Tentang herlawati

Looking for Statistics and Information System? Here’s Statistics and System Information for you!

Pemrograman berOrientasi Objek – SI-17A

  • OOP adalah metode pemrograman yang menggunakan objek-objek (bukan algoritma) sebagai dasar pembangunan blok-blok logika.
  • Objek-objek yang digunakan tersebut merupakan instance dari class-class
  • Class-class dapat saling terhubung melalui hubungan pewarisan sifat (inheritance relationship)

Desain berOrientasi Objek

  • OOD merupakan metode perancangan sistem dengan melakukan dekomposisi berorientasi objek pada sistem yang telah ada
  • Menggunakan notasi untuk menggambarkan aspek statis dan dinamis dari model sistem yang dibuat secara logik maupun secara fisik

Analisa berOrientasi Objek

  • OOA adalah metode analisa kebutuhan-kebutuhan dilihat dari perspektif class dan objek yang ada dalam domain problem

Aspek-Aspek Utama pada Objek

  • Abstraction (abstraksi)
  • Inheritance (pewarisan sifat)
  • Encapsulation (pengapsulan)
  • Polymorphism (banyak bentuk)
  • Message Sending (pengiriman pesan)
  • Association (hubungan)
  • Aggregation (agregasi)

Abstraction

  • Abstraction berguna untuk memfilter atribut dan operation sehingga hanya tinggal atribut dan operation yang diperlukan saja

Inheritance

  • Pewarisan sifat yaitu objek mewarisi sifat dari kelas di atasnya


Encapsulation

  • Disebut juga information hiding yaitu menyembunyikan data atau operasi
  • Berguna untuk melokalisir masalah

Polymorphism

  • Satu nama operation yang memiliki bentuk proses berbeda-beda

Message Sending

  • Pengiriman pesan dari suatu objek kepada objek lain untuk melakukan suatu operation

Association

  • Hubungan antar-objek yang saling membutuhkan
  • Hubungan dapat satu arah dan lebih dari satu arah
  • Hubungan beberapa objek dalam satu kelas disebut multiplicity

Aggregation

  • Merupakan bentuk khusus suatu asosiasi
  • Bentuk agregasi yang asosiasinya sangat erat disebut composition

Keuntungan & Manfaat OO

  • Dapat mendekripsikan fenomena yang menggunakan bahasa alami
  • Atribut lebih mendekati kata sifat
  • Perilaku lebih mendekati kata kerja
  • Kekuatan utama OO : jelasnya infomasi dalam konteks sistem
  • OO erat kaitannya dengan :
    • OOAnaysis
    • OODesign
    • OOUserInterface
    • OOProgramming
  • Saat perancangan, OO untuk mendekripsikan sistem
  • Saat pengembangan, OO merupakan konsep sentral

Keterbatasan OO

OO tidak cocok untuk pengembangan :

  • Aplikasi yang sangat berorientasi ke database
  • Aplikasi yang melibatkan perhitungan yang besar dan kompleks

Teknik OOA

  • Mempelajari objek apakah dapat digunakan untuk sistem baru
  • Mendefinisikan objek baru atau objek yang telah dimodifikasi untuk digunakan dalam sistem
  • Teknik OOA fokus pada teknik object modelling yaitu teknik unutk mengidentifikasi objek dan aspek-aspeknya di dalam suatu sistem

Untuk file lengkapnya silahkan download file di bawah ini:

CONTOH PROSES BISNIS SISTEM BERJALAN DAN ACTIVITY DIAGRAM

Dalam Proses bisnis ini hanya menjelaskan prosedur tentang sistem berjalan pembayaran biaya pendidikan siswa, tunggakan siswa di SMK Perwira Bangsa adapun penjelasannya sebagai berikut:

Sebelum melakukan pembayaran, bendahara memberikan rincian kepada orang tua siswa agar orang tua siswa mengetahui apa saja yang harus dibayar, rincian tersebut meliputi ujian semester ganjil dan semester genap, uang osis, uang baju, uang buku, uang praktek. Setelah orang tua siswa mengetahui pembayarannya, bendahara memberikan kartu pembayaran SPP kepada orang tua siswa, setelah itu orang tua siswa baru bisa membayar rician tersebut dengan menyicilnya. Untuk memulai pembayaran, siswa memberikan uang pembayaran dan kartu pembayaran SPP, bendahara menanyakan jenis pembayaran apa yang akan dicicil. Setelah itu bendahara mencatatat pembayaran pendidikan dan SPP setelah itu bendahara membuatkan kwitansi 3 rangkap, rangkap pertama akan diberikan ke orang tua murid/siswa, rangkap kedua untuk bukti transaksi ke yayasan, dan rangkap yang ketiga untuk kepala sekolah dan bendahara melakukan pencatatan pembayaran yang terjadi pada buku pembayaran, setelah itu kwitansi tersebut yang nantinya akan dibuatkan laporan transaksi pembayaran dan bendahara mengembalikan kartu pembayaran SPP kepada siswa. Untuk jenis pembayaran pendidikan di SMK perwira bangsa ini bersifat fleksibel karena siswa bisa membayar dua bulan sekali atau tiga bulan sekali dan untuk jenis pembayaran SPP diwajibkan untuk membayar sesuai dengan nominal yang sudah ditentukan. Setelah selesai melakukan pembayaran, bendahara membuat laporan transaksi harian dari pembayaran siswa seperti SPP, ujian, uang pendidikan dan akhir tahun dengan dua rangkap, rangkap pertama yang akan diberikan kepada kepala sekolah SMK Perwira Bangsa dan yang kedua akan diberikan kepada yayasan, agar kepala sekolah dan yayasan mengetahui berapa pendapatan yang didapat setiap harinya. Berikut adalah activity diagram proses pembayaran pendidikan.


Sumber: Hasil Penelitian Skripsi –
Sistem Informasi Pembayaran Biaya Pendidikan Siswa Pada SMK Perwira Bangsa Bekasi Utara – Merza Dheo Prakoso (2016)

Landasan Teori – Use Case Diagram – SI-17A

  • Use case adalah himpunan urut-urutan kegiatan yang merupakan interaksi sistem dengan user
  • Diagram use case adalah diagram yang menggambarkan interaksi antara sistem dengan user
  • Urutan langkah-langkah yang menjelaskan interaksi antara user dengan sistem disebut skenario
  • Use case mewakili kebutuhan fungsional keseluruhan sistem
  • Aktor adalah pemeran user terhadap use case

Aktor dapat berupa manusia, perangkat keras, sistem

Simbol Diagram UML


Visualisasi Use Case


Keuntungan Pemakaian Diagram Use Case

  • Mudah dibuat
  • Mudah dibaca
  • Mudah dimengerti
  • Memaksa developer mendesain sistem dari perspektif user

Tahapan Pembuatan Use Case

  • Temukan aktor
  • Temukan use case atau proses
  • Temukan hubungan aktor dengan use case
  • Buat urutan use case
  • Sempurnakan use case

Menemukan Aktor

  • Siapa saja yang menggunakan sistem
  • Siapa saja yang memperoleh informasi dari sistem
  • Siapa saja yang menyediakan informasi untuk sistem
  • Di bagian mana sistem digunakan
  • Siapa saja yang mengelola dan mendukung sistem
  • Sistem lain apa yang menggunakan sistem

Menemukan Use Case

  • Sistem akan digunakan oleh aktor untuk apa
  • Apakah aktor akan menyimpan, mengubah, menghapus data dalam sistem
  • Apakah aktor harus memberitahu sistem tentang perubahan dan kejadian eksternal
  • Apakah aktor harus diberitahu sistem tentang kepastian yang timbul dalam sistem

Membuat Urutan Use Case

  • Basic Flow
    • Kejadian apa yang memicu dimulainya use case
    • Bagaimana use case berakhir
    • Bagaimana use case mengulangi sebuah operasi
  • Alternate Flow
    • Apakah ada situasi tambahan di dalam use case
    • Proses ganjil yang mungkin terjadi
    • Varian apa yang mungkin terjadi
    • Apa yang dapat menimbulkan kesalahan
    • Apa yang tidak boleh terjadi
    • Apa jenis sumber daya yang dapat dicegah

     

Penyempurnaan Use Case

  • Melengkapi semua alternate flow termasuk kondisi yang tidak terduga
  • Melengkapi kondisi awal dan kondisi akhir

Merancang Use Case

  • Tentukan aktor yang memulai use case
  • Tentukan asumsi-asumsi untuk use case
  • Tentukan pre condition untuk use case
  • Susun skenario
  • Tentukan post condition saat skenario selesai
  • Tentukan aktor yang mendapat keuntungan dari use case

Stereotype

  • Merupakan model khusus untuk kondisi tertentu
  • Jenis stereotype :
    • <<include>>
    • <<extends>>

<<include>>

suatu use case yang merupakan fungsi use case lainnya

<<extends>>

suatu use case yang merupakan tambahan fungsi use case lainnya jika kondisinya terpenuhi



Untuk lebih jelasnya silahkan download materi berikut ini:

UKURAN VARIANSI DAN SIMPANGAN BAKU (TI-17A, TI-17B, SI-18A, MI-18A)

Ukuran Variasi atau Dispersi adalah ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau Ukuran yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai-nilai pusatnya.

Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh dari rata-ratanya. Ukuran penyimpangan digunakan untuk mengetahui luas penyimpangan data atau homogenitas data. Dua variabel data yang memiliki mean sama belum tentu memiliki kualitas yang sama, tergantung dari besar atau kecil ukuran penyebaran datanya. Macam-macam pengukuran penyimpangan yang sering digunakan adalah rentangan (range), rentangan antar kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka baku, namun yang umum digunakan adalah standar deviasi.

Mengapa mempelajari dispersi?

mengetahui informasi tentang sebaran nila pada data- untuk membandingkan sebaran data dari dua informasi distribusi nilai.

Ukuran Variasi

Ukuran pemusatan (mean, median, modus) yang telah kita pelajari hanya menitikberatkan pada pusat data, tapi tidak memberikan informasi mengenai sebaran nilai pada data tersebut, apakah nilai-nilai data bervariasi ataukah tidak. Terdapat 3 kondisi variasi data, yaitu data yang homogen (tidak bervariasi), data heterogen (sangat bervariasi), dan data yang relatif homogen (tidak begitu bervariasi). Ilustrasinya sebagai berikut:

Data homogen: 50 50 50  50  50 -> rata-rata hitung=50

Data relatif homogen: 50 40 30 60 70 -> rata-rata hitung=50

Data heterogen: 100 40 80  20  10 -> rata-rata hitung=50

Bila kita perhatikan, ketiga kondisi di atas memberikan nilai rata-rata hitung yang sama, yaitu sebesar 50. Namun, kenyataannya rata-rata hitung pada data yang homogen dapat dengan baik mewakili himpunan data keseluruhan. Rata-rata hitung pada data yang relatif homogen cukup baik mewakili himpunan datanya. Sedangkan, rata-rata hitung pada data yang heterogen tidak dapat mewakili dengan baik himpunan data secara keseluruhan.


Terdapat beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range), rata-rata simpangan (mean deviation), varians, simpangan baku (standard deviation)dan koefisien variasi (coefficient of variation).

A. Pengukuran Dispersi Data Tidak Dikelompokkan

Nilai Jarak (Range)
Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai jarak (range). Jika suatu himpunan data sudah disusun menurut urutan yang terkecil (Xmin) sampai dengan yang terbesar (Xmax), maka untuk menghitung range digunakan rumus berikut:

Range = Xmax – Xmin

Range adalah perbedaan antara data terbesar dengan data terkecil yang terdapat pada sekelompok data. Range adalah salah satu ukuran statistik yang menunjukan jarak penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi (Xmax). Ukuran ini sudah digunakan pada pembahasan daftar distribusi frekuensi. Jarak atau kisaran nilai (range) merupakan ukuran paling sederhana dari ukuran penyebaran. Jarak merupakan perbedaan antara nilai terbesar dan nilai terkecil dalam suatu kelompok data baik data populasi atau sampel. Semakin kecil ukuran jarak menunjukkan karakter yang lebih baik, karena berarti data mendekati nilai pusat dan kompak.


Contoh :

Data nilai UAS Statistika

Kelas A : 90 80 70 90 70 100 80 50 75 70

Kelas B : 80 80 75 95 75 70 95 60 85 60

Langkah-langkah menjawab :

Urutkan dahulu kemudian dihitung berapa rentangannya.

Kelas A : 50 70 70 70 75 80 80 90 90 100

Kelas B : 60 60 70 75 75 80 80 85 95

Rentangan kelas A : 100 – 50 = 50

Rentangan kelas B : 95 – 60 = 35

Contoh:

berikut ini adalah data yang sudah dikelompokkan dari harga saham pilihan pada bulan Juni 2007 di BEJ. Hitunglah Range dari data tersebut.

Kelas

Harga saham

Frekuensi

1

160 – 303

2

2

304 – 447

5

3

448 – 591

9

4

592 – 735

3

5

736 – 878

1

Penyelesaian:

Range = batas atas kelas tertinggi – batas bawah kelas terendah

= 878 – 160

= 718

Rata-rata Simpangan (Mean Deviation)

Rata-rata simpangan (RS) adalah rata-rata hitung dari nilai absolut simpangan yang dirumuskan:


Varians
Varians merupakan rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-rata hitungnya. Varians terbagi dua berdasarkan data yang digunakan, apakah data populasi ataukah data sampel.


Simpangan Baku (Standard Deviation)


Simpangan baku merupakan akar kuadrat positif dari varians. Diantara ukuran dispersi atau variasi, simpangan baku adalah yang paling banyak digunakan sebab memiliki sifat-sifat matematis yang sangat penting dan berguna sekali untuk pembahasan teori dan analisis. Simpangan baku digunakan untuk mengukur penyimpangan atau deviasi masing-masing nilai individu dari suatu himpunan data terhadap rata-rata hitungnya. Satuan simpangan baku mengikuti data aslinya. Seperti pada varians, simpangan baku juga dibagi menjadi simpangan baku populasi dan simpangan baku sampel.


B. Pengukuran Dispersi Data Berkelompok

Nilai Jarak (Range)

Untuk data berkelompok, range dapat dihitung dengan dua cara yaitu:

Range = Nilai Tengah Kelas Akhir – Nilai Tengah Kelas Pertama

Atau

Range = Tepi Atas Kelas Akhir – Tepi Bawah Kelas Pertama

Atau

Range = Batas Atas Kelas Akhir – Bawas Atas Kelas Pertama

Atau

Range = Batas Bawah Kelas Akhir – Batas Bawah Kelas Pertama

Kedua cara tersebut akan memberikan hasil yang berbeda. Cara pertama cenderung menghilangkan kasus-kasus ekstrim.

Varians

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus varians adalah:



Simpangan Baku (Standard Deviation)

Untuk data yang berkelompok dan sudah disajikan dalam tabel frekuensi, rumus simpangan baku adalah:


Koefisien Variasi (Coefficient of Variation)

Simpangan baku yang baru saja kita bahas mempunyai satuan yang sama dengan satuan data aslinya. Hal ini merupakan suatu kelemahan jika kita ingin membandingkan tingkat homogenitas dua kelompok data yang berbeda satuannya. Misal Kelommpok pertama adalah data pengeliaran per bulan, sedangkan kelompok kedua adalah data jumlah anggota rumah tangga. Data pengeluaran diukur dalam ratusan ribu bahkan jutaan, sehingga simpangan bakunya juga berkisar ratusan ribu. Sedangkan, jumlah anggota rumah tangga berkisar dalam satuan atau paling banyak puuhan, sehingga simpangan bakunya juga berkisar seperti itu. Artinya simpangan baku data pengeluarann lebih besar daripada simpangan baku data jumlag anggota rumah tangga. Namun, hal ini belum tentu menunjukkan bahwa data pengeluaran lebih bervariasi (heterogen) daripada data jumlah anggota rumah tangga karena perbedaan tersebut semata-mata dipengaruhi oleh perbedaan satuan data. Untuk keperluan perbandingan dua kelompok nilai yang berbeda satuan, digunakan ukuran Koefisien Variasi (KV), yang bebas dari satuan data asli. Rumusnya adalah:


Suatu kelompok data dikatakan lebih homogen daripada kelompok data lainnya apabila nilai koefisien variasinya lebih kecil. Sebaliknya, suatu kelompok data dikatakan lebih bervariasi (heterogen) daripada kelompok data lainnya apabila nilai koefisien variasinya lebih besar.

Untuk lebih jelasnya silahkan download materi berikut ini:


Silahkan download file materi tambahan latihan soal berikut ini:

 

UKURAN GEJALA PUSAT DATA DIKELOMPOKKAN (TI-17A, TI-17B, SI-18A, MI-18A)

  1. Rata-Rata Hitung (Mean)

    Rata-rata Hitung adalah nilai yang mewakili sekelompok data.

    Rata-rata hitung dapat kita sebut juga dengan mean yaitu jumlah nilai suatu data dibagi dengan banyaknya data akan menghasilkan rata-rata nilai suatu data tersebut. Rata-rata hitung dinyatakan dengan notasi X untuk sampel.

    Ada beberapa rumus untuk menghitung rata-rata hitung dengan data berkelompok, yaitu:

     


  1. Median


Untuk lebih jelasnnya silahkan download materi berikut ini:

 


Silahkan download file materi tambahan latihan soal berikut ini:


 

 

UKURAN GEJALA PUSAT DATA BELUM DIKELOMPOKKAN (TI-17A, TI-17B, SI-18A, MI-18A)

  1. Rata-Rata Hitung (Mean)

    Rata-rata Hitung adalah nilai yang mewakili sekelompok data.

    Rata-rata hitung dapat kita sebut juga dengan mean yaitu jumlah nilai suatu data dibagi dengan banyaknya data akan menghasilkan rata-rata nilai suatu data tersebut. Rata-rata hitung dinyatakan dengan notasi X untuk sampel.

    Ada beberapa rumus untuk menghitung rata-rata hitung, yaitu:

     


Contoh soal:

Diketahui data:


Maka rata-rata hitungnya adalah …

Penyelesaian:


  1. Rata-rata Ukur/Geometri

    Rata-rata Ukur/Geometri dari sejumlah N nilai data adalah akar pangkat N dari hasil kali masing-masing nilai dari kelompok tersebut.


Atau

Untuk lebih jelasnya silahkan download materi berikut ini:

 

Silahkan download file Lembar Kerja Mahasiswa (LKM) berikut ini:


 

Silahkan download file materi tambahan latihan soal berikut ini:

 


 

 

JENIS-JENIS DISTRIBUSI FREKUENSI (Relatif, Kumulatif Kurang dari, Kumulatif Lebih Dari)

  1. Distribusi Frekuensi Kumulatif

    Adalah suatu daftar yang memuat frekuensi-frekuensi kumulatif, jika ingin mengetahui banyaknya observasi yang ada di atas atau di bawah suatu nilai tertentu.

  1. Distribusi Frekuensi Relatif

    Adalah perbandingan daripada frekuensi masing-masing kelas dan jumlah frekuensi seluruhnya dan dinyatakan dalam persen.

  • Distribusi Frekuensi kumulatif kurang dari (dari atas)
    Adalah suatu total frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah kelas pada masing-masing interval kelasnya.
  • Distribusi Frekuensi kumulatif lebih dari (dari bawah)
    Adalah suatu total frekuensi dari semua nilai-nilai yang lebih besar dari tepi bawah kelas pada masing-masing interval kelasnya.
  • Distribusi Frekuensi kumulatif relatif Adalah suatu total frekuensi dengan menggunakan persentasi.

Berikut contoh-contohnya:

Frekuensi relatif kelas ke-1 diperoleh 4 persen dari 2/50 x 100%.

Frekuensi relatif kelas ke-5 diperoleh 18 persen dari 9/50 x 100%.

Frekuensi relatif kelas ke-6 diperoleh 38 persen dari 19/50 x 100%.

Bisa dijelaskan dari tabel tersebut yang nilainya 20 – 31 terdapat 2 mahasiswa atau 4%. Yang nilainya 44 – 55 terdapat 6 mahasiswa atau 12%, dan seterusnya hingga yang nilainya 80 – 91 terdapat 19 mahasiswa atau 38%.


Distribusi Frekuensi Kumulatif Kurang Dari dihitung mulai DARI ATAS yaitu 2 dipindahkan ke kolom Frekuensi Kumulatif <, kemudian 2 ditambah dengan nilai 2 di kelas ke-2 hasilnya 4, kemudian 4 ditambahkan dengan nilai 6 dari kolom ke-3 hasilnya 10, dan seterusnya 10 + 9 = 19, 19 + 9 = 28, 28 + 19 = 47, 47 + 3 = 50. Terakhir di kelas ke-7 harus sama dengan jumlah totalnya yaitu 50.

Bisa dijelaskan dari tabel tersebut yang nilainya dibawah 32 yaitu 4 mahasiswa (2 + 2), yang nilainya dibawah 56 yaitu 19 mahasiswa (2 + 2 + 6 + 9), yang nilainya dibawah 92 yaitu 47 mahasiswa ( 2 + 2 + 6 + 9 + 9 +19).


Distribusi Frekuensi Kumulatif Lebih Dari dihitung mulai DARI BAWAH yaitu 3 dipindahkan ke kolom Frekuensi Kumulatif >, kemudian 3 ditambah dengan nilai 19 di kelas ke-6 hasilnya 22, kemudian 22 ditambahkan dengan nilai 9 dari kolom ke-5 hasilnya 31, dan seterusnya 31 + 9 = 40, 40 + 6 = 46, 46 + 2 = 48, 48 + 2 = 50. Terakhir di kelas ke-1 harus sama dengan jumlah totalnya yaitu 50.

Bisa dijelaskan dari tabel tersebut yang nilainya di atas 80 yaitu 22 mahasiswa (3 + 19), yang nilainya di atas 56 yaitu 40 mahasiswa (9 + 9 + 19 + 3), dan seterusnya.

CONTOH KASUS PEMBUATAN TABEL DISTRIBUSI FREKUENSI

Diketahui data mentah (belum dikelompokkan) nilai ujian statistik 50 mahasiswa sebagai berikut :

Ditanyakan : Buatlah distribusi frekuensi untuk data tersebut!


Tahap-tahap penyusunan distribusi frekuensi :

  1. Membuat array data atau data terurut (bila diperlukan)
  2. Menentukan range (jangkauan): selisih antara nilai yang terbesar dengan nilai yang terkecil.

    

  1. Menentukan banyaknya kelas dengan mempergunakan rumus Sturges. K = 1 + 3,3 log N dimana K = banyaknya kelas dan N = jumlah data yang diobservasi.


  2. Menentukan interval kelas : I = R/K


    Wajib dilakukan pembulatan ke atas walau bilangannya bulat, dikarenakan jika tidak dilakukan pembulatan ke atas maka panjang interbal kelas tidak memenuhi untuk semua data yang ada. Jadi ada beberapa data yang tidak dapat masuk ke dalam tabel distribusi frekuensi yang kita buat.

  3. Menentukan batas-batas kelas:

    Tbk = bbk – 0,5(skala terkecil)

    Tak = bak + 0,5(skala terkecil)

    Panjang interval kelas = Tak – tbk

    Keterangan:

    Tbk = tepi bawah kelas

    bbk = batas bawah kelas

    Tak = tepi atas kelas

    bak = batas atas kelas

  1. Menentukan titik tengahnya =

         ½ ( Batas atas kelas + batas bawah kelas)

  1. Memasukkan data ke dalam kelas-kelas yang sesuai dengan memakai sistem Tally atau Turus.
  2. Menyajikan distribusi frekuensi: isi kolom frekuensi sesuai dengan kolom Tally / Turus.
  3. Tabel Distribusi Frekuensi siap dibuat sehingga hasilnya seperti berikut ini:


Catatan:

Pada kelas ke-1 saya memulai dengan nilai 20, karena nilai terkecil data saya 23, jadi nilai batas bawah kelas ke-1 tidak boleh lebih dari 23. Jika mau mulai dari 23, boleh juga, jika mau mulai dari 15 juga boleh karena nilai data terkecil masih bisa masuk di kelas tersebut, sedangkan jika dipilih nilai 25 TIDAK BOLEH, karena nanti nilai 23 tidak akan masuk di kelas ke-1 tersebut.

Menghitung panjang interval kelas ada 2 cara yaitu:

Langkah berikutnya membuat Histogram jika diperlukan:

Klik Data, Pilih menu Data Analysis


Maka muncul menu data analysis, pilih histogram, klik OK.

Muncul menu berikut ini: langkah berikutnya isikan di menu input range (semua data yang ada), Bin Range (Batas Atas Kelas), Output Range (untuk lokasi tempat hasil outputnya), dan klik ceklist perintah yang diperlukan. Kemudian Klik OK.


Diperoleh output seperti ini:


Dan histogramnya.


LANGKAH-LANGKAH MEMUNCULKAN MENU DATA ANALYSIS DI EXCEL

Untuk melakukan pengolahan data dengan bantuan MS Excel kita memerlukan menu Data Analysis.

Berikut Langkah-langkah memunculkan menu Data Analysis dalam Excel:

  1. Untuk Microsoft Office 2010 ke atas, klik File sedangkan untuk jika versi tahun sebelumnya klik Logo Windows.

  2. Klik Options, jika office yang lain klik Excel Options.

  3. Klik Add-Ins, pilih Analysis ToolPak, Klik Go.

  4. Biasanya MS Office di bawah Tahun 2010 akan muncul minta install klik yess saja, dan tunggu prosesnya. Jika menggunakan MS Office Tahun 2010 ke atas akan muncul menu seperti ini:

    Silahkan ceklist semuanya dilanjutkan klik OK.

  5. Langkah terakhir kita cek apakah menu Data Analysis sudah muncul di MS excel kita, Klik Data, maka akan muncul menu Data Analysis dan Solver di sebelah kanan.

  6. Klik Menu Data Analysis, maka akan muncul menu-menu yang akan membantu kita dalam mengolah data statistik, sesuai kebutuhan kita.

Pembuatan Distribusi Frekuensi dan Histogram dengan Excel

 

Misalkan terhadap 20 observasi pada kolom A( baris 1 sampai 20), ingin dibuat distribusi frekuensi dengan kelas yang terdiri dari 5 kelas: 10-14, 15-19, 20-24, 25-29, dan 30-34

Langkah-langkahnya sbb:

  • Masukkan data misalnya pada sel A1 sampai A20.


  • Masukkan bin (batas atas) pada sel D4 sampai D9.


  • Pilih menu Tools pada menu utama


    Klik Data

    Klik Data Analysis


  • Pilih Data Analysis
  • Pilih Histogram pada Analysis Tools
  • Ketika kotak dialog muncul,
    • sorot A1 sampai A20 dalam kotak Input Range,
    • sorot D4 sampai D9 dalam kotak Bin Range ,
    • ketik D12 dalam kotak output range,

pilih Chart Output dan Cumulative dan klik OK

14

Frequency

Cumulative %

14

Frequency

Cumulative %

19

7

36.84%

19

7

36.84%

24

4

57.89%

34

5

63.16%

25

1

63.16%

24

4

84.21%

29

2

73.68%

29

2

94.74%

34

5

100.00%

25

1

100.00%

More

0

100.00%

More

0

100.00%