi adalah 10 . Bila
distribusi nilai menyebar secara normal berapa :
a. Persen yang mendapat nilai A, jika nilai A > 80
b. Persen yang mendapat nilai C, jika nilai C terletak pada interval 56 < C<68
c. Persen yang mendapat nilai E, jika nilai E<45
Jawab :
Misalkan X = nilai ujian Statistik yang mempunyai distribusi normal :
a.
Jadi banyaknya mahasiswa yang mendapat nilai A adalah 2,28 %

b.
P(56<X<68)=P(-0,4<Z<0,8) = 0,1554 + 0,2881 = 0,4435

Jadi banyaknya mahasiswa yang mendapat nilai C adalah 44,35 %
c.
Jadi banyaknya mahasiswa yang mendapat nilai E adalah 6,68 %
6.3. Rangkuman
Penggunaan bahan-bahan dalam distribusi normal sering digunakan untuk menyatakan
sifat dari bahan itu sendiri, mengingat untuk jenis bahan baru sering sifat-sifatnya
belum diketahui. Ukuran-ukuran statistik seperti mean dan variasi, harus ditentukan
dengan test yang tepat dan cocok.
Distribusi normal merupakan distribusi kontinu yang sangat penting dalam statistik dan
banyak dipakai dalam memecahan persolan.

6.4. Evaluasi
1. Suatu diameter pelor roda diketahui berdistribusi normal dengan rata-rata 0,645 in
dan simpangan baku 0,035 in. Berapa persen pelor roda yang mempunyai diameter
:
a. Lebih besar dari 0,752 in
b. Lebih kecil dari 0,654 ini
c. Antara 0,540 in dan 0,680 in
d. Sama dengan 0,625 in
2. Terminology statistik apakah yang tepat untuk :
a. Jumlah angka tes disebuah kelas
b. Sebuah skor individual
3. Dua orang surveyor A dan B mengukur suatu sudut yang sama dengan
menggunakan theodolite. Setelah melakukan 100 pengukuran mereka kemudian
menentukan harga-harga mean dan deviasi standar. Hasil distribusi normalnya
terlihat digambar 6.9. bahaslah berdasarkan kurva itu surveyor manakah yang
hendak Anda gunakan.
4. Suatu mesin dapat membuat suatu alat tahanan listrik dengan rata-rata tahanan 47,3
ohm dan simpangan baku 4,8 ohm. Tahanan tersebut menyebar mengikuti distribusi
normal.
a. Hitunglah probabilitas mesin tersebut yang mampu menghasilkan tahanan
melebihi 50 ohm
b. Jika ada 5.000 alat yang dihasilkan , berapa banyak alat yang mempunyai
tahanan antara 40 sampai dengan 50 ohm
c. Jika ada 10 % tahanan yang paling rendah, berapa sebenarnya nilai tahanan
tertinggi untuk kelompok tersebut.
5. Dari hasil survey lalu lintas dengan jumlah sampel 10.000 kendaraan roda dua.
Rata-rata kendaraan yang menggunakan motor Matic setiap hari sebanyak 5.000
kendaraan roda dua dengan deviasi standar 350 kendaraan roda dua.
a. Berapa persenkah Kendaraan roda dua yang menggunakan roda matic jika pada
suatu hari jumlah kendaraan yang menggunakan matic sebanyak 6.000
kendaraan roda dua.

b. Kalau 10 % dari jumlah kendaraan roda dua yang disurvey menggunakan
kendaraan matic diharuskan menggunakan bahan bakar non subsidi berapa
batas minimal yang menggunakan kendaran roda dua yang menggunakan matic.

BAB VII
REGRESI DAN KORELASI LINEAR SEDERHANA
Setelah mempelajari bab ini Anda diharapkan mampu menentukan nilai Regresi dan
Korelasi Sederhana
berikut :
1. Mampu memahami hubungan linier antara dua variable dan model regresi linier
sederhana
2. Mampu menentukan segresi linearal dan interval
3. Mampu memahami regresi sederhana dari hubungan bukan linier
Pendahuluan
Selama ini dalam pembahasan prosedur statistik kita hanya menarikperhatian pada unsure
sampel dengan observasi tunggal, yaitu harga-harga sampel untuk variable tunggal x.
Sekarang kita amati bersama bisa dilakukan dalam dua pengukuran untuk setiap unsure
sampel, setiap sampel terdiri atas pasangan harga x dan y. sebagai contoh, ambil tinggi dan
berat untuk setiap individu. Jika mengambil sampel dari individu-individu masing-masing
kita peroleh tinggi dan berat, dan bila dinyatakan x serta berat dinyatakan y, maka dari
pribadi ke I kita peroleh pasangan bilangan (x1, y1).
7.1. Variabel bebas dan variabel terikat

Variabel bebas (indenpendent variable) adalah variabel yang nilai-nilainya tidak
bergantung pada variabel lainnya, bisanya disimbolkan dengan x. Variabel ini
digunakan untuk meramalkan atau menerangkan nilai variabel lain,

Variabel terikat (dependent variable) adalah variabel yang nilai-nilainya tergantung
pada varaiabel lainnya, biasanya dismbolkan dengan Y. Variabel ini merupakan
variabel yang diramalkan atau diterangkan nilainya.
Jika variabel bebas (varaibel x) memiliki hubungan dengan variabel x yang sudah
diketahui dapat digunakan untuk menaksir atau memperkirakan nilai-nilai Y.
7.2. Diagram Pencar
Diagram Pencar atau diagram serak adalah suatu alat berupa diagram untuk
menunjukkan ada atau tidaknya korelasi (hubungan) dua variabel (variabel X dan
variabel Y) yang berupa penggambaran nilai-nilai dari variabel-variabel tersebut.
Diagram pencar menggunakan sistem koordinat kartesius. Pada koordinat tersebut,
pada sumbu X diletakkan nilai-nilai variabel bebas (X) dan pada sumbu Y dilettkan
nili-nilai variabel terikat (Y).
Tujuan dari diagram pencar adalah untuk mengetahui apakah titik-titik koordnat pada
diagram tersebut membentuk suatu pola tertentu. Dalam diagram tersebut , sebuah
garis dapat ditarik membagi dua titik kordinat pada kedua sisinya . Dari dua garis
tersebut dapat diketahui korelasi antara dua variabel tersebut. Jika arah garis naik
berarti korelasi positif , jika arah garis menurun berarti korelasi negatif, jika terjadi
beberapa garis tidak ada korelasi dan jika titik-titik tepat pada garis berarti
korelasinya sempurna.
Gambar 7.1. Diagram Pencar

Gambar 7.2. Garis Linear positif dan negatif
Salah satu tujuan analisis data ialah untuk memperkirakan perhitungan besarnya efek
kuantitatif dari perubahan suatu kejadian terhadap kejadian lainnya. Setiap kebijakan
berarti mengakibatkan suatu pengaruh terhadap hal yang lain.
Untuk membuat ramalan Y dengan menggunakan nilai dari x, maka x dan y harus
mempunyai hubungan yang kuat. Kuat tidaknya hubungan x dan y diukur dengan
suatu nilai disebut koefisien korelasi sedangkan besarnya pengaruh x terhadap y,
diukur dengan koefisien regresi.
7.3. Regresi Linier Sederhana

Dalam pembahasan prosedur statistik kita hanya menarik perhatian pada unsure
sampel dengan observasi tunggal, yaitu harga-harga sampel untuk variabel tunggal x.
sekarang kita bersama bila dilakukan dua pengukuran untuk setiap unsure sampel,
setiap sampel terdiri atas pasangan harga yaitu x dan y. sebagai contoh, ambil tinggi
dan berat untuk setiap individu. Jika mengambil sampel dari individu-individu, dari
masing-masingnya kita peroleh tinggi dan berat, dan bila tinggi dinyatakan x serta
berat dinyatakan y, maka dari pribadi ke I kita peroleh pasangan bilangan (xi,yi).
Bila ada n pasangan maka ;

(x1,y1), (x2,y2),………(xn,yn)
Tujuan kita adalah mempelajari relasi antara variabel-variabel x dan y. salah satu
cara untuk mempelajari relasi itu adalah dengan regresi.
Dalam menggunakan analisa regresi itu kita harus tahu atau mengasumsikan bentuk
fungsional relasi antara variabel itu. Relasi itu dinyatakan dalam bentuk tinggi
matematis dimana y, variabel tak bebas, disamadengankan pada bentuk yang hanya
tergantung pada x, variabel bebas, dan suatu konstanta atau parameter. Berasumsi
bahwa ada relasi fungsional tidak berarti ada relasi sebab dan akibat. Dalam suatu
situasi yang ada bentuk fungsional yang diinginkan itu hanya didekati dengan dua
metoda :
1. Dari konsiderans analitis atau teoritis
2. Melalui mempelajari diagram hamburan seperti di gambar 7.1
Rumus umum dari regresi sederhana adalah
Rumus 7.1
Dimana untuk memperoleh nilai a dan b dapat menggunakan rumus
∑ ∑ ∑ ∑
∑ ∑
Rumus 7.2
∑ ∑ ∑
∑ ∑
Pada rumus tersebut , koefosien regresi a dan b dihitung secara terpisah atau sendiri-
sendiri. Akan tetapi, bisa juga koefisien b dihitung dahulu dan hasil yang diperoleh
dipakai untuk menghitung koefisen a dengan memakai rumus berikut :
∑ ∑ ∑
∑ ∑
Rumus 7.3
∑ ∑
( )

7.4.Simpangan Baku
Kesalahan baku adalah angka atau indeks yang digunakan untuk mengukur ketepatan
suatu penduga atau mengukur jumlah variasi titik –titik observasi di sekitar garis
regresi. Apabila semua titik observasi berada tepat pada garis regresi, selisih taksir
standar sama dengan nol. Dengan demikian, selisih taksir standar secara langsung
menunjukkan tingkat pencaran data. Selisih taksir standar beerguna untuk mengetahui
batasan seberapa jauh melesetnya perkiraan dalam meramal data.
Selisih taksi atau kesalahan baku dapat ditentukan dengan rumus :
∑ ∑ ∑
√
Rumus 7.3
∑ ∑ ∑
√
7.5.Analisis Korelasi Sederhana

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan
antarvariabel. Analisis korelasi adalah cara untuk mengetahui ada atau tidak adanya
hubungan antarvariabel misalnya hubungan dua variabel. Apabila terdapat hubungan
antarvariabel maka perubahan-perubahan yang terjadi pada salah satu variabel akan
mengakibatkan terjadinya perubahan variabel lainnya. Jadi dari analisis korelasi dapat
diketahui hubungan antarvariabel tersebut, yaitu merupakan suatu hubungan kebetulan
atau memang hubungan yang sebenarnya.
Korelasi yang terjadi antara dua variabel dapat berupa korelasi positif, korelasi negatif,
tidak da korelasi ataupun korelasi sempurna.
1. Korelsi Positif.
Korelasi positif adalah korelasi dari dua variabel, yaitu apabila variabel yang satu
(X) meningkat atau menurun maka variabel lainnya (Y) cenderung untuk
meningkat atau menurun pula.
2. Korelasi Negatif

Korelasi negatif adalah korelasi dari dua variabel , yaitu apabila variabel yang satu
meningkat atau menurun maka variabel lainnya (Y) cenderung menurun atau
meningkat.
3. Tidak ada korelasi
Tidak ada korelasi terjadi apabila kedua variabel (X dan Y) tidak menunjukkan
adanya hubungan.
4. Korelasi Sempurna
Korelasi sempurna adalah korelasi dari dua variabel, yaitu apabila kenaikan atau
penurunan variabel yang satu (variabel X) berbanding dengan kenaikan penurunan
variabel lainnya (variabel Y)
Analisis korelasi yang akan dipelajari disini adalah analisis korelasi sederhana,
yaitu analisis korelasi yang hanya melibatkan dua variabel (variabel X dan Y) saja.
Analisis korelasi dapat dilakukan melalui beberapa cara, yaitu diagram pencar,
tabel korelasi, koefisen korelasi, serta regresi.
7.6. Koefisen Korelasi Sederhana
Jenis-jenis Koefisien korelasi sederhana :
1. Koefisien Korelasi Pearson

Kofiesien korelasi Pearson adalah index atau angka yang digunakan untuk
mengukur keeratan hubungan antara dua variabel yang datanya berbentuk dua
interval atau rasio. Disimbolkan „r‟
Koefisien korelasi Pearson dapat ditentukan dengan metode yaitu :
a. Metode Least Square
Koefisien korelasi linear dengan metode least square dirumuskan :
∑ ∑ ∑
√ ∑ ∑ ∑ ∑ Rumus 7.4
b. Metode product moment

Koefisien korelasi (r) dengan metode product moment dirumuskan :
∑
Rumus 7.5
√∑ ∑

2. Koefisien Korelasi Rank Spearman
Koefisien korelasi ini adalah indeks atau angka yang digunakan untuk mengukur
keratan hubungan antara dua variabel yang datanya berbentuk data ordinat (data
bertingkat/data ranking). Disimbolkan „r‟.
Koefisien korelasi Rank Spearman dirumuskan :
∑
Rumus 7.6.
Dimana :
r = koefisen korelasi rank Spearman
d = selisih dalam rank
n = banyaknya pasangan rank
3. Koefisien Korelasi Rank Kendall
Koefisien korelasi rank Kendall merupakan pengembangan dari koefisien rank
Spearman . Dismbolkan “σ” (baca tau). Koefisen korelasi ini digunakan pada
pasangan variabel atau data X dan Y dalam hal ketidak sesuaian rank, yaitu untuk
mengukur ketidakteraturan. Koefisen rank Kendall dirumuskan :
Rumus 7.7
( ) ( )
Dimana :
S =statistik untuk jumlah konkordansi dan
C = /- konkordansi
D = /- diskordansi
/- = banyaknya pasangan
N = jumlah pasangan X dan Y
Perumusan koefisien korelasi dilakukan dengan memakai perbandingan antara variasi

yang ddijelaskan dengan varaibel total. Koefisen korelasi merupakan indeks atau
bilangan yang digunakan untuk mengukur keeratan (kuat, lemah, atau tidak ada)
hubungan antarvariabel. Koefisien korelasi (r) adalah akar dari koefien determinasi
dan ditulis :

∑
√ ∑ ∑∑
Rumus 7.8
∑ ∑ ∑
√{ ∑ }{ ∑ ∑ }
Arti dari kofisien korelasi (r) adalah :
1) Bila 0,90 < r < 1,00 atau -1,00 <r < -0,90 ; artinya hubungan yang sangat kuat
2) Bila 0,70 < r < 0,90 atau -0,90 < r < -0,70 ; artinya hubungan yang kuat
3) Bila 0,50 < r < 0,70 atau – 0,70 < r < -0,50, artinya hubungan yang moderat
4) Bila 0,30 < r < 0,50 atau -0,50 < r < -0,30, artinya hubungan yang lemah
5) Bila 0,0 < r < 0,30 atau -0,30 < r < 0,0 ; artinya hubungan yang sangat lemah
Sedangkan koefisen determinan adalah merupakan kuadrat darikoefisein korelasi (r)2
Contoh 1 :
Tabel berikut dibawah ini menunjukkan tinggi badan (in) dan berat badan ( lb) dari 12
mahasiswa.
Tinggi 70 63 72 60 66 70 74 65 62 67 65 68
badan
(X)
Berat 155 150 180 135 156 168 178 160 132 145 139 152
badan
(lb)
Tentukan :
1. Diagram pencar

2. Tentukan persamaan regresinya
3. Hitunglah kesalahan baku S(y/x)
4. Hitunglah koefisien korelasi dan koefien determinasi
5. Apakah arti koefien korelasi yang ditanyakan pada no.4
Jawab :
1. Diagram Pencar
200
180
160
140
120
100
80
60
40
20
0
0 10 20 30 40 50 60 70 80
2. Tabel dilengkapi menjadi

Tinggi badan (X) Berat badan (Y) X^2 Y^2 XY
70 155 4900 24025 10850
63 150 3969 22500 9450
72 180 5184 32400 12960
60 135 3600 18225 8100
66 156 4356 24336 10296
70 168 4900 28224 11760
74 178 5476 31684 13172
65 160 4225 25600 10400
62 132 3844 17424 8184
67 145 4489 21025 9715
65 139 4225 19321 9035
68 152 4624 23104 10336
802 1850 53792 287868 124258
Dari tabel diketahui :
∑ ∑ ∑ ∑ ∑

Koefisein persamaan regresinya :
∑ ∑ ∑
∑
∑ ∑
( ) ( )
Jadi persamaan regresinya adalah

3. Kesalahan baku rumusnya adalah :
∑ ∑ ∑
√
√ =7,52
4. Koefisien korelasi (r)

∑ ∑ ∑
√{ ∑ }{ ∑ ∑ }
√{ }{ }
Oleh karena r = 0,86 terletak antara 0,70 dan 0,90, maka terdapat hubungan positif
yang kuat antara tinggi badan mahasiswa dengan berat badan mahasiswa.
Sedangkan koefisen determinasi (r2)= (0,86)2 = 0,7396 = 73,96 %, artinya variasi
berat badan yang dapat dijelaskan oleh variasi tinggi badan (X) mahasiswa oleh
persamaan regresi Y = -61,04 + 3,22 X adalah sebesar 73,96 %. Sisanya sebesar
26,04 % dijelaskan oleh faktor lain di luar variabel pada persamaan regresi
tersebut.

Contoh 2 :
Jika Y= hasil bangkitan kendaraan
X = jumlah kendaraan
X Y
3 12
6 23
9 24
10 26
11 28
Tentukan :
1. Tentukan koefisien korelasinya (r) dengan metode Least Square dan metode
product moment
2. Sebutkan jenis korelasinya dan apa artinya
7.7. Rangkuman
Salah satu cara untuk mempelajari relasi hubungan antara variabel yang satu dengan
lain maka dinamakan analisa regresi. Untuk menentukan estimator-estimator dalam
hubungan analisa regresi dapat digunakan metode Last Square.
Regresi linear adalah regresi yang variabel ebasnya (variabel X) berpangkat paling
tinggi satu. Untuk regresi linear sederhana, yaitu regresi linear yang hanya
melibatkan dua variabel (variabel X dan Y), persamaan garis regresinya dapat
dituliskan dalam dua bentuk.
7.8. Evaluasi
1. Jelaskan yang dimaksud dengan variabel bebas dan variabel terikat
2. Berdasarkan analisis korelasi, dapat diketahui jenis korelasi antara dua variabel :
a. Apa yang dimaksud dengan analisis variabel
b. Sebutkan jenis-jenis korelasi yang dapat terjadi antara dua variabel dan
jelaskan
3. Apa yang dimaksud dengan diagram pencar, gambarkan diagram pencar dari
jenis-jenis korelasi

4. Apa yang dimaksud dengan koefisien korelasi dan koefisien determinan.
Sebutkan batas-batas koefisein korelasi dan artinya
5. Data berikut ini adalah mengenai beban terbesar yang dapat dipikul oleh suatu
sambungan paku :
Beban (lb) Diameter paku (inc) Beban (lb) Diameter paku

(inc)
2 12 2
12
1 7 1,5
8
2 7 1
9
1,5 8 1,5
7
2 9 2
10
Ditanyakan “
a. Diagram pencar
b. Persamaan regresinya
c. Koefien korelasi dan kofisen determinan, jelaskan arti nilai (r) nya
d. Hitung simpangan baku (Sy/x)
6. Dari hasil penelitian 10 buah kubus beton ukuran 15 x 15 x15 cm didapat data
sebagai berikut :
umur
beton 3 7 3 15 7 3 28 7 15 3
kuat
tekan 150 175 165 200 180 175 225 179 215 170
a. Buatlah diagram pencar

b. Tentukan persamaan regresinya
c. Tentukan simpangan baku, koofisien korelasi dan koefisien determinan
7. Untuk mempelajari kualitas air di sebuah danau, pengamatan dilakuka dengan

mengukur pH udara dan kualitas air yang dinyatakan dengan indeks kualitas.

Indeks kualitas tersebut mempunyai nilai dari 0 sampai dengan 100 dengan
bilangan yang besar menunjukkan polusi yang tinggi. Data yang diperoleh adalah
:
pH udara 4,5 4,1 4,8 4,0 5,0 6,0 3,5 4,9 3,2 6,1
(X)
40 50 30 60 20 10 70 30 85 15
Kualitas air
(Y)
a. Buatlah diagram pencar

b. Tentukan persamaan regresinya
c. Tentukan simpangan baku, koofisien korelasi dan koefisien determinan

DAFTAR PUSTAKA
_______. PEDC,1985, Statiika, Bandung,

Buediono,DR dan Wayan Koster,DR,IR,MM,Teori dan Aplikasi Statika dan
Probabilitas, 2001, Remaja Rodaskarya, Bandung
Dajan,A.Pengantar Metode Statstik Deskriptik,Jakarta, 1973, Lembaga Penelitian
Pendidikan dan Penerangan Ekonomi dan Sosial (LP3ES)
Danang Sunyoto, SE,MM, Statistik Deskriptik 2002.,Hanidinata, Yogyakarta
Etty Rabihati, Statistik, 2004, Pontianak
Iqbal Hasan, Pokok-pokok Materi Statistik I, 2014, Bumi Aksara, Jakarta
Gunawan Santosa, Statistik, 2004, Andi , Yogyakarta
Sujana, Metode statistika,1989, Tarsito, Bandung
Quadratullah, M.F,Statika Terapan Teori dan Contoh Kasus dan Aplikasi dengan
SPSS,2014, Andi, Yogyakarta

Isi Buku Statistik PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

Isi Buku Statistik PDF

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Isi Buku Statistik PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

STATISTIK DAN TEKNIK PENGUMPULAN DATA

Hasil Pembelajaran Umum

Hasil Pembelajaran Khusus

Statistik –Etty Rabihati- 1

Statistik –Etty Rabihati- 2

Statistik –Etty Rabihati- 3

1.3. Penggunaan Statistik Dalam Teknik Sipil

Statistik –Etty Rabihati- 4

Statistik –Etty Rabihati- 5

Statistik –Etty Rabihati- 6

Statistik –Etty Rabihati- 7

Statistik –Etty Rabihati- 8

1.6. Populasi dan Sampel

Statistik –Etty Rabihati- 9

Adapun keuntungan-keuntungan penelitian menggunakan sampel yaitu:

Statistik –Etty Rabihati- 10

Sampel diambil dari populasi

Hasil kesimpulan dapat

Gambar 1.1. Teknik Pengumpulan Data

Statistik –Etty Rabihati- 11

Di dalam pengertian mutahir kata statistik adalah berhubungan dengan

Statistik –Etty Rabihati- 12

Hasil Pembelajaran Umum

Hasil Pembelajaran Khusus

Statistik –Etty Rabihati- 13

Statistik –Etty Rabihati- 14

Statistik –Etty Rabihati- 15

2.2.Penyusunan Distribusi Frekuensi

Banyak kelas = 1 + (3,33 log n) Rumus 2.2

Dimana n adalah banyaknya data

3) Menentukan panjang kelas interval (P)

4) Memilih nilai ujung bawah kelas interval pertama.

Statistik –Etty Rabihati- 16

21,7 27,8 31,8 34,0 37,4

Statistik –Etty Rabihati- 17

Kuat tekan Beton Frekuensi

21,7 - 25,3 IIII 4

Statistik –Etty Rabihati- 18

2.3.Distribusi Frekuensi Komulatif

Tabel 2.3. Frekuensi komulatif kekuatan tekan beton

Statistik –Etty Rabihati- 19

Tabel 2.4. Analisa ukuran butir agreagat

2.4. Penyajian Dalam Berbagai Bentuk

Frekeunsi Gambar 2.1. Histogram tes kubus beton

Diameter pipa (m)

Gambar 2.2. Pengukuran diameter pipa

Statistik –Etty Rabihati- 21

Begitu perhitungan selanjutnya (lihat tabel 2.4)

Statistik –Etty Rabihati- 22

Kuat tekan beton (kg/cm2)

Gambar 2.3. Grafik garis untuk kuat tekan kubus beton

2.4.3 Grafik Lengkungan (Ogive)

Batas kelas Frekuensi Tepi kelas FKKD FKLD

Statistik –Etty Rabihati- 23

Dari tabel 2.4 kemudian dibuatlah grafik lengkungan grafik ogive.

Kuat tekan beton (kg.cm2)

Gambar 2.4 . Kurve ogive kuat tekan kubus beton