LECTURE NOTE 02

STATISTIKA DESKRIPTIF
PENYAJIAN DATA TABEL DAN GRAFIK
oleh: Kusnendi

1. TUJUAN
 Menyajikan data yang dikumpulkan dari populasi dan atau sampel menjadi data
yang tertata secara sistematis sehingga bermakna informasi untuk membantu
pengambilan keputusan pihak-pihak yang berkepentingan.

2. METODE PENYAJIAN DATA: TABEL DAN GRAFIK

 TABEL: tunggal (satu variabel) dan ganda (multi variabel).

TABEL 2.1
Jumlah Pegawai Perusahaan A Menurut Golongan, Umur dan Pendidikan Tahun
2005
Umur (tahun) Pendidikan
Golongan
25-35 > 35 Bukan Sarjana Sarjana
I 40 50 90 0
II 45 52 97 0
III 120 275 185 210
IV 2 25 0 27
Jumlah 207 402 372 237
Sumber: Data Hipotetis.

 GRAFIK: batang-garis tunggal (satu variabel) dan ganda (multi variabel).

GRAFIK BATANG GANDA (MULTI VARIABEL)

DATA CROSS-SECTION
300
250
200
Frekuensi

150
100
50
0
I II III IV
Golongan
25-35 > 35 Bukan Sarjana Sarjana

GAMBAR 2.1 Jumlah Pegawai Perusahaan A

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 1

 Menurut Golongan, Umur dan Pendidikan Tahun 2005
GRAFIK BATANG TUNGGAL (SATU VARIABEL)
DATA TIME-SERIES
Jum lah BPR
(Buah)
2.500
2 .4 2 7 2 .4 1 9
2.400 2 .3 5 5

2.300 2 .2 6 2
2 .2 2 6

2.200 2 .1 5 8
2 .1 4 0 2 .1 4 1

2.100

2.000

1.900
1997 1998 1999 2000 2001 2002 2003 2004
Tahun

SUMBER: Bank Indonesia, Laporan Tahun 1999. Statistik Perbankan Indonesia Februari 2005.

GAMBAR 2.2 Perkembangan Kelembagaan Industri BPR

Tahun 1997  2004

GRAFIK GARIS GANDA (MULTI VARIABEL) DATA TIME-SERIES

200

150
Pertumbuhan (%)

100

50

0
1998 1999 2000 2001 2002 2003
-50 Tahun

-100

Volume Usaha DPK Kredit

SUMBER: diolah dari Bank Indonesia Bandung, Statistik Ekonomi Keuangan Daerah Jawa Barat, 2004.

GAMBAR 2.3 Pertumbuhan Volume Usaha, DPK dan Kredit

Industri BPR di Propinsi Jawa Barat Tahun 1998 – 2003

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 2

 GRAFIK BATANG GANDA (MULTI VARIABEL)
DATA POOLING

10

6
LPE (%)

0
2001 2002 2003 2004 2005
Ta hun

Provinsi A Propinsi B Provinsi C

SUMBER: Data hipotetis.

GAMBAR 2.4 Laju Pertumbuhan Ekonomi Antarpropinsi

di Indonesia Tahun 2001  2005

2.1 DATA KUALITATIF

 TABEL DISTRIBUSI FREKUENSI DATA KUALITATIF
Mengelompokan data ke dalam tabel yang telah diklasifikasikan menurut kategori
tertentu di mana setiap data tidak dapat dimasukkan ke dalam dua atau lebih
kategori. Tabel distribusi frekuensi data kualitatif dapat ditampilkan menurut
GRAFIK dan atau DIAGRAM.

TABEL 2.3 CONTOH TABEL DISTRIBUSI FREKUENSI DATA KUALITATIF

Frekuensi
RATING Frekuensi
Relatif (%)
Poor 2 10,00
Belom Average 3 15,00
Average 5 25,00
Above Average 9 45,00
Excellent 1 5,00
Jumlah 20 100,00
Sumber: Data Hipotetis.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 3

 DIAGRAM DAN GRAFIK DATA KUALITATIF

PIE CHART

Excellent Poor
5% 10%

Belom Average
15%

Above Average
45%

Average
25%

Sumber: Data Hipotetis.

GAMBAR 2.5 Diagram Lingkaran

10
8
Frekuensi

6
4
2
0
Poor Belom Average Above Excellent
Average Average
Rating
Sumber: Data Hipotetis.

GAMBAR 2.6 Grafik Batang Data Kualitatif

2.2 DATA KUANTITATIF

 Dalam survei, data yang dikumpulkan seringkali berukuran relatif besar. Karena
itu data perlu diorganisir dengan cara meringkas menjadi data berkelompok
sehingga dengan cepat dapat diidentifikasi ciri-cirinya dan dianalisis sesuai
dengan tujuan survei. Pengelompokan data tersebut dilakukan dengan cara
mendistribusikan data ke dalam kelas-kelas tertentu sehingga terbentuk TABEL
DISTRIBUSI FREKUENSI.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 4

 TABEL DISTRIBUSI FREKUENSI DATA KUANTITATIF adalah tabel
pengelompokan data menurut kelas-kelasa interval tertentu di mana setiap data
hanya dapat dimasukkan ke dalam satu kelas.
 Misalnya dilakukan survei tentang “Efektivitas Organisasi Industri BPR di
Wilayah Kerja Kantor Bank Indonesia Bandung.” Pengukuran efektivitas
organisasi mengacu pada teori competing value of organizational effectiveness
yang dikembangkan Quinn dan Rohrbaugh (1981; 1983). Instrumen penelitian
diadaptasi dari Robbins (1994) yang disusun menurut model Likert 5 poin.
Berdasarkan ukuran sampel 128 BPR diperoleh data hasil survei setelah
diurutkan sebagai berikut:
TABEL 2.2 Data Survei Efektivitas Organisasi Industri BPR
(n = 128)
20 26 29 31 33 36 40
20 27 29 31 33 36 40
21 27 29 31 33 36 41
21 27 29 31 33 36 43
22 27 29 31 33 37 44
22 27 29 31 33 37 44
23 27 29 31 34 37 44
23 27 29 31 34 37 45
24 27 29 31 34 38
24 27 30 31 34 38
24 27 30 32 34 38
24 27 30 32 35 38
24 28 30 32 35 38
25 28 30 32 35 38
26 28 30 32 35 39
26 28 30 32 35 39
26 28 30 32 35 39
26 28 30 32 35 40
26 28 30 32 35 40
26 28 30 33 36 40
Sumber: Kusnendi (2006).

 MEMBUAT TABEL DISTRIBUSI FREKUENSI

GUIDELINES FOR SELECTING NUMBER OF CLASSES

 Use between 5 and 20 classes.
 Data sets with a larger number of elements usually
require a larger number of classes.
 Smaller data sets usually require fewer classes.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 5

(1) Range data (r) = data maksimum – data minimum = 45 – 20 = 25
(2) Banyak kelas (rumus empiris Sturgess): k = 1 + 3,3 log n = 1 + 3,3 log 128 =
7,95. Banyak kelas 8 atau lebih.
(3) Lebar kelas: c = r/k = 25/7,95 = 3,14. Lebar kelas 3.
(4) Limit bawah kelas = data minimum = 20. Karena itu limit batas bawah kelas
pertama adalah 20. Sehingga limit atas kelas pertama adalah 20 – 22.
(5) Limit bawah kelas dan limit atas kelas kedua dan seterusnya ditentukan dengan
cara menambahkan lebar kelas (c) pada limit bawah kelas dan limit atas kelas
sebelumnya. Hasilnya:
Alternatif 1 Alternatif 2
20 – 22 19 – 21
23 – 25 22 – 24
26 – 28 25 – 27
29 – 31 28 – 30
32 – 34 31 – 33
35 – 37 34 – 36
38 – 40 37 – 39
41 – 43 40 – 42
44 – 46 43 – 45

(6) Tentukan frekuensi, batas kelas, nilai tengah kelas untuk masing-masing kelas
sehingga diperoleh TABEL DISTRIBUSI FREKUENSI SKOR EFEKTIVITAS
ORGANISASI INDUSTRI BPR sebagai berikut:
TABEL 2.3 Distribusi Frekuensi
Skor Efektivitas Organisasi Industri BPR (n = 128)

Skor Frekuensi
Batas Nilai Frekuensi Frekuensi
Efektivitas Frekuensi Kumulatif
Kelas Tengah Kumulatif Relatif (%)
Organisasi (%)

20 – 22 19,5 – 22,5 21 6 6 4,69 4,69

23 – 25 22,5 – 25,5 24 8 14 6,25 10,94
26 – 28 25,5 – 28,5 27 26 40 20,31 31,25
29 – 31 28,5 – 31,5 30 30 70 23,44 54,69
32 – 34 31,5 – 34,5 33 21 91 16,41 71,10
35 – 37 34,5 – 37,5 36 17 108 13,28 84,38
38 – 40 37,5 – 40,5 39 14 122 10,94 95,32
41 – 43 40,5 – 43,5 42 2 124 1,56 96,88
44 – 46 43,5 – 46,5 45 4 128 3,12 100,00
Sumber: Tabel 2.2.

INTERPRETASI: dari 128 BPR sampel, sebesar 84,38% memiliki skor EO

antara 26 sampai 40. Sisanya sebesar 10,94% merupakan BPR dengan skor
EO di bawah 26 dan sebesar 4,68% dengan skor EO di atas 40.
 DOT PLOT, HISTOGRAM, POLIGON DAN OGIVE

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 6

 Distribusi frekuensi data berkelompok dapat ditampilkan dalam bentuk grafik dan
atau diagram, yaitu DOT PLOT, HISTOGRAM dan POLIGON.
A. DOT PLOT
 One of the simplest graphical summaries of data is a dot plot.
 A horizontal axis shows the range of data values.
 Then each data value is represented by a dot placed above the axis.

GAMBAR 2.7 Dot Plot Skor Efektivitas Organisasi Industri BPR (n = 128)

B. HISTOGRAM
 Another common graphical presentation of quantitative data is a histogram.
 The variable of interest is placed on the horizontal axis and the frequency,
relative frequency, or percent frequency is placed on the vertical axis.
 A rectangle is drawn above each class interval with its height corresponding to
the interval’s frequency, relative frequency, or percent frequency.
 Unlike a bar graph, a histogram has no natural separation between rectangles
of adjacent classes.

30

25

20
F re k ue n s i

15

10

0
21 24 27 30 33 36 39 42 45

SKOR EFEKTIVITAS ORGANISASI INDUSTRI BPR

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 7

 GAMBAR 2.8 Historam Skor Efektivitas
Organisasi Industri BPR (n = 128)
C. POLIGON
 Grafik garis frekuensi yang mengubungkan nilai tengah dari puncak batang
histogram.

35

30

25
Frekuensi

20

15

10

0
21 24 27 30 33 36 39 42 45

Skor Efektivitas Organisasi

GAMBAR 2.9 Poligon Skor Efektivitas Organisasi Industri BPR (n = 128)

D. SKEWNESS dan KURTOSIS

 Dengan mengamati poligon dapat diidentifikasi kemungkinan kemiringan
(skewness) dan keruncingan (kurtosis) distribusi data.
 Kemiringan distribusi data (skewness) menunjukkan bentuk suatu distribusi
data, yaitu: simetris, miring ke kanan dan atau miring ke kiri. Kemiringan
distribusi data diukur oleh koefisien kemiringan (coefficient of skewness, S):
X - Mo 3(X - Me)
S= atau S = (2.1)
s s
S = koefisien kemiringan; X = rata-rata; Mo = modus; Me = median; s = deviasi standar.

(1) Simetris (2) Miring ke kanan (3) Miring ke kiri

GAMBAR 2.10 Kemiringan Distribusi Data

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 8

 (1) S = 0 atau mendekati nol, distribusi data simetris: letak nilai rata-rata,
median dan modus hampir sama besar.
(2) S > 0, distribusi data condong ke kanan (positif): nilai rata-rata lebih besar
dari median dan modus. Ada data ekstrim besar.
(3) S < 0, distribusi data condong ke kiri (negatif): nilai rata-rata lebih kecil
dari median dan modus. Ada data ekstrim kecil.
 Keruncingan distribusi data (kurtosis) menunjukkan variasi distribusi data,
yaitu: leptokurtis, mesokurtis, dan platikurtis. Keruncingan distribusi data
diukur oleh koefisien keruncingan (coefficient of kurtosis, K):

 X  X
1 4
K= n (2.2)
4
s
(1) K = 3, variasi distribusi data mesokurtis
(2) K > 3, variasi distribusi data leptokurtis
(3) K < 3, variasi distribusi data platikurtis

Leptokurtis

Mesokurtis

Platikurtis

GAMBAR 2.11 Keruncingan Distribusi Data

 DIAGRAM BATANG-DAUN (STEM-AND-LEAF DISPLAY)

(1) Sebagai alternatif penggunaan histogram, Tukey merekomendasikan
penggunaan penyajian data diagram batang-daun.
(2) Sebagai pengganti interval histogram, dalam diagram batang-daun
ditampilkan nilai data sebagai batang dan daun.
(3) Hal yang perlu diperhatikan dalam diagram batang-daun adalah:
 Satuan nilai batang selalu lebih besar dari satuan nilai daun.
 Setiap nilai yang terdapat dalam daun menggambarkan satu pengamatan
data (each leaf: 1 case). Jadi, jika dalam susunan nilai daun terdapat dua
angka berarti ada dua pengamatan data.
 Satuan nilai batang dan daun disesuaikan dengan nilai data yang ada.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 9

 Contoh 1. Data: 1,51 2,16.
Untuk data ini nilai batang akan dinyatakan dalam sepersepuluh (stem unit
atau stem width = 0,1) sedang nilai daun dalam seperseratus (leaf unit =
0,01). Dalam format diagram batang-daun ditulis:
Stem Leaf
15 1
21 6
Dibaca: dalam data set hanya terdapat dua data. Nilai batang untuk data
pertama adalah 15 x 0,1 = 1,5 dan nilai daunnya 1 x 0,01 = 0,01. Sedang
nilai batang data kedua 2 x 1 = 2 dan nilai daunnya 1 x 0,1 = 0,1. Jadi,
gabungan nilai batang dan daun untuk kedua data tersebut adalah 1,51 dan
2,16.
Contoh 2. Data: 1,5 1,6 2,2 2,2 2,4.
Nilai batang akan dinyatakan dalam satuan (stem unit = 1,0) sedang nilai
daun dalam sepersepuluh (leaf unit = 0,1). Dalam format diagram batang-
daun ditulis:
Stem Leaf
1 56
2 224
Dibaca: dalam data set terdapat dua data dengan nilai batang satu dan tiga
data dengan nilai batang dua. Nilai batang untuk data pertama dan kedua
adalah 1 x 1 = 1 dengan nilai daunnya adalah 5 x 0,1 = 0,5 dan 6 x 0,1 = 0,6.
Nilai batang data ketiga sampai kelima masing-masing 2 x 1 = 2. Nilai daun
data ketiga dan keempat masing-masing 2 x 0,1 = 0,2. Sedang untuk data
kelima 4 x 0,1 = 0,4. Dengan demikian, gabungan nilai batang dan daun
untuk kelima data tersebut adalah 1,5; 1,6; 2,2; 2,2 dan 2,4.
Contoh 3. Data 97 dan 114.
Nilai batang akan dinyatakan dalam puluhan sedang nilai daun dalam satuan.
Dalam format diagram batang-daun ditulis:
Stem Leaf
9 7
11 4
Artinya, dalam data set terdapat dua data. Nilai batang data pertama dan
kedua adalah 9 x 10 = 90 dan 11 x 10 = 110. Sedang nilai daunnya masing-
masing 7 x 1 = 7 serta 4 x 1. Jadi, gabungan nilai batang dan daun untuk
kedua data tersebut adalah adalah 97 dan 114.
Contoh 4. Data: 1975 1979.
Nilai batang akan dinyatakan dalam ratusan sedang nilai daun dalam puluhan.
Dalam format diagram batang-daun ditulis:
Stem Leaf
19 77
Dalam data set terdapat dua data dengan nilai batang dan daun masing-
masing sebesar 19 x 100 = 1900 dan 7 x 10 = 70. Jadi, gabungan nilai batang

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 10

 dan daun kedua data tersebut masing-masing adalah 1970. Angka terakhir
dari data, yaitu 5 dan 9 tidak tergambarkan dalam diagram batang-daun.
Mengapa? Karena dalam diagram batang-daun hanya menggambarkan dua
(dan bukan tiga) kumpulan angka, yaitu kumpulan angka batang dan
kumpulan angka daun. Jadi, bukan kumpulan angka batang, ranting dan daun.
(4) Untuk data EO industri BPR dengan bantuan SPSS (Statistical Product and
Service Solutions) diperoleh diagram batang-daun sebagai berikut:
EO STEM-AND-LEAF PLOT
Frequency Stem & Leaf
4,00 2 . 0011
4,00 2 . 2233
6,00 2 . 444445
18,00 2 . 666666677777777777
17,00 2 . 88888888999999999
21,00 3 . 000000000001111111111
16,00 3 . 2222222223333333
13,00 3 . 4444455555555
9,00 3 . 666667777
9,00 3 . 888888999
6,00 4 . 000001
1,00 4 . 3
4,00 4 . 4445
Stem width: 10  Artinya: nilai batang dalam puluhan
Each leaf: 1 case(s)

(5) Contoh lain perhatikan data yang telah diurutkan berikut ini.
Var01 Var02
1565 1,57
1644 1,64
1679 1,68
1733 1,73
1766 1,77
1790 1,79
1812 1,81
1852 1,85
1852 1,85
1888 1,89
1912 1,91
1954 1,95
1967 1,97
2008 2,01
2044 2,04
Diagram batang-daun untuk kedua data tersebut tampak sebagai berikut:
VAR01 STEM-AND-LEAF PLOT
Frequency Stem & Leaf
1,00 15 . 6
2,00 16 . 47
3,00 17 . 369
4,00 18 . 1558
3,00 19 . 156
2,00 20 . 04

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 11

 Stem width: 100,00
Each leaf: 1 case(s)

VAR02 STEM-AND-LEAF PLOT

Frequency Stem & Leaf
1,00 15 . 7
2,00 16 . 48
3,00 17 . 379
4,00 18 . 1559
3,00 19 . 157
2,00 20 . 14
Stem width: ,10
Each leaf: 1 case(s)

3. TABULASI SILANG (CROSSTABULATIONS)

DAN DIAGRAM PENCAR (SCATTER DIAGRAMS)

CROSSTABULATION
 Crosstabulation is a tabular method for summarizing the data for two
variables simultaneously.
 Crosstabulation can be used when: (1) One variable is qualitative and the
other is quantitative, (2) Both variables are qualitative, (3) Both variables
are quantitative.
 The left and top margin labels define the classes for the two variables.

TABEL 2.5 Contoh 1 Tabel Silang

Home Style
Price Total
Colonial Ranch Split A-Frame
 $99,000 18 6 19 12 55
> $99,000 12 14 16 3 45
Total 30 20 35 15 100

TABEL 2.6 Contoh 2 Tabel Silang

Kinerja Stategi Pemasaran
Total
Pemasaran Kurang Fokus Cukup Fokus Sangat Fokus
Rendah 30 4 12 46
Sedang 6 2 7 15
Tinggi 8 3 28 39
Total 44 9 47 100

SCATTER DIAGRAM
 A scatter diagram is a graphical presentation of the relationship between two
quantitative variables.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 12

  One variable is shown on the horizontal axis and the other variable is shown
on the vertical axis.
 The general pattern of the plotted points suggests the overall relationship
between the variables.

TABEL 2.7 Data Survei X dan Y

No. Observasi X Y
1 2 50
2 5 57
3 1 41
4 3 54
5 4 54
6 1 38
7 5 63
8 3 48
9 4 59
10 2 46

65
5; 63

60
4; 59
5; 57
55
3; 54 4; 54
Variabel Y

50 2; 50
3; 48
2; 46
45

1; 41
40
1; 38

35
0 1 2 3 4 5 6

Variabel X

GAMBAR 2.12 Diagram Pencar X dan Y

 Diagram pencar memiliki empat (4) kuadran sebagai berikut:

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 13

 65 X 3
5; 63

60 I II
4; 59
5; 57
55
3; 54 4; 54
Variabel Y

Y  51
50 2; 50
3; 48
2; 46
45
IV III
1; 41
40
1; 38

35
0 1 2 3 4 5 6

Variabel X

GAMBAR 2.13 Partisi Diagram Pencar X dan Y

PARTISI DIAGRAM PENCAR

 Data berpencar disekitar kuadran IV-II. Artinya, X dan Y berhubungan
positif.
 Data berpencar disekitar kuadran I-III. Artinya, X dan Y berhubungan
negatif.
 Data berpencar disekitar kuadran I, II, III dan IV. Artinya, X dan Y
tidak saling berhubungan.

Y Y
Kuadran IV-II Kuadran I-III

X X
(1) X dan Y berhubungan positif (2) X dan Y berhubungan negatif

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 14

 Y
Kuadran I, II, III, IV

X
(3) X dan Y tidak berhubungan

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 15

 DAFTAR PUSTAKA

Anderson, David R., D.J. Sweeney & T.A.Williams. (2002). Statistics for Business
and Economics. South-Western, a division of Thomson Learning, Inc.
Boediono & W. Koster. (2004). Teori dan Aplikasi Statistika dan Probabilitas.
Bandung: PT. Remaja Rosdakarya.

Kountur, Ronny. (2005). Statistika Praktis. Pengolahan Data Untuk Penyusunan

Skripsi dan Tesis. Jakarta: Penerbit PPM.

Kusnendi. (2006). Pengaruh Kompetensi, Komitmen dan Budaya Organisasi

terhadap Aktualisasi Peran Manajer dan Efektivitas Organisasi (Survei
pada Industri Jasa BPR di Wilayah Kerja Kantor Bank Indonesia Bandung).
Disertasi. Bandung: Program Pascasarjana Universitas Padjadjaran.

Lind, A. Douglas, W.G. Marchal & R.D. Mason. (2002). Statistics Techniques in
Business and Economics. N.Y: McGraw-Hill Irwin.
Siagian, Dergibson & Sugiharto. (2006). Metode Statistika Untuk Bisnis dan
Ekonomi. Jakarta: PT Gramidia Pustaka Utama.

Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007 16