Stem-and-leaf plot memberikan informasi lebih banyak tentang nilai yang sebenarnya
dibanding histogram. Seperti dalam histogram, panjang setiap batang sesuai dengan
jumlah kejadian yang jatuh ke dalam interval tertentu. Pada Histogram.
His togram. kita hanya
hany a bisa
melihat nilai frekuensi dari data namun kita tidak tahu berapa nilai angka sebenarnya.
Berbeda dengan histogram, pada SLP selain kita bisa mengetahui nilai frekuensinya,
kita pun bisa tau berapa nilai data sebenarnya. Hal ini dilakukan dengan membagi nilai-
nilai yang diamati menjadi dua komponen, stem dan leaf.
1. Setelah selesai memasukan data maka kemudian klik menu analyze kemudian pilih sub
menuDescriptive statistics kemudian pilih dan klik explore. Sehingga akan muncul seperti gambar
dibawah ini.Kemudian akan muncul kotak dialaog explore. Masukan variable nilai kedalam Dependent
list. Setelah itu klik tombol plots..
2. Akan muncul lagi kotak dialog explore:plot. Kemudian beri tanda contreng pada stem-and-leaf lalu
klik continue. dan klik OK di kotak dialog explore.
3. Setelah itu akan muncul output SPSS viewer dengan hasil diagram dahan daun yang kita inginkan.
Contoh:
Penjelasan:
Angka pertama: 23 kita pisahkan menjadi 2 (stem) dan 3 (leaf)
2|3
(keterangan: Angka 2 adalah puluhan sehingga dijadikan stem,
dan angka 3 adalah satuan, sehingga dijadikan leaf)
:
dst
Interpretasi:
- Tidak simetris, data miring (menjulur) ke arah kanan
- Angka 99 merupakan outlier
- Gap (kekosongan/kesenjangan data) terdapat pada stem: 7 dan 8
- Pemusatan data terjadi pada stem 4, sekitar 4 puluhan.
LATIHAN
20 49 48 74 81 98 87 80
10 84 90 70 91 93 82 78
25 71 92 38 56 81 74 73
30 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75
Q = 6,2
3
• IQR = Q 3-Q 1 = 6,2 – 3,4 = 2,8
• LIF = Q 1 - 1,5 IQR = 3,4 – 1,5 (2,8) = - 0,8
• UIF = Q + 1,5 IQR = 6,2 + 1,5 (2,8) = 10,4
3
• LOF = Q - 3 IQR = 3,4 – 3 (2,8) = - 5
1
• UOF = Q 3 + 3 IQR = 6,2 + 3 (2,8) = 14,6
20 49 48 74 81 98 87 80
10 84 90 70 91 93 82 78
25 71 92 38 56 81 74 73
30 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 60 83 82 60 67 89 63
76 63 88 70 66 88 79 75
Banyak cara yang dapat digunakan dalam membuat boxplot tunggal pada SPSS. Kita pilih salah satu cara yang
paling sederhana untuk dibahas berikut ini:
Setelah data diinput, kemudian klik Graph > Interactive > Boxplot. Akan muncul tampilan berikut:
Masukkan variabel A (variabel pendapatan pedagang) dari kotak sebelah kiri (tadinya) ke kotak sumbu vertikal
dengan cara mendrag variabel tersebut.
Diatas kotak sumbu vertikal tersebut ada tiga icon. Icon pertama kita klik jika boxplot yang kita buat dalam bentuk
vertikal. Icon kedua kita pilih jika boxplot yang kita buat dalam bentuk horizontal. Kemudian pada icon ketiga ada
tiga pilihan, yaitu 2-D Coordinate, 3-D Coordinate dan 3-D Effect. Kita pilih saja 2-D Coordinate (untuk latihan bisa
Sdr. utak-atik pilihan lainnya dan coba lihat hasilnya).
Pilihan-pilihan lain kita abaikan. Sekali lagi, silakan diutak-atik untuk melihat hasilnya.
Kemudian klik OK. Maka akan keluar output boxplot SPSS seperti berikut:
Ok. Cukup sekian dulu. Interpretasi dari output boxplot tersebut silakan baca tulisan-tulisan sebelumnya, seperti
yang dicantumkan pada awal tulisan ini. Lihat juga tulisan berikut mengenai Membuat Multiple Boxplot dengan
SPSS
Pada bagian atas ada dua kotak pilihan yaitu simple dan clustered. Pilihan clustered digunakan jika data kita selain
terbagi atas dua variabel (dalam kasus misalnya pasar A dan pasar B) juga memiliki kategori lain yang ingin
dianalisis (misalnya jenis barang dagangan dari pedagang pada masing-masing pasar). Sebaliknya pilihan simple
kita gunakan jika dua variabel kita tidak memiliki kategori lain tersebut.
Berdasarkan hal tersebut, dalam kasus ini kita klik kotak Simple.
Selanjutnya, pada Data in Chart Area, terdapat dua pilihan., yaitu Summaries for groups of cases dan Summaries of
separate of variables.
Pilihan pertama kita ambil jika input data pendapatan (dalam contoh kita) disusun hanya dalam satu kolom, dan
untuk membedakan pendapatan pedagang pasar A dan pasar B terdapat kolom (variabel) lainnya yang menunjukkan
bahwa pendapatan tersebut adalah pendapatan pedagang pasar A atau pasar B.
Pilihan kedua kita ambil jika input data pendapatan (dalam contoh kita) dipisahkan menjadi dua variabel (kolom)
yaitu kolom pendapatan pedagang pasar A dan kolom pendapatan pedagang pasar B.
Karena data yang kita input terpisah antara pendapatan pedagang masing-masing pasar, maka kita klik pilihan
kedua.
Selanjutnya klik Define, akan muncul tampilan berikut:
Masukkan variabel A dan B dari kotak sebelah kiri (tadinya) ke kota Boxes Represent. Kemudian klik OK. Maka
akan keluar output boxplot SPSS seperti berikut:
Ok. Cukup sekian dulu. Interpretasi dari output boxplot tersebut silakan baca tulisan-tulisan sebelumnya, seperti
yang dicantumkan pada awal tulisan ini.
Menu Explore memberikan informasi mengenai data lebih lengkap la gi. Kali ini kita membuat data mengenai tinggi
sisiwa dan jenis kelamin. Berikut datanya
jenis_kelamin tinggi
1 169
1 168
1 170
1 160
1 167
2 165
2 166
2 169
2 158
2 162
1 : pria
2 : wanita
1. Masukkan data di atas pada SPSS. Pastikan telah mengkodekan data jenis kelamin, Klik menu Analyze >
Descriptive Statistics > Explore
2. Pada kotak dialog yang muncul, masukkan variabel tinggi pada kotak Dependent List. Masukkan variabel
jenis_kelamin ke kotak Factor List (digunakan untuk memasukkan variabel kategori) . Lalu klik OK untuk melakukan
analisa.
3. Pada jendela output akan muncul beberapa hasil. Berikut adalah penjelasannya.
Output 1
Output pertama memberikan informasi dasar mengenai jumlah data y ang diproses.
Output 2
Output kedua memberikan informasi nilai – nilai statistik yang lebih lengkap.
Output 3
Nilai extreme menunjukkan adanya data yang nilainya cukup berbeda jauh dengan data yang lain. Pada data
jenis kelamin pria terdapat 1 buah nilai yang extreme, yaitu data dengan nilai kurang dari 160.
Stem artinya tangkai. Leaf artinya daun. Pada data jenis kelamin permpuan, terdapat tiga data dengan Stem 16 ,
artinya terdapat tiga nilai 160an. Pada kolom leaf terdapat nilai 569, artinya terdapat nilai 165, 166 dan 169.
Output ke 4
Merupakan grafik Boxplot. Cara membacanya adalah, garis tengah pada kotak merupakan nilai median. Tanda *
menunjukkan data extreme.