BAB I

PENDAHULUAN
A. Latar Belakang

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan,
menganalisis dan menginterpretasikan data. Atau dengan kata lain, statistika menjadi semacam
alat dalam melakukan suatu riset empiris.Dalam menganalisis data, para ilmuwan
menggambarkan persepsinya tentang suatu fenomena. Deskripsi yang sudah stabil tentang suatu
fenomena seringkali mampu menjelaskan suatu teori. (Walaupun demikian, orang dapat
sajaberargumentasi bahwa ilmu biasanya menggambarkanbagaimana sesuatu itu terjadi,
bukannya mengapa). Penemuan teori baru merupakan suatu proses kreatif yang didapat dengan
cara mereka ulang informasi pada teori yang telah ada atau mengesktrak informasi yang
diperoleh dari dunia nyata. Pendekatan awal yang umumnya digunakan untuk menjelaskan suatu
fenomena adalah statistika deskriptif.

Penggunaan Statistika sudah dikenal sebelum abad 18, pada saat itu negara-negara
Babilon, Mesir dan Roma mengeluarkan catatan tentang nama usia dan jenis kelamin, pekerjaan
dan jumlah anggota keluarga. Kemudian pada tahun 1500, pemerintahan Inggris mengeluarkan
catatan mingguan tentang kematian dan tahun 1662, dikembangkan catatan kelahiran dan
kematian. Baru pada tahun 1772-1791, G. Achenwall menggunakan istilah statistika sebagai
kumpulan data tentang negara. Tahun 1791-1799, Dr.E.A.W Zimmesman mengenalkan kata
statistika dalam bukunya Statistical Account Of Scotland. Tahun 1981-1935 R.Fisher
mengenalkan analisa varians dalam literatur statistiknya.Di Indonesia Pengantar Statistika telah
dicantumkan dalam kurikulum Matematika Sekolah Dasar sejak tahun1975. Hal itu disebabkan
karena sekitar lingkungan kita berada selalu berkaitan dengan Statistik. Misalnya di kantor
kelurahan kita mengenal statistik desa, di dalamnya memuat keadaan penduduk mulai dari
banyak penduduk, pekerjaanya, banyak anak, dan sebagainya.






B. Rumusan Masalah

Dalam penulisan makalah ini, penulis mencoba menguraikan sedikit rumusan permasalahan yang
akan dibahas dari materi yang berkaitan dengan tema penulisan makalah. Diantara lain:
1) Pengertian Statistika Deskriptif.
2) Manfaat mempelajari Statistika Deskriptif.
3) Pengertian Dispersi Data.
4) Menganalisa Ukuran Penyebaran Data (Kemringan dan Keruncingan)
5) Pengujian Normalitas Kemiringan dan Keruncingan (Kurtosis dan Skewnees)
C. Tujuan dan Manfaat Penulisan

Tujuan
1) Tujuan dari penulisan ini guna melengkapi dan memenuhi salah satu syarat
untukmemperoleh nilai UAS (Ujian Akhir Semester) mata kuliah STATISTIKA DESKRIPTIF.
2) Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan
tentang data-data statistik dengan menggunakan Software Ms.Excel dan SPSS.
3) Belajar membuat makalah tentang STATISTIKA DESKRIPTIF dalam materi Ukuran
Penyebaran Data.
Manfaat
Kami mengharapkan agar makalah ini dapat dimengerti oleh teman-teman dan dapat memahami
seberapa pentingnya materi Ukuran Penyebaran.Ukuran Penyebaran Data (Kemiringan dan
Keruncingan Data)

D. Metode Pengumpulan Data
1. Metode Browsing Internet.
Dalam pembuatan Makalah ini penulis melakukan penelitian melalui browsing ke internet
supaya Makalah ini dapat menjelaskan secara terperinci atau penambahan wawasan dalam materi
yang bersangkutan yaitu Ukuran Penyebaran Data.
2. Metode Kepustakaan.
Pengumpulan data dengan cara membaca buku-buku yang berhubungan dengan masalah yang
berkenaan dengan penulisan tugas makalah ini dapat disajikan sebagai bahan pertimbangan
untuk mendekati dan meneliti kebenaran antara teori dengan praktek yang ada.
E. Sistematika Penulisan
Untuk mempermudah teman-teman mengerti akan maksud dan isi makalah ini,maka penulis
mengadakan penggolongan secara garis besar sesuai dengan permasalahan yang akan dibahas
yaitu :
BAB I : Dalam bab pendahuluan ini Kami mencoba menguraikan tentang Latar
Belakang, Rumusan Masalah, Tujuan dan Manfaat Penulisan, Metode
Pengumpulan Data, dan Sistematika Penulisan.
BAB II : Dalam bab ini akan diuraikan mengenai teori dari materi yang dibahas serta
Pembahasan hasil Analisa Kami dalam menganalisa Ukuran Penyebaran Data (Ketajaman dan
Keruncingan). Dalam bab ini juga akan dijelaskan tentang cara membaca nilai dari Ukuran
Penyebaran.Data beserta Uji Normalitas.
BAB III : Dalam bab ini Kami menguraikan tentang penutup yang meliputi kesimpulan dan
saran berdasarkan atas pada bab pendahulu.

















BAB II
PEMBAHASAN
A. Pengertian Statistika Deskriptif

Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan menampilkannya
dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses kuantifikasi
dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung dan
ditampilkan dalam bentuk tabel dan grafik. Statistika deskriptif dapat memberikan pengetahuan
yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang
ada di dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima
secara ilmiah? Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman
pada karakteristik objek-objek yang berbeda .
Objek yang belum dikenal tidaklah mewakili populasi objek yang memiliki quantifiabel
feature melalui penyelidikan. Namun demikian, keragaman bisa menjadi hasil dari
keberagaman yang lainnya (karena acak atau terkontrol). Pada ilmu fisika, yang sangat berkaitan
dengan ekstraksi dan formulasi persamaan matematik tidak menyisakan banyak tempat untuk
fluktuasi acak. Pada ilmu statistika, fluktuasi seperti itu dapat dijadikan model. Hubungan relasi
statistik selanjutnya merupakan hubungan relasi yang menerangkan suatu proporsi perubahan
stokastik yang pasti.
Statistika Deskriptif adalah ilmu yang mempelajari tentang cara:
a. Mengumpulkan data/informasi.
b. Mengolah data hasil pengumpulan.
c. Menyajikan data hasil pengolahan.
d. Menganalisis data.




B. Pengertian Dispersi Data

Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai rata-ratanya. Rata-
rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah dari hasil
dispersi nilai-nilai tersebut sekitar rataratanya.Makin besar variasi nilaixi , makin kurang
representatif rata-rata distribusinya.

Ukuran penyebaran suatu kelompok data terhadap pusat data disebut dispersi atau variasi atau
keragaman data. Dispersi data digunakan untuk membandingkan penyebaran 2 distribusi data
atau lebih.
Beberapa jenis pengukuran Dispersi adalah sebagai berikut:
1. Jangkauan (Range)
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah.
2. Simpangan Rata-Rata (Mean Deviation)
Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi banyaknya data.
3. Varians (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.
4. Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar penyimpangan data terhadap nilai rata-
ratanya.
5. Jangkauan kuartil dan jangkauan persentil 10-90
Jangkauan kuartil disebut juga simpangan kuartil atau semi antar kuartil atau deviasi kuartil
sedangkan jangkauan persentil 10-90 disebut juga rentang persentil 10-90.
6. Koefisien Variasi
Koefisien Variasi, disebut dispersi relatif, dapat digunakan untuk membandingkan nilai nilai
besar dengan nilai nilai kecil. Sedangkan lima bentuk dispersi sebelumnya tidak bisa.








C. Kegunaan Ukuran Penyebaran Data

Dispersi Data adalah data yang menggambarkan bagaimana suatu kelompok data menyebar
terhadap pusatnya data atau ukuran penyebaran suatu kelompok data terhadap pusatnya data.
Dispersi data sangat penting untuk membandingkan penyebaran 2 distribusi data atau lebih.
Pusat data seperti rata-rata hitung, median dan modus hanya memberi informasi yang sangat
terbatas sehingga tanpa disandingkan dengan dispersi data menjadi kurang bermanfaat dalam
menganalisa data.
Kegunaan ukuran penyebaran antara lain sebagai berikut :
1. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya
benar-benar representatif atau tidak. Apabila suatu kelompok datamempunyai penyebaran yang
tidak sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak
representatif.
1. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan
terhadap variabilitas data.
1. Ukuran penyebaran dapat membantu penggunaan ukuran statistika,
misalnya dalam pengujian hipotesis, apakah dua sampel berasal daripopulasi yang sama atau
tidak.
D. Kemiringan dan Kerunncingan Data

a. Kemiringan Distribusi Data
Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. Tiga pola
kemiringan distribusi data adalah sebagai berikut:
Gambar 1: Grafik Kemiringan Distribusi Data
Pengukuran kemiringan suatu distribusi data dapat diketahui dengan beberapa cara, antara lain:
_ Memperhatikan hubungan antara rata-rata hitung, median dan modus.
_ Menggunakan koefisien Pearson.
_ Menggunakan Momen ketiga.
_ Menggunakan kotak diagram garis.
b. Keruncingan Distribusi Data
Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya
puncak suatu distribusi data terhadap distribusi normalnya data. Keruncingan
distribusi data disebut juga kurtosis.
Ada tiga jenis derajat keruncingan:
i. Leptokurtis : Distribusi data yang puncaknya relatif tinggi
ii. Mesokurtis : Distribusi data yang puncaknya normal
iii. Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu mendatar.
Gambar 2: Grafik Keruncingan Distribusi Data

E. Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel

1. Analisa Kemiringan Distribusi Data (Skewness)
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi
memiliki ekor yang lebih memanjang ke kanan (mengacu dari meannya) maka disimpulkan
menceng kanan (positif) dan jika distribusi memiliki ekor yang lebih memanjang ke kiri maka
dapat disimpulkan menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga
terhadap mean. Distribusi normal dan distribusi simetris lainnya, misalnya distribusi t memiliki
skewness 0.
Cara penulisan rumus skewness di excel :

Skew (number1, number2,)
Dimana :

Number1, number2 berupa1-255 argumen yang Kita ingin hitung skewnessnya.Kita juga
dapat menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh
koma.
Gambar 3: Analisa Kemiringan Distribusi Data Menggunakan EXCEL


2. Analisa Keruncingan Distribusi Data (Kurtosis)
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap distribusi
normal). Kurva yang lebih runcing dari distribusi normal dinamakan Leptokurtik, yang lebih
datar Platikurtik dan distribusi normal disebut Mesokurtik. Kurtosis dihitung dari momen
keempat terhadap mean.
Cara penulisan rumus kurtosis di excel :
Kurt (number1, number2,)
Dimana :
Number1, number2, dapat berupa 1-255 argumen yang ingin dihitung kurtosisnya. Anda juga
dapat menggunakan array tunggal atau referensi ke array,bukan argumen yang dipisahkan oleh
koma.
Gambar 4: Analisa Keruncingan Distribusi Data Menggunakan EXCEL
3. Analisa Ukuran Penyebaran Data
Statistik Deskriptif adalah Statistik yang berfungsi untuk mendeskripsikan atau memberikan
gambaran terhadap objek yang di teliti melalui data sampel atau populasi sebagaimana adanya,
tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum.
Dalam Statistik Deskriptif ini akan dikemukakan cara-cara penyajian data,dengan tabel biasa
maupun distribusi frekuensi; grafik garis maupun batang;diagram lingkaran; histogram dll, dan
menghitung ukuran penyebaran dan pemustan data seperti: Mean, Median, Mode, Standard
Deviation, Variance,Kurtosis, Skewness, Range, Minimum, Maximum, Sum, dan Count.
Gambar 5: Analisa Statistika Deskriptif Ukuran Penyebaran Data Menggunakan EXCEL
Nilai Mode tidak diketahui karena Nilai umumnya tidak ada.








Keterangan :

Tabel 4: Keterangan Analisa Statistika Deskriptif Penyebaran Data
F. Cara Membaca Nilai Kurtosis dan Skewness

1. Nilai Skewness
Skewness diartikan sebagai kemiringan distribusi data. Yang dimaksud dengan kemiringan data
adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan
bentuk lonceng, untuk data yang berdistribusi normal. Begitu juga jika kita terapkan pada
Skewness. Apabila skewness menunjukkan simetri maka dikatakan data membentuk distribusi
normal, apabila kemiringan distribusi data agak condong ke kanan ditunjukkan dengan nilai
skewness yang negative, selanjutnya apabila kemiringan distribusi
data condong ke kiri yang ditunjukkan bahwa nilai skewness positif

Apabila nilai sk = 0, maka menunjukkan data berdistribusi normal, sk < 0 kemiringan ke kanan,
dan sk > 0 kemiringan ke kiri. Sebagai contoh, jika diperoleh nilai sk = -0,807 adalah artinya
merupakan nilai negatif, akan tetapi tidak jauh dari nilai, Berarti data cenderung berdistribusi
normal atau hampir normal.
2. Nilai Kurtosis
Kurtosis diartikan sebagai keruncingan distribusi data. Semakin runcing nilai kurtosis akan
menunjukkan data hampir mengumpul (homogen). Akan tetapi apabila nilai kurtosis 0
menunjukkan data normal, dan apabila nilai kurtosis semakin kecil, maka menunjukkan data
semakin tumpul (semakin menyebar dikatakan data tidak homogen).
Jika nilai kurtosis dekat nol maka data cenderung normal, apabila nilai kurtosis negative berarti
datanya tumpul atau cenderung melebar ke bawah,sebaliknya apabila nilai kurtosis positif maka
datanya bersifat runcing atau cenderung mengelompok (homogen).
Sebagai contoh misalnya, Jika diketahui nilai ku = 1,06. Maka nilai kurtosis positif yang lebih
besar dari nol dan cukup jauh dari nol. Oleh karena itu,dikatakan datanya cenderung runcing atau
dengan kata lain cenderung homogen.


G. Uji Normalitas Skewness dan Kurtosis

Salah satu uji statistik adalah uji normalitas data. Uji normalitas berguna untuk menentukan
apakah data yang telah dikumpulkan merupakan distribusi normal atau bukan. Pengujian
normalitas akan mengarahkan teknik statistik apa yang akan digunakan untuk uji pengambilan
keputusan (statistisk inferensi).
Metode statistik klasik dalam pengujian normalitas suatu data tidak begitu rumit.Berdasarkan
pengalaman empiris ahli statistik, data yang banyaknya lebih dari 30 (n >30), sudah dapat
diasumsikan berdistribusi normal. Tetapi untuk memberikan kepastian data merupakan distribusi
normal atau tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari
30 bisa dipastikan berdistribusi normal, demikian juga yang kurang dari 30 belum tentu tidak
berdistribusi normal, untuk itu perlu suatu pembuktian.
Berikut ini Beberapa Cara yang umum pada pengolahan data menggunakan SPSS dalam menguji
normalitas data :
1. Dengan melihat hasil nilai skewness kurtosis yang didapat melalui statistik
deskriptif.
1. Kolmogorov-Smirnov dengan pendekatan koreksi Lillifors.
2. Kolmogorov Smirnov untuk 1-sample K-S.
Cara dalam menguji Normalitas dari nilai Skewness dan Kurtosis yang diperoleh :
Uji normalitas dengan Skewness dan Kurtosis mempunyai kelebihan yang tidak didapat
diperoleh dari uji normalitas yang lain. Dimana dengan uji skewness/kurtosis akan dapat
diketahui diketahui grafik normalitas menceng ke kanan atau ke kiri, terlalu datar atau
mengumpul di tengah. Oleh karena itu, uji normalitas dengan Skewness dan Kurtosis juga sering
disebut dengan ukuran kemencengan data.
Dengan membandingkan antara nilai Statistic Skewness dibagi dengan Std Error Skewness atau
nilai Statistic Kurtosis dibagi dengan Std Error Kurtosis.Dimana jika skor berada antara -2 dan 2
maka distribusi data normal.
Misal kita peroleh nilai Skewness = 0,022 , std error skewness =0,427, Kurtosis=-0,807 , std
error kurtosis = 0,833
Nilai Ratio Skewness/Std Error Skewness = 0,022 / 0,427 = 0,05 < 2
Nilai Ratio Kurtosis /Std Error Kurtosis = -0,807 / 0,833 = -0,9 6> -2
Uji normalitas dengan Skewness dan Kurtosis memberikan kelebihan tersendiri, yaitu bahwa
akan diketahui grafik normalitas menceng ke kanan atau ke kiri, terlalu datar atau mengumpul di
tengah. Oleh karena itu, uji normalitas dengan Skewness dan Kurtosis juga sering disebut dengan
ukuran kemencengan data.Satu istilah dalam Kurva Normal adalah Skewness dan Kurtosis.
Skewness berkaitan dengan lebar kurva, sedangkan Kurtosis dengan tinggi kurva.Jika data
terlihat sebarannya normal, tapi kalau nilai kurtosisnya besar (salah satu kategori terlalu tinggi)
maka tidak normal.
Dua nilai ini harus diperhatikan.Nilai Kritis (Z) = Skewness / (6/N). Z tidak boleh lebih dari
2,58 (sig. 1%) dan 1,96 (sig. 5%). Untuk Kurtosis rumusnya juga sama.













BAB III
PENUTUP
Statistika dipelajari di berbagai bidang ilmu karena statistika adalah sekumpulan alat analisis
data yang dapat membantu pengambil keputusan untuk mengambil keputusan berdasarkan hasil
kesimpulan pada analisis data dari data yang dikumpulkan. Selain itu juga dengan statistika kita
bisa meramalkan keadaan yang akan datang berdasarkan data masa lalu.Statistika Deskriptif
memberikan informasi yang terbatas, yaitu memberi informasi yang terbatas pada data apa
adanya. Oleh karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang
umum atas data yang terbatas.Kesimpulan yang dapat diambil, terbatas atas data yang ada.

Kegunaan mempelajari ilmu Statistik adalah:
1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.
2. Untuk Penaksiran (Forecasting)
3. Untuk Pengujian (Testing Hypotesa)
Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2 pertimbangan:
1. Pusat data (rata2, median dan modus) hanya memberi informasi yang
sangat terbatas.
1. Kedua, dispersi data sangat penting untuk membandingkan penyebaran
dua distribusi data atau lebih.






DAFTAR PUSTAKA

Statistika, (2000) kar. J. Supranto, jilid 1 Chap.6 edisi keenam, halaman
126 145

Statistika, Teori dan Aplikasi (2001), Bab 05, kar. Wayan Koster, edisi
pertama, halaman 93-134

Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah,
Penerbit Gunadarma, Jakarta, 1994
Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma,Jakarta, 1994
Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall,New Jersey, 1991
Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT GramediaJakarta, 1992
www.gudangmateri.com
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media