BAB I
PENDAHULUAN
1.1
LATAR BELAKANG
Statistik
memegang peranan yang penting dalam penelitian, baik dalam penyusunan model,
perumusan hipotesa, dalam pengembangan alat dan instrumen pengumpulan data,
dalam penyusunan desain penelitian, dalam penentuan sampel, dan dalam analisa
data. Dalam banyak hal, pengolahan dan analisa data tidak luput dari penerapan
teknik dan metode statistik tertentu, yang mana kehadirannya dapat memberikan
dasar bertolak dalam menjelaskan hubungan-hubungan yang terjadi. Statistik
dapat digunakan sebagai alat untuk mengetahui apakah hubungan kausalitas antara
dua atau lebih variabel benar-benar terkait secara benar dalam suatu kausalitas
empiris ataukah hubungan tersebut hanya bersifat random atau kebetulan saja.
Statistik telah
memberikan teknik-teknik sederhana dalam mengklasifikasikan data serta dalam
menyajikan data secara lebih mudah, sehingga data tersebut dapat dimengerti
secara lebih mudah. Statistik telah dapat menyajikan suatu ukuran yang dapat
mensifatkan populasi ataupun menyatakan variasinya, dan memberikan gambaran
yang lebih baik tentang kecenderungan tengah-tengah dari variabel.
Semakin sering
kita mempelajari tentang statistik deskriptif maka semakin banyak pula
pertanyaan tentang apa itu statistik deskriptif dan yang terkandung didalamnya
serta apa saja yang perlu di ketahui dalam mempelajari statistik. Kemudian dibuatlah
suatu program statistik yang berupa software
SPSS pada tahun 1968 oleh tiga mahasiswa Stanford University yang dioperasikan pada komputer mainframe.
Dan untuk mengetahui program tersebut maka diadakannya praktikum SPSS bagi para
mahasiswa. Yang nantinya diharapkan dengan program SPSS (Statistical Product and Service Solution) tersebut dapat
mempermudah mahasiswa dalam menghitung dan menganalisis suatu data yang telah
diperoleh sebelumnya.
1.2
TUJUAN
PRAKTIKUM
Dari hasil pelaksanaan modul I ini dan dari data yang
telah diberikan, praktikan diharapkan:
·
Mengetahui apa yang
di maksud dengan median, modus, mean.
·
Mengetahui cara
menghitung rata-rata.
·
Dapat mengambil
kesimpulan pada suatu kumpulan data.
·
Dapat mempelajari
cara-cara pengumpulan, penyusunan dan penyajian dari suatu data penelitian.
1.3 ALAT DAN
BAHAN
1. Set
data
2. Komputer/laptop
3. Program
SPSS
4. Kalkulator
1.4 BATASAN MASALAH
Untuk mendapatkan
informasi pada suatu kumpulan data mentah dengan menggunakan
metode-metode yang berkaitan
dengan pengumpulan dan penyajian suatu gugus. Data ini dapat di peroleh dari hasil
sensus, survey atau pengamatan
lainnya. Dan pembuatan aplikasi rumus perhitungan statistika deskriptif
menggunakan bahasa pemograman menjelaskan perancangan dengan cara-cara
pembuatan program aplikasi.
1.5 SISTEMATIKA
PENULISAN
Bab I Pendahuluan
Suatu latar belakang yang berisikan hal-hal yang
menyebabkan dan pentingnya statistik deskriptif dalam suatu kegiatan.
Bab II Landasan Teori
Teori-teori yang digunakan
sebagai pedoman dalam melakukan praktikum statistika deskriptif dan teori-teori
yang berhubungan dengan praktikum.
Bab III Pengumpulan Data
Berisikan
data tunggal dan data kelompok yang telah
diberikan dalam praktikum.
Bab IV Pengolahan Data
Pengolahan data yang dilakukan dengan
menggunakan komputer
dan secara manual.
Bab V Analisa Data
Berisikan tentang analisa data dari hasil
pengolahan data yang dilakukan dimana analisis tersebut harus sesuai dengan
pengolahan data.
Bab VI Penutup
Kesimpulan
dan saran dari praktikum
yang kita lakukan.
BAB
II
LANDASAN
TEORI
2.1 PENGERTIAN STATISTIK DESKRIPTIF
Istilah statistik berasal dari
bahasa latin “status” yang artinya suatu negara. Suatu kegiatan pengumpulan
data yang ada hubungannya dengan kenegaraan, misalnya data mengenai penduduk,
data mengenai penghasilan dan sebagainya, yang lebih berfungsi untuk melayani
keperluan administrasi. Secara
kebahasaan, statistik berarti catatan angka-angka (bilangan) perangkaian data yang berupa angka-angka yang dikumpulkan,
ditabulasi, dikelompokkan, sehingga dapat memberi informasi yang berarti
mengenai suatu masalah, gejala atau peristiwa (depdikbud, 1994).
Menurut Sutrisno Hadi (1995) statistik adalah untuk menunjukkan kepada pencatatan
angka-angka dari suatu kejadian atau kasus tertentu. Selaras dengan apa yang
didefinisikan oleh Sudjana (1995:2) bahwa statistik adalah kumpulan fakta berbentuk
angka yang disusun dalam daftar atau tabel dan atau diagram, yang melukiskan
atau menggambarkan suatu persoalan.
Statistika beda halnya dengan
statistik, statistika yang dalam bahasa Inggris “statistics” (ilmu statistik), ilmu tentang cara-cara mengumpulkan,
mentabulasi dan menggolongkan, menganalisis dan mencari keterangan yang berarti
dari data yang berupa angka.
Statistika merupakan ilmu
pengetahuan yang berhubungan dengan cara-cara mengumpulkan, mentabulasi, menggolong-golongkan, menganalisis, dan
mencari keterangan yang berarti dari data yang berupa bilangan-bilangan atau
angka, sehingga dapat ditarik suatu kesimpulan atau keputusan tertentu.
Dengan demikian, didalamnya terdiri
dari sekumpulan prosedur mengenai bagaimana cara:
Ø
Mengumpulkan data
Ø
Meringkas data
Ø
Mengolah data
Ø
Menyajikan data
Ø
Menarik kesimpulan dan interpretasi
data berdasarkan kumpulan data dan hasil analisisnya
Dua ukuran penting yang sering di
pakai dalam prngambilan keputusan adalah:
A. Mencari
central tendency (kecenderungan terpusat)
seperti mean,
median, modus
dan lainnya.
Sembarang ukuran yang menunujukkan
pusat segugus data yang telah diurutkan dari yang terkecil sampai terbesar atau
sebaliknya dari terbesar sampai terkecil, disebut ukuran lokasi pusat atau
ukuran pemusatan. Ukuran pemusatan yang paling banyak digunakan adalah mean, median dan modus.
1. Rumus Rataan Hitung
(Mean)
Rata-rata hitung atau mean memiliki perhitungan dengan cara membagi jumlah nilai data dengan banyaknya data. Rata-rata hitung disebut dengan mean.
Rata-rata hitung atau mean memiliki perhitungan dengan cara membagi jumlah nilai data dengan banyaknya data. Rata-rata hitung disebut dengan mean.
a) Rumus mean dari data tunggal
b) Rumus mean untuk data yang disajikan dalam distribusi frekuensi.
Dengan: fi xi = frekuensi untuk nilai xi yang bersesuaian
xi = data ke-i
xi = data ke-i
c) Rumus
mean gabungan
2. Rumus Modus
a. Data yang belum dikelompokkan
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki frekuensi tertinggi. Modus dilambangkan mo.
b. Data yang telah dikelompokkan
Rumus Modus dari data yang telah dikelompokkan dihitung dengan rumus:
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki frekuensi tertinggi. Modus dilambangkan mo.
b. Data yang telah dikelompokkan
Rumus Modus dari data yang telah dikelompokkan dihitung dengan rumus:
Dengan : Mo = Modus
L = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
L = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
3. Rumus Median ( Nilai Tengah )
a) Data yang belum dikelompokkan
Untuk mencari nilai median, data harus dikelompokan terlebih dahulu dari yang terkecil sampai yang terbesar.
Untuk mencari nilai median, data harus dikelompokan terlebih dahulu dari yang terkecil sampai yang terbesar.
b) Rumus Data yang Dikelompokkan
Dengan : Qj = Kuartil ke-j
j = 1, 2, 3
i = Interval kelas
Lj = Tepi bawah kelas Qj
fk = Frekuensi kumulatif sebelum kelas Qj
f = Frekuensi kelas Qj
n = Banyak data
j = 1, 2, 3
i = Interval kelas
Lj = Tepi bawah kelas Qj
fk = Frekuensi kumulatif sebelum kelas Qj
f = Frekuensi kelas Qj
n = Banyak data
4. Rumus Jangkauan (J)
Rumus jangkauan yaitu selisih antara
nilai data terbesar dengan nilai data terkecil.
5. Rumus Simpangan Quartil (Qd)
Rumus simpangan quartil yaitu:
6. Rumus Simpangan
baku (S)
Menentukan rumus simpangan baku yaitu dengan
cara:
7. Rumus Simpangan
rata – rata (SR)
8. Rumus Ragam (R)
B.
Mencari ukuran dispersi
seperti standard deviation, variance.
Variance dari sejumlah observasi adalah rata-rata kuadrat deviasi data dari
rata-ratanya. Rumus untuk variance
sampel adalah:
S² =
Standar deviasi adalah akar
(positif) dari variance. Rumus untuk
standar deviasi dari suatu sampel adalah:
S =
Selain central
tendency dan dispersion, ukuran
lain yang di pakai adalah skewnees
dan kurtosis
untuk mengetahui keruncingan/kelandaian data.
Skewness dihitung
dan dilaporkan sebagai angka yang mungkin positif, negatif atau nol. Skewness nol mengindikasikan distribusi
simetrik. Skewness positif
mengindifikasikan distribusi yang condong kekanan. Skewness negatif mengindifikasikan distribusi yang condong ke kiri.
Skewness juga terbagi dua, yaitu:
1.
Skewness modus
Sk
modus
2.
Skewness
median
Sk
median
Kurtosis
adalah pengukuran keruncingan distribusi. Semakin besar kurtosis, semakin keruncingan akan didistribusikan. Kurtosis di hitung dan dilaporkan baik
sebagai absolute maupun nilai relative. Nilai absolute selalu angka positif.
Rumus
dari kurtosis adalah:
Histrogram
adalah chart yang terdiri dari diagram batang dengan
tinggi yang berbeda-beda. Tinggi masing-masing batang mewakili nilai frekuensi dalam kelas yang
diwakili oleh diagram batang.
Statistik deskriptif terbagi 2,
yaitu:
1. Data
tunggal
2. Data
berkelompok
Diagram
batang sangat cocok untuk menggambarkan perkembangan nilai-nilai dari suatu
objek penelitian dalam jangka waktu tertentu. Biasanya, diagram batang
disusunun secara vertikal. Apabila pada diagram histogram diperoleh diagram
seperti segi empat, itu dinamakan polygon
frekuensi. Poligon frekuensi dibentuk dengan memplotkan frekuensi kelas
terhadap titik tengah kelas. Poligon
frekuensi merupakan bangun bersisi banyak yang tertutup. Untuk menutup polygon frekuensi kita memerlukan sebuah
selang kelas tambahan yang ditambahkan pada kedua ujung sebaran, masing-masing
dengan frekuensi nol.
2.2 VARIABEL
STATISTIK
Ø Variabel
Kuantitatif
Pengukuran
variabel kuantitatif
dapat juga ditafsirkan dengan istilah jarak antara berbagai observasi tanpa
adanya pengurutan yang alami.
Ø
Skala Interval
Jika jarak antara pengukuran
ditafsirkan lebih mendalam, maka variabel tersebut diukur pada skala interval.
Berlawanan dengan skala rasio, rasio pengukuran tidak mempunyai pengertian yang
mendasar, dan untuk skala ordinal tidak memiliki nilai nol. Sebagai contoh,
suhu yang diukur dalam derajat celsius bisa ditafsirkan dalam urutan
kelas-kelas yang lebih tinggi atau lebih rendah. Namun demikian, tinggi suhu
bertemperatur 20 derajat celsius
tidak bisa dikatakan dua kali tinggi suhu bertemperatur 10 derajat. Ingat
kembali temperatur ekuivalensi
dalam fahrenheit.
Dengan mengkonversikan temperatur dari celsius ke fahrenheit atau sebaliknya akan mengikutsertakan pertukaran titik
nol.
Ø
Skala rasio (nisbah)
Nilai-nilai
variabel yang terukur pada skala rasio dapat ditafsirkan baik dengan istilah
jarak ataupun rasio.
Skala rasio atau nisbah ini membawa informasi yang lebih daripada skala
interval, namun hanya interval-interval
(jarak diantara observasi) yang memiliki arti kuantitatif.
Fenomena
yang diukur pada skala rasio mempunyai elemen nol alami, yang menunjukkan
kekurangan total dari atributnya. Namun adanya satuan pengukuran alami tidak
begitu diperlukan. Contohnya adalah berat, tinggi, usia, dan lain sebagainya.
Ø
Skala absolut
Skala
absolut merupakan skala metrik yang memiliki satuan pengukuran alami.
Pengukuran skala
absolut sendiri adalah pengukuran, satu-satunya pengukuran tanpa alternatif.
Contoh: Semua fenomena yang dapat dihitung seperti jumlah orang dalam sebuah
ruangan atau jumlah bola dalam sebuah keranjang.
Ø
Variabel diskrit
Sebuah
variabel diskrit
yang mengambil himpunan nilai-nilai berhingga atau tak hingga disebut diskrit.
Contoh:
Produksi mobil per bulan
atau jumlah bintang di ruang angkasa.
Ø
Variabel kontinyu
Suatu
variabel matrik
dikatakan kontinyu jika mempunyai sejumlah tak hingga nilai-nilai pada
sembarang interval. Contoh: Petrol yang terjual pada periode waktu tertentu.
Namun dalam prakteknya banyak variabel kontinyu
diukur secara diskrit
dikarenakan terbatasnya tingkat ketelitian peralatan ukur fisik. Untuk
mengetahui usia seseorang dapat dilakukan, tetapi tidak terlalu tepat.
Ø
Skala nominal
Skala
yang paling primitif, yaitu yang hanya bisa menyatakan apakah dua buah nilai
sama atau tidak, adalah skala nominal dan murni kualitatif. Jika sebuah ruang
sampel eksperimen terdiri dari kategori tanpa urutan yang alami, maka variabel
acak yang berkaitan terskala secara nominal.
Angka-angka/jumlah
berbeda yang ditugaskan untuk memberi hasil biasanya mengindikasikan apakah
sembarang dua keluaran (outcome) sama
atau tidak.
Sebagai
contoh, angka-angka yang ditentukan pada opini politik yang berbeda bisa
menolong dalam mengkompilasi hasil dari daftar pertanyaan. Namun untuk
membandingkan dua opini, kita hanya bisa merelasikannya sebatas kesamaan jenis
atau tidak. Angka/jumlah tersebut tidak menghasilkan ranking. Variabel binary
atau variabel dikotomus adalah
variabel yang memiliki tepat dua outcome
yang eksklusif satu sama lainnya. Jika angka-angka indikator yang ditentukan
tersebut menyampaikan informasi tentang ranking kategori, maka variabel binari
dapat juga dianggap terskala secara ordinal. Jika kategori (peristiwa) yang
merupakan ruang
sampel tersebut bersifat ekslusif satu dengan lainnya, misalnya sebuah elemen
statistik bisa berhubungan dengan lebih dari satu kategori, maka variabel
tersebut dinamakan kumulatif. Sebagai contoh, seseorang bisa menerima
kualifikasi kategori profesional yang berbeda. Tapi hanya bisa satu pekerjaan
saja yang fulltime
(menurut definisi).
Ø
Skala ordinal
Jika
jumlah yang ditentukan untuk pengukuran memperlihatkan suatu ranking alami,
maka variabel tersebut diukur dengan skala ordinal. Pada skala ordinal, jarak
antara nilai-nilai yang berbeda tidak dapat ditafsirkan sebuah
variabel yang diukur pada skala ordinal bagaimanapun bukan kuantitatif. Sebagai
contoh, nilai sekolah merefleksikan tingkatan prestasi yang berbeda-beda.
Walaupun
demikian tidak ada alasan untuk menyatakan bahwa pekerjaan yang memperoleh
nilai "4" dua kali lebih baik dari pekerjaan yang beroleh nilai
"2". Karena jumlah yang ditentukan pada pengukuran tersebut
merefleksikan ranking secara relatif antara satu dengan lainnya, maka nilai
tersebut dinamakan nilai rank.
Terdapat banyak contoh variabel yang terskala ordinal dalam bidang psikologi,
sosiologi, studi bisnis dan lain sebagainya. Skala dapat ditentukan dengan
mengusahakan mengukur semacam konsep seperti status sosial, intelegensia, tingkatan
agresi atau tingkat kepuasan. (Suparyanto, 2010).
2.3
SKALA
PENGUKURAN
Perbedaan tajam antara
variabel kuantitatif dan variabel kualitatif terletak pada sifat-sifat pengukuran skala aktual, terutama pada
kemampuannya untuk digunakan sebagai input pada suatu metode statistik. Dalam mengembangkan
peralatan baru, ahli statistik membuat asumsi tentang skala-skala pengukuran
yang diperbolehkan.
Sebuah pengukuran adalah
suatu penentuan/penugasan pada sebuah observasi. Beberapa pengukuran muncul
lebih alami dibandingkan yang lainnya. Sebagai contoh, dengan mengukur tinggi
seseorang, kita menggunakan yardstick
atau alat ukur yang meyakinkan kemampuan perbandingan antara observasi-observasi
hingga ketelitian satuan-satuan yang digunakan (misalnya inci atau sentimeter).
Sebaliknya, nilai sekolah
menunjukkan klasifikasi yang relatif kasar yang mengindikasikan ranking
tertentu tetapi dengan memasukkan para siswa kedalam kategori yang sama. Nilai
yang ditentukan untuk pernyataan kualitatif semisal 'sangat baik', 'sedang' dan
sebagainya adalah nilai sembarang namun singkat dan praktis dalam menilai
prestasi seseorang. Dikarenakan tidak adanya alasan konseptual pada skala
penilaian di sekolah, maka tidak diperlukan penafsiran 'jarak' antara
nilai-nilai tersebut. Jelasnya, pengukuran yang cermat memberikan informasi
yang lebih banyak daripada hanya sekedar nilai sekolah, sebagaimana halnya
jarak-jarak antara pengukuran bisa dibandingkan dengan konsisten.
BAB III
PENGUMPULAN DATA
3.1 DATA TUNGGAL
Tabel 3.1 Pengumpulan Data
Tunggal
Banyak Anak
|
Jumlah Kata
|
1
|
18
|
2
|
15
|
3
|
22
|
4
|
19
|
5
|
18
|
6
|
17
|
7
|
18
|
8
|
20
|
9
|
17
|
10
|
12
|
11
|
16
|
12
|
16
|
13
|
17
|
14
|
21
|
15
|
23
|
16
|
18
|
17
|
20
|
18
|
21
|
19
|
20
|
20
|
20
|
21
|
15
|
22
|
18
|
23
|
17
|
24
|
19
|
25
|
20
|
26
|
23
|
27
|
22
|
28
|
17
|
29
|
19
|
30
|
19
|
Sumber: Pengumpulan Data Lab.
Statistik Industri, 2013
3.2 DATA KELOMPOK
Tabel 3.2 Data Kelompok
Banyak Barang
|
2001
|
2002
|
2003
|
2004
|
2005
|
2006
|
A
|
19
|
21
|
22
|
20
|
18
|
15
|
B
|
14
|
22
|
21
|
20
|
16
|
17
|
C
|
16
|
19
|
19
|
17
|
20
|
20
|
D
|
15
|
18
|
22
|
21
|
17
|
20
|
E
|
18
|
19
|
15
|
14
|
16
|
16
|
Sumber: Pengumpulan Data Lab.
Statistik Industri, 2013
BAB IV
PENGOLAHAN DATA
4.1 PENGOLAHAN DATA KOMPUTER
4.1
Pengolahan Data Komputer untuk Data Tunggal N = 30
N
|
Valid
|
30
|
Missing
|
0
|
|
Mean
|
18.5667
|
|
Median
|
18.5000
|
|
Mode
|
17.00a
|
|
Std. Deviation
|
2.50080
|
|
Variance
|
6.254
|
|
Skewness
|
-.304
|
|
Std. Error of Skewness
|
.427
|
|
Kurtosis
|
.396
|
|
Std. Error of Kurtosis
|
.833
|
|
Range
|
11.00
|
|
Minimum
|
12.00
|
|
Maximum
|
23.00
|
|
Sum
|
557.00
|
|
Percentiles
|
25
|
17.0000
|
50
|
18.5000
|
|
60
|
19.0000
|
|
70
|
20.0000
|
|
75
|
20.0000
|
|
80
|
20.8000
|
|
90
|
22.0000
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.2 Pengolahan Data Tunggal SPSS
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
12
|
1
|
3.3
|
3.3
|
3.3
|
15
|
2
|
6.7
|
6.7
|
10.0
|
|
16
|
2
|
6.7
|
6.7
|
16.7
|
|
17
|
5
|
16.7
|
16.7
|
33.3
|
|
18
|
5
|
16.7
|
16.7
|
50.0
|
|
19
|
4
|
13.3
|
13.3
|
63.3
|
|
20
|
5
|
16.7
|
16.7
|
80.0
|
|
21
|
2
|
6.7
|
6.7
|
86.7
|
|
22
|
2
|
6.7
|
6.7
|
93.3
|
|
23
|
2
|
6.7
|
6.7
|
100.0
|
|
Total
|
30
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Gambar
4.1 Histogram
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Tabel 4.3 Pengolahan Data Kelompok
tahun2001
|
tahun2002
|
tahun2003
|
tahun2004
|
tahun2005
|
tahun2006
|
|||
N
|
Valid
|
5
|
5
|
5
|
5
|
5
|
5
|
|
Missing
|
0
|
0
|
0
|
0
|
0
|
0
|
||
Mean
|
16.4000
|
19.8000
|
19.8000
|
18.4000
|
17.4000
|
17.6000
|
||
Median
|
16.0000
|
19.0000
|
21.0000
|
20.0000
|
17.0000
|
17.0000
|
||
Mode
|
14.00a
|
19.00
|
22.00
|
20.00
|
16.00
|
20.00
|
||
Std. Deviation
|
2.07364
|
1.64317
|
2.94958
|
2.88097
|
1.67332
|
2.30217
|
||
Variance
|
4.300
|
2.700
|
8.700
|
8.300
|
2.800
|
5.300
|
||
Skewness
|
.236
|
.518
|
-1.430
|
-1.083
|
1.089
|
.197
|
||
Std. Error of Skewness
|
.913
|
.913
|
.913
|
.913
|
.913
|
.913
|
||
Kurtosis
|
-1.963
|
-1.687
|
1.581
|
-.062
|
.536
|
-2.716
|
||
Std. Error of Kurtosis
|
2.000
|
2.000
|
2.000
|
2.000
|
2.000
|
2.000
|
||
Range
|
5.00
|
4.00
|
7.00
|
7.00
|
4.00
|
5.00
|
||
Minimum
|
14.00
|
18.00
|
15.00
|
14.00
|
16.00
|
15.00
|
||
Maximum
|
19.00
|
22.00
|
22.00
|
21.00
|
20.00
|
20.00
|
||
Sum
|
82.00
|
99.00
|
99.00
|
92.00
|
87.00
|
88.00
|
||
Percentiles
|
25
|
14.5000
|
18.5000
|
17.0000
|
15.5000
|
16.0000
|
15.5000
|
|
50
|
16.0000
|
19.0000
|
21.0000
|
20.0000
|
17.0000
|
17.0000
|
||
60
|
17.2000
|
20.2000
|
21.6000
|
20.0000
|
17.6000
|
18.8000
|
||
70
|
18.2000
|
21.2000
|
22.0000
|
20.2000
|
18.4000
|
20.0000
|
||
75
|
18.5000
|
21.5000
|
22.0000
|
20.5000
|
19.0000
|
20.0000
|
||
80
|
18.8000
|
21.8000
|
22.0000
|
20.8000
|
19.6000
|
20.0000
|
||
90
|
19.0000
|
22.0000
|
22.0000
|
21.0000
|
20.0000
|
20.0000
|
||
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.4 Pengolahan Data Kelompok Tahun 2001
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
14
|
1
|
20.0
|
20.0
|
20.0
|
15
|
1
|
20.0
|
20.0
|
40.0
|
|
16
|
1
|
20.0
|
20.0
|
60.0
|
|
18
|
1
|
20.0
|
20.0
|
80.0
|
|
19
|
1
|
20.0
|
20.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.5 Pengolahan Data Kelompok Tahun 2002
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
18
|
1
|
20.0
|
20.0
|
20.0
|
19
|
2
|
40.0
|
40.0
|
60.0
|
|
21
|
1
|
20.0
|
20.0
|
80.0
|
|
22
|
1
|
20.0
|
20.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.6 Pengolahan Data Kelompok Tahun 2003
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
15
|
1
|
20.0
|
20.0
|
20.0
|
19
|
1
|
20.0
|
20.0
|
40.0
|
|
21
|
1
|
20.0
|
20.0
|
60.0
|
|
22
|
2
|
40.0
|
40.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.7 Pengolahan Data Kelompok Tahun 2004
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
14
|
1
|
20.0
|
20.0
|
20.0
|
17
|
1
|
20.0
|
20.0
|
40.0
|
|
20
|
2
|
40.0
|
40.0
|
80.0
|
|
21
|
1
|
20.0
|
20.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.8 Pengolahan Data Kelompok Tahun 2005
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
16
|
2
|
40.0
|
40.0
|
40.0
|
17
|
1
|
20.0
|
20.0
|
60.0
|
|
18
|
1
|
20.0
|
20.0
|
80.0
|
|
20
|
1
|
20.0
|
20.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri,
2013
Tabel 4.9 Pengolahan Data Kelompok Tahun 2006
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
||
Valid
|
15
|
1
|
20.0
|
20.0
|
20.0
|
16
|
1
|
20.0
|
20.0
|
40.0
|
|
17
|
1
|
20.0
|
20.0
|
60.0
|
|
20
|
2
|
40.0
|
40.0
|
100.0
|
|
Total
|
5
|
100.0
|
100.0
|
Sumber: Pengolahan Data Komputer Lab. Statistik industri, 2013
Gambar
4.2 Histogram 2001
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Gambar
4.3 Histogram 2002
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Gambar
4.4 Histogram 2003
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Gambar
4.5 Histogram 2004
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Gambar
4.6 Histogram 2005
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
Gambar
4.7 Histogram 2006
Sumber: Pengolahan
Data Komputer Lab. Statistik
Industri,
2013
4.2 PENGOLAHAN DATA MANUAL
a. 1. Rata-rata (
) :
=
=
=
2. Standar deviasi (σ)
b. Tabel distribusi frekuensi
v Maks = 23
v Min = 12
R =
nilai max – nilai min
= 23 – 12 =11
= 23 – 12 =11
c. Banyak kelas
B = 1 + 3,22 log N
= 1 +
3,22 log 30
= 5,75
d
. panjang kelas
4.10 Tabel
Distribusi Frekuensi
Ki
|
Bi
|
F
|
i
|
F
.
i
|
(
-
)2
|
||
12 - 13,90
|
11,995 - 13,904
|
1
|
12,95
|
12,95
|
-5,79
|
33,52
|
33,52
|
13,91 - 15,81
|
13,905 - 15,814
|
2
|
14,86
|
29,72
|
-3,88
|
15,05
|
30,10
|
15,82 - 17,72
|
15,815 - 17,724
|
7
|
16,77
|
117,39
|
-1,97
|
3,88
|
27,16
|
17,73 - 19,63
|
17,725 - 19,634
|
9
|
18,68
|
168,12
|
-0,06
|
0,00
|
0,09
|
19,64 - 21,54
|
19,635 - 21,544
|
7
|
20,59
|
144,13
|
1,85
|
3,42
|
23,94
|
21,55 - 23,46
|
21,545 - 23,47
|
4
|
22,505
|
90,02
|
3,77
|
14,18
|
56,72
|
Total
|
30
|
562,33
|
171,53
|
Sumber:
Pengolahan Data Manual Lab. Statistik
Industri,
2013
Ø
Ø Standar Deviasi
Ø Koefisien variansi:
KV
Ø Modus
:
Mo =
L +
x p
=
17,725 +
x 1,91
=
17,725 + 0,995
=
18,68
Ø Median
Me = b + p
= 17,725 +
1,91
= 18,786
Ø Skewness:
Sk
modus =
=
= 0,01
Sk
median =
=
= - 0,024
Ø Kurtosis
=
= 0,05
Ø Kuartil
:
Q1= nilai ke-1
Q1= 1
=
7,75
Q2= nilai ke-2
= 2
=15.55
Q3= nilai ke-3
= 3
= 23,25
Ø Desil :
D5
nilai ke-5
D7
nilai ke-7
= 7
= 5
= 21,7 = 15,5
Ø Persentil :
P50 = nilai ke-50
= 50
= 15,5
P60 =
nilai ke-60
= 60
= 18,6
P70 = nilai ke-70
= 70
= 21,7
P80
= nilai ke-80
= 80
= 24,8
P90
= nilai ke-90
= 90
= 27,9
BAB V
ANALISA DATA
5.1
ANALISA DATA KOMPUTER
5.1.1
Analisa untuk Data Tunggal n = 30
A.
Modus, Rata-rata dan Median.
Praktikum
yang dilaksanakan pada modul I adalah suatu kegiatan yang dilakukan
praktikan untuk mengolah data 30 data yang telah diberikan. Dan ada pula data tersebut
merupakan 30 data adalah banyak kata yang dikeluarkan. Data ini diolah dengan
computer menggunakan program SPSS 16. Pada
modul I ini didapatkan data maksimum 23 dan data minimum 12.
-
Modus
Modus adalah nilai yang
paling banyak muncul. Untuk mengetahui modus
kita dapat melihat frekuensi yang terbesar atau terbanyak. Dari pencarian SPSS
16 di dapatkan nilai modus yaitu 17.
-
Rata-rata (mean)
Rata-rata
yaitu nilai yang didapatkan dari hasil pembagian jumlah seluruh data dibagi
dengan banyaknya data. Dari hasil pencarian SPSS 16 didapatkan rata-rata 18,56.
-
Median
Median
yaitu nilai tengah dari data. Dari hasil pencarian SPSS 16 didapatkan hasil
dari median yaitu 18,50.
B.
Skewness dan Kurtosis
-
Skewness
Hasil
skewness didapatkan dari SPSS 16
yaitu -0,304. Dari hasil tersebut dapat kita lihat atau kita indifikasikan
yaitu distribusi tersebut cendrung ke kiri.
-
Kurtosis
Hasil
kurtosis yang didapatkan dari SPSS 16
yaitu didapatkan nilai 0,399. Hasil tersebut menunjukaan bahwa nilai yang
didapat adalah absolute.
5.2 ANALISA DATA MANUAL
5.2.1 Analisa untuk Data Tunggal n = 30
Pada pengelohan data manual, pada tahap pertama dapat
kita cari nilai dari modus, median, dan
rata-rata. Dalam sedikit penjelasan modus merupakan nilai yang paling banyak
muncul, sedangkan median yaitu nilai
tengan dari suatu data dan rata-rata merupakan hasil pembagian dari jumlah data
dengan banyaknya data.
A.
Modus, median dan rata-rata.
-
Modus
Modus yaitu nilai yang
paling banyak muncul. Dapat kita lihat dari frekuensi yang paling banyak atau
terbesar. Itu merupakan daerah modus dan dapat kita cari dengan manual dan di
dapatka hasil nilainya yaitu 18,68.
-
Median
Median
yaitu nilai tengah dari data tersebut. Banyak data yaitu 30 maka nilai tengah
yaitu 15. Cara mencarinya yaitu menjumlahlan data dari atas sampai ke bawah dan
dimana di dapatkan nilai 15 berarti itu merupakan nilai tengah lalu cari nilai
tengah lalu di dapatkan nilai 18,786.
-
Rata-rata
Rata-rata
yaitu hasil dari pembagian jumlah data dengan banyaknya data. Di cari secara
manual dan di dapatkan nilainya yaitu 18,56. Pada pengolahan data modul ini,
rata-rata adalah yang pertama kali kita cari. Untuk mencari pengolahan data
selanjutnya, rata-rata inilah yang kita cari pada awalnya.
Tabel
5.1 Nilai Desil, Kuartil, dan Persentil.
Nama
|
Nilai
|
Nama
|
Nilai
|
Desil 5
|
15,5
|
Persentil 50
|
15,5
|
Desil 7
|
21,7
|
Persentil 60
|
18,6
|
Kuartil 1
|
7,75
|
Persentil 70
|
21,7
|
Kuartil 2
|
15,5
|
Persentil 80
|
24,8
|
Kuartil 3
|
23,25
|
Persentil 90
|
27,9
|
Sumber:
Pengolahan Data Manual Lab. Statistik
Industri,
2013
BAB VI
PENUTUP
6.1 KESIMPULAN
Dari hasil perhitungan di atas, dapat
kita simpulkan bahwa hasil dari perhitingan manual dengan program SPSS 16 tidak
jauh berbeda. Pada perhitungan SPSS 16 data-data tersebut di bulatkan. Kedua
hasil tersebut hampir sama seperti pencarian nialai mean, median, modus, kuartil dan standar deviasi.
Perbedaan
hasil perhitungan itu di akibatkan karena perhitungan manual praktikan kurang
teliti dalam menghitung data yang telah ada. Dari pengolahan data di atas
praktikan dapat mengeti apa itu mean,
median, modus, kuartil dan standar deviasi.
Dimana pada data komputer nilai mean yaitu: 18,5667, nilai median yaitu: 18,5 dan nilai modus: 17 sedangkan pada data manual
yang telah kita cari didapatkan nilai mean
yaitu: 18,56, nilai modus 18,68 dan
nilai median 18,786
Itu
merupakan sebagian contoh dari perbandingan data komputer dengan data manual
yang mana hasil nilainya antara dua macam pengolahan tersebut hampir sama.
Dari praktikum modul I ini kita dapat
melakukan perhitungan dengan menggunakan mean,
median, dan modus juga dengan berbagai macam rumus yang lainnya. Modul I ini
juga membuat kita mengerti bahwa kita harus hati-hati dalam melakukan
perhitungan atau pengolahan data. Jika kita sudah hati-hati dalam melakukan
perhitungan maka perhitungan kita akan sama dengan dengan perhitungan komputer.
6.2 SARAN
1. Sebelum melakukan praktikum, peraktikan terlebih dahulu
harus memahami modul yang akan di bahas.
2. Pada saat pengolahan data manual, peraktikan harus sangat
teliti dalam mencari hasil. Apabila salah sedikit akan berakibat fatal dan
mempengaruhi data-data selanjutnya.
DAFTAR
PUSTAKA
Modul Praktikum, 2013 : Laboratorium Statistik Industri, Fakultas Teknologi
Industri, Teknik Industri Universitas Bung Hatta, Padang, 2013.
Walpole, Ronald E, Raynond H. Myers : Probability
and Statistic for Engeenering and scientist, 3rd
ED, Macmillan Publ. Co, New York, 1985
Sujana. Metode Statika. Edisi ke
6. Bandung: Tarsito, 1996
Saya punya aplikasi android kumpulan Rumus statistik sama kalkulator statistik..
ReplyDeletehttp://sleepingtux.blogspot.com/2013/12/aplikasi-android-buku-saku-statistik.html