BAB I. PENDAHULUAN

1.1 Latar Belakang

Waktu belajar merupakan salah satu aktivitas penting bagi mahasiswa dalam memahami materi perkuliahan. Setiap mahasiswa memiliki lama waktu belajar yang berbeda-beda, bergantung pada kebiasaan dan kebutuhan masing-masing. Perbedaan tersebut dapat digambarkan dengan menggunakan statistika deskriptif. Statistika deskriptif membantu menyajikan dan meringkas data melalui ukuran pemusatan, ukuran penyebaran, tabel, serta grafik. Oleh karena itu, analisis ini dilakukan untuk mengetahui gambaran lama waktu belajar mahasiswa dalam satu hari.

1.2 Rumusan Masalah

  1. Berapa rata-rata dan median lama waktu belajar mahasiswa?
  2. Berapa nilai minimum, maksimum, modus, varians, dan standar deviasi waktu belajar?
  3. Bagaimana distribusi lama waktu belajar mahasiswa berdasarkan grafik?

1.3 Tujuan Penelitian

  1. Mengetahui ukuran pemusatan lama waktu belajar mahasiswa.
  2. Mengetahui ukuran penyebaran data waktu belajar mahasiswa.
  3. Menyajikan distribusi data melalui tabel dan grafik.

1.4 Manfaat Penelitian

Analisis ini diharapkan dapat memberikan gambaran mengenai kebiasaan waktu belajar mahasiswa serta menjadi contoh penerapan statistika deskriptif menggunakan R.

BAB II. TINJAUAN PUSTAKA

2.1 Statistika Deskriptif

Statistika deskriptif merupakan metode yang digunakan untuk mengumpulkan, mengolah, menyajikan, dan meringkas data sehingga karakteristik data dapat dipahami. Penyajian dapat dilakukan dalam bentuk ukuran numerik, tabel, maupun grafik.

2.2 Mean

Mean atau rata-rata adalah jumlah seluruh nilai data dibagi dengan banyaknya pengamatan.

\[ \\bar{x}=\\frac{\\sum_{i=1}^{n}x_i}{n} \]

2.3 Median

Median merupakan nilai tengah dari data yang telah diurutkan. Jika banyak data genap, median diperoleh dari rata-rata dua nilai tengah.

2.4 Modus

Modus adalah nilai yang paling sering muncul dalam suatu kumpulan data.

2.5 Varians dan Standar Deviasi

Varians sampel mengukur tingkat penyebaran data terhadap rata-rata. Standar deviasi merupakan akar kuadrat dari varians.

\[ s^2=\\frac{\\sum_{i=1}^{n}(x_i-\\bar{x})^2}{n-1} \]

\[ s=\\sqrt{s^2} \]

2.6 Histogram

Histogram merupakan grafik yang menyajikan distribusi frekuensi data numerik dengan menggunakan batang yang saling berdempetan.

BAB III. METODE PENELITIAN

3.1 Jenis Penelitian

Penelitian ini menggunakan pendekatan kuantitatif deskriptif, yaitu menganalisis data numerik untuk menggambarkan karakteristik lama waktu belajar mahasiswa.

3.2 Data yang Digunakan

Data berupa lama waktu belajar 30 mahasiswa dalam satu hari, dengan satuan jam. Angka yang dicantumkan pada dokumen ini merupakan data contoh untuk latihan sintaks. Untuk laporan akhir, data sebaiknya diganti dengan hasil survei mahasiswa yang sebenarnya.

3.3 Variabel Penelitian

Variabel yang digunakan adalah lama waktu belajar mahasiswa dalam satu hari, yang diukur dalam jam dan termasuk data numerik.

3.4 Metode Analisis

Analisis dilakukan menggunakan statistika deskriptif, meliputi mean, median, modus, nilai minimum, nilai maksimum, varians, standar deviasi, tabel frekuensi, dan histogram.

3.5 Algoritma Analisis

  1. Mulai.
  2. Masukkan data lama waktu belajar mahasiswa.
  3. Periksa dan tentukan banyaknya pengamatan.
  4. Hitung mean, median, modus, nilai minimum, dan maksimum.
  5. Hitung varians dan standar deviasi.
  6. Susun tabel frekuensi data.
  7. Buat histogram untuk melihat distribusi data.
  8. Interpretasikan hasil analisis.
  9. Tarik kesimpulan berdasarkan hasil yang diperoleh.
  10. Selesai.

BAB IV. HASIL DAN PEMBAHASAN

4.1 Memasukkan Data

waktu_belajar <- c(
  1, 2, 2, 3, 1, 2, 3, 2, 4, 1,
  2, 3, 2, 1, 3, 2, 4, 2, 1, 3,
  2, 2, 3, 1, 4, 2, 3, 2, 1, 2
)

# Menampilkan data
waktu_belajar
#>  [1] 1 2 2 3 1 2 3 2 4 1 2 3 2 1 3 2 4 2 1 3 2 2 3 1 4 2 3 2 1 2
# Menampilkan jumlah pengamatan
length(waktu_belajar)
#> [1] 30

Data tersebut memuat lama waktu belajar dari 30 mahasiswa. Setiap nilai menunjukkan jumlah jam belajar dalam satu hari.

4.2 Menghitung Statistik Deskriptif

# Menghitung ukuran statistik
rata_rata <- mean(waktu_belajar)
median_data <- median(waktu_belajar)
nilai_minimum <- min(waktu_belajar)
nilai_maksimum <- max(waktu_belajar)
varians_data <- var(waktu_belajar)
standar_deviasi <- sd(waktu_belajar)

# Fungsi untuk mencari modus
modus <- function(x) {
  nilai <- unique(x)
  nilai[which.max(tabulate(match(x, nilai)))]
}

modus_data <- modus(waktu_belajar)

# Menampilkan hasil
rata_rata
#> [1] 2.2
median_data
#> [1] 2
modus_data
#> [1] 2
nilai_minimum
#> [1] 1
nilai_maksimum
#> [1] 4
varians_data
#> [1] 0.8551724
standar_deviasi
#> [1] 0.9247553

4.3 Menyajikan Hasil dalam Tabel

hasil_statistik <- data.frame(
  Ukuran_Statistik = c(
    "Mean", "Median", "Modus", "Minimum",
    "Maksimum", "Varians", "Standar Deviasi"
  ),
  Nilai = c(
    rata_rata, median_data, modus_data, nilai_minimum,
    nilai_maksimum, varians_data, standar_deviasi
  )
)

knitr::kable(
  hasil_statistik,
  digits = 3,
  caption = "Tabel Statistik Deskriptif Lama Waktu Belajar Mahasiswa"
)
Tabel Statistik Deskriptif Lama Waktu Belajar Mahasiswa
Ukuran_Statistik Nilai
Mean 2.200
Median 2.000
Modus 2.000
Minimum 1.000
Maksimum 4.000
Varians 0.855
Standar Deviasi 0.925

Berdasarkan tabel statistik deskriptif, nilai mean dan median menunjukkan ukuran pemusatan data. Nilai minimum dan maksimum menunjukkan rentang lama waktu belajar mahasiswa, sedangkan varians dan standar deviasi menggambarkan penyebaran data terhadap rata-rata.

4.4 Membuat Tabel Frekuensi

frekuensi <- table(waktu_belajar)

tabel_frekuensi <- data.frame(
  Lama_Waktu_Belajar_Jam = as.numeric(names(frekuensi)),
  Frekuensi = as.numeric(frekuensi)
)

knitr::kable(
  tabel_frekuensi,
  caption = "Tabel Frekuensi Lama Waktu Belajar Mahasiswa"
)
Tabel Frekuensi Lama Waktu Belajar Mahasiswa
Lama_Waktu_Belajar_Jam Frekuensi
1 7
2 13
3 7
4 3

Tabel frekuensi menunjukkan banyaknya mahasiswa pada setiap kategori lama waktu belajar.

4.5 Membuat Histogram

hist(
  waktu_belajar,
  main = "Histogram Lama Waktu Belajar Mahasiswa",
  xlab = "Lama Waktu Belajar (Jam)",
  ylab = "Frekuensi",
  col = "skyblue",
  border = "white"
)

Histogram digunakan untuk melihat distribusi frekuensi lama waktu belajar. Batang yang lebih tinggi menunjukkan jumlah mahasiswa yang lebih banyak pada rentang waktu tersebut.

4.6 Membuat Diagram Batang Frekuensi

barplot(
  frekuensi,
  main = "Frekuensi Lama Waktu Belajar Mahasiswa",
  xlab = "Lama Waktu Belajar (Jam)",
  ylab = "Jumlah Mahasiswa",
  col = "lightgreen"
)

Diagram batang memperlihatkan frekuensi mahasiswa untuk setiap lama waktu belajar sehingga kategori yang paling sering muncul dapat diamati.

4.7 Membuat Boxplot

boxplot(
  waktu_belajar,
  main = "Boxplot Lama Waktu Belajar Mahasiswa",
  ylab = "Lama Waktu Belajar (Jam)",
  col = "lightblue"
)

Boxplot menyajikan median, kuartil, dan penyebaran data. Grafik ini juga dapat membantu melihat apakah terdapat nilai yang berpotensi menjadi pencilan.

BAB V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Analisis statistika deskriptif terhadap data contoh lama waktu belajar mahasiswa dilakukan menggunakan R. Ukuran yang dihitung meliputi mean, median, modus, minimum, maksimum, varians, dan standar deviasi. Data juga disajikan melalui tabel frekuensi, histogram, diagram batang, dan boxplot. Hasil analisis memberikan gambaran mengenai ukuran pemusatan dan penyebaran lama waktu belajar mahasiswa. Kesimpulan numerik yang lebih representatif perlu dibuat berdasarkan data survei yang sebenarnya.

5.2 Saran

Pengumpulan data sebaiknya dilakukan melalui survei langsung kepada mahasiswa dengan jumlah responden yang memadai. Data yang diperoleh dapat menggantikan data contoh agar hasil analisis lebih sesuai dengan kondisi nyata.

DAFTAR PUSTAKA

  • Sudjana. (2005). Metoda Statistika. Tarsito.
  • R Core Team. (2026). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/