�ݺ�ߣ

12
BAB I
PENDAHULUAN
1.1. Latar Belakang
Distribusi frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang
sudah dikelompokkan ke dalam selang interval tertentu) yang disertai dengan nilai frekuensi
yang sesuai. Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri
penting data tersebut dapat segera terlihat.
Karena distribusi frekuensi probabilitas disusun berdasarkan teori peluang maka
pengetahuan tentang distribusi teoritis menjadi sangat penting untuk membuat estimasi atau
meramalkan variasi-variasi yang mungkin dapat timbul pada suatu keadaan yang tidak pasti.
Distribusi Frekuensi Katagorikal adalah pengelompokan data berdasarkan kategori – kategori
tertentu, biasanya disajikan dengan grafik batang, lingkaran dan gambar.
1.2. Tujuan Praktikum
Dari kegiatan praktikum yang dilakukan, praktikan diharapkan :
1. Dapat memahami definisi dan manfaat dari distribusi frekuensi.
2. Dapat menggambar grafik frekuensi, frekuensi relatif dan frekuensi kumulatif.
3. Dapat memahami mengenai konsep perhitungan distribusi frekuensi untuk data
berkelompok.

13
BAB II
LANDASAN TEORI
Distribusi frekuensi merupakan suatu ringkasan dalam bentuk tabel dari suatu kelompok
data yang menunjukkan frekuensi item-item (kategori-kategori) dalam beberapa kelas.
Adapun langkah-langkah yang perlu dilakukan untuk membuat daftar distribusi frekuensi
adalah sebagai berikut :
a. Tentukan rentang, selisih nilai terbesar dan terkecil.
b. Tentukan jumlah kelas (k) dengan menggunakan rumus :
k = 1 + 3,322 log n, n : banyaknya nilai observasi.
c. Tentukan jumlah interval kelas (c), dengan rumus :
C
d. Tentukan tepi batas kelas
Batas kelas bawah menunjukkan kemungkinan nilai data terkecil pada suatu kelas.
Sedangkan batas kelas atas mengidentifikasikan kemungkinan nilai data terbesar dalam suatu
kelas. Seringkali dalam penyusunan tabel distribusi frekuensi, tabel distribusi frekuensi relatif
dan kumulatif serta grafik juga disertakan dengan tujuan untuk mempermudah memahami
data.
Tabel 2.1. Frekuensi Hipotesis Relatif dan Kumulatif
X F Fr Fk* Fk**
(1) (2) (3) (4) (5)
X1 f1 f1/n f1 f1 + f2 + … + fi + … + fk
X2 f2 f2/n f1 + f2 f2 + … + fi + … + fk
… … … … …
Xi Fi fi/n f1 + f2 + … + fi f1 + fk
… .. … … …
Xk Fk fk/n f1 + f2 + … +fi + … + fk fk
Jumlah
Dimana : k : Banyaknya kelas
Xn : Nilai observasi terbesar
X1 : Nilai observasi terkecil.

14
*Sama atau kurang dari
**Sama atau lebih dari
Grafik dalam distribusi frekuensi sering digambarkan dalam bentuk histogram atau grafik
batangan (bar chart) dan frekuensi poligon.
Gambar 2.1. Bentuk Histogram dan Kurva Frekuensi Poligon
Perhitungan distribusi frekuensi untuk data berkelompok dapat dicari berdasarkan urutan
pemusatannya, urutan letaknya dan ukuran variansinya.
Tabel 2.2. Rumus Ukuran Pemusatan
Jenis Ukuran Data Yang Diperlukan Rumus Keterangan
Rata – Rata
Hitung
Titik Data dan
frekuensinya
X =
∑
∑
Xi: Data
fi : Frekuensi data
Rata – Rata
Ukur
Nilai titik tengah dan
frekuensinya
LogRu =
∑
∑
Xi : Nilai tengah
fi : Frekuensi data
Modus Tepi batas kelas, interval
kelas, frekuensi masing –
masing kelas.
Mo = tb + c( )
o Tb : Tepi bawah kelas
modus
o d1 : Frekuensi kelas
modus – frekuensi
kelas sebelumnya
o d2 : Frekuensi kelas
modus – frekuensi
kelas sesudahnya.
o C : Interval kelas

15
Tabel 2.3. Rumus Ukuran Letak
Jenis
Ukuran
Data yang
diperlukan
Rumus Keterangan
Median
(Med)
Tepi batas kelas,
interval kelas,
frekuensi kumulatif,
frekuensi masing-
masing kelas.
( )
o tb : tepi bawah kelas
yang memuat median
o c : interval kelas
o fk : frekuensi kumulatif
sebelum kelas yang
memuat median.
o f : frekuensi yang
memuat median
Kuartil
(Qi)
Tepi batas kelas,
frekuensi masing-
masing kelas,
panjang interval
kelas.
*Letaknya :
Qi = [i/4] x n,
Dimana i = 1,2,3.
*Nilai / besarnya :
( )
o Tb : tepi bawah kelas Qi
o fki : frekuensi kumulatif
sebelum kelas Qi
o fi : frekuensi kelas Qi
o n : banyaknya data
Desil
(Di)
Tepi batas kelas,
frekuensi masing-
masing kelas,
panjang interval
kelas.
Letaknya :
Di = [i/10] x n,
Dimana i = 1, 2, 3, …, 99.
Nilai / besarnya :
( )
o Tb : tepi bawah kelas Di
o fki : frekuensi kumulatif
sebelum kelas Di
o fi : frekuensi kelas Di
o n : banyaknya data
Persentil
(Pi)
Tepi batas kelas,
frekuensi masing-
masing kelas,
panjang interval
kelas.
Letaknya :
Pi = [i/100] x n,
Dimana i = 1,2,3,…,99.
Nilai / besarnya :
( )
 Tb : tepi bawah kelas Pi
 fki : frekuensi kumulatif
sebelum kelas Pi
 fi : frekuensi kelas Pi
 n : banyaknya data

16
Tabel 2.4. Rumus Ukuran Variansi
Jenis Ukuran Data yang
diperlukan
Rumus Keterangan
Variansi Data dan frekuensi
masing-masign
kelas, rata-rata data.
∑ ̅  n : ∑
 Xi : data ke-i
 ̅ : rata-rata data
 = frekuensi data
ke-i
Simpangan
baku
Data dan frekuensi
masing-masing
√ √ S2
: variansi
Simpangan
rata-rata
Data dan frekuensi
masing-masing
∑ ̅
∑
 Xi : data ke-i
 ̅ : rata-rata data
 : frekuensi data ke-
i
Simpangan
kuartil
Interval kelas,
frekuensi masing-
masing kelas, tepi
batas kelas, dan
frekuensi
kumulatif.
Sk = ½ (Q3-Q1),
Dimana :
( )
( )
 f1 : frekuensi yang
memuat Q1
 f3 : frekuensi yang
memuat Q3
 fk1 : frekuensi
kumulatif
sebelum kelas
Q1
 fk3 : frekuensi
kumulatif
sebelum kelas
Q3
Skewness
(kemiringan)
Data dan frekuensi
masing-masing
∑ ̅ S : Simpangan baku
Kurtosis
(keruncingan)
Data dan frekuensi
masing-masing
∑ ̅ S : Simpangan baku

17
BAB III
METODE PRAKTIKUM
3.1. Waktu dan Tempat
Praktikum ini (Modul II – Distribusi Frekuensi) dilakukan pukul 13.00 WIT – 15.00
WIT pada hari Rabu, 1 April 2015 bertempat di Computation and Operation Research
Laboratoty, Fakultas Teknik, Universitas Pattimura Ambon.
3.2. Alat dan Bahan yang Digunakan
Dalam praktikum ini, alat-alat yang digunakan adalah :
1. Meteran gulungan untuk mengukur tinggi badan
2. Timbangan badan untuk mengukur berat badan
3.3. Metode Pengolahan data dan Analisis Data
Dalam praktikum ini, dilakukan pengukuran dan pencatatan anthropometri mengenai
data tinggi badan dan berat badan untuk 50 (lima puluh) orang. Kemudian hasilnya dituliskan
ke dalam sebuah tabel percobaan.
Setelah tabel percobaan telah berisi data-data yang diperlukan, maka data dapat diolah
secara kuantitatif dengan perhitungan-perhitungan matematika yang dapat membantu
mengolah data. Setelah itu, untuk lebih memperjelas data yang ada, data dapat diolah dengan
menggunakan software Microsoft Excel 2007, Minitab 14 dan SPSS 16. Data kuantitatif yang
dihasilkan oleh software-software tersebut kemudian dapat lebih dijelaskan dengan metode
kualitatif, yaitu penjelasan melalui kata-kata.

18
BAB IV
MATERI
4.1. Laporan Detail Kegiatan
Praktikum ini (Modul II – Distribsui Frekuensi) dilakukan pada Rabu, 01 April 2014.
Praktikum dilakukan di Lab Komputasi (Computation And Operaton Research Laboratory).
Sebelum memulai praktikum, praktikan harus menjawab dua soal pertanyaan yang adalah
kuis awal yang wajib diikuti oleh setiap praktikan yang akan melakukan praktikum.
Kemudian asisten lab mengelompokkan setiap praktikan ke dalam 5 kelompok. Praktikum ini
dilakukan setelah Modul I telah selesai dikerjakan (Modul I dan II dilakukan dalam satu hari).
Kemudian, dilakukan pengambilan data hasil pengukuran tinggi dan berat badan untuk
50 (lima puluh) orang. Setelah itu, data-data tersebut diolah secara kualitatif dan kuantitatif
untuk mendapatkan hasil analisis yang dapat menjawab tujuan praktikum di atas.
4.2. Hasil Percobaan
Berikut adalah data hasil pengukuran berat dan tinggi badan untuk 50 (lima puluh)
orang :
Tabel 2.5. Data Tinggi Badan dan Berat Badan
No Nama TB (cm) BB (kg) No Nama TB (cm) BB (kg)
1 Rizal 165 51 26 Ulis 171 49
2 Rizki 176 50 27 Aldrin 172 47
3 Kevin 166 60 28 Fhony 156 48
4 Chris 168 54 29 Celo 163 48
5 Zenard 161 56 30 Meldy 162 71
6 Fai 176 54 31 Wulan 170 49
7 Rizki 169 53 32 Mia 165 49
8 Siti 153 49 33 Bramco 168 48
9 Ken 173 60 34 Michael 167 46
10 Aby 172 61 35 April 164 46
11 Iren 168 69 36 Rizkifan 170 58
12 Ulen 157 46 37 Wan 171 61
13 Rani 160 59 38 Ardy 174 55
14 Anggi 155 53 39 Suci 161 83
15 Irshan 174 78 40 Fajrin 166 53
16 Ismail 161 45 41 Kiki 152 49
17 Arlan 174 56 42 Mei 154 55
18 Randi 172 67 43 Dewi 145 42
19 Irma 145 40 44 Hendra 160 43
20 Meisly 154 39 45 Bastian 167 51
21 Vano 162 48 46 Rivand 172 79
22 Ona 155 49 47 Kevin 165 50
23 Yani 157 45 48 Beto 166 60
24 Jerry 168 56 49 Yopi 165 55
25 Valen 162 40 50 Jose 159 51

19
4.3. Analisa Data
Untuk menganalisa data hasil pengukuran, dapat dilakukan dibantu dengan menjawab
beberapa pertanyaan seperti yang terdapat di bawah ini :
1. Buatlah tabel frekuensi hipotesis relatif dan kumulatifnya dari data-data yang telah
diperoleh, kemudian gambarlah grafik histogram nya!
2. Carilah ukuran pemusatan datanya!
a. Rata-rata Hitung
b. Rata-rata Harmonis
c. Modus
3. Carilah ukuran letak datanya dan beri analisanya!
a. Median
b. Kuartil ke-2
c. Desil ke-5
d. Persentil ke-50
4. Carilah ukuran dispersi dari data tersebut!
a. Range
b. Simpangan Baku
c. Variansi
5. Tentukan pola distribusi datanya!
a. Skewness (kemiringan)
b. Kurtosis (keruncingan)
Pembahasan Soal dan Analisa Data
1. Tabel frekuensi hipotesis relatif dan kumulatif dari data pengukuran adalah sebagai
berikut :
Tabel 2.6. Frekuensi Hipotesis Relatif dan Kumulatif untuk Tinggi Badan
NILAI (cm) FREKUENSI TEPI ATAS fk<*
TEPI BAWAH fk>**
fr***
145-149 2 149.5 2 144.5 50 4%
150-154 4 154.5 6 149.5 48 8%
155-159 6 159.5 12 154.5 44 12%
160-164 10 164.5 22 159.5 38 20%
165-169 14 169.5 36 164.5 28 28%
170-174 12 174.5 48 169.5 14 24%
175-179 2 179.5 50 174.5 2 4%
f = 50
*=frekuensi kumulatif kurang dari
**=frekuensi kumulatif lebih dari
***=frekuensi relatif

20
Tabel 2.7. Frekuensi Hipotesis Relatif dan Kumulatif untuk Berat Badan
NILAI (kg) FREKUENSI TEPI ATAS fk<*
TEPI BAWAH fk>**
fr***
39-45 7 45.5 7 38.5 50 14%
46-52 19 52.5 26 45.5 43 38%
53-59 13 59.5 39 52.5 24 26%
60-66 5 66.5 44 59.5 11 10%
67-73 3 73.5 47 66.5 6 6%
74-80 2 80.5 49 73.5 3 4%
81-87 1 87.5 50 80.5 1 2%
f = 50
Dimana untuk nilai frekuensi kumulatif terbagi atas dua, yaitu frekuensi kumulatif kurang dari
(fk<) dan frekuensi kumulatif lebih dari (fk>). Sedangkan frekuensi relatif, dapat ditentukan
dengan rumus
fr = x 100%
dengan fr : frekuensi relatif
fi : frekuensi tiap kelas
: total frekuensi
Gambaran untuk grafik histogram dari data pengukuran tinggi badan dan berat badan dapat
diolah dengan tiga software, yaitu Microsoft Excel 2007, Minitab 14 dan SPSS 16, dan dapat
dilihat sebagai berikut :
a. Microsoft Excel
Gambar 2.2. Histogram Data Tinggi Badan Menggunakan Microsoft Excel
0
2
4
6
8
10
12
14
16
145-149 150-154 155-159 160-164 165-169 170-174 175-179 183-187
Frekuensi
Kumulatif
Histogram Tinggi Badan

21
Dari histogram di atas, dapat kita simpulkan bahwa nilai modus (yang paling banyak
muncul) dari keseluruhan data adalah pada interval 165-169, yaitu sebanyak 14 orang, dan
nilai yang paling sedikit muncul adalah pada interval 45-49 dan 183-187, yaitu sebanyak 2
orang. Hal ini tentu saja berbanding lurus dengan data-data yang ada pada tabel hasil
pengukuran tinggi badan.
Gambar 2.3. Histogram Data Berat Badan Menggunakan Microsoft Excel
Kemudian untuk data berat badan, dapat kita simpulkan sesuai dengan histogram di
atas bahwa pada interval 46-52 terdapat kelas modus (yang paling banyak muncul) dari
keseluruhan data. Pada interval tersebut terdiri atas 19 orang. Sedangkan nilai yang paling
sedikit munculnya adalah pada interval 81-87, karena hanya terdiri atas 1 orang saja.
b. MiniTab 14
Gambar 2.4. Histogram Data Tinggi Badan Menggunakan MiniTab
0
5
10
15
20
39-45 46-52 53-59 60-66 67-73 74-80 81-87
Frekuensi
Kumulatif
Histogram Berat Badan
TB (cm)
Frequency
176168160152144
12
10
8
6
4
2
0
Mean 164,2
StDev 7,593
N 50
Histogram Tinggi Badan

22
Histogram data tinggi badan dengan menggunakan MiniTab 14 menunjukkan bahwa
nilai modus dan nilai terendah yang muncul masing-masing secara berturut-turut terdapat
pada interval yang memiliki nilai tengah 168, dan pada interval yang memiliki nilai tengah
144. Namun yang menjadi pertanyaan adalah mengapa terdapat kekosongan di antara interval
yang bernilai tengah 144 dan 152? Hal ini karena kemungkinan tidak ada data yang muncul
pada interval kelas antara interval kelas 144 dan interval kelas 152. Hal ini berbanding lurus
dengan data yang ada pada tabel data hasil pengukuran tinggi badan. Bentuk kurva
dipengaruhi oleh data kurtosis dan skweness. Pada histogram terlihat bahwa bentuk kurtosis
(keruncingan) adalah lebih runcing atau disebut leptokurtic karena berada di bagian atas dari
distribusi data. Sedangkan terlihat dari skewness bahwa data terdistribusi normal karena nilai
mean dan modus berada pada interval yang sama, namun memiliki kecondongan yang tidak
simetris, karena data condong ke arah kiri (negatif) yang disebabkan nilai modus lebih besar
dari mean.
Gambar 2.5. Histogram Data Berat Badan Menggunakan MiniTab
Dapat dilihat jelas bahwa kelas modus terdapat pada kelas yang memiliki nilai tengah
50, dan nilai yang paling sedikit muncul tepat berada pada kelas yang memiliki nilai tengah
80. Kekosongan pada interval kelas yang bernilai tengah 70 dan 80 disebabkan karena pada
hasil pengukuran berat badan, tidak ada data yang muncul pada interval kelas tersebut. Bentuk
kurtosis runcing atau disebut mesokurtic karena berada di tengah distribusi data dan
puncaknya berada di antara puncak dan bagian bawah dari histogram. Data tidak terdistribusi
normal karena nilai mean, median dan modus tidak berada pada interval yang sama, namun
BB (kg)
Frequency
8070605040
16
14
12
10
8
6
4
2
0
Mean 53,68
StDev 9,713
N 50
Histogram Berat Badan

23
memiliki kecondongan (skewness) positif, karena data lebih condong ke arah kanan yang
disebabkan oleh nilai modus lebih kecil dari mean.
c. SPSS 16
Gambar 2.6. Histogram Data Tinggi Badan Menggunakan SPSS
Histogram di atas menampilkan hasil data dari pengukuran tinggi badan dengan
menggunakan SPSS. Histogram ini berbanding lurus dengan data hasil pengukuran tinggi
badan yang terdapat pada tabel. Seperti sama halnya dengan kekosongan yang terdapat pada
histogram yang diolah oleh software MiniTab, kekosongan yang terdapat pada histogram
yang diolah oleh software SPSS juga dikarenakan tidak adanya data yang muncul pada
interval kelas tersebut. Namun, nilai modus dan data yang paling sedikit muncul benar.
Bentuk kurva bila dilihat dari kurtosisnya adalah mesokurtic karena berada di tengah
distribusi data, di antara puncak dan bagian bawah histogram. Serta memiliki kecondongan
(yang dilihat dari skewness) yang tidak simetris, karena data condong ke arah kiri (negatif)
yang disebabkan nilai modus lebih besar dari mean. Namun data tetap terdistribusi normal
karena nilai mean, median dan modus berada pada interval yang sama.
Untuk histogram data berat badan dapat dilihat pada gambar di bawah ini. Terlihat jika
nilai modus (yang sering muncul) terdapat pada interval kelas yang bernilai tengah 50, dan
sesuai dengan data yang sering muncul pada tabel hasil pengukuran berat badan. Begitu pula
dengan nilai yang paling sedikit muncul, dan kekosongan yang terdapat pada histogram ini
dapat dijelaskan seperti penjelasan yang diungkapkan sebelumnya pada histogram data tinggi

24
badan. Bentuk kurva bila dilihat dari kurtosis adalah mesokurtic karena berada di tengah
distribusi data, di antara puncak dan bagian bawah histogram. Serta memiliki kecondongan
(yang dilihat dari skewness) ke arah kanan yang bersifat positif karena nilai modus lebih kecil
dari mean, namun tidak terdistribusi normal karena nilai mean, median dan modus tidak
berada pada interval yang sama.
Gambar 2.7. Histogram Data Berat Badan Menggunakan SPSS
2. Mencari urutan pemusatan data sebagai berikut :
a. Rata-rata Hitung
Untuk Tinggi Badan
Untuk Berat Badan

25
b. Rata-rata Harmonis
Untuk Tinggi Badan
=
= 2,216
Untuk Berat Badan
=
= 1,735
c. Modus
Untuk Tinggi Badan
( )
( )
Untuk Berat Badan
( )
( )
3. Mencari ukuran letak datanya, disertai analisa, sebagai berikut :
a. Median
Untuk Tinggi Badan

26
(
⁄
)
( )
Untuk Berat Badan
(
⁄
)
( )
b. Kuartil ke-2
Untuk Tinggi Badan
(
⁄
)
( )
Untuk Berat Badan
(
⁄
)
( )
c. Desil ke-5
Untuk Tinggi Badan
(
⁄
)
( )

27
Untuk Berat Badan
(
⁄
)
( )
d. Persentil ke-50
Untuk Tinggi Badan
(
⁄
)
( )
Untuk Berat Badan
(
⁄
)
( )
Jika empat data di atas dianalisis, terdapat hal yang unik karena hasil akhir yang
diberikan adalah sama. Namun apabila dilihat pada rumus statistik yang digunakan, maka
dapat terlihat jelas bahwa nilai dari median suatu data adalah sama dengan kuartil ke-2 dari
suatu data, begitu pula bila disandingkan dengan data untuk desil ke-5 dan persentil ke-50
untuk data yang sama. Keempatnya akan memberikan hasil yang sama pada sebuah data. Bila
data dibagi menjadi dua data yang sama besar, maka akan mendapatkan nilai median. Bila
data dibagi menjadi empat data yang sama besar, maka nilai kuartil ke-2 nya sama dengan
nilai median. Begitu juga bila data dibagi menjadi sepuluh bahkan seratus data yang sama
besar intervalnya, maka desil ke-5 dan persentil ke-50 nya sama dengan median dan nilai
kuartil ke-2.

28
4. Mencari ukuran penyebaran (disperse) data :
a. Range (jangkauan)
Untuk Tinggi Badan
Untuk Berat Badan
b. Simpangan Baku (Standar Deviasi) dan Variansi (Ragam)
Rumus dari simpangan baku adalah √ , jadi untuk Variansi dapat
dikerjakan sekaligus.
̅
Untuk Tinggi Badan
Maka, dari data variansi untuk tinggi badan di atas, simpangan baku =
√
√
S = 7,36
Untuk Berat Badan

29
Maka, dari data variansi untuk berat badan di atas, simpangan baku =
√
√
S = 9,66
5. Menentukan pola distribusi data
a. Kemiringan (Skewness)
Untuk Tinggi Badan
⁄ ∑ ̅
⁄ 2 147-164,4 3+4 152-164,4 3+6 157-164,4 3 1 162-164,4 3+14 167-164,4 3+12 172-164,4 3+2 177-164,4 3
56272574
Untuk Berat Badan
⁄ ∑ ̅
⁄
b. Keruncingan (Kurtosis)
Untuk Tinggi Badan
⁄ ∑ ̅
⁄ 2 147-164,4 4
+4 152-164,4 4
+6 157-164,4 4
1 162-164,4 4
+14 167-164,4 4
+12 172-164,4 4
+2 177-164,4 4

30
Untuk Berat Badan
⁄ ∑ ̅
⁄
Data yang dihitung secara manual di atas dapat kita bandingkan dengan hasil
perhitungan yang dilakukan oleh software Microsoft Excel 2007, MiniTab 14 dan SPSS 16,
seperti yang di bawah ini :
Tabel 2.8. Data Statistik Pengukuran Tinggi dan Berat Badan dengan
Microsoft Excel
MiniTab 14
 Tinggi Badan
Total
Variable Count Mean StDev Variance Sum Minimum Median Maximum
TB (cm) 50 164,16 7,59 57,65 8208,00 145,00 165,00 176,00
Variable Range Skewness Kurtosis
TB (cm) 31,00 -0,60 -0,07
 Berat Badan
Total
Variable Count Mean StDev Variance Sum Minimum Median Maximum
BB (kg) 50 53,68 9,71 94,34 2684,00 39,00 51,00 83,00
Variable Range Skewness Kurtosis
BB (kg) 44,00 1,23 1,65
DATA TINGGI BERAT
Mean 164.16 53.68
Median 165 51
Mode 165 49
Standard Deviation 7.592584997 9.713109172
Kurtosis -0.06501631 1.647396875
Skewness -0.599059725 1.234794787
Range 31 44
Minimum 145 39
Maximum 176 83

31
SPSS 16
Apabila hasil pengukuran secara manual dibandingkan dengan hasil pengukuran yang
dihasilkan oleh software-software, dapat dilihat bahwa terdapat perbedaan. Walaupun begitu,
perbedaan yang ada tidaklah terlalu besar.
Mengapa terdapat perbedaan? Sebab perbedaan tersebut terjadi dikarenakan perhitungan
yang dilakukan oleh software tentu saja sangat terperinci hingga data yang terkecil, yang tidak
terlalu diperhatikan secara manual dimana hasil perhitungan manual dilakukan pembulatan
tertentu. Kita misalkan saja contoh perhitungan nilai modus. Nilai modus yang dilakukan
secara manual adalah 167.83 untuk ukuran tinggi, dan 50.17 untuk ukuran berat. Namun data
pengukuran yang diberikan oleh Microsoft Excel, MiniTab 14 dan SPSS 16 berturut-turut
adalah 165 untuk ukuran tinggi, dan 49 untuk ukuran berat.
Jika kita harus memilih software mana yang memberikan hasil analisa data yang lebih
baik, maka dapat dikatakan bahwa untuk hasil perhitungan data, Microsoft Excel 2007
memberikan data yang lebih baik. Namun memiliki kelemahan pada tampilan histogramnya,
karena agak sulit untuk dibaca datanya Hasil pengukuran MiniTab mungkin tidak serinci
Microsoft Excel, karena tidak ada pilihan untuk menampilkan nilai modus. Namun untuk
gambaran histogram, lebih baik tampilannya dan data mudah terbaca pada histogram itu.
STATISTIC
TINGGI_BADAN BERAT_BADAN
N Valid 50 50
Missing 0 0
Mean 164.16 53.68
Median 165.00 51.00
Mode 165a
49
Variance 57.647 94.344
Skewness -.599 1.235
Std. Error of Skewness .337 .337
Kurtosis -.065 1.647
Std. Error of Kurtosis .662 .662
Range 31 44
Minimum 145 39
Maximum 176 83
Percentiles
50 165.00 51.00
a. Multiple modes exist. The smallest value is shown

32
BAB V
KESIMPULAN
Dari hasil percobaan Distribusi Frekuensi, dapat disimpulkan bahwa :
1. Distribusi frekuensi merupakan suatu ringkasan dalam bentuk tabel dari suatu kelompok
data yang menunjukkan frekuensi kategori - kategori dalam beberapa kelas. Distribusi ini
sangat membantu untuk mengolah dan menganalisa data berkelompok.
2. Untuk mencari ukuran pemusatan data, ukuran letak data, ukuran dispersi dari data, dan
pola distribusi datanya, dapat menggunakan perhitungan manual dan perhitungan
menggunakan software. Data yang dihasilkan mungkin berbeda, hal ini dikarenakan
perhitungan yang dilakukan oleh software tentu saja sangat terperinci hingga data yang
terkecil, yang tidak terlalu diperhatikan secara manual dimana hasil perhitungan manual
dilakukan pembulatan tertentu.
3. Microsoft Excel 2007 memberikan data yang lebih baik. Namun memiliki kelemahan
pada tampilan histogramnya, karena agak sulit untuk dibaca datanya Hasil pengukuran
MiniTab mungkin tidak serinci Microsoft Excel. Namun untuk gambaran histogram,
lebih baik tampilannya dan data mudah terbaca pada histogram itu.

33
DAFTAR PUSTAKA
Tupan, Johan.M. Modul Praktikum Teori Peluang, MiniTab 14, SPSS 16 & MS.Excel
2007.2015.Ambon: Fakultas Teknik, Universitas Pattimura
Makalah Distribusi Probabilitas Normal Sampling.2011.Medan: Magister Biomedik,
Fakultas Kedokteran, Universitas Sumatera Utara
Dasari, Dadan. Statistik Dasar 4 PDF

�ݺ�ߣ

Laporan praktikum teori peluang 2

Recommended

More Related Content

What's hot (20)

Viewers also liked (10)

Similar to Laporan praktikum teori peluang 2 (20)

Laporan praktikum teori peluang 2