2.

1 Statistika
Statistika adalah metode ilmiah yang mempelajari pengumpulan, pengaturan,
perhitungan, penggambaran, dan penganalisaan data serta penarikan kesimpulan yang
valid berdasarkan penganalisaan yang dilakukan dan pembuatan keputusan yang
rasional (menurut Rahayu kariadinata: 2009). Singkatnya, statistika adalah ilmu yang
berkenaan dengan data. Atau statistika adalah ilmu yang berusaha untuk mencoba
mengolah data untuk mendapatkan manfaat berupa keputusan dalam kehidupan.
Istilah statistika (bahasa Inggris: statistics) berbeda dengan statistik (statistic).
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data,
informasi, atau hasil penerapan algoritma statistika pada suatu data. Ada dua hal yang
sangat penting dari statistika yaitu:
1. Data yang tersedia / data historis.
Data merupakan suatu nilai numerik yang diperoleh dari keterangan masa lampau.
Diolah menjadi informasi yang nantinya berguna dalam menentukan keputusan.
Sedangkan menurut Rahayu kariadinata (2009), Data adalah sejumlah informasi yang
dapat memeberikan gambaran tentang sesuatu keadaan atau masalah, baik yang
berupa angka-angka, maupun berbentuk kategori, seperti: baik, buruk, tinggi, rendah.
Data yang baik harus memenuhi beberapa persyratan berikut, yaitu objektif, relevan,
up to date, representatif, dan dapat dipercaya.
2. Kriteria Keputusan dan Adanya Keputusan.
Dalam Statistika kita sering dihadapkan pada beberapa pilihan. Masing-masing
pilihan memiliki nilai/ manfaat dan konsekuensi yang harus diambil atau dengan kata
lain kita harus menentukan keputusan. Dari pilihan-pilihan tersebut akan muncul
berbagai kriteria keputusan. Sama halnya dengan pilihan, masing-masing kriteria
keputusan memiliki manfaat dan akibat bagi kita.
Fungsi-fungsi statistika menurut Budiyuwono (1987), diantaranya:
1. Menggambarkan data dalam bentuk tertentu. Tanpa adanya statistik, data akan
menjadi kabur dan tidak jelas.
2. Menyederhakan data (keterangan) yang kompleks menjadi data rata, persentase,
dan sebagainya.
3. Merupakan teknik untuk membuat perbandingan.
4. Memperluas pengalaman individu (dengan cara mempelajari kesimpulan
berdasarkan penilaian lain).
5. Mengukur besaran suatu gejala.
6. Dapat menenutkan hubungan sebab akibat, dapat menentukan sebab-sebab pokok
suatu gejala yang selanjutnya digunakan untuk mengadakan prediksi.
Manfaat statistika dalam kehidupan sehari-hari sangat beragam sebagai contoh
sederhana:
1. Bagi ibu-ibu rumah tangga mungkin tanpa disadari mereka telah menerapkan
statiska. Dalam membelanjakan uang untuk kebutuhan keluarganya sering melakukan
perhitungan untung rugi, berapa jumlah uang yang harus dikeluarkan setiap bulannya
untuk uang belanja, listrik, dll.
2. Sebagai mahasiswa, selain statistika dipelajari secara formal sebenarnya kita
sudah menggunakannya dalam perhitungan Indeks prestasi.
3. Dalam dunia bisnis, para pemain saham atau pengusaha sering menerapkan
statistika untuk memperoleh keuntungan. Seperti peluang untuk menanamkan saham.
4. Sedangkan dalam bidang industri, statistika sering digunakan untuk menentukan
keputusan. Contohnya berapa jumlah produk yang harus diproduksi dalam sehari
berdasarkan data historis perusahaan, apakah perlu melakukan pengembangan produk
atau menambah varian produk, perlu tidaknya memperluas cabang produksi, dll.
Kehidupan manusia tidak akan terlepas dari penggunaan statistika apalagi seiring
dengan berkembangnya IPTEK, sehingga ditemukannya inovasi-inovasi dalam
berbagai bidang, termasuk dalam bidang statistika. Misalnya diciptakannya aplikasi
SFSS, Microsoft excel, dan aplikasi yang lainnya agar memudahkan dalam proses
statistika. Penggunaan statistika terkadang tidak disadari. Padahal banyak sekali hal-
hal yang menggunakan statistika. Jadi, statistika itu sangat penting bahkan dapat
berguna dalam menentukan keputusan meskipun kadangkala penggunaannya tidak
disadari.
2.2 SPSS 16
SPSS adalah program aplikasi bisnis yang berguna untuk menganalisa data
statistik. Versi terbaru program ini adalah SPSS 20, yang dirilis pada tanggal 16
Agustus 2011. Software SPSS dibuat dan dikembangkan oleh SPSS Inc. yang
kemudian diakuisisi oleh IBM Corporation.

Perangkat lunak komputer ini memiliki kelebihan pada kemudahan
penggunaannya dalam mengolah dan menganalisis data statistik. Fitur yang
ditawarkan antara lain IBM SPSS Data Collection untuk pengumpulan data, IBM
SPSS Statistics untuk menganalisis data, IBM SPSS Modeler untuk memprediksi
tren, dan IBM Analytical Decision Management untuk pengambilankeputusannya.

Program SPSS banyak diaplikasikan dan digunakan oleh kalangan pengguna
komputer di bidang bisnis, perkantoran, pendidikan, dan penelitian. SPSS merupakan
software komersial dengan harga lisensi $5,120 USD. SPSS dapat dijalankan di
sistem operasi Windows XP, Windows Vista, Windows 7, Mac OS, dan Linux. Untuk
menginstall versi terbaru program ini, komputer Windows Anda harus memiliki
spesifikasi minimal menggunakan prosesor Intel atau AMD dengan kecepatan 1 GHz,
memori (RAM) 1 GB, resolusi monitor 1024768 piksel, dan harddisk dengan
kapasitas kosong minimal 800 MB.
2.3 Statistika Deskriptif
Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah,
menyajikan data tanpa mengambil keputusan untuk populasi. Dengan kata lain hanya
melihatgambaran secara umum dari data yang didapatkan.Statistika adalah ilmu yang
mempelajari bagaimana merencanakan, mengumpulkan,menganalisis,
menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalahilmu yang
berkenaan dengan data.Iqbal Hasan (2004:185) menjelaskan : Analisis deskriptif
adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil
penelitian berdasarkan satusample. Analisa deskriptif ini dilakukan dengan pengujian
hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian
dapatdigeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti hasil
penelitian dapat digeneralisasikan. Analisisdeskriptif ini menggunakan satu variable
atau lebih tapi bersifat mandiri, oleh karena ituanalisis ini tidak berbentuk
perbandingan atau hubungan.Iqbal Hasan (2001:7) menjelaskan : Statistik deskriptif
atau statistic deduktif adalah bagian dari statistic mempelajari cara pengumpulan data
dan penyajian data sehinggamuda dipahami. Statistic deskriptif hanya berhubungan
dengan hal menguraikan ataumemberikan keterangan-keterangan mengenai suatu
data atau keadaan atau fenomena.Dengan kata statistic deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan.Penarikan kesimpulan pada statistic
deskriptif (jika ada) hanya ditujukan pada kumpulandata yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup :1.
Distribusi frekuensi beserta bagian-bagiannya seperti : a. Grafik distibusi
(histogram, poligon frekuensi, dan ogif); b. Ukuran nilai pusat (rata-rata, median,
modus, kuartil dansebagainya); c. Ukuran dispersi (jangkauan, simpangan rata-rata,
variasi, simpangan baku, dan sebagianya); d. Kemencengan dan keruncingan kurva 2.
Angka indeks 3.Times series/deret waktu atau berkala 4. Korelasi dan regresi
sederhanaBambang Suryoatmono (2004:18) menyatakan Statistika Deskriptif adalah
statistika yangmenggunakan data pada suatu kelompok untuk menjelaskan atau
menarik kesimpulanmengenai kelompok itu saja
Ukuran Lokasi: mode, mean, median, dll
Ukuran Variabilitas: varians, deviasi standar, range, dll

Ukuran Bentuk: skewness, kurtosis, plot boksPangestu Subagyo (2003:1)
menyatakan : Yang dimaksud sebagai statistika deskriptif adalah bagian statistika
mengenai pengumpulan data, penyajian, penentuan nilai-nilaistatistika, pembuatan
diagramatau gambar mengenai sesuatu hal, disini data yangdisajikan dalam bentuk
yang lebih mudah dipahami atau dibaca.Sudjana (1996:7) menjelaskan : Fase
statistika dimana hanya berusaha melukiskan ataumengalisa kelompok yang
diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok
yang lebih besar dinamakan statistika deskriptif.
Statistik Deskriptif dapat dinyatakan dengan frekuensi, mode, dan keragaman
(variability)

a. Frekuensi (F)
Biasanya dinyatakan dengan persentase, bentuk yang tepat dalam menampilkan data
frekuensi adalah diagram dan grafik.
Pada sampel di bawah ini kita lihat data perolehan suara pada pemilihan walikota
kota A, dengan jumlah suara yang diperoleh bapak Mamat memimpin dengan
38,89%.

Data ini akan lebih menarik jika disajikan dalam bentuk diagram batang (histogram)
distribusi frekuensi suara pada pemilihan walikota kota A.


b. Mode dan Median
Mode adalah nilai yang paling sering muncul, ia menyatakan jumlah kategori yang
paling sering muncul pada suatu kasus. Ketika anda membagikan kuesioner kepada
karyawan kantor untuk memilih apa yang paling suka mereka lakukan di waktu
luang, jika sebagian besar menjawab mendengarkan musik, maka mendengarkan
musik adalah mode. Mode cocok untuk diterapkan pada data yang bersifat nominal.
(lihat chapter tipe data statistik disini >>>)
Median adalah nilai tengah, ia merupakan titik tengah pembagi data. Contoh berikut
dapat mendeskripsikan median yang biasa digunakan untuk data-data ordinal.

c. Mean (M)
Mean merupakan rataan dari skor yang diukur, menghitung mean untuk variable X
dapat menggunakan rumus:

Fosfat yang dihasilkan dari limbah deterjen merk A, B, C, D, dan E adalah berturut-
turut 43, 42, 31,32,37, hitunglah mean;







d. Variabilitas/Dispersi
Salah satu teknik untuk mengelompokkan data pada teknik statistik deskriptif adalah
menghitung dispersi atau variabilitas. Tiga cara menghitung variabilitas antara lain:

Contoh perhitungan keragaman dan standar deviasi dapat kita lihat di bawah ini:
*** berikut ini diberikan data hasil ujian statistik dasar untuk 10 mahasiswa di
perguruan tinggi LOLipop dengan data yang diberikan sebagai berikut:

*** Menghitung Nilai Rataan:


*** Menghitung Keragaman (variance):
*** Menghitung Standar Deviasi:


Menjalankan statistik deskriptif pada SPSS dapat melalui menubar analyse
descriptive statistic descriptives.(yos)


2.4 Uji Normalitas
Data klasifikasi kontinue, data kuantitatif yang termasuk dalam
pengukuran data skala interval atau ratio, untuk dapat dilakukan uji statistik
parametrik dipersyaratkan berdistribusi normal. Pembuktian data berdistribusi
normal tersebut perlu dilakukan uji normalitas terhadap data. Uji normalitas
berguna untuk membuktikan data dari sampel yang dimiliki berasal dari
populasi berdistribusi normal atau data populasi yang dimiliki berdistribusi
normal. Banyak cara yang dapat dilakukan untuk membuktikan suatu data
berdistribusi normal atau tidak.
Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya
lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi
normal. Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi
normal atau tidak, sebaiknya digunakan uji statistik normalitas. Karena belum
tentu data yang lebih dari 30 bisa dipastikan berdistribusi normal, demikian
sebaliknya data yang banyaknya kurang dari 30 belum tentu tidak berdistribusi
normal, untuk itu perlu suatu pembuktian. Pembuktian normalitas dapat
dilakukan dengan manual, yaitu dengan menggunakan kertas peluang normal, atau
dengan menggunakan uji statistik normalitas.
Banyak jenis uji statistik normalitas yang dapat digunakan diantaranya
Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk atau menggunakan soft
ware computer. Soft ware computer dapat digunakan misalnya SPSS, Minitab,
Simstat, Microstat, dsb. Pada hakekatnya soft ware tersebut merupakan hitungan
uji statistik Kolmogorov Smirnov, Lilliefors, Chi-Square, Shapiro Wilk, dsb yang
telah diprogram dalam soft ware komputer. Masing-masing hitungan uji statistik
normalitas memiliki kelemahan dan kelebihannya, pengguna dapat memilih sesuai
dengan keuntungannya.

Di bawah disajikan beberapa cara untuk menguji suatu data
berdistribusi normal atau tidak.
2.5 Uji Homogenitas
Pengujian homogenitas dimaksudkan untuk memberikan keyakinanbahwa
sekumpulan data yang dimanipulasi dalam serangkaian analisismemang berasal dari
populasi yang tidak jauh berbeda keragamannya.Khusus untuk studi korelatif yang
sifatnya prediktif, model yang digunakan harus fit (cocok) dengan komposisi dan
distribusi datanya. Goodness of fit model tersebut secara statistika dapat diuji setelah
model prediksi diperoleh dari perhitungan. Model yang sesuai dengan keadaan data
adalah apabila simpangan estimasinya mendekati 0. Untuk mendeteksi agar
penyimpangan estimasi tidak terlalu besar, maka homogenitas variansi kelompok-
kelempok populasi dari mana sampel diambil, perlu diuji. Pengujian homogenitas
varians suatu kelompok data, dapat dilakukan dengan cara: 1) Uji F dan 2) Uji
Bartlett.

2.6 Faktor Pertumbuhan Karang
Kerang adalah hewan air yang termasuk hewan bertubuh lunak (moluska).
Pengertian kerang bersifat umum dan tidak memiliki arti secara biologi namun
penggunaannya luas dan dipakai dalam kegiatan ekonomi. Dalam pengertian paling
luas, kerang berarti semua moluska dengan sepasang cangkang (lihat Bivalvia).
Dengan pengertian ini, lebih tepat orang menyebutnya kerang-kerangan dan sepadan
dengan arti clam yang dipakai di Amerika. Contoh pemakaian seperti ini dapat dilihat
pada istilah kerajinan dari kerang. Kata kerang dapat pula berarti semua kerang-
kerangan yang hidupnya menempel pada suatu obyek. Ke dalamnya termasuk jenis-
jenis yang dapat dimakan, seperti kerang darah dan kerang hijau (kupang awung),
namun tidak termasuk jenis-jenis yang dapat dimakan tetapi menggeletak di pasir
atau dasar perairan, seperti lokan dan remis. Kerang juga dipakai untuk menyebut
berbagai kerang-kerangan yang bercangkang tebal, berkapur, dengan pola radial pada
cangkang yang tegas. Dalam pengertian ini, kerang hijau tidak termasuk di dalamnya
dan lebih tepat disebut kupang. Pengertian yang paling mendekati dalam bahasa
Inggris adalah cockle.
Dalam pengertian yang paling sempit, yang dimaksud sebagai kerang adalah
kerang darah (Anadara granosa), sejenis kerang budidaya yang umum dijumpai di
wilayah Indo-Pasifik dan banyak dijual di warung atau rumah makan yang menjual
hasil laut. Pertumbuhan kerang sangatlah dipengaruhi oleh faktor-faktor alam
sebagai parameternya antara lain biologis, fisika dan kimia. Beberapa faktor itu
adalah suhu perairan, salinitas, suplai makanan yang cukup dan persentase unsur
kimia di laut. Suhu menjadi faktor yang mampu mempengaruhi pertumbuhan kerang ,
karena pada musim panas, saat suhu naik, kerang dapat tumbuh secara maksimal.
Namun saat suhu dan salinitas sepanjang tahun stabil dengan lingkungan yang ideal,
maka pertumbuhannya akan stabil pula.