UNIVERSITAS INDONESIA

PRAKTIKUM I STATISTIKA DASAR

PENGOLAHAN DATA STATISTIK DESKRIPTIF
MENGGUNAKAN MINITAB
Laporan Pratikum

KELOMPOK 1
Cindy Yunitasari

1506672975

Nabila Alya Zahra

1506673076

Septiana Pratama N

1506673095

Siti Rohmah Asad

1506672963

Yolanda

1506728882

FAKULTAS TEKNIK
PROGRAM STUDI TEKNIK INDUSTRI
UNIVERSITAS INDONESIA
OKTOBER 2016

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberikan rahmat serta
karunia-Nya kepada kami sehingga kami berhasil menyelesaikan laporan praktikum ini
tepat pada waktunya. Laporan praktikum ini bertujuan untuk memenuhi tugas
praktikum satu, Statistika Desktiptif.
Laporan praktikum ini berisikan tentang pengolahan data primer dan sekunder serta
analisis dari pengolahan data-data tersebut.
Kami menyadari banyak kekurangan terdapat di dalam laporan ini, namun semoga
laporan praktikum ini bisa menjadi sumbangsih yang bernilai bagi ilmu pengetahuan.
Dalam proses penyusunan laporan praktikum ini, kami banyak dibantu oleh berbagai
pihak guna mendorong kemajuan dan ketelitian. Kami mengucapkan terima kasih
kepada pihak - pihak yang telah membantu, membimbing, serta mendoakan untuk
segala kebaikan tim penulis dalam penyusunan laporan praktikum ini, Semoga laporan
praktikum ini bermafaat bagi pembaca dan kepentingan ilmu statistika.
Depok, 11 Oktober 2016
Tim penyusun

DAFTAR ISI

HALAMAN JUDUL
KATA PENGANTAR i
DAFTAR ISI ii
1. PENDAHULUAN 1
1.1 Latar Belakang 1
1.2 Dasar Teori

1.2.1 Pengertian Statistika Deskriptif

1.2.1.1 Ukuran Penyebaran Data

1.2.1.2 Jangkauan (Range)

1.2.1.3 Median

1.2.1.4 Modus 3
1.2.1.5 Kuartil 4
1.2.2 Pengertian Dispersi Data 5
1.2.3 Kegunaan Ukuran Penyebaran Data

1.2.4 Kemiringan dan Keruncingan Data

1.2.4.1 Kemiringan Distribusi Data 6

1.2.4.2 Keruncingan Distribusi Data 7
1.2.5 Analisa Ukuran Penyebaran Data 7
1.2.5.1 Analisa Kemiringan Distribusi Data (Skewness)

1.2.5.2 Analisa Keruncingan Distribusi Data (Kurtosis)

1.3 Tujuan 8
1.4 Masalah Utama 2
1.5 Outline 9
2. METODOLOGI 10
2.1 Alat dan Bahan 10
2.1.1 Pengumpulan Data secara Observasi

10

2.1.2 Pengumpulan Data secara Eksperimen

10

2.1.3 Pengumpulan Data Sekunder

10

2.2 Langkah Kerja 10

2.2.1 Pengumpulan Data secara Observasi

10

2.2.2 Pengumpulan Data secara Eksperimen

11

2.2.3 Pengumpulan Data Sekunder

12

3. DATA PRAKTIKUM DAN PENGOLAHAN DATA

3.1 Pengumpulan Data

13

13

3.2 Pengolahan Data Observasi: Interval Waktu Pengguna Tangga Lantai 1 Gedung S
FakultasTeknik UI 13
3.3 Pengolahan Data Eksperimen: Pengambilan Acak Permen Chacha

16

3.4 Pengolahan Data Sekunder: Indeks Pembangunan Manusia Berdasarkan Provinsi

di Indonesia Tahun 2013 21
4. ANALISIS DAN KESIMPULAN

24

4.1 Analisis Data Observasi: Interval Waktu Pengguna Tangga Lantai 1 Gedung S
Fakultas Teknik UI 24
4.2 Analisis Data Eksperimen: Pengambilan Acak Permen Chacha

25

4.3 Analisis Data Sekunder: Indeks Pembangunan Manusia Berdasarkan Provinsi di

Indonesia Tahun 2013
26
4.4 Kesimpulan

27

DAFTAR REFERENSI

28

BAB I
PENDAHULUAN
1.1 Latar Belakang
Di dalam kehidupan sehari hari sering kita jumpai banyak hal yang dapat kita
deskripsikan dalam sebuah bentuk data. Informasi berupa data yang diperoleh diolah
terlebih dahulu untuk menjadi sebuah data yang mudah dibaca dan dianalisa. Akan
tetapi, bagaimana penyajian data yang kita dapat tentunya berbeda-beda, sesuai dengan
kebutuhan dan keinginan penyaji data. Oleh karena itu, diperlukan sebuah cabang ilmu
untuk mempermudah penginterpretasian data.
Statistika adalah cabang ilmu yang

mempelajari

tentang

bagaimana

mengumpulkan, menganalisis dan menginterpretasikan data. Atau dengan kata lain,

statistika menjadi alat dalam melakukan suatu riset empiris dalam menganalisis data.
Pada dasarnya aplikasi ilmu statistika dibagi dalam dua bagian, yaitu statistika
Deskriptif dan statistika Induktif. Statistika Dekriptif menjelaskan atau menggambarkan
berbagai karakteristik data seperti rata-rata, variasi data, dan dapat juga digunakan
sebagai pendekatan awal yang umumnya digunakan untuk menjelaskan suatu fenomena.
1.2 Dasar Teori
1.2.1 Pengertian Statistika Deskriptif
Statistika deskriptif adalah teknik 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. Akan tetapi, dapatkah statistika deskriptif
memberikan hasil yang bisa diterima secara ilmiah? Statistik merupakan suatu
alat pengukuran yang berhubungan dengan keragaman pada karakteristik objekobjek 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 beberapa cara untuk:
a. Mengumpulkan data/informasi.
b. Mengolah data hasil pengumpulan.
c. Menyajikan data hasil pengolahan.
d. Menganalisis data.
1.2.1.1 Ukuran Penyebaran data
Ukuran pemusatan yaitu mean, median dan modus, merupakan informasi
yang memberikan penjelasan kecendrungan data sebagai wakil dari beberapa
data yang ada. Ada pun ukuran penyebaran data memberikan gambaran seberapa
besar data menyebar dari titik-titik pemusatan.
1.2.1.2 Jangkauan (Range)
Ukuran penyebaran yang paling sederhana (kasar) adalah jangkauan
(range) atau rentangan nilai, yaitu selisih antara data terbesar dan data terkecil.
Untuk range data tunggal dirumuskan dengan:
R = Xmaks Xmin
1.2.1.3
Median
1) Median untuk data tunggal
Median adalah suatu nilai tengah yang telah diurutkan. Median
dilambangkan Me. Untuk menentukan nilai dapat dilakukan dengan cara:
a) Mengurutkan data kemudian dicari nilai tengah,
b) Jika banyaknya data besar, setelah data diurutkan, digunakan rumus:
X1
Me=
( n+1 )
Untuk n ganjil :
2

Untuk n genap :
X
Me=

( n2 )+ X ( n2 +1)

Keterangan:

Xn/2 = data pada urutan ke-n/2 setelah diurutkan.

2) Median untuk data kelompok
Jika data yang tersedia merupakan data kelompok, artinya data itu
dikelompokkan ke

dalam interval-interval kelas yang sama panjang.

Untuk mengetahui nilai mediannya dapat ditentukan dengan rumus

berikut ini.

Keterangan:
Kelas median adalah kelas yang terdapat data X1/2 n
L = tepi bawah kelas median
c = lebar kelas
n = banyaknya data
F = frekuensi kumulatif kurang dari sebelum kelas median
f = frekuensi kelas median
1.2.1.4 Modus
Modus ialah nilai yang paling sering muncul atau nilai yang mempunyai
frekuensi tertinggi. Jika suatu data hanya mempunyai satu modus disebut
unimodal dan bila memiliki dua modus disebut bimodal, sedangkan jika
memiliki modus lebih dari dua disebut multimodal. Modus dilambangkan
dengan Mo.
1) Modus data tunggal
Modus dari data tunggal adalah data yang sering muncul atau data
dengan frekuensi tertinggi.

2) Modus data kelompok

Modus data kelompok dirumuskan sebagai berikut:

Keterangan:
L = tepi bawah kelas modus
c = lebar kelas
d1 = selisih frekuensi kelas modus dengan kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan kelas sesudahnya
1.2.1.5 Kuartil (Q)
Seperti yang sudah dibahas sebelumnya, bahwa median membagi data
yang telah diurutkan menjadi dua bagian yang sama banyak. Adapun kuartil
adalah membagi data yang telah diurutkan menjadi empat bagian yang sama
banyak.
1) Kuartil data tunggal
Urutkan data dari yang kecil ke yang besar, kemudian tentukan kuartil
dengan rumus sebagai berikut:

2) Kuartil data kelompok

Nilai kuartil dirumuskan sebagai berikut.

Keterangan:
Qi = kuartil ke-i (1, 2, atau 3)
L = tepi bawah kelas kuartil ke-i
n = banyaknya data
F = frekuensi kumulatif kelas sebelum kelas kuartil
c = lebar kelas
f = frekuensi kelas kuartil

1.2.2 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 nilai xi , 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:
a) Jangkauan (Range)
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas
terendah.
b) Simpangan Rata-Rata (Mean Deviation)
Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi
banyaknya
data.
c) Varians (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.
d) Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar penyimpangan data
terhadap
nilai rata-ratanya.
e) 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.
f) 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.
1.2.3 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 ratarata 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 :
a. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rataratanya
benar-benar representatif atau tidak. Apabila suatu kelompok data
mempunyai penyebaran yang tidak sama terhadap nilai rata-ratanya, maka
dikatakan bahwa nilai rata-rata tersebut tidak representatif.
b. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan
terhadap variabilitas data.
c. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya
dalam pengujian hipotesis, apakah dua sampel berasal dari populasi yang
sama atau tidak.
1.2.4 Kemiringan dan Keruncingan Data
1.2.4.1 Kemiringan Distribusi Data
Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan
suatu
distribusi data. Pengukuran kemiringan suatu distribusi data dapat
diketahui dengan beberapa cara, antara lain:
1) Memperhatikan hubungan antara mean, median dan modus.
2) Menggunakan koefisien Pearson.
3) Menggunakan Momen ketiga.
4) Menggunakan kotak diagram garis.
1.2.4.2 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:
1) Leptokurtis : Distribusi data yang puncaknya relatif tinggi
2) Mesokurtis : Distribusi data yang puncaknya normal
3) Platikurtis : Distribusi data yang puncaknya terlalu rendah dan
1.2.5

terlalu mendatar.
Analisa Ukuran Penyebaran Data

10

1.2.5.1 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 mean) maka disimpulkan
kemiringannya ke kanan (positif) dan jika distribusi memiliki ekor
yang

lebih

memanjang

ke

kiri

maka

dapat

disimpulkan

kemiringannya ke kiri (negatif). Secara perhitungan, skewness adalah

momen ketiga terhadap mean.
1.2.5.2 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.
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.

1. 3 Tujuan
1)
2)
3)
4)

Melengkapi dan memenuhi tugas praktikum mata kuliah Statistika Dasar.

Mengetahui cara memperoleh data observasi, eksperimen dan data sekunder.
Melakukan observasi dan melakukan eksperimen untuk memperoleh data
Mengetahui cara mengolah data statistik deskriptif dengan menggunakan

software minitab.
5) Dengan dibuatnya laporan praktikum ini dapat membantu kita dalam memahami
pengolahan data dengan menggunakan Software Minitab
6) Belajar menginterpretasikan data yang sudah diolah

11

1.4 Masalah Utama

1) Bagaimana memperoleh data observasi, eksperimen dan data sekunder?
2) Bagaimana caramengolah data statistik deskriptif dengan menggunakan
software minitab?
3) Bagaimana menginterpretasikan data yang sudah diolah?
1.5 Outline
BAB I : Pendahuluan
1.1 Latar Belakang
1.2 Dasar Teori
1.3 Tujuan
1.4 Masalah Utama
1.5 Outline
BAB II : Metodologi
2.1 Alat dan Bahan
2.2 Langkah Kerja
BAB III : Data
3.1 Pengumpulan Data
3.2 Pengolahan Data
BAB IV: Analisis dan kesimpulan

12

BAB II
METODOLOGI

Praktikum yang menggunakan analisis statistik memerlukan bantuan software

statistik untuk melakukan pangolahan data. Praktikan menggunakan software statatistik
, yaitu Minitab. Minitab adalah program komputer yang dirancang untuk melakukan
pengolahan statistik dan mengkombinasikan kemudahan penggunaan layaknya
Microsoft Excel dengan kemampuannya melakukan analisis statistik yang kompleks.
2.1 Alat dan Bahan
2.1.1 Pengumpulan Data Secara Observasi
Alat dan bahan yang digunakan untuk pengumpulan data secara observasi,
antara lain:
a. Kertas
b. Alat tulis
c. Stopwatch
2.1.2 Pengumpulan Data Secara Eksperimen
Alat dan bahan yang digunakan untuk pengumpulan data secara eksperimen,
antara lain:
a. Kertas
b. Alat Tulis
c. 1 bungkus permen chacha
2.1.3 Pengumpulan Data Sekunder
Alat dan bahan yang digunakan untuk pengumpulan data sekunder, antara lain:
a. Internet
b. Laptop
2.2 Langkah Kerja
2.2.1 Pengumpulan Data secara Observasi
Metode pengumpulan data secara observasi ini digunakan bila untuk
mempelajari perilaku manusia, atau suatu proses kerja dan dilakukan pada
responden yang tidak terlalu besar. Metode observasi yang digunakan oleh praktikan
adalah non-participant observation, yaitu observasi yang penelitinya tidak
ikut secara langsung dalam kegiatan atau proses yang sedang

13

diamati. Berikut adalah langkah kerja praktikan untuk memperoleh

data primer melalui observasi:
1. Mendatangi lokasi tangga lantai satu gedung S, Fakultas Teknik, Universitas
Indonesia.
2. Mempersiapkan alat-alat yang dibutuhkan.
3. Memulai pengumpulan data dengaan menekan stopwatch pada saat orang
pertama menginjakkan kaki di tangga.
4. Menunggu orang kedua yang menggunakan tangga dan mencatat interval waktu
antara orang pertama dan kedua.
5. Mengulangi percobaan hingga didapatkan 50 data interval waktu antar pengguna
tangga.
6. Menganalisis data dengan software Minitab.

2.2.2

Pengumpulan Data secara Eksperimen

Pengumpulan data primer selain dilakukan dengan metode observasi, dapat juga

dilakukan dengan eksperimen, yaitu pengumpulan data yang memakai cara dengan
mengadakan suatu percobaan terhadap sesuatu hal. Dalam konteks praktikum ini,
data eksperimen yang dikumpulkan oleh praktikan adalah warna yang muncul pada
pengambilan acak permen Chacha. Berikut adalah langkah kerja yang dilakukan
oleh praktikan:
1.
2.
3.
4.
5.
6.
7.

Menyiapkan alat dan bahan yang diperlukan.

Membuka bungkus permen Chacha.
Memisahkan lima buah permen Chacha dengan lima warna berbeda.
Mengambil satu permen Chacha secara acak dan mencatat warnanya.
Mengembalikan permen Chacha yang sudah diambil ke dalam wadah.
Mengulangi percobaan hingga didapatkan 60 data pengambilan permen Chacha.
Menganalisis data dengan software Minitab.

2.2.3

Pengumpulan Data Sekunder

Data sekunder adalah data yang didapat tidak secara langsung dari objek
praktikum.

Praktikan mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain
secara komersial maupun non-komersial. Data sekunder yang praktikan peroleh
berupa data Indeks Pembangunan Manusia berdasarkan provinsi di Indonesia tahun
2013. Cara kerja praktikan dalam memperoleh data sekunder sebagai berikut:
1. Menyiapkan alat dan bahan.
2. Membuka website bps.go.id
14

3. Mencari kategori yang diinginkan.

4. Mendownload data dalam bentuk Microsoft Excel.
5. Menganalisis data dengan software minitab.

15

BAB III
DATA PRAKTIKUM DAN PENGOLAHAN DATA

3.1 Pengumpulan Data

Pengumpulan data interval pengguna tangga gedung S lantai 1 Fakultas Teknik
Universitas Indonesia dilaksanakan pada hari Kamis, 29 September 2016 pada pukul
13.12-13.18 WIB. Pengumpulan data dilakukan dengan mengamati setiap orang yang
menaiki tangga di gedung S lantai 1 Fakultas Teknik Universitas Indonesia dan
mencatat interval waktu antara tiap orang yang menaiki tangga tersebut lalu
mencatatnya.
Pengumpulan data pengambilan acak permen chacha dilakukan pada hari Kamis,
29 September 2016 di lobby gedung K Fakultas Teknik Universitas Indonesia.
Pengumpulan data dilakukan dengan memisahkan 5 warna berbeda masing-masing 1
buah. Selanjutnya, dilakukan pengambilan 1 warna tiap pengambilannya dengan
diberlakukannya pengembalian.
Pengumpulan data Indeks Pembangunan Manusia berdasarkan provinsi tahun
2013 melalu internet dengan mencari data dengan jumlah data lebih dari 20 data.

3.2 Pengolahan Data Observasi: Interval Waktu Pengguna Tangga Gedung S

lantai 1
Fakultas Teknik Universitas Indonesia
Berikut adalah data hasil observasi yang dilakukan oleh praktikan:
Data ke1
2
3
4
5
6
7
8
9
10

Interval Waktu (sekon)

14.2
10.42
10.61
2
19.47
0.49
0.97
1.37
1.38
11.41

16

11
10.73
12
12.14
13
12.69
14
1.13
15
15.68
16
1.52
17
38.59
18
20.56
19
0.76
20
0.86
21
1.52
22
4.39
23
0.41
24
12.16
25
0.63
26
9.31
27
12.3
28
0.54
29
1.21
30
40.6
31
1.95
32
4.25
33
22.72
34
0.85
35
7.92
36
1.88
37
3.52
38
0.88
39
0.82
40
0.97
41
2.57
42Summary Report2.24
for Interval Waktu
43
1.17
44
2.18
45
8.43
46
1.72
47
12.59
48
8.6
49
25.65
50
12.48
Tabel 3.2.1 Obersvasi
interval
waktu
Pengguna
Tangga
Gedung S lantai 1
0
10
20
30
40
Fakultas Teknik Universitas Indonesia

95% Confidence Intervals

17

Gambar 3.2.1 Laporan singkat pengolahan data melalui software Minitab mengenai
interval waktu Pengguna Tangga Gedung S lantai 1

Fakultas Teknik Universitas Indonesia

Jumlah data keseluruhan dari variabel interval (N) adalah 50. N*=0
menunjukkan tidak ada data yang missing atau tidak terbaca oleh minitab. Mean
menunjukkan rata-rata dari variabel interval pengguna tangga gedung s lt.1 pada jam
13.12 13.19 WIB, yaitu 7.8688 sekon. SEMean (Standard Error of Mean)
menggambarkan sebaran rata-rata sampel terhadap rata-rata dari keseluruhan
kemungkinan sampel, yaitu 1.31664. Standar deviasi menunjukkan keheterogenan yang
terjadi dalam data adlah 9.31004. Variansi pada variabel tersebut adalah 86.6768.
Coefficient of Variation menggambarkan jumlah variabilitas relatif terhadap rata-rata,
yaitu 118.316.
Adapun nilai terkecil atau minimum dari data tersebut adalah 0.41 sekon dan
nilai terbesar atau maksimum adalah 40.6. Q1 merupakan nilai kuartil bawah sebesar
1.16. Median atau nilai tengah data (Q2) adalah 3.045. Selanjutnya, Q3 merupakah nilai
kuartil atas yang bernilai 12.195. IQR (Interquartile of Range) menggambarkan
besarnya penyebaran data sebesar 11.035.
Nilai skewness untuk data tersebut adalah 1.85653. Kurtosisnya menggambarkan
keruncingan data, yaitu 3.83639. Nilai MSSD data tersebut adalah 88.4364.

18

3.3 Pengolahan Data Eksperimen: Pengambilan Acak Permen Chacha

Setiap bungkus permen Chaca memiliki 5 warna, yaitu Coklat, Hijau, Kuning,
Merah dan Oren. Praktikan memberikan kode untuk setiap warna permen Chacha agar
data yang bersifat kualitatif tersebut dapat dikonversi menjadi data kuantitatif, seperti
dalam tabel berikut:
Coklat
Hijau
Kuning
Merah

Sukses
Sukses
Gagal
Gagal

Oren

Gagal

Tabel 3.3.1 Pemberian kode untuk warna-warna permen Chacha

Percobaan ke-

Warna Terambil

Kategori

Coklat

Sukses

Oren

Gagal

Kuning

Gagal

Coklat

Sukses

Hijau

Sukses

Merah

Gagal

Kuning

Gagal

Kuning

Gagal

Kuning

Gagal

10

Coklat

Sukses

11

Kuning

Gagal

12

Kuning

Gagal

13

Oren

Gagal

14

Hijau

Sukses

15

Merah

Gagal

16

Coklat

Sukses

17

Oren

Gagal

19

Kode
1
2
2
1
1
2
2
2
2
1
2
2
2
1
2
1
2

18

Coklat

Sukses

19

Merah

Gagal

20

Hijau

Sukses

21

Kuning

Gagal

22

Hijau

Sukses

23

Merah

Gagal

24

Coklat

Sukses

25

Merah

Gagal

26

Kuning

Gagal

27

Hijau

Sukses

28

Merah

Gagal

29

Oren

Gagal

30

Hijau

Sukses

31

Coklat

Sukses

32

Kuning

Gagal

33

Kuning

Gagal

34

Kuning

Gagal

35

Hijau

Sukses

36

Coklat

Sukses

37

Hijau

Sukses

38

Merah

Gagal

39

Coklat

Sukses

40

Hijau

Sukses

41

Merah

Gagal

42

Oren

Gagal

43

Kuning

Gagal

44

Oren

Gagal

45

Hijau

Sukses

46

Merah

Gagal

47

Hijau

Sukses
20

1
2
1
2
1
2
1
2
2
1
2
2
1
1
2
2
2
1
1
1
2
1
1
2
2
2
2
1
2
1

48

Oren

Gagal

49

Oren

Gagal

50

Oren

Gagal

51

Oren

Gagal

52

Merah

Gagal

53

Oren

Gagal

54

Merah

Gagal

55

Oren

Gagal

56

Kuning

Gagal

57

Oren

Gagal

58

Oren

Gagal

59

Merah

Gagal

60

Oren

Gagal

2
2
2
2
2
2
2
2
2
2
2
2
2

Tabel 3.3.2 Percobaan 60 kali pengambilan acak permen Chacha

21

Summary Report for Kode

Anderson-Darling Normality Test
A-Squared
P-Value
Mean
StDev
Variance
Skewness
Kurtosis
N

12.23
<0.005
1.6667
0.4754
0.2260
-0.72537
-1.52586
60

Minimum
1st Quartile
Median
3rd Quartile
Maximum

1.0000
1.0000
2.0000
2.0000
2.0000

95% Confidence Interval for Mean

1

1.5439

1.7895

95% Confidence Interval for Median

2.0000

2.0000

95% Confidence Interval for StDev

0.4030

0.5798

95% Confidence Intervals

Mean

Median
1.5

1.6

1.7

1.8

1.9

2.0

Gambar 3.3.1 Laporan singkat pengolahan data melalui software Minitab mengenai
pengambilan acak permen Chacha

Jumlah data keseluruhan dari variabel interval (N) adalah 60. N*=0
menunjukkan tidak ada data yang missing atau tidak terbaca oleh software Minitab.
Nilai

skewness

untuk

data

tersebut

menggambarkan keruncingan data, yaitu -1.52586.

22

adalah

-0.725368.

Kurtosisnya

Chart of Kode
40

Count

30

20

10

Kode

Gambar 3.3.2 Diagram batang pengambilan acak permen Chacha

Pengambilan Acak Permen Chacha

33%
Gagal

Sukses
67%

23

Gambar 3.3.3 Pie chart pengolahan data pengambilan acak permen Chacha

Dengan menggunakan pie chart, jumlah pengambilan acak permen chaca yang
dikategorikan sukses adalah 67%, dan yang gagal adalah 33%.
3.4 Pengolahan Data Sekunder: Indeks Pembangunan Manusia berdasarkan
provinsi di
Indonesia tahun 2013
Berikut adalah table Indeks Pembangunan Manusia dari website bps.go.id
berdasarkan provinsi di Indonesia tahun 2013:
Provinsi
ACEH
SUMATERA UTARA
SUMATERA BARAT
RIAU
JAMBI
SUMATERA SELATAN
BENGKULU
LAMPUNG
KEP. BANGKA BELITUNG
KEP. RIAU
DKI JAKARTA
JAWA BARAT
JAWA TENGAH
DI YOGYAKARTA
JAWA TIMUR
BANTEN
BALI
NUSA TENGGARA BARAT
NUSA TENGGARA TIMUR
KALIMANTAN BARAT
KALIMANTAN TENGAH
KALIMANTAN SELATAN
KALIMANTAN TIMUR
KALIMANTAN UTARA
SULAWESI UTARA
SULAWESI TENGAH

24

Indeks Pembangunan Manusia

tahun 2013
73.05
75.55
75.01
77.25
74.35
74.36
74.41
72.87
74.29
76.56
78.59
73.58
74.05
77.37
73.54
71.9
74.11
67.73
68.77
70.93
75.68
71.74
77.33
74.72
77.36
72.54

SULAWESI SELATAN
SULAWESI TENGGARA
GORONTALO
SULAWESI BARAT
MALUKU
MALUKU UTARA
PAPUA BARAT
PAPUA

73.28
71.73
71.77
71.41
72.7
70.63
70.62
66.25

Tabel 3.4.1 Indeks Pembangunan Manusia berdasarkan provinsi di Indonesia

tahun 2013

Gambar 3.4.1 Laporan singkat pengolahan data melalui software Minitab

mengenai Indeks
Pembangunan Manusia berdasarkan provinsi di Indonesia tahun 2013

Dari indeks pembangunan manusia yang diperoleh dari bps.go.id diperoleh ratarata IPM untuk 34 provinsi di Indonesia adalah 73.4126. Sebaran rata-rata sampel
terhadap rata-rata dari keseluruhan kemungkinan sampel atau Standard Error of Mean
adalah 0.481073. Standar deviasi yang menggambarkan perbedaan di antara data yang
ada adalah 2.80511. Variansi yang didapat dari data sebesar 7.82102. Coefficient of
Variance yang merupakan perbandingan antara standar deviasi terhadap nilai rata-rata
adalah 3.82102.

25

Persebaran data digambarkan dengan kuartil bawah 71.7375, median 73.56, dan
kuartil atasnya 75.145. Dengan kuartil tersebut, maka diperoleh Interquartile of Range
yang merupakan selisih antara kuartil atas dan bawah sebesar 3.4075. Jumlah dari
semua data yang ada adalah 2496.03 dengan nilai minimum 66.25 pada Provinsi Papua
dan nilai maksimum adalah 78.59 untuk Provinsi DKI Jakarta. Jangkauan dari nilai
maksimum dan minimum adalah 12.34. Kemiringan persebaran data yang terjadi adalah
-0.429648 yang berarti datanya tidak terdistribusi normal dan bentuk grafiknya
menggemuk di bagian kiri dengan grafik sebelum kiri lebih panjang dari yang seleah
kana. Kurtosis 1 yang menggambarkan keruncingan data bernilai 0.323768 yang
menggambarkan grafik yang ada berbentuk mesokurtik.

26

27

BAB IV
ANALISIS DAN KESIMPULAN

4.1 Analisis Data Obersvasi: Interval Waktu Pengguna Tangga Gedung S lantai 1
Fakultas Teknik Universitas Indonesia
Mean dari data observasi mengenai interval waktu pengguna tangga Gedung S
lantai 1 Fakultas Teknik Universitas Indonesia adalah 7.8688 yang menandakan pada
pukul 13.12 sampai 13.18 WIB orang berikutnya akan menaiki tangga dengan jarak
waktu rata-rata setelah orang sebelumnya. Standar error dipengaruhi oleh banyaknya
sampel. SEMean merupakan nilai yang mengukur seberapa tepat nilai mean yang
praktikan peroleh. Dengan kata lain, SE menjawab pertanyaan seberapa dekatkah nilai
rata-rata interval waktu pengguna tangga gedung S lt. 1 Fakultas Teknik Universitas
Indonesia pada pukul 13.12-13.18 WIB dibandingkan dengan rata-rata interval waktu
pengguna tangga gedung S lantai 1 Fakultas Teknik Universitas Indonesia dalam sehari
(pukul 07.00 18.30 WIB). SEMean dari data yang praktikan peroleh adalah 1.31664.
Nilai tersebut tergolong cukup besar (di atas satu), sehingga sampel belum cukup
representatif (mewakili). Praktikan perlu untuk mengestimasi jumlah populasi
(pengguna tangga gedung S lantai 1 Fakultas Teknik Universitas Indonesia) terutama
saat jam-jam kelas bersama, yaitu jam 07.30 13.00.
Selanjutnya, terdapat standar deviasi sebesar 9.31004. Standar deviasi
menggambarkan sebaran nilai-nilai sampel. Semakin kecil nilai standar deviasi, nilainilai pada sampel data cenderung dekat dengan nilai rata-ratanya. dan sebaliknya,
semakin besar standar deviasinya, nilai sampel semakin bervariasi dan semakin
menyebar menjauhi nilai reratanya. Berdasarkan standar deviasi yang praktikan peroleh,
dapat diketahui data ini cukup tersebar. Untuk melihat keberagaman data, variansi dari
data ini adalah 86.6768 yang menandakan data ini sangat heterogen mengingat jangkau
antara interval waktu terkecil dan interval waktu terbesar yaitu 40.19 sekon.
Kuartil membagi distribusi data menjadi 4 bagian. Kuartil bawah pada data ini
adalah 1.16, median atau nilai tengah dari data ini, yaitu 3.045, dan kuartil atasnya
adalah 12.195. Nilai kuartil tersebut menggambarkan persebaran data yang dapat
dikatakan cukup tersebar karena jangkauan antar kuartilnya cukup besar yaitu 11.035.

28

Salah satu indikator suatu data normal atau tidak adalah skewness. Skewness dari
data ini adalah 1.85653 yang mengartikan bahwa data ini tidak simetris karena nilai
skewnessnya tidak mendekati nol. Dan nilai skewness yang positif menandakan data
melenceng ke kanan yaitu bagian belakang pada sisi kanan lebih panjang dan lebih
gemuk daripada sisi kirinya.
Selanjutnya

terdapat

kurtosis.

Kurtosis

digunakan

untuk

mengetahui

keruncingan data. Kurtosis pada data ini adalah 3.83639 yang termasuk ke dalam
leptokurtik, yaitu kurva yang memiliki puncak lebih runcing dibandingkan kurva
normal.

4.2 Analisis Data Eksperimen: Pengambilan Acak Permen Chacha

Permen Chacha warna coklat muncul 9 kali dari 60 kali percobaan, warna hijau
11 kali, warna kuning 13 kali, warna merah 12 kali, dan warna oren 15 kali. Jika
terambil permen Chacha warna coklat atau hijau, maka pengambilan acak ini
dikategorikan sukses. Sedangkan jika warna yang terambil selain coklat atau hijau,
maka dikategorikan gagal. Jumlah pengambilan yang sukses dari data percobaan adalah
20 kali, dan yang gagal adalah 40 kali. Kami menggunakan modus untuk mengamati
pemusatan data karena data eksperimen yang dihasilkan berupa data kualitatif. Pada
data kualitatif kami berikan nilai nominal yang mewakili data tersebut, yaitu SUKSES:
1 sedangkan GAGAL:2. Modus dari eksperimen ini adalah kejadian GAGAL, dapat
diartikan bahwa kemunculan chacha berwarna coklat dan hijau lebih sedikit dibanding
chacha berwarna selain keduanya. Hal tersebut dapat juga disebabkan karena chacha
yang dianggap GAGAL adalah 3 jenis warna (merah, kuning, oranye) sedangkan yang
SUKSES hanya 2 warna (coklat dan hijau)
Salah satu indikator suatu data normal atau tidak adalah skewness. Skewness dari
data ini adalah -0.725368, yang mengartikan bahwa data ini memiliki kecondongan data
ke arah kiri, yaitu bagian belakang pada sisi kiri lebih panjang dan lebih gemuk
dibandingkan dengan sisi kanannya.
Selanjutnya

terdapat

kurtosis.

Kurtosis

digunakan

untuk

mengetahui

keruncingan data. Kurtosis pada data ini adalah -1.52586 yang termasuk ke dalam
platikurtik, yaitu kurva dengan puncak yang lebih rendah dibandingkan kurva normal.

29

4.3 Analisis Data Sekunder: Indeks Pembangunan Manusia berdasarkan Provinsi

di
Indonesia tahun 2013
Rata-rata dari indeks pembangunan manusia untuk usia 13-18 tahun pada 2013
di Indonesia adalah 73.4126. Angka ini menunjukkan rata-rata tingat kemudahan
masyarakat usia 13-18 tahun di tahun 2013 untuk mengakses hasil pembangunan dalam
memperoleh pendapatan, kesehatan, pendidikan dan bidang lain.
SEMean merupakan nilai yang mengukur ketepatan nilai mean yang ada untuk
mengetahui seberapa dekat nilai rata-rata IPM masyarakat Indonesia dengan usia 13-18
dibandingkan dengan nilai rata-rata IMP masyarakat semua usia di tahun 2013. SEMean
yng didapatkan dari data adalah 0.481073. Nilai SEMean yang kecil menandakan bahwa
data yang diperoleh dapat merepresentasikan populasi yang ada.
Dari data didapatkan pula standar deviasi sebesar 2.80511. Standar deviasi
menunjukkan ketersebaran jauh dekatnya nilai data pada sampel dengan nilai rata-rata.
Untuk melihat kebergaman dari data, didapatkan variansi sebesar 7.86866. Hal ini
menandakan data yang diperoleh tidak terlalu heterogen mengingat jangkauan data dari
yang terendah hingga tertinggi adalah 12.34. Sedangkan nilai Coefficient of Variance
sebesar 3.82102 yang digunakan untuk membandingkan derajat variasi dari suatu seri
data terhadap yang lainnya.
Kuartil data terdiri dari kuartil bawah, median, dan kuartil atas yang masingmasing bernilai 71.7375, 73.56, dan 75.145. Nilai selisih kuartil atas dan bawah adalah
jangkauan data yang bernilai 3.4075. Dengan nilai tersebut, dapat dikatakan bahwa
jangkauan data tidak terlalu jauh sehingga IPM di 34 provinsi di Indonesia untuk usia
13-18 bernilai hampir setara untuk masing-masing daerah.
Skewness yang didapat dari data adalah -0.429648 yang menggambarkan bahwa
grafik distribusi cenderung miring ke kiri sehingga bagian kiri grafik lebih gemuk dari
sisi sebelah kanan. Selanjutnya adalah kurtosis yang bernilai 0.323768 termasuk dalam
mesokurtic curve yang memiliki puncak normal, tidak terlalu lancip atau landai.
4.4 Kesimpulan
1) Dari ketiga data yang terdiri dari data primer dan sekunder, data sekunder:
Indeks Pembangunan Manusia berdasarkan Provinsi di Indonesia tahun 2013
adalah data yang paling mendekati distribusi normal dengan kecondongan ke
30

kiri dan data observasi: Interval Waktu Pengguna Tangga Gedung S lantai 1
Fakultas Teknik Universitas Indonesia adalah data yang paling menjauhi
distribusi normal dengan kecondongan ke kanan.
2) Data observasi: Interval Waktu Pengguna Tangga Gedung S lantai 1 Fakultas
Teknik Universitas Indonesia adalah data yang termasuk leptokurtik.
3) Data sekunder: Indeks Pembangunan Manusia berdasarkan Provinsi di Indonesia
tahun 2013 adalah data yang termasuk mesokurtik.
4) Data eksperimen: Pengambilan Acak Permen Chacha adalah data yang termasuk
platikurtik.

REFERENSI

https://www.bps.go.id/Subjek/view/id/26. Diakses pada tanggal 29 September 2016

pukul 13.00.
http://www.investopedia.com/terms/c/coefficientofvariation.asp.

Diakses

pada

Oktober 2016 pukul 13.15.

http://support.minitab.com. Diakses pada 4 Oktober 2016 pukul 13.21.
https://www.academia.edu/9832986/Buku_Metodologi_Penelitian_Kuantitatif_dan_Kua
litatif_oleh_Jonathan_Sarwono. Diakses pada 10 Oktober 2016 pukul 20.15

31

http://datastatistik.com/mengenal-software-minitab/. Diakses pada 11 Oktober 2016

pukul 13.34.
Walpole, Meyers, E.Ye. 2016. Probability & Statistics for Engineers & Scientists,
MyStatLab, Global Edition. New York: Pearson Education Limited

32