8.

Histogram
Histogram adalah ringkasan berupa gambar dari beberapa variasi dalam suatu data. Histogram
yang ditampilkan pada gambar 34, memberikan kejelasan gambar yang lebih komplit dari data
berupa table angka, karna pola atau bentuk mungkin akan lebih susah ketimbang membedakan
dalam sebuat table. Bermacam-macam jenis dari bentuk di data disebut distribusi. Meskipun
sering diidentifikasikan pola yang ada bervariasi, dan cara interprestasi yang baik dari
penjelasan pola histogram tersebut akan membantu mengidentifikasi sebab akibat masalah.
Histogram adalah cara tergampang dan termudah dalam mengatur dan merangkum data. Ini
digunakan untuk menunjukan angka yang telah beberapa kali cenderung berlainan dari bagian
informasi yang terjadi dan pada dasarnya bagian bagan chart yang vertikal dari frekuensi
distribusi. Histogram secara mudah bagian dari susunan dan interprestasi yang membuat kualitas
alat sampling menjadi efektif dalam pembuatan analisis dasar auditor dalam mengumpulkan
data.
Histogram seharusnya mengindikasikan ukuran sampel untuk menyampaikan tingkat dari
kepercayaan penyampaian kesimpulan. Suatu waktu histogram sudah lengkap/sudah selesai
disusun, ini akan menjadi indentifikasi dari analisis dan pengkategorian bentuk dari variasi, dan
pengembangan dari kepercayaan dan penjelasan yang relevant. Untuk distribusi yang normal,
yang diidentifikasi sebagai pola, yang tergambar pada bagan 35, bias diamati dalam histogram
tersebut.
a. Bentuk bell. Bentuk yang simetris, dengan puncak di bagian tengahnya dari tingkat data
yang dihasilkan. Ini adalah bentuk yang normal dan natural dari distribusi data. Definisi
dari bentuk bell yaitu mengindikasikan karena adanya factor kesulitan atau karena adanya
pengaruh dari luar/eksternal.
b. Terdapat 2 puncak. Bentuk yang terdapat 2 lembah yang berada di tengah-tengah data
dengan puncak yang terdapat pada 2 sisi. Umumnya terbentuk dari 2 bentuk bell yang
berdampingan. Bentuk ini mengindikasikan adanya 2 proses yang berbeda yang
mempengaruhi distribusi data.
c. Plateau. Bagian atas yang datar yang dengan tanpa adanya puncak pemisah garis kecil di
kedua bagian. Bentuk ini mungkin akan menghasilkan banyak sekali distribusi bentuk
bell dengan tengah yang membentang tersebar merata sepanjang rentang data.
d. Comb (bentuk sisir). Tinggi dan rendah dari nilai yang membolak-balik secara teratur.
Bentuk ini secara khusus menunjukan ukuran dari eror/kesalahan, kesalahan pada saat
dikelompokan untuk menyusun histogram, atau sistematik anggapan pada saat data
berakhir. Kemungkinan tipe bentuk ini adalah alternative dari bentuk distribusi plateau
e. Skewed (condong). Sebuah bentuk yang asimetris yang terdapat bentuk puncak bukan
pada bagian tengah jarak data dan ujung distribusi terbentuk pada salah satu sisi dan
terbentuk halus pada sisi yang lain. Jika panjang ujung yang menjorok ke kanan, berarti
terjadi nilai-nilai yang meningkat. Sementara bentuk negative yaitu pada saat ujung garis

yang condong ke kiri, menandakan penurunan nilai-nilai data. Bentuk skewed ini terjadi
khususnya pada saat penggunan yang dibatasi, atau spesifikasi batas, berada pada satu
sisi dan relative lebih dekat pada nilai nominal. Pada kasus ini, terdapat tidak banyak niali
yang tersedia pada salah satu sisi dan sisi yang lain.
f. Truncated (terpotong). Adalah bentuk yang asimetris yang terdapat puncak di atasnya
atau didekat tepian garis dari jarak data, and akhir dari distribusi berbentuk sangat tibatiba meninggi di salah satu sisi dan ujung dari grafik tersebut terbentuk halus. Bentuk
distribusi ini termasuk halus, distribusi bentuk bell dengan bagian dari distribusi yang
dihapuskan, atau terpotong, oleh beberapa tekanan luar.
g. Bentuk puncak yang kecil. Bentuk yang kecil, terpisahkan dari kumpulan data sebagai
tambahan ke distribusi yang lebih besar. Bentuknya mirip dengan bentuk distribusi 2
puncak; tetapi bentuk bell yang mengindikasikan sesuatu yang tidak terjadi sangat jarang.
h. Pinggir yang berpuncak runcing. Sebuah bentuk puncak yang besar yang ditambahkan
secara lain dengan distribusi secara halus. Bentuknya mirip dengan distribusi bentuk sisir
yang dimana terdapat eror/kesalahan yang kemungkinan bersumber dari data. semua
masa lampau yang terlihat pada titik tertentu mungkin sudah dikelompokan dalam suatu
nilai.
Tidak ada pedoman yang jelas yang menjelaskan tentang bentuk-bentuk mana saja yang
digunakan dalam berbagai situasi yang berbeda. Karakteristik paling penting dalam bentukbentuk ini yaitu pemusatan (kecenderungan pemusatan ), Keluasan (bentangan, variasi,
menyebar), dan bentuk (pola). Jika terdapat pola yang tidak terlibat terlihat muncul,
distribusinya akan menjadi tidak normal, dan data yang mungkin sebenarnya didistribusikan
menurut beberapa didistribusi yang lain, seperti eksponsial, gamma, atau keseragaman.
Analisis dari distribusi untuk tipe-tipe diatas adalah di luar lingkup dari bab ini, dan
informasi yang lainnya seharusnya bias di cari dari bab yang khusus menjelaskan bab ini.

9. statistic descriptive
Statistik Deskriptif, yaitu statistik yang digunakan untuk analisa data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada
tujuan membuat kesimpulan untuk generalisasi.
Beberapa hal yang dapat dilakukan adalah penyajian data melalui tabel, grafik, diagram
lingkaran (pie chart), pictogram, perhitungan modus, median, mean (pengukuran tendensi
sentral), desil, persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar
deviasi, perhitungan prosentase. Dapat juga dilakukan analisis korelasi antar variabel, analisis
regresi atau membandingkan dua nilai rata-rata sampel/populasi
Statistic deskriptif melengkapi metode yang mudah dalam menggali informasi dari apa yang
sering muncul dalam apa yang pertama kali dilihat dalam angka acak. Berikut adalah beberapa
karakteristik data yang berkaitan dengan statistic deskriptif :

1. Tipikal/khusus, atau pemusatan, nilai (mean, median, mode)

2. Mengukur berapa banyak variabilitas sekarang/yang ada(variasi, standar deviasi)
3. Pengukuran frekuensi (dalam presentase)
Statistic berhubungan dengan metode ilmiah untuk mengumpulkan, pengorganisasian,
menyimpulkan, menampilkan , dan menganalisis data, sebaik dari penggambaran kesimpulan
yang valid dan membuat keputusan yang layak berbasis pada analisis sedemikian rupa. Dalam
arti sempit, tujuan statistic digunakan untuk menyatakan data itu sendiri atau angka yang berasal
dari data sebagaimana rata-rata.
Seorang auditor harus melihat bagaima audit mendefinisikan proses dan perlunya control, dan
harus menunjukan beberapa jenis pengukuran system untuk memastikan apakah pengukuran atau
proses dilakukan dengan benar. Auditor melihat ke hasil apa yang orang-orang telah selesaikan,
dan jika mereka menggunakan alat-alat statistic, dia semestinya harus berpengetahuan cukup
untuk memutuskan apakah informasi yang telah mereka kumpulkan valid atau tidak. Tahap dari
statistic hanya sesekali dicari untuk mendeskripsikan dan menganalisis sebuah kelompok sampel
tanpa adanya gambaran kesimpulan atau keputusan tentang pengelompokan sampel yang lebih
besar (populasi) disebut sebagai deduktif atau statistic deskriptif.
Pengukuran dari
kecenderungan pemusatan penyebaran adalah dua konsep fundamental penting dalam analisis
statstik.
Pengukuran kecenderungan pemusatan
Salah satu aspek yang paling penting untuk menggambarkan distribusi data adalah nilai pusat
data pengamatan (tendensi sentral). Setiap pengukuran aritmatika yang ditujukan untuk
menggambarkan suatu nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data
(himpunan pengamatan). Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu:

Mean (Rata-rata hitung/rata-rata aritmetika)

Median

Mode

Arithmetic Mean
Rata-rata hitung atau arithmetic mean atau sering disebut dengan istilah mean saja merupakan
metode yang paling banyak digunakan untuk menggambarkan ukuran tendensi sentral. Mean
dihitung dengan menjumlahkan semua nilai data pengamatan kemudian dibagi dengan
banyaknya data.
Median
Median adalah salah satu ukuran pemusatan yang sering digunakan. Median dari segugus data
yang telah diurutkan dari yang terkecil sampai yang terbesar atau dari terbesar sampai terkecil

adalah pengamatan yang tepat di tengah-tengah bila banyaknya pengamatan itu ganjil, atau ratarata kedua pengamatan yang di tengah bila banyaknya pengamatan genap. Metode median
digunakan untuk mengurangi efek dari nilai yang terlalu tinggi, atau untuk data yang bias
diperingkatkan tetapi bukan berupa pengukuran ekonomi, seperti bayangan warna, bau, dan
wujud.
Mode
Mode adalah data yang paling sering muncul/terjadi. Untuk menentukan modus, pertama susun
data dalam urutan meningkat atau sebaliknya, kemudian hitung frekuensinya. Nilai yang
frekuensinya paling besar (sering muncul) adalah modus. Modus digunakan baik untuk tipe data
numerik atau pun data kategoris. Modus tidak dipengaruhi oleh nilai ekstrem. Jika kedua nilai
memiliki paling banyak dan frekuensi dari peristiwa, kemudian data atau distribusi memiliki 2
modus, maka disebut sebagai bimodal. Modus digunakan untuk distribusi yang sama sekali
condong, untuk menjelaskan situasi yang tidak biasa ketika dua puncak histogram telah
ditemukan, atau untuk mengeliminasi efek pengamatan dari nilai yang ekstrem.
Penyebaran data (Measure of Dspersion)
Penyebaran adalah salah satu variasi dari penyebaran data tentang mean. Berbagai macam
ukuran statistik yang dapat digunakan untuk mengetahui: luas penyebaran data, atau variasi data
atau
homogenitas data, atau stabilitas data. Penyebaran data dalam pemusatan tendensi yaitu
pengukuran normal oleh satu atau lebih beberapa prinsip pengukuran.
Data yang selalu menyebar di dalam zona tendensi terpusat , dan tingkat dari penyebaran data
disebut juga dispersion atau variasi. Terdapat beberapa pengukuran dispersion/ penyebaran:
range, standar deviasi, dan koefisen variasi.
Range
Range merupakan pengukuran statistic yang paling termudah dari pengukuran dispersion.
Dimana ini terdapat perbedaan antara nilai maksimum dan minimum di dalam observasi data.
Sejak range memiliki dasar hanya dua nilai dari kelengkapan data, pengukuran dari range adalah
yang paling berguna saat angka dari observasi lebih kecil (100 atau kurang)
Standar Deviasi
Standar deviasi merupakan perhitungan terpenting dalam variasi, mengukur tingkat dari
penyebaran di dalam sekitaran zona pemusatan tendensi. Untuk sampel dari distribusi yang
normal, didefinisikan sebagai nilai yang dihasilkan dari akar kuadrat dari observasi nilai, kurang
dari arithmetic mean (pembilang), dibagi dengan total angka hasil observasi dikurangi satu
(penyebut)
Koefisen Variasi

Merupakan pengukuran akhir dari pengukuran penyebaran. Yaitu dengan cara standar deviasi
dibagi dengan mean. perbedaan dengan adanya jaminan dari perbedaan diantara dua item atau
observasi. Konsep dari variasi ini yaitu tidak ada dua item observasi yang akan mirip