Laporan Praktikum Teori Probabilitas

Modul 1 – Statistika Deskriptif

Kelompok 10

DAFTAR ISI

BAB I ................................................................................................................................ 5

PENDAHULUAN............................................................................................................ 5

1.1 Latar Belakang ........................................................................................................... 5

1.2 Tujuan Praktikum..................................................... Error! Bookmark not defined.

1.3 Batasan penelitian ...................................................................................................... 8

1.4 Metodologi Praktikum ............................................................................................... 8

1.5 Sistematika Penulisan ................................................................................................ 8

BAB II ............................................................................................................................ 10

TINJAUAN PUSTAKA ................................................................................................ 10

2.6 Ukuran Dispersion ................................................................................................... 21

2.6.1 Pengertian ....................................................................................................... 21

2.6.2 Fungsi Ukuran Dispersion .............................................................................. 21

2.6.3 Macam-macam Dispersion ........................................................................... 22

2.6.3.1 Range .............................................................................................................. 22

2.6.3.2 Jangkauan Antar Kuartil ................................................................................. 22

2.6.3.3 Simpangan Kuartil .......................................................................................... 22

2.6.3.4 Simpangan Rata-rata....................................................................................... 22

2.6.3.5 Standar Deviasi ............................................................................................... 23

2.6.3.6 Variansi .......................................................................................................... 23

2.6.3.7 Koefisien Variansi.............................................................................................. 24

2.7 Skewness dan Kurtosis ........................................................................................... 24

2.7.1 Skewness ....................................................................................................... 24

2.7.2 Kurtosis.......................................................................................................... 25

2.8 Software SPSS .......................................................................................................... 26

Departemen Teknik Industri 1

Universitas Diponegoro
2017
 Laporan Praktikum Teori Probabilitas
Modul 1 – Statistika Deskriptif
Kelompok 10

2.8.1 Pengertian dan Tujuan .................................................................................... 26

2.8.2 Menu dan Submenu ........................................................................................ 26

2.8.3 Tampilan ......................................................................................................... 27

2.8.4 Langkah Pengolahan Data .............................................................................. 28

2.9 Software Minitab ..................................................................................................... 29

2.9.1 Pengertian dan Tujuan .................................................................................... 29

2.9.2 Menu dan Submenu ........................................................................................ 29

2.9.3 Tampilan ......................................................................................................... 29

2.9.4 Langkah Pengolahan Data .............................................................................. 30

BAB III ........................................................................................................................... 22

PENGOLAHAN DATA .................................................... Error! Bookmark not defined.

3.1 Data Kualitatif Nominal ............................................ Error! Bookmark not defined.

3.1.1 Pengolahan Data..................................................... Error! Bookmark not defined.

3.2 Data Kuantitatif ......................................................... Error! Bookmark not defined.

3.2.1 Data Diskrit ............................................................ Error! Bookmark not defined.

3.2.1.1 Pengolahan Data.................................................. Error! Bookmark not defined.

3.2.2 Data Kontinu .................................................. Error! Bookmark not defined.

3.2.1.1 Pengolahan Data ............................................. Error! Bookmark not defined.

BAB IV ........................................................................................................................... 27

4.1 Analisis Data Kualitatif Nominal............................................................................. 27

4.1.1 Output Software.............................................................................................. 27

4.1.2 Grafik .............................................................................................................. 28

4.2 Analisis Data Kuantitatif .......................................................................................... 28

4.2.1 Data Diskrit .................................................................................................... 28

4.2.1.1. Output Software.............................................................................................. 29

Departemen Teknik Industri 2

Universitas Diponegoro
2017
 Laporan Praktikum Teori Probabilitas
Modul 1 – Statistika Deskriptif
Kelompok 10

4.2. Data Kontinu ............................................................................................................ 33

4.2.2 Output Software.............................................................................................. 34

BAB V............................................................................................................................. 40

PENUTUP ...................................................................................................................... 40

5.1 Kesimpulan .............................................................................................................. 40

5.2 Saran ........................................................................................................................ 43

Departemen Teknik Industri 3

Universitas Diponegoro
2017
 Laporan Praktikum Teori Probabilitas
Modul 1 – Statistika Deskriptif
Kelompok 10

Departemen Teknik Industri 4

Universitas Diponegoro
2017
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi di Indonesia saat ini berkembang dengan pesat. Hal
tersebut ditunjang dengan penemuan dan pengembangan ilmu pengetahuan dalam bidang
informasi dan komunikasi. Kemajuan di bidang teknologi dan informasi mendorong
berbagai instansi untuk memanfaatkan perkembangan tersebut untuk menyelesaikan
perkerjaan dari instansi tersebut seperti pengumpulan informasi dan pendukung
pengambilan keputusan dari informasi tersebut. Penerapan teknologi informasi dapat
membantu pengguna untuk mengakses informasi secara cepat dan dan mampu
menggantikan sistem penyimpanan data-data konvensional ke dalam bentuk data-data
yang dapat disimpan dalam komputer sehingga meningkatkan efisiensi dalam pencarian
data dan perawatan data (Dawan, 2013). Hal tersebut dapat membantu mempermudah
pengumpulan informasi contohnya pada sumber daya di bidang kesehatan yang dapat
merancang suatu sistem informasi yang mengolah dan menyediakan informasi-informasi
tertentu.
Menurut Undang-Undang Republik Indonesia Nomor 36 tahun 2009 Pasal 1 ayat
2, sumber daya di bidang kesehatan adalah segala bentuk dana, tenaga, perbekalan
kesehatan, sediaan farmasi dan alat kesehatan serta fasilitas pelayanan kesehatan dan
teknologi yang dimanfaatkan untuk menyelenggarakan upaya kesehatan yang dilakukan
oleh Pemerintah, pemerintah daerah, dan/atau masyarakat. Seiring dengan berjalannya
waktu sumber daya di bidang kesehatan dituntut oleh masyarakat untuk semakin
meningkat. Guna meningkatkan kualitas sumber daya di bidang kesehatan diperlukan
data profil kesehatan yang menunjang perkembangan sumber daya tersebut. Dalam
rangka meningkatkan pelayanan informasi publik di bidang kesehatan, dibutuhkan
adanya manajemen dan pengelolaan data dan informasi yang baik, akurat, lengkap, dan
tepat waktu. Peran data dan informasi kesehatan menjadi sangat penting dan semakin
dibutuhkan dalam manajemen kesehatan oleh berbagai pihak. Masyarakat semakin peduli
dengan situasi kesehatan dan hasil pembangunan kesehatan yang telah dilakukan oleh
pemerintah.
 Dinas Kesehatan Kabupaten Boyolali adalah salah satu pemerintah daerah yang
membuat profil kesehatan. Data untuk profil kesehatan didapatkan dari setiap Puskesmas
yang ada di Boyolali. Profil Kesehatan Kabupaten Boyolali ini merupakan salah satu
sarana yang dapat digunakan untuk melaporkan pemantauan dan evaluasi terhadap
pencapaian hasil pembangunan kesehatan termasuk kinerja dari penyelenggaraan standar
pelayanan minimal bidang kesehatan yang ada di Kabupaten Boyolali. Profil Kesehatan
Kabupaten Boyolali disusun berdasarkan Petunjuk Teknis Penyusunan Profil Kesehatan
di tiap Kabupaten / Kota. Profil kesehatan merupakan salah satu produk dari Sistem
Informasi Kesehatan yang penyusunan dan penyajiannya dibuat sesederhana mungkin
tetapi informatif.
Berdasarkan laporan profil kesehatan Kabupaten Boyolali tahun 2015 terdapat 29
Puskesmas di Boyolali yang tersebar di semua kecamatan. Setiap tiga bulan semua
Puskesmas diwajibkan mengirimkan data profil kesehatan masing-masing Puskesmas.
Proses pengiriman data dilakukan oleh pegawai masing-masing Puskesmas dan nantinya
akan diterima oleh Dinas Kesehatan Kabupaten Boyolali. Sesuai dengan petunjuk teknis
penyusunan profil, berkas yang dikirim berisikan banyak data yang tersusun ke dalam
tabel. Saat ini proses penginputan data dilakukan secara manual dengan mengirimkan
berkas Microsoft Excel ke Dinas Kesehatan.
Pegawai Puskesmas mengalami permasalahan dalam mengirim data ke Dinas
Kesehatan. Salah satu permasalahan yang ditemui adalah terjadinya pengulangan data.
Terdapat beberapa input yang dilakukan oleh pegawai Puskesmas secara berulang untuk
data yang sama. Setelah data dikirim dari Puskesmas, pegawai Dinas Kesehatan
mengalami permasalahan dalam mengolah semua data dari setiap Puskesmas. Setiap
periode laporan pihak Dinas Kesehatan harus menggabungkan semua kiriman yang berisi
81 tabel dari 29 Puskesmas. Pengolahan data secara manual memerlukan waktu yang
lama. untuk mengolah semua data kiriman. Selain itu jika terdapat data hasil kiriman yang
salah maka Puskesmas akan mengalami kesulitan dalam melakukan koreksi.
Beberapa permasalahan dalam penyusunan profil kesehatan di Kabupaten
Boyolali dapat diselesaikan dengan melakukan perancangan sistem informasi terpadu.
Sistem ini mengintegrasikan kelompok level pengguna seperti pegawai Puskesmas,
pegawai Dinas Kesehatan dan Kepala Dinas Kesehatan. Semua Puskesmas terhubung ke
dalam sistem dan dapat mengirimkan data yang secara langsung dapat dilihat oleh pihak
Dinas Kesehatan. Dinas Kesehatan menerima kiriman dalam bentuk tabel yang telah
tersusun sesuai petujuk teknis penyusunan profil laporan. Pegawai dinas kesehatan dapat
melakukan koreksi jika terdapat data yang nilainya tidak sesuai. Selanjutnya Kepala
Dinas dapat melihat data yang telah divalidasi oleh pegawai Dinas Kesehatan.
Pengembangan sebuah perangkat lunak melalui beberapa tahap mulai dari
aktivitas perencanaan, pengujian hingga penerapan. Aktivitas tersebut dilakukan
menyesuaikan dengan kebutuhan perangkat lunak. Software Development Lifecycle
Model (SDLC) merupakan sekumpulan tahapan aktivitas dalam mengembangkan
perangkat lunak. Salah satu model SDLC yang umum digunakan adalah model linear atau
waterfall model. Waterfall model meliputi 6 langkah yaitu perencanaan, analisis, desain,
implementasi, pengujian, dan pengelolaan (Ragunath, 2010). Pengembangan perangkat
lunak menggunakan pendekatan ini diharapkan dapat membantu mengatasi permasalahan
yang terjadi di Dinas Kesehatan Kabupaten Boyolali.

1.2 Rumusan Masalah

Proses penyusunan laporan profil kesehatan di Kabupaten Boyolali saat ini belum
tersusun dengan baik. Saat ini semua Puskesmas melakukan proses pengiriman dengan
mengirim berkas Microsoft Excel ke pihak Dinas Kesehatan. Penyusunan secara manual
memungkinkan terjadi pengulangan input untuk data yang sama oleh pegawai
Puskesmas. Terdapat beberapa input yang dilakukan oleh pegawai Puskesmas secara
berulang untuk data yang sama. Selain itu pegawai Puskesmas mengalami kesulitan
dalam memantau data yang telah dikirimkan pada periode sebelumnya.
Pegawai Dinas Kesehatan mengalami permasalahan dalam proses verifikasi data
yang telah diterima dari Puskesmas. Jika terdapat data diterima yang salah maka pihak
Dinas Kesehatan mengalami kesulitan untuk memberikan koreksi kepada Pusksemas
pengirim. Puskesmas harus mengrimkan data ulang dan pegawai Dinas Kesehatan harus
memindahkan kembali ke tabel rekapitulasi. Dengan sistem saat ini, Kepala Dinas yang
memiliki wewenang dalam melihat hasil laporan tidak dapat memperoleh laporan dengan
cepat.
1.3 Tujuan Penelitian
Berdasarkan permasalahan yang telah dipaparkan dalam perumusan masalah,
maka tujuan penelitian ini yaitu :
1. Mengidentifikasi inefisiensi dalam proses penyusunan profil kesehatan yang
diterapkan Dinas Kesehatan Boyolali saat ini.
2. Merancang proses sistem informasi penyusunan profil kesehatan perbaikan yang
lebih efisien.
3. Menganalisis hasil rancangan sistem informasi pada penyusunan profil kesehatan
berbasis website.

1.4 Batasan Masalah

Penulis memberikan batasan-batasan pada permasalahan yang akan dibahas untuk
memperjelas ruang lingkup pembahasan. Batasan masalah dalam penelitian ini adalah
sebagai berikut:
1. Penelitian ini dilakukan hanya pada Puskesmas dan Dinas Kesehatan yang berada di
Kabupaten Boyolali.
2. Sistem informasi disesuaikan dengan petunjuk teknis pembuatan profil kesehatan
tahun 2014 .
3. Tindakan perbaikan yang dihasilkan dalam penelitian ini hanya dilakukan sebatas
usulan.
4. Sistem pendukung pengambilan keputusan sesuai dengan data yang masuk ke sistem
informasi.

1.5 Sistematika Penulisan

Untuk memudahkan dalam penulisan maka sistematika penulisan pada tugas akhir
ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisi latar belakang masalah yang terdapat pada Dinas Kesehatan
Kabupaten Boyolali dan alasan mengapa permasalahan tersebut diangkat dalam
penelitian ini. Bagian pendahuluan juga berisi mengenai perumusan masalah, tujuan
penelitian, pembatasan masalah, dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini berisi tentang dasar teori dan literatur yang dijadikan pedoman bagi peneliti
guna membantu melakukan pemecahan masalah. Secara umum, bab ini menjelaskan
mengenai sistem informasi berbasis website.
BAB III METODE PENELITIAN
Bab ini berisi alur penelitian yang digunakan dari awal penelitian hingga
kesimpulan dan saran. Metode penelitian membantu peneliti dalam melakukan penelitian
agar dapat berjalan dengan sistematis.
BAB IV ANALISIS DAN PERANCANGAN SISTEM
Rancangan sistem perbaikan dimulai dari identifikasi kebutuhan sistem pada proses
perancangan sistem informasi, pembuatan DFD, dan pembuatan ERD.
BAB V IMPLEMENTASI DAN EVALUASI
Bab ini dilakukan implemenntasi dari perancangan sistem informasi yang telah
diidentifikasi. Setelah implementasi, sistem dilakukan evaluasi dengan menggunakan
pengujian perangkat lunak.
BAB VI PENUTUP
Bab ini berisi kesimpulan mengenai kegiatan penelitian yang telah dilakukan serta
saran sebagai usulan perbaikan kegiatan penelitian selanjutnya.
 BAB II
TINJAUAN PUSTAKA
2.1 Statistik
Statistika adalah suatu kumpulan angka yang tersusun lebih dari satu angka.
Sering disajikan dalam bentuk tabel, diagram, dan ogive. Statistika merupakan metode
yang berhubungan dengan penyajian dan penafsiran kerjadian yang bersifat peluang
dalam suatu penyelidikan terencana atau penelitian ilmiah
(sia.diplomaekonomi.ugm.ac.id, 2017).

2.1.1 Statistik
Statistik dalam bahasa inggris adalah Statistic yaitu data, informasi, atau hasil
penerapan alogaritma statistika pada suatu data (statistika.com, 2017).

2.1.2 Statistika
Statistika dalam bahasa inggris adalah Statistics yaitu ilmu yang mempelajari
bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasikan dan
mempresentasikan data. Singkatnya, statistika adalah ilmu yang bekenaan dengan data
(statistika.com, 2017).

2.1.3 Perbedaan statistik dan statistika

Jika statistik sebagai sajian data angkanya dalam bentuk tabel, grafik, diagram,
deratan angka, dan visualisasi angka. Sedangkan statistika sebagai ilmu dan teknik
menghimpun, klasifikasi, menganalisis data angka/ numerik (statistika.com, 2017).

2.2 Macam – macam data

Data merupakan bentuk jamak. Data merupakan bahan mentah, dan harus diolah
dengan berbagai analisis sehingga dapat melahirkan informasi dan dapat diambil
keputusan. Macam – macam data (statistikadasar.com, 2017) :
a. Menurut jenisnya :
1. Data kualitatif
Data yang tidak berbentuk angka (bilangan). Biasanya dalam bentuk huruf.
Contohnya : Penjualan merosot, mutu barang yang semakin menurun, dan
sebagainya
 2. Data kuantitatif
Data yang berbentuk angka atau bilangan.
Contohnya : Produksi 1000 unit/ jam, omset penjualan naik 25% dan sebagainya
b. Menurut sifatnya :
1. Data diskrit
Adanya nilai – nilai diantara data (bilangan) yang satu dengan yang lain yang
terdekat. Rasio bukan Adanya nilai diantara bialngan satu dengan bilangan yang
lain yang terdekat. Pada data ini tidak terdapat angka desimal.
Contohnya : Jumlah karyawan 2000 orang, Penjualan 1000 unit dan sebagainya.
2. Data kontinu
Data kontinu merupakan kebalikan dari data diskrit. Pada data ini diperbolehkan
adanya angka desimal.
Contohnya : Pengukuran tinggi badan adi 178 cm, pengukuran berat badan
c. Menurut cara memperolehnya :
1. Data primer
Data yang diolah sendiri oleh suatu lembaga atau organisasi maupun perusahaan.
Contohnya : Biro badan statistika mengumpulkan harga sembilan bahan pokok
langsung mendatangi pasar tradisional kemudian mengolah data yang didapat.
2. Data sekunder
Data yang diperoleh dari suatu lembaga, perusahaan, atau organisasi. Data ini tidak
diambil langsung melainkan melalui pihak lain
Contohnya : Suatu perusahaan membutuhkan data indeks harga konsumen maka
perusahaan ini akan meminta data dari Badan Pusat Statistika (BPS).
d. Menurut waktu pengumpulannya
1. Data Cross Section
Data ini merupakan data yang menunjukkan waktu tertentu
Contohnya : Penjualan perusahaan PT ABC pada tahun 2011, Data pelanggan PT.
Angin ribut bulan Mei 2004

2. Data Times Series (berkala)

Data yang dikumpulkan dari waktu ke waktu atau berperiode
 Contohnya : Penjualan perusahaan PT ABC pada tahun 2005 sampai 2010, Nilai
tukar dollar Amerika terhadap euro dari tahun 2004 hingga 2006
(www.umarweb.com, 2017).
e. Menurut sumber data
1. Data internal
Data yang menggambarkan keadaan dalam suatu organisasi, perusahaan
Contohnya : Data pegawai, data keuangan, data input dan output perusahaan XYZ
2. Data eksternal
Data yang menggambarkan keadaan luar dari organisasi atau perusahaan
Contohnya : Daya beli masyarakat, keadaan ekonomi dan sebagainya
(statistika.com,2017).

2.3 Skala Pengukuran Data

1. Data nominal
Data nominal merupakan angka dalam data statistik tidak berarti apa -apa.
Angka dalam data ini hanya merupakan simbol dari objek yang dianalisi
Contohnya : Angka 1 untuk Pria dan angka 2 untwuk Wanita
2. Data ordinal
Data ordinal merupakan data berjenjang, tetapi perbedaan antara aangka satu
dan angka yang lain tidak kontan atau dapat dikatakan tidak memiliki interval
yang tetap.
Contohnya : Budi mendapat rangking ke-1, dan Adi mendapat rangking ke-2.
Rangking 1 atau 2 tidak menunjukkan kemampuan masing – masing anak.
3. Data interval
Merupakan data yang jarak satu dengan data yang lain sama dan telah
ditetapkan sebelumnya. Pada data ini titik nol dan titik maksimum tidak mutlak
Contohnya : Tes toefl menghasilkan nilai yang berkisar antara 0 sampai 200,
nilai 0 disini bukan menunjukkan seseorang mempunyai kecerdasan yang
minimla 0. Angka nol disini hanya menunjukkan tempat paling rendah pada tes
tersebut.
4. Data rasio
 Data rasio mempunyai interval yang sama, juga mempunyai nilai nol (0)
mutlak. Data ini adalah jenis data yang mempunyai tingkatan tertinggi.
Contohnya : Pengukuran panjang tangan dan kaki, tinggi badan, berat badan.
Nol kilometer berarti sama sekali tidak memiliki panjang (statistika.com,
2017).

2.4 Penyajian Data

Penyajian data memiliki fungsi menunjukkan perkembangan suatu keadaan pada
data dan mengadakan perbandingan pada rentang waktu tertentu. Penyajian data dapat
dijadikan dengan :
 Tabel
a. Tabel tunggal
b. Tabel kontigensi
c. Tabel distribusi frekuensi
o Tunggal
o Kelompok (interval)
 Presentasi grafis
a. Diagram batang – daun
b. Histogram
c. Diagram garis
d. Diagram poligon
e. Pie (lingkaran)

(Mahendro, 2017).
2.4.1 Tabel (Disribusi Frekuensi)
Menurut Sudijono (1987) adalah alat penyajian data statistik berbentuk kolom dan
lajur, yang didalamnya dimuat angka yang dapat menggambarkan pembagian frekuensi
dari variabel yang sedang menjadi objek penelitian. Tabel Distribusi Frekuensi susunan
data dalam suatu tabel yang telah diklasifikasikan menurut kelas – kelas atau kategori
tertentu (Somantri, 2006).
Tabel 2.1. Distribusi Frekuensi Nilai UAS Mahasiswa Universitas X

Nilai Frek. Abs (f)

 31-40 2
41-50 3
51-60 5
61-70 14
71-80 24
81-90 20
91-100 12
Jumlah 80

2.4.2 Grafik
Grafik merupakan alat penyajian data statistik yang berbentuk lukisan, baik
lukisan garus, gambar, maupun lambang. Jadi dalam grafik angka itu divisualisasikan
(staff.uny.ac.id, 2017).

2.4.2.1 Pie Chart

Menurut Ridwan (2003) pie Chart atau diagram lingkaran dapat digunakan untuk
penyajian data berbentuk kategori yang dinyatakan dalam presentase. Grafik ini
digambarkan berbentuk lingkaran yang tekah dibagi menjadi juring – juring sesuai
dengan data tersebut (Hasan,2009).

Gambar 2.1. Pie Chart Survey Pengguna Motor tahun 2011

2.4.2.2 Histogram
Data yang telah dibentuk dalam tabel distribusi frekuensi dapat disajikan dalam
bentuk histogram. Tampilan histogram berupa petak – petak empat persegi panjang.
Sebagai sumbu horizontal (absis, sumbu x) boleh memakai tepi kelas, batas – batas kelas,
sedangkan sumbu vertikal (ordinat, sumbu y) menunjukkan frekuensi. Untuk distribusi
kelompok yang menjadi absis adalah nilai tengah dari masing – masing kelas (Somantri,
2006).

Gambar 2.2. Histogram Berat Badan Warga

2.4.2.3 Diagram Batang
Menurut Hasan (2004), grafik batang atau balok berbentuk persegi panjang yang
lebarnya sama dan dilengkapi dengan ukuran sesuai dengan data yang ada. Diagram
batang digunakan untuk menyajikan data yang bersifat kategori (Furqon,1999).

Gambar 2.3. Grafik Perbandingan Konflik Lahan di Empat Propinsi di Sumatera

2.4.2.4 Diagram Batang Daun

 Diagram batang daun (steam and leaf diagram) menyajikan penyebaran dari suatu
data sehingga secara keseluruhan data individu – individu dapat terlihat apakah ada
kecenderungan data tersebut menyebar atau memusat pada suatu nilai tertentu
(Somantri,2006).

Gambar 2.4. Diagram Batang Daun

2.4.2.5 Perbedaan Histogram, Diagram Batang, dan Diagram Batang – Daun
Berdasarkan penjelasan histogram, diagram batang, dan diagram batang daun di
atas, dapat diketahui bahwa perbedaan dari histogram dan diagram batang adalah pada
penggunaannya dan gambarnya. Histogram digunakan pada data kontinu karena batang
yang berhimpit dengan batang yang lainnya sehingga menggambarkan data yang
berkelanjutan sedangkan diagram batang digunakan pada data diskrit karena batang yang
tidak berhimipit dengan batang yang lainnya menggambarkan data tunggal. Diagram
Batang Daun tidak berbentuk seperti diagram batang melainkan berbentuk tabel dengan
2 kolom yaitu untuk batang dan untuk daun (Somantri,2006).
2.4.2.6 Boxplot
Menurut Junaidi (2010), boxplot tergolong dalam statistik non parametik. Jarak
antara bagian – bagian dari box menunjukkan derajat penyebaran dan kecondongan dalam
data. Boxplot merupakan teknik dalam statistik diskriptif yang digunakan untuk
menampilkan gambar secara grafik dari data – data numerik melalu lima ukuruan, yaitu:
 Gambar 2.5. Boxplot
Keterangan :
1. Upper/ lower extrem adalah nilai data yang letaknya lebih dari 3 x panjang kotak,
diukur dari atas kotak atau bawah kotak
2. Wisker adalah garis yang merupakan perpanjangan dari box (balik kearah atas
maupun kearah bawah)
3. Bagian utama boxplot alah kotak berbentuk persegi (box) yang menyajikan
interquartile range. Semakin panjang box menunjukkan data semakin menyebar.
 Upper quartile biasanya disebut dengan Q3(kuartil ketiga) dimana 75% data
pengamatan lebih kecil atau sama dengan nilai Q1
 Median biasanya terletak ditengah tergantung data yang ada, dimana 50% data
pengamatan lebih kecil atau sama dengan nilai ini
 Lower quartile biasanya disebut dengan Q1 (kuartil pertama) dimana 25% data
pengamatan lebih kecil atau sama dengan nilai ini
4. Nilai ekstrim adalah nilai – nilai yang letaknya lebih dari 1,5 x panjang kotak,
diukur dari atas kotak atau bawak kotak.

2.4.2.7 Ogive
 Grafik ogive dibuat dari sebaran “frekuensi kumulatif kurang dari” dan
“freakuensi kumulatif lebih dari”. Langkah – langkah membuat grafik oive diantaranya
(Siregar,2010):
 Menentukan nilai frekuensi kumulatif
 Menghitung frekuensi kumulatif positif dan negatif.

Gambar 2.6. Ogive Kurang dari dan Lebih dari

2.5 Central Tendency (Kecenderungan Terpusat)

Nilai pusat merupakan nilai yang dapat mewakili data secara keseluruhan. Nilai
keseluruhan dalam data diurutkan besarnya dan setelah itu dimasukkan nilai rata – rata
tersebut memiliki kecenderungan terletak paling tengah atau paling pusat. Mean, modus,
median, kuartil termasuk dalam central tendency (ymayowan.lecture.ub.ac.id, 2017)
2.5.1 Mean
Merupakan teknik penjelasan yang didasarkan atas rata – rata dari kelompok
tersebut. Didapat dari jumlah seluruh data dibagi dengan jumlah indivu yang ada pada
kelompok tersebut (Mahendro, 2017)
Rumus Mean untuk data tunggal :

……………………………......(2.1)

Rumus Mean untuk data kelompok :

 …………..………………………....(2.2)

Contoh : Dari 10 mahasiswa Teknik Industri mendapatkan nilai 70 81 82 75 90 78 88 91

69 72
Jadi nilai mean data tunggal dari 10 mahasiwa Teknik Industri 796 : 10 = 79,6.
2.5.2 Median
Salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari
kelompok data yang telah disusun urutannya dari yang terkecil sampai urutan terbesar
ataupun sebaliknya (Mahendro, 2017)
Rumus Median untuk data tunggal :

.…….... (2.3)

Rumus Median untuk data kelompok :

……… (2.4)
Contoh :
Dari 11 mahasiswa Teknik industri memiliki tinggi badan sebagai berikut :
157 158 160 161 162 163 167 170 172 173
Jadi mediannya adalah 161.

2.5.3 Mode
 Mode atau modus merupakan teknik penjelasan kelompok yang didasarkan atas
nilai yang sering muncul (Mahendro, 2017)

....... (2.5)

Contoh :
Dari 10 mahasiswi Teknik Industri berat badannya sebagai berikut : 60 62 64 65 61 52
62 61 55 61 51
Modusnya adalah 61 ( muncul sebanyak 3 kali).
2.5.4 Fraktil
Nilai – nilai yang membagi sekelompok data menjadi beberapa bagian. Farktil
dapat berupa kuartil, desil, dan persentil
a. Kuartil
Kuartil merupakan suatu bilangan pembagi untuk sebaran data yang dibagi
menjadi empat bagian sama banyak dan terurut. Ada 3 kuartil yaitu Quartil
bawah (Q1), kuartil tengah (Q2), dan kuartil atas (Q3).
Rumus Kuartil :

....... (2.6)

b. Desil
Desil adalah nilai yang membagi sekumpulan data yang dibagi menjadi 10
bagian yang sama.
Rumus Desil :
 ........ (2.7)

c. Persentil
Persentil adalah nilai yang membagi sekumpulan data yang dibagi menjadi 100
bagian yang sama.
Rumus Persentil :

...... (2.8)

(ymayowan.lecture.ub.ac.id, 2107)
2.6 Ukuran Dispersion
2.6.1 Pengertian
Ukuran dispersi atau penyebaran adalah ukuran dari variasi yang menyatakan
derajat terpencarnya suatu kumpulan data kuantitatif. Ukuran dispersi bisa diartikan juga
ukuran yang menyatakan derajat persebaran nilai-nilai dari susunan data pusatnya.
Ukuran dispersi meliputi antara lain range, jangkauan antar kuartil, simpangan rata-
rata, variansi, simpangan baku dan koefisien variansi. (lecture.ub.ac.id)

2.6.2 Fungsi Ukuran Dispersion

1.Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-
ratanya 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.
2.Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan
terhadap variabilitas data.
3.Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya
dalam pengujian hipotesis, apakah dua sampel berasal dari populasi yang
sama/tidak. (Dr. Ir. Harinaldi, M.Eng, 2005)
2.6.3 Macam-macam Dispersion
2.6.3.1 Range
Range atau jangkauan menyatakan ukuran statistik yang menunjukkan jarak
penyebaran data yang menunjukkan selisih antara nilai maksimum dan nilai minimum.
Perumusan:
𝑹𝒂𝒏𝒈𝒆 = 𝑿𝒎𝒂𝒙 − 𝑿𝒎𝒊𝒏
Ket : Xmax = Nilai Maksimum .....(2.9)
Xmin = Nilai Minimum
2.6.3.2 Jangkauan Antar Kuartil
Jangkauan antar Kuartil adalah selisih antara kuartil atas (Q3) dan kuartil bawah
(Q1). Perumusan:
𝑯 = 𝑸𝟑 – 𝑸𝟏
Ket :H = Jangkauan Antar Kuartil ......(2.10)
Q3 = Kuartil Atas
Q1 = Kuartil Bawah
2.6.3.3 Simpangan Kuartil
Simpangan Kuartil biasa juga disebut jangkauan semi kuartil. Perumusan:
𝟏
𝑸𝒅 = (𝑸𝟑 – 𝑸𝟏)
𝟐

Ket : Qd = Simpangan Kuartil ......(2.11)

Q3 = Kuartil Atas
Q1 = Kuartil Bawah
2.6.3.4 Simpangan Rata-rata
Simpangan rata – rata merupakan penyimpangan nilai – nilai individu dari nilai
rata – ratanya. Rata – rata dapat berupa mean atau median. Untuk data mentah simpangan
rata – rata dari median cukup kecil sehingga simpangan ini dianggap paling sesuai untuk
data mentah. Umumnya simpangan rata – rata yang dihitung dari mean yang sering
digunakan untuk simpangan rata- rata. Simpangan rata-rata dibagi menjadi 2 yaitu,
simpangan rata-rata data tunggal dan data kelompok. Perumusan:
∑𝒏 ̅
𝒊=𝟏 | 𝒙𝑖 − 𝒙|
 Data Tunggal : 𝑺𝑹 = .....(2.12)
𝒏
 ∑𝒏 ̅
𝒊=𝟏 𝒇𝒊 . | 𝒙𝒊 − 𝒙|
 Data Kelompok : 𝑺𝑹 = .....(2.13)
𝑵

Ket : SR = Simpangan rata-rata

𝑥𝑖 = Data ke i
𝑓𝑖 = Frekuensi ke i
𝑥̅ = Rata - rata
𝑁 = Jumlah data kelompok
𝑛 = Jumlah data tunggal
2.6.3.5 Standar Deviasi
Standard deviasi (simpangan baku) merupakan bagian dari ukuran dari
penyimpangan. Semua gugus data dipertimbangkan sehingga lebih stabil dibandingkan
dengan ukuran lainnya. Namun, apabila dalam gugus data tersebut terdapat nilai ekstrim,
standar deviasi menjadi tidak sensitif lagi, sama halnya dengan mean. Standar deviasi dari
sekumpulan bilangan adalah akar dari jumlah deviasi kuadrat dari bilangan - bilangan
tersebut dibagi dengan banyaknya bilangan atau akar dari rata – rata deviasi kuadrat .
Perumusan:
𝒏 𝟐
∑ | 𝒙𝒊 −𝒙
̅|
 Data Tunggal : 𝑺 = √ 𝒊=𝟏𝒏−𝟏 ......(2.14)

∑𝒏 ̅ |𝟐
𝒊=𝟏 𝒇𝒊 . | 𝒙𝒊 −𝒙
 Data Kelompok :𝒔= √ ......(2.15)
𝑵−𝟏

Ket : s = Standard Deviasi

𝑥𝑖 = Data ke i
𝑓𝑖 = Frekuensi ke i
𝑥̅ = Rata - rata
𝑁 = Jumlah data kelompok
𝑛 = Jumlah data tunggal
2.6.3.6 Variansi
Varian adalah rata-rata hitung dari pangkat dua simpangan-simpangan antara
nilai-nilai pengamatan dengan harga rata-rata hitung dari banyaknya data tersebut.
Terkadang varian disebut juga dengan ragam. Variansi dapat menggambarkan bagaiman
berpencarnya suatu data kuantitatif. Perumusan:
∑𝒏 ̅ |𝟐
𝒊=𝟏|𝒙𝒊 −𝒙
 Data Tunggal :𝒔= ......(2.16)
𝒏−𝟏
∑𝒏 ̅ |𝟐
𝒊=𝟏 𝒇𝒊 . |𝒙𝒊 −𝒙
 Data Kelompok :𝒔= .......(2.17)
𝑵−𝟏
Ket : s = Standard Deviasi
𝑥𝑖 = Data ke i
𝑓𝑖 = Frekuensi ke i
𝑥̅ = Rata - rata
𝑁 = Jumlah data kelompok
𝑛 = Jumlah data tunggal
(www.fantasticblue.net)
2.6.3.7 Koefisien Variansi
Koefisien Varian adalah Perbandingan antara standard deviasi dengan rata-rata
suatu data yang dinyatakan dalam persentase. Koefisien variansi berguna untuk melihat
sebaran data dari rata – rata hitungnya. Jadi jika koefisien variasi semakin kecil maka
datanya semakin homogen dan jika koefisie kolerasi semakin besar maka datanya
semakin heterogen. Perumusan:
𝒔
𝑲𝑽 = ̅ × 100%
𝒙
Ket : s = Standard Deviasi ......(2.18)
𝑥̅ = Rata – rata

2.7 Skewness dan Kurtosis

2.7.1 Skewness
Skewness atau ukuran kecondongan merupakan ukuran kecenderungan
miringnya suatu kurva, berdasarkan konsep hubungan letak pemusatan data antara nilai
rata-rata, modus dan mediannya yaitu suatu bilangan yang dapat menunjukan miring
atau tidaknya bentuk kurva suatu distribusi frekuensi. Ukuran kecondongan dibagi 3
bagian, yaitu:
  Kecondongan data kearah kiri (negatif) dimana nilai modus lebih besar dari nilai
mean (modus > mean)
 Kecondongan data simetri (distribusi normal) dimana nilai modus sama dengan
nilai mean (modus = mean)
 Kecondongan data kearah kanan (positif) dimana nilai modus lebih besar dari
nilai mean (modus < mean)

Gambar 2.7. Skewness terdiri dari skewness positif, negatif, dan simetris
Sumber : www.jam-statistic.id
2.7.2 Kurtosis
Kurtosis atau ukuran keruncingan adalah bilangan yang menunjukan
keruncingan bentuk kurva distribusi frekuensi. Kurtosis merupakan derajat keruncingan
suatu distribusi (biasanya diukur relatif terhadap distribusi normal). Tingkat kemiringan
suatu kurva dibedakan menjadi 3 jenis sebagai berikut:
1. Leptokurtik adalah distribusi data yang puncaknya relatif tinggi. Leptokurtik
memiliki puncak tertinggi (>3)
2. Mesokurtik adalah distribusi data yang puncaknya relatif normal. Biasanya letak
meso diantara leptokurtik dan platikurtik (=3)
3. Platikurtik adalah distribusi yang puncaknya relatif rendah atau
mendatar. Platikurtik ini memiliki puncak (<3).
 Gambar 2.8. Kurtosis terdiri dari Leptokurtik, Mesokurtik, dan Platikurtik
Sumber : analystprep.com

2.8 Software SPSS

2.8.1 Pengertian dan Tujuan
SPSS atau Statistical Product and Service Solutions adalah sebuah program
komputer yang digunakan dalam menganalisis data statistika. SPSS biasanya digunakan
dalam berbagi bidang seperti ilmu komunikasi, farmasi, penilaian kredit, peramalan
bisnis, riset pemasaran, retail, ilmu keuangan, militer, database marketing dan
broadcasting, Tujuan penggunaan software ini utamanya adalah untuk mengolah data
yang berhubungan dengan statistika deskriptif menjadi lebih mudah. (Modul Praktikum
Teori Probabilitas 2017).
2.8.2 Menu dan Submenu
Pada software SPSS terdapat beberapa menudiantaranya yaitu, file, edit, view,
data, transform, analyze, direct marketing, graphs, utilities, add-ons, window, help.
Namun yang kita gunakan pada praktikum kali ini yaitu hanya analyze dan graphs,
dimana analyze berfungsi untuk mengolah data yang telah dimasukkan di dalam table
program SPSS dan graphs digunakan untuk apabila data ingin diubah dalam grafik atau
diagram, di dalam menu analyze terdapat sub menu lagi yaitu Descriptive Statistics
yang digunakan untuk mengolah data dalam bentuk 26tatistic deskriptif dan didalamnya
masih terdapat sub menu lagi yaitu :
 Frequencies
Untuk membahas penjabaran ukuran statistic deskriptif seperti central
tendency (ukuran pemusatan) dan dispersion (ukuran penyebaran)
  Descriptives
Untuk mengetahui suatu nilai dari suatu distribusi data dan menguji apakah
data berdistribusi normal atau tidak.
 Explore
Untuk memeriksa lebih teliti sekelompok data
 Crosstabs
Untuk menyajikan deskripsi data dalam bentuk 27tati silang (crosstabs), yang
terdiri dari baris dan kolom.
 Case Summaries
Untuk mengetahui lebih dalam isi dari 27tatistic deskriptif yang meliputi
subgroup dari suatu kasus. (Modul Praktikum Teori Probabilitas 2017)

2.8.3 Tampilan
Terdapat 2 jenis tampilan pada software SPSS yaitu tampilan pada tab data view
dan tampilan pada tab data variable.

Gambar 2.9. Tampilan data view pada SPSS

 Gambar 2.10. Tampilan variable view pada SPSS

2.8.4 Langkah Pengolahan Data

 Mengolah Data Distribusi Frekuensi
1. Menyiapkan data praktikum modul 1
2. Memasukkan data ke dalam kolom software SPSS pada tampilan data view,
kolom 1 untuk data kualitatif dan kolom 2 atau bebas untuk data diskrit.
3. Merubah nama Variabel 1 menjadi ‘Jenis_Kelamin’ dan Variabel 2
menjadi ‘Jumlah_Tenaga_Ahli’ dengan mengklik pada tab ‘Variable View’.
4. Untuk data kualitatif (jenis kelamin) isi secara manual disebelah namajenis
kelaminnya dengan angka, Pria = 1 dan Wanita = 2.
5. Dan juga ubah type data pada data ‘Jenis_kelamin’ harus diubah menjadi
string dan type data pada data ‘Jumlah_Tenaga_Kerja’ biarkan numeric.
6. Kembali pada tab Data View lalu klik menu Analyze > Descriptive Statistics
> Frequencies, klik pada daya_tampung dan klik ‘tanda panah’ sehingga
‘Jenis_Kelamin’ berpindah ke kolom sebelahnya lalu klik ‘ok’ dan tunggu
hingga muncul tampilan baru untuk menampilkan data yang diminta,
lakukan hal yang sama pada data ‘Jumlah_Tenaga_Ahli’.
 Menyajikan Data Dalam Diagram
1. Pilih menu Graphs lalu pilih sub menu legacy dialogs dan didalam terdapat
pilihan diagram-diagram untuk menyajikan data.
2. Jika memilih Bar, maka akan muncul dialog box. Lalu pindahkan tulisan data
Jumlah_Tenaga_Ahli ke dalam category axis dengan klik tanda ‘panah’ lalu
klik ‘OK’ dan data akan muncul dan diproses ke dalam jendela baru.
 3. Jika memilih Pie akan muncul dialog box yang sama seperti memilih
Bar, tapi bedanya masukkan Jumlah_Tenaga_Ahli ke dalam define slices
by dengan klik tanda ‘panah’ lalu klik ‘OK’ dan data akan muncul dan
diproses ke dalam jendela baru.
2.9 Software Minitab
2.9.1 Pengertian dan Tujuan
Tidak berbeda jauh dengan karena sama-sama digunakan dalam proses
pengolahan data statistic, dan software ini juga digunakan untuk memproses data,
memanipulasi data, pembuatan grafik, dan analisis statistic lainnya. (Modul Praktikum
Teori Probabilitas 2017)
2.9.2 Menu dan Submenu
Pada software minitab ini juga terdapat beberapa menu, namun yang kita
seringgunakan dalam praktikum ini yaitu menu stat dan menu graphs.
 Menu Stat digunakan untuk pengolahan data, di dalamnya terdapat sub
menu Basic Statistics dan di dalam nya terdapat sub menu Display
Descriptive Statistics untuk mengolah data dalam bentuk statistik deskriptif.
 Menu Graph terdapat berbagai macam sub menu untuk penyajian data grafik atau
diagram sesuai yg dibutuhkan.

2.9.3 Tampilan
Terdapat 2 jenis tampilan yaitu prime, yaitu lembar kerja untuk melihat dan
mengedit lembar kerja dan sesi command, yaitu untuk menampilkan hasil pengolahan
data.
 Gambar 2.11. Tampilan Sesi Command dan Prime (Lembar Kerja)

2.9.4 Langkah Pengolahan Data

 Mengolah Data Distribusi Frekuensi
1. Menyiapkan data praktikum modul 1
2. Menginputkan data ke dalam software Minitab
3. Pada bagian C1 masukkan dengan nama ‘Jenis Kelamin’ dan C2 dengan
nama ‘Jumlah Tenaga’.
4. Olah data jumlah tenaga:
1. Klik menu stat > basic statisctics > display descriptive statistics
2. Pada variable masukkan C2 Jumlah Tenaga kemudian klik select
3. Klik menu statistics dan centang apa saja yang ingin disajikan untuk
pada hasil pengolahan data.
4. Lakukan hal yang sama untuk data ‘jenis kelamin’ hanya saja berbeda
dalam pemilihan yang ingin disajikan.
 BAB III
METODE PENELITIAN

3.1 Tempat dan Waktu Penelitian

Penelitian ini dilaksnakan di Dinas Kesehatan Kabupaten Boyolali yang beralamat
di Jalan Pandanaran Nomor 156 Boyolali. Waktu penelitian dimulai sejak bulan Februari
2017 hingga selesai pada bulan April 2017.

3.2 Karakteristik Penelitian

Penelitian ini termasuk ke dalam jenis penelitan deskriptif (descriptive study)
dengan menggunakan pendekatan kualitatif. Alasan penelitian ini termasuk ke dalam
jenis deskriptif karena bertujuan mempelajari dan menggambarkan karakteristik proses
penyusunan profil kesehatan di Kabupaten Boyolali. Sebuah studi deskriptif mencoba
menemukan jawaban atas pertanyaan siapa, bagaimana, kapan, dimana, dan, bagaimana.
Penelitian kualitatif memberikan informasi kepada peneliti proses yang terjadi sehingga
bertujuan memperoleh pemahaman secara rinci tentang suatu hal (Cooper & Schindler,
2014). Pendekatan kualitatif pada penelitian ini berguna untuk menganalisis sistem saat
ini dan merancang sistem perbaikan.

3.3 Kerangka Pikir

Kerangka pikir merupakan penjelasan terhadap suatu gejala yang menjadi objek
permasalahan. Penyusunan kerangka pikir berdasarkan pada tinjauan pustaka dan hasil
penelitian yang relevan atau terkait. Beberapa hal yang terdapat pada kerangka pikir
antara lain tema penelitian yang diambil, objek penelitian, studi yang dilakukan,
perumusan masalah, judul penelitian, tujuan penelitian, tahapan penelitian, tools, dan
hasil penelitian. Adapun kerangka berpikir pada laporan ini ditampilkan pada gambar 3.1

22
 TEMA : OBJEK PENELITIAN :
Sistem Informasi Perancangan Dinas Kesehatan Kabupaten
Profil Kesehatan Boyolali

STUDI PENDAHULUAN :
STUDI LITERATUR :
Proses penyusunan profil kesehatan pada Dinas Kesehatan
Perancangan sistem informasi
Kabupaten Boyolali

JUDUL PENELITIAN :
Perancangan Sistem Informasi Laporan
Profil Kesehatan Berbasis Web Pada
Dinas Kesehatan Kabupaten Boyolali
PERUMUSAN MASALAH :
Semua Puskesmas melakukan proses pengiriman dengan mengirim
berkas Microsoft Excel ke pihak Dinas Kesehatan. Penyusunan secara
manual memungkinkan terjadi pengulangan input untuk data yang sama
oleh pegawai Puskesmas.
Pegawai Dinas Kesehatan mengalami permasalahan dalam proses
verifikasi data yang telah diterima dari Puskesmas . Jika terdapat data
diterima yang salah maka pihak Dinas Kesehatan mengalami kesulitan
untuk memberikan koreksi kepada Pusksemas pengirim.

TUJUAN PENELITIAN :
TAHAPAN PENELITIAN :
 Mengidentifikasi inefisiensi dalam proses penyusunan profil kesehatan
 Studi pendahuluan
yang diterapkan Dinas Kesehatan Boyolali saat ini.
 Analisis inefisiensi sistem KKJ saat ini
 Perancangan rekomendasi perbaikan sistem
 Merancang proses sistem informasi penyusunan profil kesehatan
perbaikan yang lebih efisien.
 Implementasi sistem perbaikan
 Evaluasi sistem  Menganalisis hasil rancangan sistem informasi pada penyusunan profil
kesehatan berbasis website.

HASIL PENELITIAN :
TOOLS :
Sistem Informasi Laporan
PHP,MySQL
Profil Kesehatan Berbasis Web

Gambar 3.1 Kerangka Pikir

3.4 Tahapan Penelitian

Tahapan penelitian merupakan langkah-langkah yang disusun untuk menentukan
apa yang harus dilakukan dalam penelitian. Langkah-langkah ini akan memudahkan
peneliti dalam menemukan dan menganalisis permasalahan yang terjadi di dalam
perusahaan. Metodologi penelitian ditampilkan pada gambar 3.2 berikut

22
 Gambar 3.2 Tahapan Penelitian

3.4.1 Analisis Sistem

Pada tahapan analisis sistem, dilakukan identifikasi secara rinci terhadap proses
penyusunan laporan profil kesehatan dimulai dari pengisian data masing masing puskesmas
oleh pegawai hingga pembuatan laporan kepada Kepala Dinas. Analisis sistem proses
penyusunan profil kesehatan saat ini akan dilakukan dengan menggunakan tools berupa

22
flowchart. Setelah proses saat ini teridentifikasi, kemudian akan dilakukan evaluasi
terhadap permasalahan dan kelemahan yang ditunjukkan oleh kondisi sistem saat ini.
Kelemahan dapat berupa proses yang tidak efektif atau efisien. Hasil dari analisis sistem
ini, selanjutnya akan dilakukan analisis kebutuhan sistem.

3.4.2 Perancangan Sistem

Berdasarkan kelemahan yang ditemukan pada tahap analisis sitem, maka pada tahap
perancangan sistem ini akan diberikan suatu usulan perbaikan. Perancangan sistem
meliputi perancangan proses, model data, desain tabel database, dan desain antarmuka
pengguna. Perancangan proses dikomunikasikan dengan menggunakan Data Context
Diagram (DCD) dan Data Flow Diagram (DFD), sedangkan untuk memodelkan secara
konseptual hubungan antar entitas menggunakan Entity Relantionship Diagram (ERD).

3.4.3 Implementasi Sistem

Pada tahapan implementasi sistem, akan ditampilkan setiap antarmuka dari form
dalam Sistem Informasi profil kesehatan. Implementasi desain website interface
merupakan tampilan dari sistem yang telah dirancang dan dibangun pada tahap
perancangan sistem.

3.4.4 Evaluasi Sistem

Pada tahapan evaluasi sistem, akan dilakukan evaluasi terhadap sistem baru dan
juga perbandingan antara sistem saat ini dengan sistem yang menjadi rekomendasi
perbaikan. Metode evaluasi yang digunakan adalah pengujian beta. Pengujian beta adalah
pengujian yang dilakukan oleh pemakai dari sisi pemakai itu sendiri.

3.4.5 Kesimpulan dan Saran

Pada tahap kesimpulan dan saran, akan ditarik kesimpulan dari hasil penelitian
secara keseluruhan. Kemudian akan diberikan saran yang diharapkan akan menjadi
pertimbangan bagi Dinas Kesehatan Kabupaten Boyolali dalam penggunaan hasil
penelitian ini. Selain itu, saran juga dapat digunakan sebagai bahan untuk dilakukannya
penelitian berikutnya
22
22
 25

BAB IV
ANALISIS

4.1 Analisis Data Kualitatif Nominal

4.1.1 Output Software
Pada praktikum ini, data Kualitatif yang digunakan adalah data jenis kelamin
mahasiswa Teknik Industri angkatan 2016 yang terbagi menjadi 8 Pria dan 12 Wanita
sebagai data kualitatifnya, sehingga persentase data secara kualitatif terbagi menjadi 40%
dan 60%.
Tabel 4.1. Perbandingan Ukuran Statistik Data Diskrit Kualitatif Manual, SPSS, dan Minitab

 Manual
Valid Percent Percent
Data Frekuensi Percent(%)
(%) cumulative(%)
PRIA 8 40 40 40
WANITA 12 60 60 100
∑ 20

 SPSS

Cumulative
Frequency Percent Valid Percent Percent
Valid PRIA 8 40,0 40,0 40,0
WANITA 12 60,0 60,0 100,0
Total 20 100,0 100,0

 Minitab
Descriptive Statistics: KATEGORI
Total
Variable JK Count N N* CumN Percent CumPct
KATEGORI PRIA 8 8 0 8 40 40
WANITA 12 12 0 20 60 100
 25

4.1.2 Grafik
Dari Pie Chart gambar 3.1¸gambar 3.3, dan gambar 3.5 lingkaran yang terbagi
menjadi dua, dapat diartikan dilihat data jumlah Pria dan Wanita yang diambil adalah 40
% -60 %. Pada Pie Chart gambar 3.1 dari Excel, warna orange menggambarkan
persentase Pria sebesar 40% dan warna biru menggambarkan persentase Wanita sebesar
60%. Pada Pie Chart gambar 3.3 dari SPSS, warna biru menggambarkan persentase Pria
sebesar 40% dan warna hijau menggambarkan persentase Wanita sebesar 60 %. Pada Pie
Chart gambar 3.5 dari Minitab, warna biru menggambarkan persentase Pria sebesar 40%
dan warna merah menggambarkan persentase Wanita sebesar 60%.
Dari Bar Chart gambar 3.2, gambar 3.4, gambar 3.6 Pada ketiga Bar Chart,
sumbu X melambangkan data kualitatif yaitu Wanita dan Prida sedangkan sumbu Y
melambangkan frekuensi dari Wanita dan Pria. Contoh misalnya batang gambar 3.4 di
Bar Chart SPSS artinya adalah jumlah Wanita yang ada adalah sebanyak 12 orang
sedangkan jumlah Pria yang ada adalah sebanyak 8 orang.
4.2 Analisis Data Kuantitatif
4.2.1 Data Diskrit
Pada praktikum ini, data diskrit yang digunakan adalah data Perkembangan
Jumlah Tenaga Ahli Tiap Provinsi Tahun 2013 hingga 2016 yang didapatkan dari data
Kemdikbud (Kementrian Pendidikan dan Kebudayaan). Jumlah tenaga ahli di tiap
provinsi merupakan ukuran kuantitatifnya.
Tabel 4.2 Jumlah Tenaga Ahli Tiap Provinsi Tahun 2013 hingga 2016

Tahun
No Provinsi Total
2013 2014 2015 2016
1 Sumatera Utara 41 47 48 35 171
2 Sumatera Selatan 28 20 25 21 94
3 Lampung 15 15 19 15 64
4 Sulawesi Utara 34 57 54 50 195
5 Gorontalo 25 26 38 36 125
6 Sulawesi Utara 34 57 54 50 195
7 Sulawesi Selatan 36 40 59 57 192
8 Maluku 25 24 28 27 104
9 Nusa Tenggara Barat 37 37 57 51 182
10 Papua 14 22 31 23 90
 25

4.2.1.1. Output Software

1. Distribusi Frekuensi
Untuk distribusi frekuensi, hasil output SPSS, Minitab, dan output Excel
menghasilkan hasil yang sama. Dimana hasil yang ditampilkan berupa data,
frekuensi, frekuensi kumulatif. Dalam output SPSS dan Excel, frekuensi
kumulatif yang ditampilkan dalam bentuk persen. Walaupun begitu hasilnya
tetap sama. Pada output Minitab, frekuensi ditunjukkan dengan nama count.
Frekuensi terbanyak terdapat pada data jumlah tenaga ahli provinsi
Sulawesi Utara yang berjumlah 195 pada kurun waktu 2013 hingga 2016.
2. Ukuran Statistik
Data diskrit mengenai Perkembangan Jumlah Tenaga Ahli Tiap Provinsi
Tahun 2013 hingga 2016 diolah dengan Manual, SPSS dan Minitab,
didapatkanlah beberapa ukuran statistik seperti mean, median, modus,
quartil, persentil, standar deviasi, variansi, koefisien variansi, range,
skewness, kurtosis, nilai maksimum dan nilai minimum. Berikut tabel yang
berisi hasil-hasil ukuran statistik yang diperoleh dari setiap media
pengolahan data yang digunakan.
Tabel 4.3. Perbandingan Ukuran Statistik Data Diskrit Kuantitatif Manual, SPSS, dan Minitab

Ukuran Statistik Manual SPSS Minitab

Mean 141,2 141,2 141,2
Median 148 148 148
Modus 195 195 195
Q1 93 93 93
Q2 148 148 148
Q3 192,75 192,75 192,8
Persentil 10 66,6 66,6 -
Persentil 20 90,8 90,8 -
Persentil 30 97 97 -
Persentil 40 112,4 112,4 -
Persentil 50 148 148 -
Persentil 60 177,6 177,6 -
Persentil 70 189 189 -
Persentil 80 194,4 194,4 -
Persentil 90 195 195 -
 25

Tabel 4.3. Perbandingan Ukuran Statistik Data Diskrit Kuantitatif Manual, SPSS, dan Minitab
(lanjutan)

Ukuran Statistik Manual SPSS Minitab

Variansi 2597,511 2597,511 2597,5
Standar Deviasi 50,966 50,966 51
Range 131 131 131
Skewness -0,229 -0,229 -0,23
Kurtosis -1,871 -1,871 -1,87
Nilai Maksimum 195 195 195
Nilai Minimum 64 64 64

Dapat dilihat dari tabel diatas bahwa perhitungan manual dengan excel jika
dibandingkan dengan menggunakan software SPSS dan Minitab sudah menemui
kecocokan yang berarti perhitungan secara manual sudah dilakukan dengan
benar. Dalam SPSS juga tidak menulis angka ‘0’ yang berada di depan koma.
Pada Minitab terdapat beberapa ukuran yang tidak dapat di cari, yaitu yang
berisikan ‘-‘. Berikut penjelasan tentang ukuran statistik pada data jumlah tenaga
ahli tiap provinsi tahun 2013 hingga 2016 :
 Mean
Mean adalah rataan hitung data kuantitatif yang didapat dari hasil bagi jumlah
nilai data dibagi dengan banyaknya data. Dalam kasus ini mean yang dicari
adalah mean untuk data tunggal, karena data yang dianalisis merupakan data
tunggal. Dengan ini dapat diketahui berapa rata-rata jumlah tenaga ahli tiap
provinsi yaitu sebesar 141,2 sehingga dapat dikatakan bahwa rata-rata jumlah
tenaga ahli tiap provinsi pada tahun 2013 hingga 2016 adalah 141,2 ≈ 141
orang.
 Median
Median merupakan data atau titik tengah dari sebaran data. Dengan ini dapat
di ketahui bahwa nilai tengah dari jumlah tenaga ahli tiap provinsi tahun 2013
hingga 2016 adalah 148 orang.
 Modus
Modus merupakan kegiatan yang paling banyak terjadi pada suatu kejadian
yang diamati, dapat sebagai kualitatif maupun kuantitatif. Untuk data tunggal,
 25

modus merupakan nilai yang mempunyai frekuensi terbanyak. Dari data

jumlah tenaga ahli tiap provinsi tahun 2013 hingga 2016, nilai yang paling
banyak muncul adalah 195, frekuensi kemunculannya adalah 2, jadi terdapat
2 provinsi yang memiliki jumlah tenaga ahli pada tahun 2013 hingga 2016
yang sama.
 Kuartil
Kuartil merupakan suatu bilangan pembagi untuk sebaran data yang dibagi
menjadi empat bagian sama banyak dan terurut. Ada 3 kuartil yaitu Quartil
bawah (Q1), yaitu nilai pada ¼ dari jumlah data. kuartil tengah (Q2), nilai
pada ½ dari jumlah data (median). dan kuartil atas (Q3), nilai pada ¾ dari
jumlah data. Q1 dari data diatas adalah 93; Q2 adalah 148 atau sama dengan
median, sedangkan Q3 adalah 192,75 pada perhitungan manual dan SPSS dan
192,8 pada Minitab.
 Persentil
Hampir sama dengan kuartil, namun persentil adalah nilai yang membagi
sekumpulan data yang dibagi menjadi 100 bagian yang sama. Dalam
praktikum ini persentil yang digunakan adalah persentil ke 10 dengan nilai
66,6; persentil ke 20 dengan nilai 90,8; persentil ke 25 atau sama dengan Q1
dengan nilai 93; persentil ke 30 dengan nilai 97, persentil ke 40 dengan nilai
112,4; persentil ke 50 atau sama dengan median dengan nilai 148; persentil
ke 60 dengan nilai 177,6; persentil ke 70 dengan nilai 189; persentil ke 75
atau sama dengan Q3 dengan nilai 192,75; persentil ke 80 dengan nilai 194,4
dan persentil ke 90 dengan nilai 195.
 Standar Deviasi
Standar Deviasi atau disebut juga dengan simpangan baku adalah ukuran
penyebaran yang paling sering digunakan untuk menggambarkan tingkat
penyebaran dari suatu data dari nilai rata-rata. Standar deviasi dari data
tunggal X1, X2, X3, ..... , Xn yang berasal dari sampel diatas adalah 50,966
pada perhitungan manual dan SPSS dan 51 pada minitab.

 Varians
 25

Varians atau variansi dari suatu data adalah kuadrat dari standar deviasi yang
digunakan untuk menggambarkan berpencarnya suatu data kuantitatif.
Dengan nilai standar deviasi yang didapat adalah 50,966 pada perhitungan
manual dan SPSS sehingga didapatkan nilai variansinya adalah 2597,511.
Sedangkan pada minitab di dapatkan nilai variansinya sebesar 2597,5.
 Range
Range adalah salah satu ukuran statistik yang menunjukkan jarak penyebaran
antara skor (nilai) yang terendah (Lowest score) sampai skor nilai yang
tertinggi (Highest Score). Jadi range diatas bernilai 131.
 Skewness
Skewness atau disebut juga ukuran kemiringan yaitu suatu bilangan yang
dapat menunjukan miring atau tidaknya bentuk kurva suatu distribusi
frekuensi. Skewness adalah derajat ketidaksimetrisan suatu distribusi.
Skewness data ini bernilai -0,22901 pada perhitungan manual dan SPSS serta
dalam minitab bernilai -0,23. Dari nilai tersebut diketahui bahwa
skewnessnya bernilai negatif sehingga miring ke kiri.
 Kurtosis
Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu bilangan
yang dapat menunjukan runcing tidaknya bentuk kurva distribusi frekuensi.
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif
terhadap distribusi normal). Kurtosis data ini bernilai -1,871 pada perhitungan
manual dan SPSS serta dalam minitab bernilai -1,87. Dari nilai tersebut
kurtosisnya tergolong platikurtik karena hasil perhitungan kurtosis
menunjukkan nilai negatif.
 Nilai Maksimum dan Minimum
Nilai maksimum merupakan nilai yang paling tinggi dari sebaran data dan
nilai minimum merupakan sebaliknya. Nilai maksimum dari sebaran diatas
merupakan 195. Jadi jumlah tenaga ahli tiap provinsi pada tahun 2013 hingga
2016 terbanyak sebesar 195 orang, sedangkan jumlah tenaga ahli tiap provinsi
pada tahun 2013 hingga 2016 tersedikit sebesar 64 orang yang merupakan
nilai minimum dari sebaran data.
 25

3. Grafik
 Histogram
Histogram yang ditunjukan dari hasil SPSS gambar 3.7 dan Minitab
gambar 3.9 memiliki model grafik yang sama, tidak ada perbedaan dari
keduanya. Kedua histogram menunjukan nilai frekuensi dari tiap
kelasnya.
 Diagram Batang Daun
Dilihat dari output diagram batang daun yang dihasilkan dengan
menggunakan SPSS dan minitab menunjukan tidak adanya perbedaan
dari keduanya . Dimana Bagian sebelah kiri diagram jumlah frekuensi,
ditengahnya merupakan batang (puluhan) dan sebelah kanan diagram
merupakan daunnya (satuan).
 Boxplot
Dari hasil output boxplot menggunakan SPSS pada gambar 3.8 dan
minitab gambar 3.10 memiliki kesamaan. Dimana boxplot tersebut
menunjukan jarak antara bagian – bagian dari box menunjukkan derajat
penyebaran dan kecondongan dalam data. Terdapat kuartil 1, kuartil 2,
dan kuartil 3.

4.2. Data Kontinu

Pada praktikum ini, data kontinu yang digunakan adalah data sampel yang didapat
dari hasil pengukuran tinggi siku tangan dari 40 mahasiswa Teknik Industri 2016 terdiri
dari 20 mahasiswa laki-laki dan 20 mahasiswa perempuan yang dilakukan di Lab.OPSI.
Besarnya tinggi siku tangan tersebut merupakan ukuran kuantitatifnya.
Tabel 4.4 Data Kontinu Hasil Pengukuran Tinggi Siku Tangan dari 40 Mahasiswa Teknik Industri

Jenis Kelamin Nama Tinggi Siku Tangan

L Abdan 102.4
L Abdi Rikiando Silalahi 104.8
L Abel Kristanto 111.9
L Aditya Cahyo 106.4
Tabel 4.4 Data Kontinu Hasil Pengukuran Tinggi Siku Tangan dari 40 Mahasiswa Teknik Industri
(lanjutan)

L Aditya Dwi Rahmadi 107.3

 25

L Affan Jordan Ramadhanu 97.8

L Ahmad Hanif Mufid 110.6
L Alldo Haswandana Putra 106.7
L Amir 108.1
L Anas 102.8
L Andhyka 102.5
L Aswin 109.7
L Aulia Rahman 102.1
L Azrinol Fajri 97.2
L Branta Bima Kurnian 104.3
L Chalid 104.6
L Chemink 104.7
L Dandy Haryo Hutomo 115.3
L Disney Revo Negarawan 96.7
L Dwi 'Sa Nu 117.5
P Adelin 95
P Agnes Tessya 95.7
P Amanda Katia 109
P Angela 99.5
P Anggun Novi Arista 91.5
P Anita Rustanti 91.7
P Annida 98.2
P Aprininda 99.1
P Ardina 97.4
P Ariane Astri 98.2
P Brigitta Anindya 100.4
P Chikita Yulinar Prastiwi 94.3
P Choirunnisa 92.8
P Christ Novia 94.1
P Christine 107.2
P Cindy 95.4
P D.R.M.K Maharani Putri 99.5
P Debora 92
P Denalia Mutiara L. 101.9
P Destianti Wulankasih 103.3

4.2.2 Output Software

1. Distribusi Frekuensi
 25

Untuk penyajian distribusi frekuensi, hasil output data secara Manual (Excel),
SPSS,dan Minitab menghasilkan data yang sama hanya saja variabel yang
disajikan pada table berbeda. Dimana hasil yang ditampilkan berupa data,
frekuensi, frekuensi kumulatif. Dalam output SPSS dan Excel, frekuensi
kumulatif yang ditampilkan dalam bentuk persen. Walaupun begitu hasilnya
tetap sama. Pada output Minitab, frekuensi disajikan dengan nama total count.
Dari perbandingan ketiga metode tersebut jumlah frekuensi terbanyak yang
terdapat pada data tinggi siku tangan yaitu 98,2 dan 99,5.
2. Ukuran Statistik
Data kontinu dari tinggi siku tangan sampel 40 mahasiswa Teknik Industri
2016 yang diolah dengan Manual (Excel), SPSS dan Minitab didapatkanlah
beberapa ukuran statistik seperti mean, median, modus, quartil, persentil,
standar deviasi, variansi, koefisien variansi, range, skewness, kurtosis, nilai
maksimum dan nilai minimum. Berikut tabel yang berisi hasil-hasil ukuran
statistik yang diperoleh dari setiap media pengolahan data yang digunakan.
Tabel 4.5. Perbandingan Ukuran Statistika secara Manual, SPSS, dan Minitab

Ukuran Statistik Manual SPSS Minitab

Mean 101,675 107,74 101,74
Median 101,67 102 102
Modus 101,95 98,2 ; 99,5 98,2 ; 99,5
Q1 96,7 96,82 96,83
Q2 101,67 102 102
Q3 106,57 106,62 106,63
Persentil 10 93,95 92,93 -
Persentil 20 96,45 95,46 -
Persentil 30 97,95 97,52 -
Persentil 40 100,45 99,26 -
Persentil 50 101,67 102 -
Persentil 60 103,89 103,1 -
Persentil 70 105,32 104,77 -
Persentil 80 107,82 107,28 -
Persentil 90 111,2 110,51 -
Tabel 4.5. Perbandingan Ukuran Statistika secara Manual, SPSS, dan Minitab (lanjutan)

Ukuran Statistik Manual SPSS Minitab

 25

Variansi 40,998 42,452 42,45

Standar Deviasi 6,403 6,515 6,52
Range 26 26 26
Skewness 0,459 0,4 0,4
Kurtosis -0,162 -0,357 -0,36
Nilai Maksimum 117,5 117,5 117,5
Nilai Minimum 91,5 91,5 91,5

Dari tabel diatas kita bisa lihat bahwa perhitungan manual dengan excel jika
dibandingkan dengan menggunakan software SPSS dan Minitab memiliki
perberadaan angka dengan rentang nilai yang tidak cukup jauh dan masih dalam
kondisi wajar atau masih masuk kedalam standard error. Selain itu, pada Minitab
terdapat beberapa ukuran yang tidak dapat di cari yaitu persentil yang sudah
diganti dengan tanda ‘-‘ dan minitab merupakan hasil pembulatan dari hasil data
dengan menggunakan SPSS. Berikut penjelasan ukuran statistik pada data sampel
40 mahasiswa Teknik Industri 2016:
 Mean
Mean adalah rataan hitung data kuantitatif yang diperoleh dari hasil bagi
jumlah titik tengah interval dikali frekuensi data ke-I dibagi dengan banyaknya
jumlah data. Pada kasus ini mean yang dicari adalah mean untuk data
kelompok, karena data yang dianalisis merupakan data kelompok. Dengan ini
dapat diketahui berapa rata-rata nilai tinggi siku tangan 40 mahasiswa Teknik
Industri 2016 secara Manual (excel), SPSS, dan Minitab berjumlah 101,67 ;
101,74 ; 101,74. Dari hasil rata-ratanya bisa kita lihat bahwa adanya perbedaan
nilai rata-rata dari ketiganya , namun perbedaan tersebut masih dalam standard
error.
 Median
Median merupakan data atau titik tengah dari sebaran data. Dengan ini dapat
di ketahui bahwa nilai tengah dari tinggi siku tangan 40 mahasiswa Teknik
Industri 2016 secara Manual (excel), SPSS, dan Minitab yaitu 101,67 ; 102 ;
102. perbedaan nilai median dari ketiganya masih dalam standard error,
karena rentang jarak perbedaannya yang tidak terlalu signifikan.
 25

 Modus
Modus merupakan kegiatan yang paling banyak angka yang sering mucul saat
proses pengamatan terjadi. Namun pada data kelompok, modus merupakan
nilai yang mempunyai frekuensi terbanyak dari interval kelasnya. Dari data
nilai tinggi siku tangan 40 mahasiswa Teknik Industri 2016, nilai yang paling
banyak muncul secara manual (excel), SPSS, dan Minitab adalah 101,95 ; 98,2
& 99,5 ; 98,2 99,5, frekuensi kemunculannya adalah 2. Pada data yang
dihasilkan dengan menggunakan SPSS dan Minitab terdapat 2 nilai modul
sedangkan pada manual (excel) hanya 1 nilai modus.
 Kuartil
Kuartil merupakan suatu bilangan pembagi untuk sebaran data yang dibagi
menjadi empat bagian sama banyak dan terurut. Ada 3 kuartil yaitu Quartil
bawah (Q1), yaitu nilai pada ¼ dari jumlah data. kuartil tengah (Q2), nilai pada
½ dari jumlah data (median). dan kuartil atas (Q3), nilai pada ¾ dari jumlah
data. Besar nilai Q1, Q2, dan Q3 secara manual (excel) berturut-turut 96,7 ;
101,67 ; 106,57. Sedangkan, Besar nilai Q1, Q2, dan Q3 dengan SPSS berturut-
turut 96,82 ; 102 ; 106,62. Dan Besar nilai Q1, Q2, dan Q3 dengan Minitab
berturut-turut 96,83 ; 102 ; 106,63.
 Persentil
Hampir sama dengan kuartil, namun persentil adalah nilai yang membagi
sekumpulan data yang dibagi menjadi 100 bagian yang sama. Dari hasil yang
diperoleh dari cara manual (excel), besar nilai persentil dari 10 sampai 90
dengan kelipatan 10 berturut-turut yaitu 93,95 ; 96,45 ; 97,95 ; 100,45 ; 101,67
; 103,89 ; 105,32 ; 107,82 ; 111,2. Dan hasil yang diperoleh dengan
menggunakan SPSS besar nilai persentil dari 10 sampai 90 dengan kelipatan
10 berturut-turut yaitu 92,93 ; 95,46 ; 97,52 ; 99,52 ; 99,26 ; 102 ; 103,1 ; 104,77
; 107,28 ; 110,51. Sedangkan dengan menggunakan Minitab nilai persentilnya
tidak ada karena memang tidak bisa dicari dengan menggunakan Minitab. Dari
hasil persentil ketiganya memang memiliki perbedaan nilai, namun masih
dalam kondisi standard error.
 Standar Deviasi
 25

Standar Deviasi atau disebut juga dengan simpangan baku adalah ukuran
penyebaran yang paling sering digunakan untuk menggambarkan tingkat
penyebaran dari suatu data dari nilai rata-rata. Dari hasil tabel diatas bisa dilihat
bahwa besar nilai standard deviasi manual berbeda dengan SPSS dan Minitab
dengan nilai bedanya 0,112.
 Varians
Varians atau variansi dari suatu data adalah kuadrat dari standar deviasi yang
digunakan untuk menggambarkan berpencarnya suatu data kuantitatif. Dari
hasil diatas nilai variasinya berbeda dari ketiganya, dari hasil data manual
(excel) sebesar 40,998, dimana beda 1,454 dengan nialai hasil data SPSS yang
sebesar 42,452 dan hasil pada Minitab pembulatan dari SPSS sebesar 42,25.
 Range
Range adalah salah satu ukuran statistik yang menunjukkan jarak penyebaran
antara skor (nilai) yang terendah (Lowest score) sampai skor nilai yang
tertinggi (Highest Score). Jadi range diatas bernilai 26.
 Skewness
Skewness atau disebut juga ukuran kemiringan yaitu suatu bilangan yang dapat
menunjukan miring atau tidaknya bentuk kurva suatu distribusi frekuensi.
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Skewness data ini
bernilai 0,459pada perhitungan manual dan SPSS serta dalam minitab bernilai
0,4. Dari nilai tersebut diketahui bahwa skewnessnya bernilai positif sehingga
miring ke kanan.
 Kurtosis
Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu bilangan
yang dapat menunjukan runcing tidaknya bentuk kurva distribusi frekuensi.
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif
terhadap distribusi normal). Kurtosis data ini bernilai -0,162 pada perhitungan
manual, serta dalam SPSS bernilai -0,357 dan pembulatannya dengan minitab
menjadi -0,36. Dari nilai tersebut kurtosisnya tergolong platikurtik karena hasil
perhitungan kurtosis menunjukkan nilai negatif.
 Nilai Maksimum dan Minimum
 25

Nilai maksimum merupakan nilai yang paling tinggi dari sebaran data dan nilai
minimum merupakan sebaliknya. Nilai maksimum dari sebaran diatas
merupakan 117,5. Jadi besar nilai ukuran tinggi siku tangan tertinggi yaitu
117,5 ,dan 91,5 menjadi besar nilai ukuran tinggi siku tangan terendah dan ini
merupakan nilai minimumnya
3. Grafik
 Histogram
Histogram yang ditunjukan dari hasil SPSS gambar 3.11 dan Minitab
gambar 3.13 memiliki model grafik yang sama, tidak ada perbedaan dari
keduanya. Kedua histogram menunjukan nilai frekuensi dari tiap kelasnya.
 Diagram Batang Daun
Dilihat dari output diagram batang daun yang dihasilkan dengan
menggunakan SPSS dan minitab menunjukan tidak adanya perbedaan dari
keduanya . Dimana Bagian sebelah kiri diagram jumlah frekuensi,
ditengahnya merupakan batang (puluhan) dan sebelah kana deagram
merupakan daunnya (satuan).
 Boxplot
Dari hasil output boxplot menggunakan SPSS pada gambar 3.12 dan
minitab gambar 3.14 memiliki kesamaan. Dimana boxplot tersebut
menunjukan jarak antara bagian – bagian dari box menunjukkan derajat
penyebaran dan kecondongan dalam data. Terdapat kuartil 1, kuartil 2, dan
kuartil 3.
 25

BAB V
PENUTUP

5.1 Kesimpulan
Dari praktikum yang telah dilaksanakan dapat ditarik kesimpulan sebagai berikut:
1. Secara manual ataupun dengan software SPSS dan software minitab ini,
praktikan mampu mengolah data mengenai statistika deskriptif.
Tabel 5.1. Perbandingan Ukuran Statistik Data Kualitatif Nominal secara anual, SPSS, dan
Minitab

Valid Percent Percent

Data Frekuensi Percent(%)
(%) cumulative(%)
PRIA 8 40 40 40
WANITA 12 60 60 100
∑ 20

Cumulative
Frequency Percent Valid Percent Percent
Valid PRIA 8 40,0 40,0 40,0
WANITA 12 60,0 60,0 100,0
Total 20 100,0 100,0

Descriptive Statistics: KATEGORI

Total
Variable JK Count N N* CumN Percent CumPct
KATEGORI PRIA 8 8 0 8 40 40
WANITA 12 12 0 20 60 100

Dapat dilihat dari tabel sebelumnya bahwa perhitungan manual dengan Excel
jika dibandingkan dengan menggunakan software SPSS dan Minitab sudah
menemui kecocokan yang berarti perhitungan secara manual sudah dilakukan
dengan benar. Terdapat juga beberapa cara penulisan angka yang berbeda di
 25

SPSS seperti penulisan angka 40,0 pada minitab tertulis 40 di SPSS. SPSS juga
lebih detail dalam bentuk desimal karena tidak melakukan pembulatan yang
signifikan seperti yang berada pada minitab.
Tabel 5.2. Perbandingan Ukuran Statistik Data Diskrit Kuantitatif Manual, SPSS,
dan Minitab

Ukuran Statistik Manual SPSS Minitab

Mean 141,2 141,2 141,2
Median 148 148 148
Modus 195 195 195
Q1 93 93 93
Q2 148 148 148
Q3 192,75 192,75 192,8
Persentil 10 66,6 66,6 -
Persentil 20 90,8 90,8 -
Persentil 30 97 97 -
Persentil 40 112,4 112,4 -
Persentil 50 148 148 -
Persentil 60 177,6 177,6 -
Persentil 70 189 189 -
Persentil 80 194,4 194,4 -
Persentil 90 195 195 -
Variansi 2597,511 2597,511 2597,5
Standar Deviasi 50,966 50,966 51
Range 131 131 131
Skewness -0,229 -0,229 -0,23
Kurtosis -1,871 -1,871 -1,87
Nilai Maksimum 195 195 195
Nilai Minimum 64 64 64

Dapat dilihat dari tabel diatas bahwa perhitungan manual jika dibandingkan
dengan menggunakan software SPSS dan Minitab pada data diskrit ini
menghasilkan hasil yang sama dengan tingkat ketelitian yang berbeda, tidak
seperti hasil-hasil perhitungan manual dengan dan menggunakan sofware
SPSS ini memiliki tingkat ketilitian yang sama.. Contohnya seperti pada
perhitungan Standar Deviasi, Hasil yang didapat dari software Minitab adalah
51, sedangkan jika menggunakan rumus Standar Deviasi, hasil yang didapat
 25

adalah 50,966. Begitu juga dengan hasil ukuran statistik lainnya berbeda
dengan software Minitab, yang sama halnya pada Skewness dan Kurtosis.
Semuanya masih dalam standart error.
2. Praktikan telah mampu menyajikan data dalam bentuk tabel, diagram batang-
daun, pie chart, bar chart, histogram, ogive naik-turun dan boxplot baik secara
manual maupun dengan software SPSS dan software Miinitab.
3. Membedakan penggunaan penyajian data
 Untuk data kualitatif nominal :
 Distribusi frekuensi yang menggunakan hitungan manual dengan
Excel maupun software SPSS dan software minitab.
 Grafiknya menggunakan pie chart dan bar chart.
 Untuk data diskrit kuantitatif :
 Distribusi frekuensi yang menggunakan hitungan manual dengan
Excel maupun software SPSS dan software minitab.
 Ukuran statistik yang dihitung menggunakan manual maupun
software SPSS dan software minitab.
 Grafiknya menggunakan histogram, diagram batang-daun dan
boxplot.
 Untuk data kontinu yang data kuantitatif :
 Distribusi frekuensi yang menggunakan hitungan manual dengan
Excel maupun software SPSS dan software minitab.
 Ukuran statistik yang dihitung menggunakan manual maupun
software SPSS dan software minitab.
 Grafiknya menggunakan histogram, boxplot, diagram batang-daun
dan ogive naik-turun.
4. Setelah dapat mengolah data baik secara manual maupun menggunakan
software SPSS dan Minitab, selanjutnya kita dapat menerapkannya dalam
kehidupan sehari-sehari contohnya seperti mencari rata-rata dari suatu data
yang diperoleh dari penelitian, fenomena yang paling banyak muncul, variasi
data sampai pada jangkauan antara nilai yang tertinggi dan nilai yang terendah
dari data penelitian yang kita peroleh. Dengan ini kita dapat
 25

menginterpretasikan poin-poin penting dari sekumpulan data sesuai kebutuhan,

yang dapat mempermudah kita untuk mencapai tujuan penelitian.

5.2 Saran
Saran penulis untuk kesuksesan praktikum selanjutnya adalah :
 Praktikan harus mempersiapkan diri mengenai materi praktikum yang
bersangkutan sebelum melakukan praktikum agar selama praktikum dapat
berjalan dengan baik.
 Praktikan sebaiknya dapat lebih memahami materi secara seksama baik dari
praktikum sampai pembuatan laporan praktikum.
 Praktikan sebaiknya lebih teliti selama pengerjaan laporan, terutama pada
pengolahan data baik dengan secara manual atau menggunakan software.
 25

DAFTAR PUSTAKA
http://suci-rahma.mhs.narotama.ac.id/files/2013/06/Modul-2-STATISTIK-DAN-
STATISTIKA.pdf
http://www.faperta.ugm.ac.id/download/bahan_kuliah/elmanani/Statistika/Slide_Pertani
an.pdf
http://ymayowan.lecture.ub.ac.id/files/2012/02/1-STATISTIK.pdf
http://statistikdasar.com/files/materi/pengertian_dasar_dalam_statistika.pdf
http://www.umarweb.com/2017/03/bab-ii-membahas-tentang-data-dalam.html
http://statistikdasar.com/files/materi/penyajian_data_dalam_tabel.pdf
http://ymayowan.lecture.ub.ac.id/files/2012/02/UKURAN-UKURAN-NILAI-
PUSAT.pdf
http://personal.fmipa.itb.ac.id/utriweni/files/2010/08/1-statistik-deskriptif-andat9-aug-
10.pdf
https://staff.blog.ui.ac.id/r-suti/files/2010/03/2b-penyajian-data-new-1.pdf