Analisa Ukuran Penyebaran Data PDF
Analisa Ukuran Penyebaran Data PDF
MAKALAH
Diajukan untuk memenuhi tugas mata kuliah Statistika Deskriptif
Kelompok 5 :
1. Ade Risma Arianto (NIM: 12110457)
2. Mahattir Syarief (NIM: 12111808)
3. Rio Setioaji (NIM: 12111479)
4. Alfan Zulkarnaen (NIM: 12111478)
5. Aditya Pandu Pradana (NIM: 12110939)
6. Arri Pradala (NIM: 12110989)
7. Dede Darmawan (NIM: 12110258)
8. Rahmat Solikin (NIM: 12110868)
9. Tuvah Nurhakim (NIM: 12111182)
10. Ardi Revian Saputra (NIM: 12110094)
Semoga bantuan dan dukungan yang telah diberikan kepada kami mendapat
balasan serta karunia dari Allah SWT. Kami menyadari penulisan makalah ini jauh
dari sempurna, maka dari itu kami berharap saran dan kritik untuk kesempurnaan
makalah ini. Akhirnya kami berharap semoga makalah ini dapat memberi manafaat
yang sebesar-besarnya bagi kami dan pihak yang memerlukan.
Jakarta, 2012
Penulis
i
DAFTAR ISI
Judul Halaman
Kata Pengantar ................................................................................................. i
Daftar Isi........................................................................................................... ii
BAB I ............................................................................................................... 1
PENDAHULUAN ........................................................................................... 1
A. Latar Belakang ................................................................................... 1
B. Rumusan Masalah .............................................................................. 2
C. Tujuan dan Manfaat ........................................................................... 2
D. Metode Pengumpulan Data ................................................................ 3
E. Sistematika Penulisan ........................................................................ 3
BAB II ............................................................................................................ 4
PEMBAHASAN .............................................................................................. 4
A. Pengertian Statistika Deskriptif ......................................................... 4
B. Pengertian Dispersi Data.................................................................... 5
C. Kegunaan Ukuran Penyebaran Data .................................................. 6
D. Kemiringan dan Keruncingan Data ................................................... 7
E. Analisa Ukuran Penyebaran Data Menggunakan MS. Excel ............ 11
F. Cara Membaca Nilai Kurtosis dan Skewness .................................... 15
G. Uji Normalitas Kurtosis dan Skewness.............................................. 16
DAFTAR PUSTAKA
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Tujuan
1) Tujuan dari penulisan ini guna melengkapi dan memenuhi salah satu syarat untuk
memperoleh 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
Penulis mengharapkan agar tulisan ini dapat dimengerti oleh pembaca dan
pembaca dapat memahami seberapa pentingnya materi Ukuran Penyebaran.
E. Sistematika Penulisan
Untuk mempermudah pembaca 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 penulis 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 penulis 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 penulis menguraikan tentang penutup yang
meliputi kesimpulan dan saran berdasarkan atas pada bab
pendahulu.
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.
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 rata-
ratanya. Makin besar variasi nilai x i , 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 dua 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.
i. Rumus Pearson:
1 3
= (X mod) atau = (X med)
S S
1
3 = 3
f i (m i X ) 3
nS
1
3 = 3
( X i X ) 3
nS
Tabel 1: Keterangan Rumus Momen
Keterangan : Ketentuan :
Q 3 + Q1 - 2Q 2 Keterangan :
3 = Q1 = Kuartil pertama
Q 3 - Q1 Q2 = Kuartil kedua
Q3 = Kuartil ketiga
- Data Berkelompok :
1
4 = 4
f i (m i X ) 4
nS
- Data tidak Berkelompok :
1
4 = 4
( X i X ) 4
nS
Tabel 3: Keterangan Rumus Keruncingan Data
Keterangan : Ketentuan :
4 = Derajat keruncingan 4 = 3 distribusi keruncingan data
disebut mesokurtis
Xi = Nilai data ke i
4 > 3 distribusi keruncingan data
fi = Frekuensi kelas ke - i disebut leptokurtis
mi = Nilai titik tengah kelas ke i 4 < 3 distribusi keruncingan data
S = Simpangan baku disebut platikurtis
n = Banyaknya data
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.
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.
2. Kolmogorov-Smirnov dengan pendekatan koreksi Lillifors.
3. 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.
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.