A N A L I S I S S TAT I S T I K - P E N G A N TA R

METODE ANALISIS PERENCANAAN 1

Apriadi Budi Raharja

JURUSAN TEKNIK PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK
U N I V E R S ITAS PAS U N DAN BAN D U N G
Kampus IV Jl. DR. Setiabudhi
Learning OutComes

Pada pertemuan ini, mahasiswa diharapkan :

Mampu dapat menjelaskan tentang statistika, data,
populasi, sampel, variable penyajian data, dan
skala pengukuran.
Outline Materi

• Definisi statistika
• Jenis-jenis data
• Pengumpulan dan penyajian data
• Teknik sampling
• Distribusi frekuensi
• Skala pengukuran
What Is Statistik ?

• Analysis of data (in short)

• Design experiments and data collection
• Summary information from collected data
• Draw conclusion from data and make decision based on
fiding
Important Terms
• STATISTICS: the science of collecting, organizing,
presenting, analyzing, and interpreting data to assist in
making more effective decisions.
• DESCRIPTIVE STATISTICS: methods of organizing,
summarizing, and presenting data in an informative way.
• INFERENTIAL STATISTICS: the methods used to
estimate a property of a population on the basis of a
sample.
• POPULATION: the entire set of individuals or objects of
interest or the measurements obtained from all
individuals or objects of interest.
• SAMPLE: a portion, or part, of the population of interest.
Reasons for Drawing a Sample
• LESS TIME consuming than a Census
• LESS COSTLY to administer than a Census
• LESS CUMBERSOME and more practical to administer
than a census of the targeted population
Tipe Metode Sampling
SAMPEL

Non-Probability Probability
sampel sampel

Sample random
Quota
Systematic
Judgement
Stratified
Snowball
Cluster
Non-Probability Sampling
• Teknik yang TIDAK MEMBERIKAN PELUANG ATAU
KESEMPATAN SAMA bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel. Teknik ini terdiri
sampling sistematis, sampling kuota, sampling
aksidental, sampling purposive, sampling jenuh dan
snowball sampling.
Probability Sampling
• Teknik sampling yang MEMBERIKAN
PELUANG/KESEMPATAN YANG SAMA bagi setiap unsur
(anggota) populasi untuk dipilih menjadi anggota sampel.
– Sampel acak sederhana (sample random)
• Memungkinkan setiap elemen dalam populasi akan memiliki
peluang yang sama dijasikan sample.
– Sampel berstrata (stratified sample)
• Dalam setiap strata diambil sampel secara acak.
– Sampel berkelompok (cluster)
• Data sample berkelompok yang memilih sub-populasi, kemudian
setiap elemen didalam kelompok dipilih sebagai anggota sampel.
– Sampel sistematik (systematic)
• Populasi dibagi dengan ukuran sampel yang diperlukan (n) dan
sampel diperoleh dengan cara pengambilan setiap subyek ke-n
 Kegunaan Sampel

Penelitian selalu menuntut Sampe berguna sebagai

hasil kesimpulan tentang dasar untuk menjelaskan INFERENSI
karakteristik populasi yang karakteristik umum yang to infer = menyimpulkan
dipelajari diwakili
Syarat Sampel
1. Mempunyai tingkat keterwakilan yang tinggi dari populasi
yang diwakili.
2. Kejelasan batasan populasi
 Populasi adalah sekumpulan sesuatu yang didefinisikan dengan baik,
dalam arti anggotanya diperinci dengan baik atau ada suatu syarat
sejauh mana sesuatu berada didalamnya dan sesuatu tidak berada
didalamnya.
3. Cara pengambilan sampel
 Suatu sampel mewakili, bila sampel tersebut menghasilkan kembali
karakteristik penting dari populasinya. Hal tersebut dapat dipilih dengan
pendekatan EPSEM (equal probability of selection method) yang
berarti setiap elemen harus memeiliki probabilitas yg sama untuk
dipilih.
4. Ukuran sampel
• Ukuran sample yang besar akan membuat distribusi sampling semakin
mendekati normal/semakin mendekati karakteristik populasinya
How many variables have you
measured ?
• Univariate data : satu variabel diukur pada unit
percobaan tunggal.
• Bivariate data : dua variabel yang diukur pada satuan
percobaan tunggal.
• Multivariate data : lebih dari dua variabel yang diukur
pada satuan percobaan tunggal.
Contoh
• Variable
– Jumlah penduduk
• Experimental Unit
– Jiwa/orang
• Typical measurements
– Jenis kelamin
• Laki-laki
• Perempuan
– Struktur umur
• 0-10
• 11-20
• 21-30 dst
Untuk menentukan ukuran sampel dari populasi dapat dipakai rumus Slovin
(1960) debagai berikut:
N
n=
1 + Ne 2
o n = ukuran sampel
o N = ukuran populasi
o e = nilai kritis (batas ketelitian) yang diinginkan

UKURAN SAMPEL UNTUK BATAS-BATAS KESALAHAN YANG

DITETAPKAN
Batas-batas kesalahan
Populasi
1% 2% 3% 4% 5% 10%
500 * * 345 278 222 83
1.500 * * 638 441 316 94
2.500 * 1.250 769 500 345 96
3.000 * 1.364 811 517 353 97
4.000 * 1.538 870 541 364 98
5.000 * 1.667 909 556 370 98
6.000 * 1.765 938 566 375 98
7.000 * 1.842 959 574 378 99
8.000 * 1.905 976 580 381 99
9.000 * 1.957 989 584 383 99
10.000 5.000 2.000 1.000 588 385 99
 Jenis Data & Skala Pengukuran Kualitatif

Qualitative Quantitative

Discrete Continuous

Data Diskrit : merupakan bilangan bulat (jumlah penduduk, jumlah sarana

prasarana dll)
Data Kontinu : merupakan bilangan desimal (tingkat kesejahteraan, tingkat
kepuasan, tingkat pelayanan).
 TABEL DAN GRAFIK
 Data statistik dan hasil penelitian sering disajikan dalam bentuk
tabel & grafik. Sebuah grafik atau tabel dapat mewakili ratusan
atau ribuan kata dalam suatu bentuk yang kompak dan menarik.

Daftar Distribusi Frekuensi

Langkah-langkah adalah:
1. Menentukan rentang
2. Menentukan panjang kelas
3. Menentukan banyak kelas
4. Menyusun interval kelas
5. Menghitung frekuensi untuk setiap kelas
 Distribusi Frekuensi Tunggal
Data tunggal seringkali
dinyatakan dalam bentuk
daftar bilangan, namun
kadangkala dinyatakan
dalam bentuk tabel
distribusi frekuensi.

Tabel distribusi frekuensi

tunggal merupakan cara
untuk menyusun data yang
relatif sedikit.

Perhatikan contoh data

berikut.
5, 4, 6, 7, 8, 8, 6, 4, 8, 6, 4, 6,
6, 7, 5, 5, 3, 4, 6, 6
8, 7, 8, 7, 5, 4, 9, 10, 5, 6, 7,
6, 4, 5, 7, 7, 4, 8, 7, 6

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

 Distribusi Frekuensi Ber-kelas

Tabel distribusi frekuensi bergolong biasa digunakan untuk menyusun

data yang memiliki kuantitas yang besar dengan mengelompokkan ke
dalam interval-interval kelas yang sama panjang.

Perhatikan contoh data hasil nilai pengerjaan tugas MAP 1 dari 40 siswa
berikut ini.

66 75 74 72 79 78 75 75 79 71
75 76 74 73 71 72 74 74 71 70
74 77 73 73 70 74 72 72 80 70
73 67 72 72 75 74 74 68 69 80

Apabila data di atas dibuat dengan menggunakan tabel distribusi

frekuensi tunggal, maka penyelesaiannya akan panjang sekali.

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

 Distribusi Frekuensi Ber-kelas
Oleh karena itu dibuat tabel distribusi frekuensi ber-kelas
dengan langkah-langkah sebagai berikut.

1. Mengelompokkan ke dalam interval-interval kelas yang

sama panjang, misalnya 65 – 67, 68 – 70, … , 80 – 82. Data
66 masuk dalam kelompok 65 – 67.
2. Membuat turus (tally), untuk menentukan sebuah nilai
termasuk ke dalam kelas yang mana.
3. Menghitung banyaknya turus pada setiap kelas, kemudian
menuliskan banyaknya turus pada setiap kelas sebagai
frekuensi data kelas tersebut. Tulis dalam kolom
frekuensi.
4. Ketiga langkah di atas direpresentasikan pada tabel
berikut ini.

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

 Distribusi Frekuensi Ber-kelas

Interval Kelas:
Setiap kelompok disebut
interval kelas atau sering
disebut interval atau kelas.

65 – 67 → Interval kelas pertama

68 – 70 → Interval kelas ke dua
71 – 73 → Interval kelas ke tiga
74 – 76 → Interval kelas ke empat
77 – 79 → Interval kelas ke lima
80 – 82 → Interval kelas ke enam

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

b. Batas Kelas
Berdasarkan tabel distribusi frekuensi di atas, angka 65, 68, 71, 74, 77,
dan 80 merupakan batas bawah dari tiap-tiap kelas, sedangkan angka 67,
70, 73, 76, 79, dan 82 merupakan batas atas dari tiap-tiap kelas.

c. Tepi Kelas (Batas Nyata Kelas)

Untuk mencari tepi kelas dapat dipakai rumus berikut ini.
Tepi bawah = batas bawah – 0,5
Tepi atas = batas atas + 0,5
Dari tabel di atas maka tepi bawah kelas pertama 64,5 dan tepi atasnya
67,5, tepi bawah kelas kedua 67,5 dan tepi atasnya 70,5 dan seterusnya.

d. Lebar kelas
Untuk mencari lebar kelas dapat dipakai rumus:
Lebar kelas = tepi atas – tepi bawah
Jadi, lebar kelas dari tabel diatas adalah 67,5 – 64,5 = 3.

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

e. Titik Tengah

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012

 Distribusi Frekuensi Kumulatif
Distribusi kumulatif ada dua macam:
a. Distribusi kumulatif kurang dari (menggunakan tepi atas).
b. Distribusi kumulatif lebih dari (menggunakan tepi bawah).

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 12/9/2012

 HISTOGRAM
Dari suatu data yang
Tanaman berbunga diperoleh dapat
disusun tabel
distribusi frekuensi
dan disajikan dalam
bentuk histogram.
Histogram dapat
disajikan dari
distribusi frekuensi
tunggal maupun
distribusi frekuensi
bergolong.

Data banyaknya
tanaman yang
berbunga dalam 8 hari
berurutan sebagai
berikut.
Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012
 Distribusi Frekuensi Waktu Tunggu
Dari hasil penelurusan alumni, diketahui bahwa rata-rata waktu tunggu alumni kurang dari 5
bulan untuk mendapatkan pekerjaan pertamanya, bahkan ada alumni yang bekerja setelah 2
hari dinyatakan lulus dengan gelar sarjana statistika.
Secara umum terlihat mayoritas alumni waktu tunggunya berkisar antara 1 sampai dengan 6
bulan.

Waktu Tunggu Persentase

Valid (%)
< 1 Bulan 3.57

1 - 6 Bulan 73.81

7 - 12 Bulan 19.05

13 - 18 Bulan 1.19

19 -24 Bulan 2.38

Total 100.0

Diunduh dari: http://statistika.fmipa.unpad.ac.id/html/index.php?id=profil&kode=102&profil=Waktu%20Tunggu…… 19/9/2012

 Contoh Mawar angin (wind rose)

Sumber: sumber gambar : http://alternativeenergyatunc.wordpress.com

1. Rentang:
Suatu perangkat data yang biasanya dilambangkan dengan
huruf R adalah skor terbesar dikurangi skor terkecil.

R= (Nilai terbesar – Nilai terkecil)

2. Banyak Kelas:
Banyak kelas menunjukkan jumlah interval kelas yang
diperlukan untuk mengelompokan suatu perangkat data
(Rumus Sturges).
k=1+3,3 log n

3. Panjang Kelas:
Panjang kelas atau interval (I) menunjukkan banyaknya
angka (nilai) yang tercakup oleh suatu interval kelas
I = R/k
4. Interval Kelas:
Untuk menyusun interval kelas, perlu ditentukan dahulu bilangan
awal untuk interval kelas pertama (paling bawah)
- merupakan kelipatan dari i
- < skor terkecil

5. Frekuensi:
Frekuensi setiap kelas dapat diperoleh dengan cara mentally
(turus) setiap nilai yang ada pada interval kelas masing-masing
dan kemudian menjumlahkan banyaknya tally (turus) yang
didapat
Contoh :
kuisioner yang disebarkan terhadap pengguna angkutan umum (N=40)
• Skor Max ideal = 150
• Skor Min ideal = 20
• Skor yang diperoleh minimal 20 dan maksimal 150.

150 50 110 100 102 95 75 80 89 99

88 95 96 76 65 60 78 89 88 101

79 85 76 87 25 89 75 70 68 74

99 80 89 92 94 78 20 77 70 80

Buatlah
• Tabel distribusi frekuensi (jumlah kelas, rentang data, panjang kelas dan
interval kelas)
• Grafik histrogram
 Tabel. Distribusi frekuensi skor kuesioner tingkat kepuasan pengguna angkot

Kelas X f. absolut f. Relatif f. komulitatif f. f.X

interval (nilai tengah) (%) (komulitatif %)
116-126 121 1 3% 40 23 % 121

105-115 110 1 3% 39 22 % 110

94-104 99 9 23 % 38 22 % 891

Banyak kelas
83-93 88 9 23 % 29 17 % 792
Baris modus

72-82 77 13 33 % 20 11 % 1001

61-71 66 5 13 % 7 4% 330

50-60 55 2 5% 2 1% 110

616 40 100 % 175 100 % 3.355

Interval kelas 𝚺𝚺 𝑿𝑿 𝚺𝚺 f 𝚺𝚺 f.relatif 𝚺𝚺 f.kom 𝚺𝚺 f.kom relatif

14
Grafik Histogram. 12
10
8
6
4
2
0
116-126 105-115 94-104 83-93 72-82 61-71 50-60
TUGAS INDIVIDU
Ambil 1 Kota/kabupaten,
Input data jumlah sarana pendidikan/kesehatan di suatu wilayah
kota/kabupaten dalam setahun.

Tentukan :
a) Tabel Distribusi frekuensi
b) Grafik Histogram
c) Buatlah kesimpulan dari data yang ada.
 KUARTIL, DESIL, PERSENTIL
1. Kuartil
Kelompok data yang sudah diurutkan (membesar
atau mengecil) dibagi empat bagian yang sama
besar.

Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil

bawah, kuartil kedua (Q2) atau kuartil tengah, dan
kuartil ketiga (Q3) atau kuartil atas.
 KUARTIL

Untuk data tidak berkelompok

i(n + 1)
Q i = nilai ke - , i = 1,2,3
4

Untuk data berkelompok

 in 
 -F
L0 = batas bawah kelas kuartil
Q i = L 0 + c 4  , i = 1,2,3
 f  F = jumlah frekuensi semua
 
  kelas sebelum kelas kuartil Qi
f = frekuensi kelas kuartil Qi
 KUARTIL

Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah
(X)
Q2 membagi data menjadi 50 %
9-21 15 3
Q3 membagi data menjadi 75 %
22-34 28 4
35-47 41 4
Sehingga :
48-60 54 8
61-73 67 12
74-86 80 23 Q1 terletak pada 48-60
87-99 93 6
Q2 terletak pada 61-73
Σf = 60
Q3 terletak pada 74-86
 KUARTIL

 1.60 
Untuk Q1, maka :  - 11 
Q1 = 47,5 + 13 4  = 54
 8 
 
 

Untuk Q2, maka :  2.60 

 - 19 
Q 2 = 60,5 + 13 4  = 72,42
 12 
 
 
Untuk Q3, maka :  3.60 
 - 31 
Q 3 = 73,5 + 13 4  = 81,41
 23 
 
 
 DESIL

2. Desil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi
sepuluh bagian yang sama besar.
 DESIL

Untuk data tidak berkelompok

i(n + 1)
D i = nilai ke - , i = 1,2,3,...,9
10
Untuk data berkelompok
L0 = batas bawah kelas desil Di
F = jumlah frekuensi semua
kelas sebelum kelas desil Di
 in  f = frekuensi kelas desil Di
 - F 
D i = L 0 + c 10  , i = 1,2,3,...,9
 f 
 
 
 DESIL

Contoh :
Interv Nilai Frekuen D3 membagi data 30%
al Tenga si
Kelas h (X) D7 membagi data 70%

9-21 15 3
22-34 28 4 Sehingga :
35-47 41 4
48-60 54 8
61-73 67 12
74-86 80 23 D3 berada pada 48-60
87-99 93 6
Σf = 60 D7 berada pada 74-86
 DESIL

 3.60 
 - 11 
D 3 = 47,5 + 13 10  = 58,875
 8 
 
 

 7.60 
 - 31 
D 7 = 73,5 + 13 10  = 79,72
 23 
 
 
 KUARTIL, DESIL, PERSENTIL

3. Persentil
Untuk data tidak berkelompok
i(n + 1)
Pi = nilai ke - , i = 1,2,3,...,99
100

Untuk data berkelompok

 in 
 - F 
Pi = L 0 + c 100  , i = 1,2,3,...,99
 f 
 
 
SKALA PENGUKURAN DAN
INSTRUMEN PENELITIAN
MACAM – MACAM SKALA PENGUKURAN
• Skala pengukuran merupakan kesepakatan yang
digunakan sebagai acuan untuk menentukan panjang
pendeknya interval yang ada dalam alat ukur.
• Untuk memilih skala yang sesuai haruslah dilakukan
suatu proses evaluasi. Dalam hal ini yang harus
diperhatikan ada dua hal, yaitu : Validitas Dan
Reabilitas.
Jenis-Jenis Skala Pengukuran Statistik
1. Skala Nominal (Skala Label)
Contoh Data Variabel :
Ya = 1 dan Tidak = 0
Pria = 1 dan Wanita = 0
Hitam = 1, Abu-abu = 2, Putih = 2
2. Skala Ordinal (Skala Peringkat)
Contoh Data Variabel :
Sangat Tidak Setuju = 1
Tidak Setuju = 2
Tidak Tahu = 3
Setuju = 4
Sangat Setuju = 5
3. Skala Interval (Skala Jarak)
Contoh Data Variabel :
Umur 20-30 tahun = 1
Umur 31-40 tahun = 2
Umur 41-50 tahun = 3
4. Skala Rasio (Skala Mutlak)
Contoh Data Variabel :
0 tahun, 1 tahun, 2 tahun, 3 tahun, ..... dst.
MACAM – MACAM SKALA PENGUKURAN
1. Skala Likert
2. Skala Guttman
3. Semantic Defferensial
4. Rating Scale
MACAM – MACAM SKALA PENGUKURAN
SKALA LIKERT
Dengan skala likert, maka variabel yang akan diukur
dijabarkan menjadi indikator variabel.
Jawaban setiap item yang menggunakan skala likert
mempunyai gradasi dari yang positif sampai yang
negatif.
Instruemen penelitian yang menggunakan skala likert
dapat dibuat dalam bentuk checklist atau pilihan ganda.
MACAM – MACAM SKALA PENGUKURAN
a. Contoh bentuk checklists
Pertanyaan Jawaban

SS ST RG TS STS

Prosedur kerja
baru akan segera
diterapkan di √
perusahaan anda
MACAM – MACAM SKALA PENGUKURAN
SS = Sangat Setuju di beri skor 5
ST = Setuju di beri skor 4
RG = Ragu –ragu di beri skor 3
TS = Tidak setuju di beri skor 2
STS = Sangat tidak setuju di beri skor 1
Dengan teknik pengumpulan data angket, instrumen
tersebut diberikan kepada100 orang.
MACAM – MACAM SKALA PENGUKURAN
b. Contoh bentuk pilihan ganda
Prosedur kerja yang baru itu akan segera diterapkan di
perusahaan anda ?
a. Sangat tidak setuju
b. Tidak setuju
c. Ragu – ragu
d. Setuju
e. Sangat tidak setuju
MACAM – MACAM SKALA PENGUKURAN
Semantic Defferensial
Skala ini juga digunakan untuk mengukur sikap hanya
bentuknya tidak pilihan ganda, tetapi tersusun dalam
bentuk satu garis kontinum.
Rating Scale
Skala pengukuran ini merubah angka kemudian
ditafsirkan dalam pengertian kuantitatif
MACAM – MACAM SKALA PENGUKURAN
Skala Guttman
Skala pengukuran dengan tipe ini, akan di dapat
jawaban yang tegas , yaitu “ ya-tidak” ; “ benar-salah”
dan lain-lain.
Contoh :
1. Bagaimana pendapat anda, bila orang
itu menjabat pimpinan di perusahaan
ini ?
a. Setuju b. Tidak setuju