STATISTIKA

DESKRIPTIF
Tendensi Sentral
Normalitas data

Jenis-Jenis Statistika
O Statistika deskriptif: metode

yang
berkaitan
pengumpulan dan
data.

dengan
penyajian

O Statistika inferensi:

metode
yang berkaitan dengan analisis
sampel
untuk
penarikan
kesimpulan
tentang
karakteristik populasi.

Apakah Statistik Deskriptif

Itu?
O Statistika deskriptif adalah cabang statistik

yang menjabarkan karakteristik suatu gugus

data secara kuantitatif.
O Statistika deskriptif dapat dibedakan dari

statistik
inferensia
karena
statistika
deskriptif bertujuan untuk meringkas
suatu
gugus
data,
bukan
untuk
menggunakan
gugus
data
untuk
mempelajari dan menarik kesimpulan pada
populasi yang lebih besar.

Apakah Statistik Deskriptif

Itu?
O Secara umum, statistika deskriptif tidak mengandung

unsur dengan basis teori probabilitas.

O Walaupun kesimpulan analisa suatu data didapat
dengan menggunakan statistika inferensia, biasanya
statistika deskriptif juga mempunyai peran.
O Misalnya, dalam penelitian penggunaan obat yang
melibatkan manusia sebagai subjeknya, pasti akan
diberikan tabel mengenai jumlah sampel, jumlah
sampel pada bagian populasi (misalnya, pada tiap
dosis yang berbeda atau pada tiap jam yang
berbeda), and karakteristik demografi atau klinis
seperti, rata-rata umur, dan perbandingan jumlah
subjek laki-laki dan perempuan.

Kapan Statistik Deskiptif

Diaplikasikan?
O Analisa Univariate
O Analisa Univariate adalah analisa

yang
mempelajari
kasus-kasus
dengan variabel tunggal dengan
memfokuskan
pada
tiga
karakteristik:
O Distribusi,
O Tendensi Sentral, dan
O Ukuran Dispersi.

Distribusi
O Distibusi adalah ringkasan frekuensi

dari data individual atau data

berkelompok untuk sebuah variabel.
O Distribusi yang paling sederhana
adalah dengan menentukan nilainilai yang ingin dicari dari variabel
yang dipelajari dan jumlah sampel
yang memiliki nilai tersebut.
O Misalnya,
dalam
menghitung
distribusi jenis kelamin subjek-subjek
dalam satu penelitian berarti kita
menhitung persentase subjek yang
laki-laki
dan
subjek
yang

Tendensi Sentral / Ukuran

Pemusatan
O Tendensi

Sentral atau dikenal juga

dengan istilah Ukuran Pemusatan adalah
penjabaran data yang berpusat pada
nilai-nilai tertentu secara kuantitatif .
O Tendensi sentral adalah cara untuk
mencari nilai tengah dari satu gugus
data, yang telah diurutkan dari nilai
yang terkecil sampai yang terbesar atau
sebaliknya, yang terbesar sampai yang
terkecil.

Tendensi Sentral / Ukuran

Pemusatan
O Arithmetic

mean (rata-rata hitung) - jumlah seluruh nilai dibagi jumlah

data dalam observasi.
O Median nilai tengah yang memisahkan data yang tinggi dan yang rendah.
O Mode nilai yang paling sering muncul dalam observasi.
O Geometric mean - akar pangkat n dari hasil perkalian setiap pengamatan.
O Harmonic mean rata-rata hitung untuk data yang memiliki rasio yang
berbeda.
O Weighted mean rata-rata hitung yang memberikan bobot tertentu pada
data tertentu.
O Truncated mean rata-rata hitung setelah beberapa proporsi data yang
paling tinggi dan paling rendah dibuang.
O Midrange rata-rata hitung dari nilai maksimum dan nilai minimum dari
gugus data.
O Midhinge rata-rata hitung dari dua kuartil..
O Trimean rata-rata hitung dari median dan dua kuartil.
O Winsorized mean rata-rata hitung dimana nilai yang paling extrim
diganti oleh nilai yang dekat dengan median.

Ukuran Dispersi
O Ukuran

dispersi
adalah ukuran
variasi atau seberapa jauh nilai
tersebar datu dengan lainnya dari
gugus data.
O Aplikasi ukuran dispersi yang sering
digunakan adalah standar deviasi.
O Ukuran dispersi biasanya digunakan
bersamaan dengan tendensi sentral
untuk mempelajari distribusi data.

Ukuran Dispersi
O Range

(Jangkauan Data) interval

terkecil yang memuat semua data. Didapat
dengan mencari selisih nilai maksimum
dengan nilai minimum.
O Standar deviasi menunjukkan seberapa
jauh deviasi data pada suatu gugus dari nilai
tengahnya.
O Varians menunjukkan seberapa jauh
penyebaran satu nilai dengan nilai yang lain
pada gugus data.
O Kuartil & Jangkauan antar kuartil
memecahkan data menjadi empat bagian
yang rata.

Contoh Kasus

Tendensi Sentral
ORata-rata
OMedian
OMode

Rata-Rata
O Data tidak dikelompokkan

x
n

1014
x
67,60
15

Adalah jumlah seluruh

nilai dalam
pengamatan (x) dibagi
dengan banyaknya
pengamatan (n)

Rata-Rata
O Data yang dikelompokkan

fNt

x
n

1007.5

x
67.17
15

Median
O Mencari nilai tengah dari data yang

sudah diurut yang akan membagi

data dalam dua bagian.
O 50% data berada dibawah median,
50% data berada diatas median.
M e n 1 / 2

Median
O Data tidak dikelompokkan

M e n 1 / 2
M e 15 1 / 2 8

Median
O Data yang dikelompokkan

M e M e' i M e'' f kum / f

Median

M e M e' i M e'' f kum / f

M e 60 10 7,5 6 / 1 75

Mode / Modus
O Merupakan nilai yang paling sering

muncul dalam gugus data.

O Data tidak dikelompokkan

Mode / Modus
O Data yang dikelompokkan

M o LMo [d1 /( d1 d 2 )]i

Mode / Modus
M o LMo [d1 /( d1 d 2 )]i

M o 81 [2 /( 2 1)]5 84,3

UJI NORMALITAS
DATA
I MADE SUKARJA

Uji Normalitas

O Uji normalitas adalah uji yang dilakukan

untuk mengecek apakah data penelitian kita

berasal dari populasi yang sebarannya
normal.
O Uji ini perlu dilakukan karena semua
perhitungan statistik parametrik memiliki
asumsi normalitas sebaran.
O Formula/rumus yang digunakan untuk
melakukan suatu uji (t-test misalnya) dibuat
dengan mengasumsikan bahwa data yang
akan dianalisis berasal dari populasi yang
sebarannya normal.

Lanjutan
O Data yang normal memiliki kekhasan

seperti mean, median dan modusnya

memiliki nilai yang sama.
O Selain itu juga data normal memiliki
bentuk kurva yang sama, bell curve.
O Dengan mengasumsikan bahwa data
dalam bentuk normal ini, analisis
statistik baru bisa dilakukan.
O cara melakukan uji asumsi normalitas
ini yaitu menggunakan analisis Chi
Square dan Kolmogorov-Smirnov dll

Bagaimana caranya?
O Deskriptif
O Dengan melihat hasil nilai skewness yang

O
O
O
O
O
O

didapat : Skweness/SE Skweness: nilai (-2

s/d +2)
Koefisien varian: nilai < 30% (SD/mean x
100%)
Rasio kurtosis : nilai -2 s/d +2 : kurtosis/SE
kurtosis
Histogram
Box plot
Normal Q-Q plots
Detrended Q-Q plots

Bagaimana caranya?
O Statistik:
O Kolmogorov-Smirnov dari menu

Analyze > Non parametric test > 1sample K-S: p>alfa (0,05)
O Shapiro wilk (p > 0,05)

HISTOGRAM

Kolmogorov-Smirnov dari menu Analyze

> Descriptive Statistics > Explore

Hasilnya
Tests of Normality
a

TOTALHSL

Kolmogorov-Smirnov
Statistic
df
Sig.
.107
44
.200*

Shapiro-Wilk
Statistic
df
.966
44

Sig.
.372

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi
normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak
berdistribusi normal

Cara lain

Hasilnya

Kalau datanya gak

Normal?
O data yang tidak normal tidak selalu

berasal dari penelitian yang buruk.

Data ini mungkin saja terjadi karena
ada kejadian yang di luar kebiasaan.
Atau memang kondisi datanya
memang nggak normal.
O Contoh : pendapatan penduduk di
Kota Denpasar.

Solusi kalau gak normal

O Kita perlu ngecek apakah

ketidaknormalannya parah nggak.

Tapi kita bisa mengira-ira jika
misalnya nilai p yang didapatkan
sebesar 0,049 maka
ketidaknormalannya tidak terlalu
parah (nilai tersebut hanya sedikit di
bawah 0,05).
O Jika ketidaknormalannya tidak
terlalu parah lalu kenapa? Ada
beberapa analisis statistik yang agak
kebal dengan kondisi
ketidaknormalan ini (disebut
memiliki sifat robust), misalnya Ftest dan t-test.

O Kita bisa membuang nilai-nilai yang

ekstrem, baik atas atau bawah. Nilai

ekstrem ini disebut outliers.
O Pertama kita perlu membuat grafik,
dengan sumbu x sebagai frekuensi dan y
sebagai semua nilai yang ada dalam data
kita (ini tentunya bisa dikerjakan oleh
komputer).
O Kita akan bisa melihat nilai mana yang
sangat jauh dari kelompoknya.
O Nilai inilah yang kemudian perlu dibuang
dari data kita, dengan asumsi nilai ini
muncul akibat situasi yang tidak biasanya.
Misal responden yang mengisi skala kita
dengan sembarang yang membuat
nilainya jadi sangat tinggi atau sangat

O mentransform data kita. Ada banyak cara untuk

mentransform data kita, misalnya dengan

mencari akar kuadrat dari data kita, dll.
O Bagaimana jika semua usaha di atas tidak
membuahkan hasil dan hanya membuahkan
penyesalan
O Maka langkah terakhir yang bisa kita lakukan
adalah dengan menggunakan analisis nonparametrik. Analisis ini disebut juga sebagai
analisis yang distribution free.
O Sayangnya analisis ini seringkali mengubah data
kita menjadi data yang lebih rendah
tingkatannya. Misal kalo sebelumnya data kita
termasuk data interval dengan analisis ini akan
diubah menjadi data ordinal.

Polemik sekitar uji

normalitas
O Beberapa kasus, hasil dari metode di

atas sering tidak adayang sama

O Kesepakatan:
O Nilai koefisien varians, rasio, skewness
dan kurtosis, uji kolmogorov smirnov
memiliki sensiivitas yg lebih tinggi.
O Dibandingkan dengn histogram dan
plots, uji kolmogorov-smirnov lebih
objectif.