BAB I

STATISTIK DESKRIPTIF
1.1.Statistika dan Statistik
Pengertian Statistik Dan Statistika
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu
yang berkenaan dengan data.
Statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data.
Statistik adalah sebuah kegiatan untuk :
- Mengumpulkan data
- Meringkas/menyajikan data
- Menganalisa data dengan metode tertentu
- Menginterpretasi hasil analisis tersebut
Kegunaan Statistik
- Ingin memperkirakan berapa rata-rata penghasilan sebuah keluarga di Jakarta Utara
setiap bulannya
- Apakah ada hubungan antara banyaknya iklan yang ditayangkan dengan peningkatan
penjualan sebuah perusahaan
- Jika seorang semakin banyak belajar dan makan makanan bergizi tinggi , apakah
kecerdasannya tersebut akan bertambah?
- dll
Mengapa Harus Mempelajari dan Mengerti Statistik?
Ilmu statistic berguna untuk membantu dalam pengambilan keputusan atas masalah tertentu
Misalnya sebuah perusahaan ingin mengetahui berapa biaya iklan yang seharusnya dikeluarkan
untuk mencapai target penjualan tertentu?
Dengan ilmu statistic akan dikumpulkan data iklan, penjualan dan sebagainya, membuat
ringkasan data yang penting, melakukan analisis regresi dan korelasi, dan interpretasi data
tersebu, hingga bias membantu perusahaan mengambil langkah terbaik, berapa biaya iklan yang
seharusnya dikeluarkan.
Pembagian Dalam Statistik
1. Statistik Deskriptif
Bagian ini menjelaskan bagaimana data dikumpulkan dan diringkas pada hal-hal yang penting
dalam data tersebut atau berkenaan dengan mendeksripsikan data menggunakan tabel-tabel atau
grafik sehingga data mentah lebih mudah “dibaca” dan lebih bermakna.
2. Statistik Induktif/Inferensi
Setelah data dikumpulkan , maka dilakukan berbagai metode statistic untuk menganalisi data,
dan kemudian menginterpretasikan hasil analisis
Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan keputusan
berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi
pengamatan masa mendatang (estimasi atau prediksi), membuat permodelan hubungan
(korelasi, regresi, Anova, deret waktu), dan sebagainya.
DALAM BENTUK DIAGRAM BLOK

1. Pengumpulan data
Pengumpulan data merupakan suatu proses pengumpulan data-data yang diperlukan sebagai
hasil pengamatan atas obyek permasalahan yang diteliti. Data-data yang dikumpulkan dapat
berupa data primer atau data sekunder
contoh: angket quisioner, wawancara, informasi dari sumber dll.
2. Pengolahan data
Pengolahan data merupakan suatu proses pengolahan terhadap data-data yang berhasil
dikumpulkan pada tahap sebelumnya
3. Penyajian data
 Penyajian data merupakan suatu proses menampilkan hasil pengolahan data dalam bentuk
tertentu sehingga lebih mudah dibaca, lebih mudah dipahami, lebih mudah dianalisis, serta
memberikan lebih banyak informasi.
4. Analisis data
Analisis data merupakan proses penelaahan terhadap data dengan tujuan untuk memperoleh
"kebenaran" yang diharapkan.
5. Pengambilan kesimpulan
Pengambilan kesimpulan merupakan langkah terakhir untuk memperoleh suatu pernyataan
yang benar sebagai hasil suatu penelitian berdasarkan pada data yang diperoleh
Statistika Deskriptif
Metode yang berkaitan dengan pengumpulan dan penyajian suatu hasil pengamatan (data)
sehingga memberikan informasi yang berguna bagi pihak-pihak yang berkepentingan terhadap
data dan informasi tersebut.
Statistika Deskriptif
1. Menyajikan Data
2. Meringkas Atau Menjelaskan Data

Gambar1. Flowchart statistic deskriptif

 Gambar 2. Flowchart variasi dan bentuk data

1.2. Data, Sampel dan Populasi

a. Pengertian Data
Data adalah sekumpulan informasi yang diperoleh dari suatu pengamatan. Informasi yang
diperoleh dari suatu pengamatan itu bisa berupa angka-angka seperti : Tinggi Badan, Nilai
Mahasiswa, Berat badan, Volume perdagangan dan yang berupa bukan angka-angka seperti:
Data profesi (dokter, insinyur, ABRI, Pengacara, Petani, Pedagang dll)
Data adalah kumpulan keterangan atau informasi yang diperoleh dari suatu pengamatan, dapat
berupa angka, lambang atau sifat
b. Data Yang Baik
Representatif (mewakili)
Obyektif (sesuai dgn kenyataan)
Relevan (ada hub. dgn masalahnya)
Standard error (kesalahan baku) kecil
c. Sumber Data

Gambar 3 Sumber-sumber data

d. Pembagian Data
1. Data Kuantitatif
Data kuantitatif adalah data yang dinyatakan dengan angka
Contoh:
Usia Seseorang, Tinggi seseorang , Penjualan dalam sebulan dll
2. Data Kualitatif
Data kualitatif adalah data yang dinyatakan dalam bentuk bukan angka
Contoh:
Jenis pekerjaan seseorang (bisa petani, nelayan, pegawai dll)
Status pernikahan (Belum menikah, menikah,duda, janda)
Gender (Pria, Wanita)
Bagaimana Cara Mengolah Data Kualitatif?
Untuk bisa mengolah data kualitatif maka data ini harus dikuantitatifkan dengan cara memberi
skor seperti pria diberi skor 1, sedangkan wanita skornya 2. Kepuasan seseorang (tidak puas=1,
cukup puas=2, puas=3, sangat puas=4)

DATA

KUALITATIF KUANTITATIF
JENIS
DATA

NONIMAL INTERVAL

ORDINAL RASIO

Gambar 4. Flowchart Jenis Data

3. Data Nonimal
Data yg diperoleh dengan cara kategorisasi atau klasifikasi
Contoh
Jenis pekerjaan, diklasifikasikan:
PNS = 1
Swasta = 2
Wiraswasta =3
Ciri2nya:
Posisi data setara : PNS tidal lebih tinggi dari Swasta atau Wiraswasta atau sebaliknya
Tidak bisa dilakukan operasi matematika
4. Data Ordinal
Data yang diperoleh dengan cara kategorisasi atau klasifikasi tetapi di antara data tersebut
terdapat hubungan
Contoh :
Kepuasan seseorang
Tidak puas=1
Cukup puas=2
Puas=3
Sangat puas=4
Ciri2nya
Posisi data tidak setara. Posisi sangat puas lebih tinggi dari puas dst
Tidak bisa dilakukan operasi matematika
5. Data Interval
Data yang diperoleh dengan cara pengukuran, dimana jarak dua titik pada skala sudah diketahui
(Pada data ordinal jarak dua titik tidak diketahui misal jarak puas dg tidak puas )
Contoh:
Temperatur air 0 – 100 oC jaraknya 100 dan 32 -212oF jaraknya 180
Sistem kalender
Ciri2nya
Tidak ada kategorisasi atau pemberian kode
Bisa dilakukan operasi matematika
Tida punya nilai 0 Absolut (0oC tidak sama dg 0oF)
6. Data Rasio
Data yang diperoleh dengan cara dimana jarak dua titik pada skala sudah diketahui, dan
mempunyai titik 0 yang absolut
Contoh
Jumlah buku di kelas
Jika 5 berarti ada 5 buku, jika 0 berarti tidak ada buku
Ciri2nya
Tidak ada kategorisasi atau pemberian kode
Bisa dilakukan operasi matematika

Gambar 5. Skala pengukuran

ORDINAL
RASIO
Nominal 1 = Pria 1 = SD
2 = Wanita 2 = SMTP Interval
3 = SMTA

No. Nama Jenis Kelamin 4Tk.= PT

Pendidikan
1 Anak 1 1Suhu Badan Tinggi
35 Badan160
2 Bapak 2 3 37 170
3 Cucu 1 2 38 164
4 Daddy 2 5 36 200
5 Embah 1 2 39 210

APA GUNA MENGETAHUI JENIS DATA DALAM PENGOLAHAN STATISTIK?

Jenis data akan mempengaruhi pemilihan prosedur statistik yang akan digunakan. Data jenil
kuantitatif akan menggunakan prosedur statistik parametrik, sedangkan data kualitatif cenderung
mengarah pada statistik non parametrik
e. Populasi dan Sampel
 Gambar 6 Populasi dan Sampel

f. Penyajian Data
Tabel
Grafik
Tabulasi Silang (Crosstab)

1.3. Distribusi Data Tunggal

1.3.1 Daftar Distribusi Frekuensi Data Tunggal
Data tunggal seringkali dinyatakan dalam bentuk daftar bilangan, namun kadang
kala dinyatakan dalam bentuk tabel distribusi frekuensi. Tabel distribusi frekuensi
tunggal merupakan cara untuk menyusun data yang mana data relatif sedikit.
Berikut adalah contoh pengolahan data menggunakan metode distribusi data
tunggal :
 Data :
61 75 80 75
61 65 75 75
65 70 80 80
70 70 65 70
75 65 80 70

Tabel 1 Daftar Distribusi Frekuensi Data Tunggal

Nilai Turus Frekuensi

61 II 2
65 IIII 4
70 IIIII 5
75 IIIII 5
80 IIII 4
Jumlah 20
Daftar di atas sering disebut sebagai distribusi frekuensi dan karena datanya
tunggal maka disebut distribusi frekuensi tunggal.

1.4 Distribusi Data Berkelompok

1.4.1 Distribusi Frekuensi Data Berkelompok
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 tugas Statistik
Deskriptif dari 40 mahasiswa Politeknik Negeri Bali Jurusan Teknik Elektro
berikut ini:

1. Contoh 1 :
Menyusun Tabel Distribusi Frekuensi Bergolong Tidak Mengunakan Aturan
Statistik
Data :

66 78 75 72 74 74 73 74
75 75 76 74 77 72 67 74
74 75 74 74 73 72 72 68
72 79 73 71 73 80 72 69
79 71 71 70 70 70 75 80
Langkah-langkah menyusun tabel distribusi frekuensi bergolong tidak
mengunakan aturan statistik, berikut akan dibuat tabel distribusi frekuensi
bergolong dengan langkah-langkah sebagai berikut:

a. Mengelompokkan ke dalam interval-interval kelas yang sama panjang,

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

Tabel 2 Distribusi Frekwensi Data Bergolong

Hasil Tugas Titik Tengah Turus Frekwensi

65-67 66 II 2
68-70 69 IIIII 5
71-73 72 IIIII IIIII III 13
74-76 75 IIIII IIIII IIII 14
77-79 78 IIII 4
80-82 81 II 2
Jumlah 40

Keterangan Tabel
a. Interval Kelas
Tiap-tiap kelompok disebut interval kelas atau sering disebut interval atau
kelas saja. Dalam contoh sebelumnya memuat enam interval ini.
65 – 67 → Interval kelas pertama
68 – 70 → Interval kelas kedua
dst ...
 80 – 82 → Interval kelas keenam
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. Panjang kelas
Untuk mencari panjang kelas dapat dipakai rumus:

Panjang kelas = tepi atas – tepi bawah

Jadi, lebar kelas dari tabel diatas adalah 67,5 – 64,5 = 3.

e. Titik Tengah
Untuk mencari titik tengah dapat dipakai rumus:

Titik tengah = 𝟏/𝟐 (batas atas + batas bawah)

Dari tabel didapat nilai titik tengah kelas pertama = 𝟏/𝟐 (67 + 65) = 66.
dan titik tengah kedua = 𝟏/𝟐 (70 + 68) = 69. dan seterusnya.
2. Contoh 2 :
Menyusun Tabel Distribusi Frekuensi Bergolong Mengunakan Aturan
Statistik
Data :

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

Untuk menyusun sekumpulan data kedalam tabel distribusi frekuensi,

diperlukan langkah-langkah sebagai berikut:
1. Tentukan nilai rentang (r)
Rentang = Data terbesar – Data terkecil.
Rentang = 80 – 66 = 14
2. Tentukan banyaknya kelas (k)
k = 1 + 3,3 Log n
= 1 + 3,3 log 40
= 1 + 3,3 (1,6021)
= 6,28693
3. Tentukan panjang kelas(p)
Panjang kelas (p) = rentang/banyak kelas
Panjang kelas (p) = 14/7=2
Jadi banyak kelas yang digunakan bisa 6 atau 7.
Disini akan diambil banyak kelas sebanyak 7 buah.
4. Tentukan nilai batas kelas intervalpertama
Batas bawah kelas interval pertama diambil dari nilai data terkecil.
Karena nilai data terkecil adalah 66, maka kelas interval pertama adalah
66 – 67, karena panjang kelas adalah 2. Kelas interval kedua adalah 68 –
69, dan seterusnya untuk kelas interval berikutnya
5. Masukkan data ke dalam interval kelas

Tabel 3 Distribusi Frekwensi Data Bergolong

Hasil Tugas Titik Tengah Turus Frekuensi

66-67 66.5 II 2
68-69 68.5 II 2
70-71 70.5 IIIII I 6
72-73 72.5 IIIII IIIII 10
74-75 74.5 IIIII IIIII III 13
 76-77 76.5 II 2
78-79 78.5 III 3
80-81 80.5 II 2
Jumlah 40

Gunakan data di bawah sebagai latihan :

91 91 92 92 93 93 95 97 98 99 99
35 38 43 48 49 51 56 59 60 60 60
63 63 63 65 66 67 67 68 70 70 70
70 70 71 71 71 72 72 72 73 73 73
74 74 74 74 75 75 76 76 77 78 78
79 79 80 80 80 80 81 81 81 82 82
82 83 83 83 83 84 85 86 86 87 87
88 88 88 88 89 90 90 90 91 61 61

1.5 Distribusi Frekuensi Relatif

Distribusi frekuensi yang nilai frekuensinya tidak dinyatakan dalam bentuk presentase (%)
𝟏
 Contoh 1 :
Tentukanlah tabel distribusi frekuensi relatifnya berikut :

Penyelesaian:
Jumlah frekuensi (n) = 4 + 13 + 21 + 11 + 7 = 56.
Untuk kelas ke-1: frel = 4/56 × 100% = 7,14%
Untuk kelas ke-2: frel = 13/56 × 100% = 23,21%
Untuk kelas ke-3: frel = 21/56 × 100% = 37,5%

Demikian seterusnya sehingga diperoleh nilai-nilai seperti pada kolom ketiga Tabel
berikut.
  Contoh 2 :

Tabel 4 Distribusi Frekwensi Relatif

Nilai Frekuensi FRelatif

Interval
60 –64 2 2.86
65 –69 6 8.57
70 –74 15 21.43
75 –79 20 28.57
80 –84 16 22.86
85 –89 7 10.00
90 –94 4 5.71
Jumlah 70

Menentukan frekuensi Relatif yang di komulatifkan

Untuk kelas ke-1: frel di komulatifkan = frekuensi relatif kelas ke -1

Untuk kelas ke-2: frel di komulatifkan = frekuensi relatif kelas ke -1 + frekuensi relatif kelas ke -2
Untuk kelas ke-3: frel di komulatifkan = frekuensi relatif kelas ke -1 + frekuensi relatif kelas ke -2 +
frekuensi relatif kelas ke -3
Dan seterusnya sampai kelas terakhir

Nilai Frekuensi FRelatif Frelatif di

Interval komulatifkan
60 –64 2 2.86 2.86
65 –69 6 8.57 11.43
70 –74 15 21.43 32.86
75 –79 20 28.57 61.43
80 –84 16 22.86 84.29
85 –89 7 10.00 94.29
90 –94 4 5.71 100.00
Jumlah 70
1.6 Distribusi Frekuensi Komulatif
Daftar distribusi kumulatif ada dua macam, yaitu sebagai berikut.
1. Daftar distribusi kumulatif kurang dari (fk*) (menggunakan tepi atas).
2. Daftar distribusi kumulatif lebih dari (fk**) (menggunakan tepi bawah).
Untuk lebih jelasnya, perhatikan contoh data berikut ini.

Menentukan frekuensi komulatifk kurang dari (fk*)

Untuk kelas ke-1: fk* = frekuensi kelas ke -1

Untuk kelas ke-2: fk* = frekuensi kelas ke -1 + frekuensi kelas ke -2
Untuk kelas ke-3: fk* = frekuensi kelas ke -1 + frekuensi kelas ke -2 + frekuensi kelas ke -3
Dan seterusnya sampai kelas terakhir

Menentukan frekuensi komulatifk lebih dari (fk**)

Untuk kelas ke-1: fk* *= frekuensi kelas ke -1 + frekuensi kelas ke -2 + …. frekuensi kelas
Terakhir
Untuk kelas ke-2: fk* *= frekuensi kelas ke -2 + frekuensi kelas ke -3 + …. frekuensi kelas
Terakhir
Untuk kelas ke-3: fk** = frekuensi kelas ke -3 + frekuensi kelas ke -4 + …. frekuensi kelas
Terakhir
Dan seterusnya sampai kelas terakhir

Contoh 2

Nilai Frekuensi FRelatif Frelatif di fk* fk**

Interval komulatifkan
60 –64 2 2.86 2.86 2 70
65 –69 6 8.57 11.43 8 68
70 –74 15 21.43 32.86 23 62
75 –79 20 28.57 61.43 43 47
80 –84 16 22.86 84.29 59 27
85 –89 7 10.00 94.29 66 11
90 –94 4 5.71 100.00 70 4
Jumlah 70

1.7 Macam-macam Grafik Tabel Distribusi

1.7.1. Histogram

Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi dan
disajikan dalam bentuk diagram yang disebut histogram. Jika pada diagram batang,
gambar batang-batangnya terpisah maka pada histogram gambar batang-batangnya
berimpit. Histogram dapat disajikan dari distribusi frekuensi tunggal maupun distribusi frekuensi
bergolong.

 Menyajikan data dalam bentuk Histogram

Ada beberapa hal yang harus diperhatikan dalam membuat histogram, yaitu :
1. Terdapat dua sumbu, yaitu sumbu mendatar dan sumbu tegak.
2. Skala pada kedua sumbu tidak harus sama
3. Sumbu tegak memuat frekuensi masing-masing kelas interval. Sumbu mendatar berisi setiap
interval data dari tabel distribusi frekuensi. Untuk setiap kelas interval, pada sumbu mendatar
dibatasi oleh tepi atas dan tepi bawah. Pada tepi ats dan tepi bawah ditarik garis keatas sampai
menunjukkan bilangan yang sesuai dengan frekuensi pada sumbu tegak. Selanjutnya kedua
ujungnya dihubungkan, sehingga akan terbentuk sebuah batang yang berupa persegi panjang.
4. Karena garis tegak lurus ditarik dari tepi atas dan tepi bawah setiap interval, maka diperoleh
gambar persegi panjang-persegi panjang yang saling berimpit pada salah satu sisinya.
5. Lebar setiap batang harus sama antara satu dengan yang lain, termasuk warna atau corak
arsirannya
6. Di bagian atas setiap batang diberikan bilangan yang menunjukkan frekuensi.

Dari tabel distribusi frekuensi berikut, Sajikan dalam bentuk histogram.

Nilai Turus Frekuensi

61 II 2
65 IIII 4
70 IIIII 5
75 IIIII 5
80 IIII 4
Jumlah 20
 Grafik 1 Daftar Distribusi Frekuensi Data Tunggal

Grafik Histogram
Daftar Distribusi Frekuensi Data Tunggal
6
5
Frekuensi

4
3
2
1
0
61 65 70 75 80
Nilai

Tabel 5 Data tinggi badan siswa kelas XI SMAN 1 PETANG

1.7.2. Poligon Frekuensi

Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan batang-
batangnya dihapus, maka akan diperoleh poligon frekuensi.
Untuk lebih jelasnya, perhatikan contoh soal berikut ini.
Contoh soal
Hasil pengukuran berat badan terhadap 100 siswa SMP X digambarkan dalam distribusi
bergolong seperti di bawah ini. Sajikan data tersebut dalam histogram dan poligon
frekuensi.
Grafik 2 Poligon

1.7.3. Poligon Frekuensi Kumulatif

Dari distribusi frekuensi kumulatif dapat dibuat grafik garis yang disebut poligon
frekuensi kumulatif. Jika poligon frekuensi kumulatif dihaluskan, diperoleh kurva yang
disebut kurva ogive. Untuk lebih jelasnya, perhatikan contoh soal berikut ini.

Contoh soal
Hasil tes ulangan Matematika terhadap 40 siswa kelas XI IPA digambarkan dalam tabel
di samping.
a. Buatlah daftar frekuensi kumulatif kurang dari dan lebih dari.
b. Gambarlah ogive naik dan ogive turun.
1.7.4. Grafik Ogive

Grafik ini disebut juga dengan grafik frekuensi meningkat. Grafik semacam ini, tidak
banyak digunakan dibandingkan dengan kedua grafik sebelumnya (histogram dan
poligon). Grafik Ogive dapat dibuat, baik dari distribusi tunggal maupun dari distribusi
bergolong. Pembuatan Ogive dimulai dengan cara-cara seperti membuat grafik lainnya,
yaitu:

(1) Membuat sumbu absis dan ordinat, berbanding kira-kira seperti satu banding tiga
perempat,
(2) Membuat skala pada absis untuk mencantumkan batas-batas nyata, dan skala pada ordinat
untuk mencantumkan frekuensi meningkatnya,
(3) Menarik garis-garis dari batas bawah di sebelah kiri berturut-turut ke batas nyata di
atasnya pada ketinggian menurut frekuensi intervalinterval yang bersangkutan,
(4) Selanjutnya, disempurnakan dengan mencantumkan keterangan yang diperlukan untuk
penyajian.

Hal yang perlu diketahui bahwa grafik Ogive dibuat dengan menggunakan batas
nyata dan bukan titik tengah sebagaimana grafik poligon. Berikut ini diberikan contoh
untuk membuat grafik Ogive dari distribusi bergolong. Grafik Ogive dapat dibuat dengan
frekuensi meningkat dari atas atau dari bawah.
Grafik 3 Ogive
 Grafik Ogive digunakan, apabila ingin mengetahui “kedudukan” seseorang tentang
sesuatu hal dalam kelompoknya sendiri, bukan pola sifat atau kecakapan kelompok
seluruhnya. Oleh karena itu, banyak ditemui hasil-hasil tes bakat, tes kemampuan khusus,
dan semacamnya yang dilaporkan dalam bentuk Ogive atau grafik frekuensi meningkat.
Hal ini disebabkan karena nilai-nilai test semacam itu kerapkali digunakan untuk
mengadakan penilaian tentang kecakapan perorangan

Ogive naik dan ogive turun

Daftar frekuensi kumulatif kurang dari dan lebih dari dapat disajikan dalam bidang Cartesius.
Tepi atas (67,5; 70,5; …; 82,5) atau tepi bawah (64,5; 67,5; …; 79,5) diletakkan pada sumbu X
sedangkan frekuensi kumulatif kurang dari atau frekuensi kumulatif lebih dari diletakkan pada
sumbu Y. Apabila titik-titik yang diperlukan dihubungkan, maka terbentuk kurva yang disebut
ogive. Ada dua macam ogive, yaitu ogive naik dan ogive turun. Ogive naik apabila grafik
disusun berdasarkan distribusi frekuensi kumulatif kurang dari. Sedangkan ogive turun apabila
berdasarkan distribusi frekuensi kumulatif lebih dari. Ogive naik dan ogive turun data di atas
adalah sebagai berikut.

Grafik 4 Ogive Naik dan Ogive Turun

TUGAS : CARILAH DATA DAN BUAT GRAFIK OGIVE GABUNGAN DG EXELS

1.7. MEAN, MEDIAN, MODUS, KUARTIL, DESIL DAN PERSENTIL
1.5.1 MEAN
Mean (X) adalah nilai rata-rata dari sejumlah data.

Keterangan Xi = nilai data ke i

fi = frek. Data i
n = banyak data
k = banyak kelas
Contoh Soal Mean :
Seluruh pegawai di PT Samudra penghasilan sebulannya dalam satuan ribu rupiah
adalah sebagai berikut :
90, 120, 160, 60, 180, 190, 90, 180, 70, 160
Untuk mencari mean atau rata-rata data tersebut tidak perlu di urutkan nilainya
seperti dalam mencari median, tetapi dapat langsung dijumlahkan, kemudian
dibagi dengan jumlah individu dalam kelompok tersebut. Berdasarkan data diatas,
maka mean dapat dihitung :
Me : (90 + 120 + 160 + 180 + 190 + 90 + 180 + 70 + 160) : 10 = 130 ribu rupiah.
Jadi penghasilan rata-rata pegawai di PT Samudra adalah Rp. 130.000.
1.5.2 MEDIAN
Median adalah nilai tengah dari data-data yang terurut.
Ada dua cara menentukan median:
1.6.1 Jika jumlah data adalah ganjil, maka nilai mediannya dapat ditentukan
dengan rumus :
A = ((n-1)/2)+1)
Nilai Median adalah sama dengan nilai data ke A
1.6.2 Jika jumlah data genap, maka median dapat ditentukan dengan rumus :

Nilai
I = Median=
n/2 (datake-(I) + data ke-(I+1))/2

Contoh Soal Median :

 Hasil observasi umur pegawai di kantor X adalah :
20, 45, 60, 56, 45, 45, 20, 19, 57, 45, 45, 51, 35
Untuk dapat mencari mediannya maka data umur diatas harus disusun terlebih
dahulu urutannya. Setelah disusun, menjadi sebagai berikut :
19, 20, 20, 35, 45, 45, 45, 45, 45, 51, 56, 57, 60
Nilai tengah data diatas berada pada urutan ke 7 yaitu 45. Jadi mediannya adalah
45.
Contoh Median lainnya :
Tinggi badan 10 mahasiswa adalah :
145, 147, 167, 166, 160, 164, 165, 170, 171, 180
Data diatas diurutkan (dari terkecil sampai terbesar atau sebaliknya) menjadi :
180, 171, 170, 167, 166, 165, 164, 160, 147, 145
Jumlah individu dalam kelompok tersebut adalah genap, maka nilai tengahnya
adalah dua angka yang ditengah dibagi dua, atau rata-rata dari dua angka yang
tengah. Nilai tengah dari kelompok tersebut adalah, nilai ke 5 dan ke 6.
Mediannya = 166 + 165 : 2 = 165,5. Dengan demikian dapat dijelaskan rata-rata
median tinggi badan kelompok mahasiswa itu adalah 165, 5 cm.
1.5.3 MODUS
Modus ialah kumpulan data yang paling sering muncul atau data yang
mempunyai nilai frekensi terbesar, jika pada kumpuan data itu terdapat lebih dari
satu data yang sama-sama paling sering muncul, maka dalam kumpulan data itu
terdapat lebih dari satu modus.
Jika pada kumpulan data itu tidak terdapat data yang paling sering muncul, maka
kumpulan data itu dikatakan tidak mempunyai modus.
Contoh yang mempunyai modus
A. 3 , 4, 4, 5, 5, 5, 6, 6, 7, 7
B. 5, 6, 6, 7, 7, 8, 8
C. 9, 10, 10, 10, 11, 12, 12, 12, 13
D. 2, 2, 4, 4, 6, 6, 7, 7, 9, 9
Jawab :
 A. 3 , 4, 4, 5, 5, 5, 6, 6, 7, 7 : mempunyai modus 5, sebab nilai data 5 muncul
paling sering yaitu sebanyak 3 kali.
B. 5, 6, 6, 7, 7, 8, 8 mempunyai modus 6, 7, 8, sebab nilai data 6, 7, 8 sama-sama
paling sering muncul yaitu sebanyak 2 kali.
C. 9, 10, 10, 10, 11, 12, 12, 12, 13 mempunyai modus 10 dan 12

Yang tidak mempunyai modus

D. 2, 2, 4, 4, 6, 6, 7, 7, 9, 9 : tidak mempunyai modus
1.5.4 KUARTIL
Istilah kuartil dalam kehidupan kita sehari-hari lebih dikenal dengan istilah
kuartal.
Dalam dunia statistik, yang dimaksud dengan kuartil ialah titik atau skor atau nilai
yang membagi seluruh distribusi frekuensi ke dalam empat bagian yang sama
besar, yaitu masing masing sebesar ¼ N. jadi disini akan kita jumpai tiga buah
kuartil, yaitu kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3).
Ketiga kuartil inilah yang membagi seluruh distribusi frekuensi dari data yang
kita selidiki menjadi empat bagian yang sama besar, masing-masing sebesar ¼ N,
seperti terlihat dibawah ini
Jalan pikiran serta metode yang digunakan adalah sebagaimana yang telah kita
lakukan pada saat kita menghitung median. Hanya saja, kalau median membagi
seluruh distribusi data menjadi dua bagian yang sama besar, maka kuartil
membagiseluruh distribusi data menjadi empat bagian yang sama besar.
Jika kita perhatikan pada kurva tadi, maka dapat ditarik pengertian bahwa Q2
adalah sama dengan Median (2/4 N=1/2 N).
Untuk mencari Q1,Q2 dan Q3 digunakan rumus sebagai berikut:
1. v untuk data tunggal

1 + ( 𝑛/4𝑁 − 𝑓𝑘𝑏)
𝑄𝑛
𝑓𝑖

2. v untuk data kelompok

1 + ( 𝑛/4𝑁 − 𝑓𝑘𝑏)𝑥𝑖
𝑄𝑛
𝑓𝑖
Keterangan
Qn = kuartil yang ke-n. karena titik kuartil ada tiga buah, maka n dapat diisi
dengan bilangan: 1,2, dan 3.
1 = lower limit ( batas bawah nyata dari skor atau interval yang mengandung
Qn).
N = Number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung Qn.
Fi = frekuensi aslinya (yaitu frekuensi dari skor atau interval yang
mengandung Qn).
i = interval class atau kelas interval.

Catatan: - istilah skor berlaku untuk data tunggal.

- istilah interval berlaku untuk data kelompok.
Berikut ini akan dikemukakan masing-masing sebuah contoh perhitungan kuartil
ke-1, ke-2, dan ke-3 untuk data yang tunggal dan kelompok.
1. Contoh perhitungan kuartil untuk data tunggal

Misalkan dari 60 orang siswa SMA N 1 Tabanan Jurusan IPA diperoleh nilai
hasil UN bidang studi Fisika sebagaimana tertera pada tabel distribusi
frekuensi berikut ini. Jika kita ingin mencari Q1, Q2, dan Q3 (artinya data
tersebut akan kita bagi dalam empat bagian yang sama besar), maka proses
perhitungannya adalah sebagai berikut:

Tabel 6 Data distribusi Frekuensi Nilai Hasil UN Dalam Bidang Studi Fisika
Dari 60 Orang Siswa SMA N 1 Tabanan Jurusan Ipa

Nilai Frekuensi (F) Fkb

46 2 60= N
45 2 58
44 3 56
 43 5 53
42 F1 (8) 48
41 10 40
40 F1 (12) 30
39 -6 18
38 5 12
37 4 7
36 2 3
35 1 1

a. Titik Q1= 1/4N = ¼ X 60 = 15 ( terletak pada skor 39). Dengan demikian

dapat kita ketahui: 1= 38,50; fi = 6; fkb = 12
Q1 = 1 + ( n/4N-fkb) = 38,50 +(15-12)
Fi 6
= 38,50 +0,50
= 39
b. Titik Q2= 2/4N = 2/4 X 60 = 30 ( terletak pada skor 40). Dengan demikian
dapat kita ketahui: 1= 39,50; fi = 12; fkb = 18
Q2 = 1 + ( n/4N-fkb) = 39,50 +(30-18)
Fi 12
= 39,50 +1,0
= 40,50
c. Titik Q3= 3/4N = 3/4 X 60 = 45 ( terletak pada skor 42). Dengan demikian
dapat kita ketahui: 1= 41,50; fi = 8; fkb = 40
Q3 = 1 + ( n/4N-fkb) = 41,50 +(45-40)
Fi 8
= 41,50+ 0,625
= 42,125

2. Contoh perhitungan kuartil untuk data kelompok

Misalkan dari 80 orang siswa SMA N 1 Tabanan jurusan IPS diperoleh nilai
hasil UN dalam bidang studi sosiologi sebagaimana disajikan pada tabel
 distribusi frekuensi beikut ini. Jika kita ingin mencari Q1, Q2, dan Q3, maka
proses perhitungannya adalah sebagai berikut:
a. Titik Q1= 1/4N = ¼ X 80 = 20 ( terletak pada interval 35-39). Dengan
demikian dapat kita ketahui: 1= 34,50; fi = 7; fkb = 13,
i= 5.
Q1 = 1 + ( n/4N-fkb) Xi = 34,50 +(20-13) X5
Fi 7
= 34,50 +5
= 39,50
b. Titik Q2= 2/4N = 2/4 X 80 = 40 ( terletak pada interval 45-49). Dengan
demikian dapat kita ketahui: 1= 44,50; fi = 17; fkb = 35, i= 5.
Q1 = 1 + ( n/4N-fkb) Xi = 44,50 +(40-35) X5
Fi 17
= 44,50 +1.47
= 45,97
c. Titik Q3= 3/4N = 3/4 X 80 = 60 ( terletak pada interval 55-59). Dengan
demikian dapat kita ketahui: 1= 54,50; fi = 7; fkb = 59,
i= 5.
Q1 = 1 + ( n/4N-fkb) Xi = 54,50 +(55-59) X5
Fi 7
= 54,50 + 0,71
= 55,21
1.5.5 DESIL
Desil ialah titik atau skor atau nilai yang membagi seluruh distribusi frekuensi.
Sebagai contoh dari data yang kita selidiki ke dalam 10 bagian yang sama besar,
yang masing-masing sebesar 1/10 N. jadi disini kita jumpai sebanyak 9 buah titik
desil, dimana kesembilan buah titik desil itu membagi seluruh distribusi frekuensi
ke dalam 10 bagian yang sama besar.
Lambing dari desil adalah D. jadi 9 buah titik desil dimaksud diatas adalah titik-
titik: D1, D2, D3, D4, D5, D6, D7, D8, dan D9.
Untuk mencari desil, digunakan rumus sebagai berikut:
1. Untuk Data Tunggal

Dn = 1 +(n/10N – fkb)
Fi

2. Untuk Data Bergolong

Dn = 1 +(n/10N – fkb)xi
Fi

Keterangan
Dn = desil yang ke-n (disini n dapat diisi dengan bilangan:1, 2, 3, 4, 5, 6, 7, 8,
atau 9.
1 = lower limit( batas bawah nyata dari skor atau interval yang mengandung
desil ke-n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung desil ke
Fi = frekuensi dari skor atau interval yang mengandung desil ke-n, atau
frekuensi aslinya.
i =interval class atau kelas interval.
Berikut adalah contoh perhitungan Desil
1. Contoh perhitungan desil untuk data tunggal
Tabel 7. Data perhitungan desil distribusi tunggal
Nilai (x) F Fkb
46 2 60= N
45 2 58
44 3 56
43 5 53
42 8 48
41 10 40
40 12 30
39 6 18
38 5 12
37 4 7
 36 2 3
35 1 1

Misalkan kita ingin mencari desil ke-1, ke-5, dan ke-9 atau D1, D5, dan D9
dari data yang tertera pada table yang telah dihitung Q1, Q2, dan Q3-nya itu.
a. Mencari D1:
Titik D1= 1/10N= 1/10X60= 6 (terletak pada skor 37). Dengan demikian dapat
kita ketahui: 1= 5,50; fi= 4, dan fkb= 3.
D1 = 1 + (1/10N-fkb) ---D1=36,50 (6-3)
Fi 4
= 36,25
b. Mencari D5:
Titik D5= 5/10N= 5/10X60= 30 (terletak pada skor 40). Dengan demikian
dapat kita ketahui: 1= 39,50; fi= 12, dan fkb= 18.
D5 = 1 + (5/10N-fkb) ---D1=39,50 (30-18)
Fi 12
= 40,50
c. Mencari D9:
Titik D9= 9/10N= 9/10X60= 54 (terletak pada skor 44). Dengan demikian
dapat kita ketahui: 1= 43,50; fi= 3, dan fkb= 53.
D9 = 1 + (9/10N-fkb) ---D1= 43,50 (54-53)
Fi 3
= 43,17
2. Contoh perhitungan desil untuk data kelompok
Tabel 8. Data perhitungan desil distribusi bergolong
Nilai (x) F Fkb
70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
 30-34 6 13
25-29 5 7
20-24 2 2
Jumlah 80= N -

a. Mencari D3:
Titik D3= 3/10N= 3/10X80= 24 (terletak pada interval 40-44). Dengan
demikian dapat kita ketahui: 1= 39,50; fi= 15, dan fkb= 20.
D3 = 1 + (3/10N-fkb) xi=39,50 (24-20) x 5
Fi 15
= 39,50+ 20 = 39,50 + 1,33 = 40,83
15
b. Mencari D7:
Titik D7= 7/10N= 7/10X80= 56 (terletak pada interval 50-54). Dengan
demikian dapat kita ketahui: 1= 49,50; fi= 7, dan fkb= 52.
D7 = 1 + (7/10N-fkb) xi=49,50 (50-54) x 5
Fi 7
= 49,50+ 20= 49,50 + 2,86= 40,83
7
Diantara kegunaan desil ialah untuk menggolongkan-golongkan suatu
distribusi data ke dalam sepuluh bagian yang sama besar, kemudian
menempatkan subjek-subjek penelitian ke dalam sepuluh golongan tersebut.

1.5.6 PERSENTIL
Persentil yang biasa dilambangkan P, adalah titik atau nilai yang membagi suatu
distribusi data menjadi seratus bagian yang sama besar. Karena itu persentil sering
disebut ukuran perseratusan.
Titik yang membagi distribusi data ke dalam seratus bagian yang sama besar itu
ialah titik-titik: P1, P2, P3, P4, P5, P6, … dan seterusnya, sampai dengan P99.
jadi disini kita dapati sebanyak 99 titik persentil yang membagi seluruh distribusi
data ke dalam seratus bagian yang sama besar, masing-masing sebesar 1/ 100N
atau 1%,
Untuk mencari persentil digunakan rumus sebagai berikut:
1. Untuk data tunggal:

(𝑛/10𝑁 – 𝑓𝑘𝑏)
𝑃𝑛 𝑇𝐵 +
𝐹𝑖

2. Untuk data kelompok:

(𝑛/10𝑁 – 𝑓𝑘𝑏)𝑖
𝑃𝑛 𝑇𝐵 +
𝐹𝑖

Keterangan
Pn = persentil yang ke-n (disini n dapat diisi dengan bilangan-bilangan:1, 2,
3, 4, 5, dan seterusnya sampai dengan 99.
TB = lower limit( batas bawah nyata dari skor atau interval yang mengandung
persentil ke-n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung persentil ke-n.
Fi = frekuensi dari skor atau interval yang mengandung persentil ke-n, atau
frekuensi aslinya.
I = interval class atau kelas interval.

1. Contoh perhitungan persentil untuk data tunggal

Tabel 9. Data perhitungan persentil distribusi tunggal
Nilai (x) F Fkb
46 2 60= N
45 2 58
44 3 56
43 5 53
42 8 48
41 10 40
40 12 30
39 6 18
38 5 12
37 4 7
 36 2 3
35 1 1

Misalkan kita ingin mencari persentil ke-5 (P5) dan persentil ke-75 (P75),dari
data yang disajikan pada table. Cara menghitungnya adalah sebagai berikut:
a. Mencari persentil ke-5 (P5):
Titik P5= 5/10N= 5/10X60= 3 (terletak pada skor 36). Dengan demikian dapat
kita ketahui: TB= 35,50; fi= 2, dan fkb= 1.
Untuk data tunggal:
Pn = TB +(n/10N – fkb)
Fi
P5 = TB + (5/10N-fkb) =35,50 +(3-1)
Fi 2
= 36,50
b. Mencari persentil ke-75 (P75):
Titik P75= 75/10N= 75/10X60= 45 (terletak pada skor 42). Dengan demikian
dapat kita ketahui: TB= 41,50; fi= 8, dan fkb= 40
P75 = TB + (75/10N-fkb) =41,50 +(45-40)
Fi 8
= 42,125
Contoh perhitungan persentil untuk data kelompok
Tabel 10. Data perhitung persentil distribusi kelompok
Nilai (x) F Nilai (x)
70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -
 Misalkan kembali ingin kita cari P35 dan P95 dari data yang disajikan pada
tabel diatas
a. Mencari persentil ke-35 (P35):
Titik P35= 35/100N= 35/100X80= 28 (terletak pada interval 40-44). Dengan
demikian dapat kita ketahui: TB= 39,50; fi= 15, dan fkb= 20, i=5
RUMUS:

(𝑛/10𝑁 – 𝑓𝑘𝑏)𝑖
𝑃𝑛 𝑇𝐵 +
𝐹𝑖

P35 = TB + (35/100N-fkb) . i =39,50 + (45-40)5

Fi 8
= 39,50+2,67
= 42,17
b. Mencari persentil ke-95 (P95):
Titik P95= 95/100N= 95/100X80= 76 (terletak pada interval 65-69). Dengan
demikian dapat kita ketahui: TB= 64,50; fi= 5, dan fkb= 72, i=5
P95 = TB + (95/100N-fkb) Xi =64,50 + (65-69)5
Fi 5
= 64,50+4
= 68,50

Tabel 11. Rumus data distribusi tunggal dan bergolong

Rumus Data Tunggal Data Berkelompok
Rataan
(mean)
Mo = nilai dg frekuensi
Modus
tertinggi/paling sering muncul
ganjil
Median
genap

Kuartil
 Desil

Untu (𝑛/10𝑁 – 𝑓𝑘) (𝑛/10𝑁 – 𝑓𝑘)

Persentil 𝑃𝑛 𝑇𝐵 + 𝑃𝑛 𝑇𝐵 +
𝐹𝑖 𝐹𝑖
k
data tunggal, data diurutkan terlebih dahulu sehingga saat mencari median, kuartil dan
desil kita tidak salah menentukan -nya.

Keterangan
= nilai ke- i (data tunggal)
= nilai tengah kelas ke-i (data berkelompok)
= frekuensi ke- i
= jumlah frekuensi/banyaknya data
= tepi bawah = (BB – 0,5)
= frekuensi kelas modus – frek kls di atasnya
= frekuensi kelas modus – frek kls di bawahnya
= interval/panjang kelas=BA-BB+1
= frekuensi kumulatif sebelum kelas yg dimaksud
= frekuensi kelas Median
= frekuensi kelas kuartil
= frekuensi kelas desil
*letak kls Median =
*letak kls Kuartil =
*letak kls Desil =

1.6 STANDAR DEVIASI DAN VARIAN

1.6.1 Pengertian varian dan standar deviasi
Varian dan standar deviasi (simpangan
baku) adalah ukuran-ukuran keragaman (variasi) data
statistik yang paling sering digunakan. Standar deviasi
(simpangan baku) merupakan akar kuadrat dari varian.
 Oleh karena itu, jika salah satu nilai dari kedua
ukuran tersebut diketahui maka akan diketahui juga nilai ukuran yang lain.

1.6.2 Penghitungan varian dan standar deviasi

Dasar penghitungan varian dan standar deviasi adalah keinginan untuk
mengetahui keragaman suatu kelompok
data. Salah satu cara untuk mengetahui
keragaman dari suatu kelompok data adalah
dengan mengurangi setiap nilai data dengan rata-rata kelompok data tersebut,
selanjutnya semua hasilnya dijumlahkan.
Namun cara seperti itu tidak bisa digunakan karena
hasilnya akan selalu menjadi 0.

Oleh karena itu, solusi agar nilainya tidak menjadi 0

adalah dengan mengkuadratkan setiap pengurangan nilai data dan rata-rata
kelompok data tersebut, selanjutnya dilakukan penjumlahan. Hasil penjumlahan
kuadrat (sum of squares) tersebut akan selalu bernilai positif.
Nilai varian diperoleh dari pembagian hasil penjumlahan kuadrat (sum of squares)
dengan ukuran data (n).

Namun begitu, dalam

penerapannya, nilai varian
tersebut bias untuk menduga varian
populasi. Dengan menggunakan rumus tersebut, nilai varian populasi lebih besar
dari varian sampel.
Oleh karena itu, agar tidak bias dalam menduga varian populasi, maka n sebagai
pembagi penjumlahan kuadrat (sum of squares) diganti dengan n-1 (derajat
bebas) agar nilai varian sampel mendekati varian populasi. Oleh karena itu
rumus varian sampel menjadi:
Rumus varian :

Nilai varian yang dihasilkan merupakan

nilai yang berbentuk kuadrat. Misalkan satuan nilai rata-rata adalah gram, maka
nilai varian adalah gram kuadrat. Untuk menyeragamkan nilai satuannya maka
varian diakarkuadratkan sehingga hasilnya adalah standar deviasi (simpangan
baku).
Untuk mempermudah penghitungan, rumus varian dan standar deviasi
(simpangan baku) tersebut bisa diturunkan :
Rumus standar deviasi (simpangan baku) :
 Keterangan:
s2 = varian
s = standar deviasi (simpangan baku)
xi = nilai x ke-i
= rata-rata
n = ukuran sampel
1.6.3 Contoh Penghitungan varian dan standar deviasi
Misalkan dalam suatu kelas, tinggi badan beberapa orang siswa yang dijadikan
sampel adalah sebagai berikut.

172, 167, 180, 170, 169, 160, 175, 165, 173, 170

Dari data tersebut diketahui bahwa jumlah data (n) = 10, dan (n - 1) = 9.
Selanjutnya dapat dihitung komponen untuk rumus varian.
Tabel 12 Data perhitungan varian
n Xi Xi2
1 172 29584
2 167 27889
3 180 32400
4 170 28900
5 169 28561
6 160 25600
7 175 30625
8 165 27225
9 173 29929
10 170 28900
Jumlah 1701 289613
Dari tabel tersebut dapat ketahui:
Dengan demikian, jika dimasukkan ke dalam rumus varian, maka hasilnya adalah
sebagai berikut.

Dari penghitungan, diperoleh nilai varian sama dengan 30,32.

Dari nilai tersebut bisa langsung diperoleh nilai standar deviasi (simpangan baku)
dengan cara mengakarkuadratkan nilai varian.
LAMPIRAN

SPSS (Statistical Product and Service Solution) merupakan program aplikasi yang populer yang dapat
digunakan dalam analisa data. Hal ini memudahkan user untuk melakukan perhitungan data. Data yang
dahulunya hanya bisa dikerjakan secara manual dengan menggunakan rumusan tertentu kini, dengan
hanya sekali klik maka interpretasi data analisa sudah muncul.

Program SPSS merupakan sebuah aplikasi statistik kuantitatif yang dikembangkan di Universitas
Stanford dan Universitas Chicago pada tahun 1968. Program SPSS pertama kali dikembangkan oleh
seorang profesor ilmu sosial yang bernama Norman Nie dan seorang koleganya bernama C. Hadlai Hull.
Pada waktu itu nama SPSS merupakan singkatan dari Statistical Package for the Social Science. Namun,
dewasa ini aplikasi SPSS telah digunakan secara luas pada berbagai disiplin ilmu, tidak hanya terbatas
untuk ilmu sosial saja. Oleh karena itu, kepanjangan dari SPSS kemudian disesuaikan menjadi Statistical
Product and Service Solution. Versi program SPSS pun dari tahun ke tahunnya selalu berkembang dan
disempurnakan hingga sampai pada versi 16.0 yang diluncurkan pada bulan Nopember tahun 2007
(Anonim).

Program SPSS menyediakan serangkaian fitur yang memungkinkan user (pengguna) komputer untuk
dapat mengatur, menganalisis, memanipulasi dan menampilkan data. Kepopuleran SPSS dewasa ini
disebabkan kemampuannya dalam menampilkan banyak angka pada fungsi-fungsi statistik dan
kemudian mempresentasikan hasilnya dalam berbagai format termasuk format grafis
(www.griffith.edu.au).

Menurut Ghozali (2001, dikutip oleh admin) merupakan suatu software yang berfungsi untuk
menganalisis data, melakukan perhitungan statistik baik parametrik maupun non parametrik.

Untuk dapat menggunakan aplikasi SPSS tentunya software SPSS harus sudah terinstall dengan baik di
masing-masing PC/notebook yang dimiliki. Masing-masing versi dari aplikasi SPSS mempunyai kelebihan
dan kekurangan. Terkadang aplikasi SPSS hanya dapat berjalan di OS window XP. Namun ada juga versi
dari SPSS yang dapat berjalan dengan OS window 7. Semua kembali lagi kepada masing-masing user.
Anda menggunakan OS apa maka anda juga harus memilih aplikasi SPSS yang sesuai dengan operating
system yang anda gunakan.

Sebelum menjalankan SPSS hendaknya anda harus sudah memiliki data mentah yang akan diolah
menggunakan aplikasi SPSS. Alangkah baiknya tabulasi data yang anda miliki anda simpan dalam file Ms.
Excell dari semua tipe baik yang dikeluarkan oleh windows ataupun yang open office. Hal ini bertujuan
untuk memudahkan anda melakukan pengolahan data nantinya.

Secara garis besar, interface SPSS terbagi menjadi 2 yaitu data view dan variable view. Data view
merupakan lokasi/tempat untuk memasukkan data yang akan dilakukan analisa, sedangkan untuk
variable view merupakan area yang digunakan untuk memberikan keterangan atas masing-masing
variable yang dimasukkan. Hal ini secara tidak langsung akan memudahkan user untuk fokus kepada
data yang dimiliki karena data yang telah ada dapat segera untuk dilakukan pengolahan.

Statistika mempunyai beberapa arti, diantaranya dalam arti sempit statistika dapat dikatakan sebagai
data ringkasan yang berbentuk angka atau kuantitatif. Sedangkan definisi dalam arti luas merupakan
ilmu yang mempelajari tentang berbagai cara pengumpulan data, pengolahan data, penyajian data,
analisis data dan cara pengambilan kesimpulan secara umum yang berdasarkan hasil penelitian yang
tidak menyeluruh.

SPSS pertama kali dikembangkan sekitar tahun 1968 oleh Norman H. Nie, C. Hadlay dan Dale Bent dari
Stanford University. Pada tahun 1984 dikeluarkan SPSS untuk PC sedangkan untuk versi windows pada
tahun 1992.

SPSS awalnya merupakan singkatan dari Statistical Package for the Social Science, sejalan dengan
berkembangnya SPSS itu sendiri sekarang SPSS mempunyai kepanjangan Statistical Product and Service
Solutions. SPSS merupakan suatu program komputer statistik yang mampu mengolah/ memproses data
statistik secara cepat dan tepat, untuk mendapatkan berbagai hasil/ output yang dikehendaki para
pengambil keputusan.

Dalam SPSS terdapat beberapa window, yakni:

a. Data editor

Window data editor ini secara otomatis setiap kali program SPSS ini dijalankan dan berfungsi untuk
input data. Dapat dikatakan window ini merupakan window utama dalam SPSS. Dalam window data
editor ini terdapat 2 bagian penting yakni:

 Kolom, bercirikan adanya kata “var― pada setiap kolomnya.

 Baris, cirinya adalah angka 1,2,3, dan seterusnya.

Dalam window ini terdapat berbagai menu seperti file, edit, analyze dan sebagainya yang akan
dijelaskan di bawah ini:
a) File

Menu file berisikan berbagai perintah seperti membuat file baru, membuka file yang tersimpan,
membaca database, membaca text data, menyimpan file, mencetak dan lain sebagainya.

Terdapat berbagai macam data yang digunakan dalam SPSS, yakni:

 Data: dokumen SPSS yang berupa data

 Systax: dokumen berisi file syntax SPSS

 Output: dokumen yang berisi hasil running out SPSS

 Script : dokumen yang berisi running out SPSS

 Database: berisikan banyak perintah seperti new, open, readtext data, save, save as, page setup,
print, print preview, recently used data, recently used file.

b) Edit

Menu edit ini berisi perintah seperti menyalin teks, menghapus, mencari, mengganti data dan
memodifikasi data. Menu edit berisikan undo, redo, cut, paste, paste after, paste special, clear, find dan
option.

c) View

Untuk mengatur tampilan layar dan mengetahui proses-proses yang sedang terjadi pada operasi SPSS.
Menu View berisikan status bar (untuk mengetahui proses yang sedang berlangsung), toolbar (untuk
mengatur tampilan toolbar), fonts (untuk mengatur jenis, ukuran font pada data editor) dan gridlines
yang digunakan untuk mengatur garis sel pada editor.

d)Data

Menu ini digunakan untuk melakukan pemrosesan data. Dalam menu data terdapat perintah seperti
Define Dates, Insert Variable, Insert Case, Go to Case, Sort Case, Transpose, Merge Files, Split File dan
Select File.

e)Transform

Menu transform ini digunakan untuk memodifikasi nilai-nilai variable baru dari variabel yang telah ada
dengan operasi tertentu. Untuk contohnya aritmatika atau membentuk variable baru yang nilainya
merupakan hasil transformasi dari variable yang telah ada. Dalam menu transform terdapat perintah
seperti Compute, Count, Recode, Categorize Variable, dan Rank Case.

f) Analyze

Menu analyze ini digunakan utnuk memilih metode-metode statistik. Seperti metode deskripsi statistik,
perbandingan mean, regresi, klasifikasi, non parametrik dan lain sebagainya.
g) Graphs

Menu graphs ini digunakan untuk menampilkan grafik, seperti bar, histogram, pie, diagram pencar,
grafik normal dan sebagainya.

h)Utilities

Menu utilities digunakan untuk menampilkan variabel-variabel yang ada pada file, dan menampilkan
berbagai informasi mengenai isi file serta masih banyak lagi.

i) Windows

Untuk menu windows digunakan untuk mengatur, memilih atribut-atribut yang ada pada program SPSS,
menampilkan layar-layar yang digunakan oleh SPSS.

b. Output Viewer

Jika menu data editor sebelumnya berfungsi untuk memasukkan data yang siap diolah oleh SPSS,
kemudian melakukan pengolahan data yang dilakukan lewat menu Analyze, maka window output
viewer inilah yang berfungsi untuk menampilkan hasil analisa tersebut. Dalam window ini analisa
tersebut dapat ditampilkan dalam bentuk tabel, grafik atau teks.

Sama halnya dengan Data Editor, dalam window output viewer juga memiliki berbagai menu seperti File,
Edit, View, Analyze, Graphs, Utilities, dan sebagainya. Selain itu, terdapat dua menu tambahan yakni:

a) Insert

Menu insert ini berfungsi untuk menyisipi dengan judul, grafik, teks atau objek tertentu dari aplikasi lain.

b)Format

Menu ini berfungsi untuk mengubah tata letak huruf output.

Tampilan Window Output Editor

c. Window Syntax Editor

Dalam SPSS terdapat beberapa perintah atau pilihan yang hanya dapat digunakan dengan SPSS
Command Language. Oleh karena itu, perintah-perintah tersebut dapat ditulis pada window ini. Window
Syntax Editor ini berupa file teks yang berisi berbagai perintah SPSS yang dapat diketik secara manual.
Tetapi, program SPSS juga menyediakan berbagai kemudahan dalam membuat Syntax, seperti Output
Log, Journal File dan sebagainya. Menu yang terdapat dalam window ini sama seperti menu pada
window lainnya, hanya saja terdapat tambahan menu Runۥ yang berfungsi untuk menjalankan syntax
yang telah ditulis.

Tampilan Window Syantax Editor

d. Window Script Editor

Window jenis ini berfungsi untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti
membuka atau menutup file, ekspor chart, penyesuaian output dan lain sebagainya. Menu yang
terdapat pada windoe script editor ini sama dengan menu yang lain, hanya ditambah submenu script
untuk membuat berbagai subrutin dan fungsi baru, serta submenu debug untuk melakukan proses
debug pada script.

Tampilan Window Skript Editor

SPSS sangat berguna dalam berbagai bidang, misalnya:

 Marketing : uji selera/ preferensi konsumen

 Produksi: membandingkan kinerja dua mesin produksi

 Farmasi: mengetahui pengaruh obat baru

 Kedokteran : pengaruh treatment terhadap pasien

 Pertanian : mencari hasil panen terbaik menggunakan kombinasi antara jenis tanah dan pupuk.

Untuk mempelajari tentang program SPSS, tentunya kita menginstallnya terlebih dahulu dalam
komputer. Sehingga kita dapat belajar dan langsung dapat mempraktekkan ilmu tersebut dengan
program SPSS. Apabila telah terinstall maka untuk mempermudah pembelajaran buka program SPSS
tersebut terlebih dahulu.

Membuka Program SPSS

 Double klik pada shortcut SPSS yang terdapat pada tampilan desktop, atau

 Start > All Program > SPSS for Windows

Setelah itu, akan muncul tampilan program yang mirip dengan microsoft excel, yakni terdapat cells dan
tab sheet. Dalam program SPSS ini, terdapat dua tab sheet yaitu Data View dan Variable View.

Data view digunakan untuk memasukkan data sedangkan Variable View digunakan untuk
mendefinisikan variabel.

Berikut ini kami sajikan gambar untuk mempermudah dalam pemahaman mengenai pengenalan
program SPSS.

Gambar 1. Tampilan Window Data Editor pada Sheet Data View

Dalam sheet variabel view, terdapat beberapa kolom seperti Name, Type, Width, Decimals, Label,
Values, Missing, Colums, Align, dan Measure. Berikut penjelasannya:

a. Name : diisi nama variabel

Terdapat beberapa ketentuan dalam mengisi kolom Name, diantaranya adalah :

  Karakter tidak boleh melebihi 64, karena jumlah maksimal karakter yang boleh diinput adalah 64
karakter.

 Tidak diperbolehkan menggunakan spasi kosong, sebaiknya menggunakan tanda underline•

untuk menghubungkan antar kata

 Karakter pertama harus menggunakan huruf

 Karakter tidak boleh diakhiri dengan titik (.)

 Hindari penamaan variabel dengan istilah-istilah yang digunakan oleh SPSS seperti : ALL, BY, EQ,
GE, GT, LE, LT, NE, NOT, OR, TO, WITH.

 Karakter huruf besar atau huruf kecil tidak berpengaruh

b. Type : diisi jenis tipe data yang digunakan seperti numeric (data angka) dan string (untuk data teks)

Dalam SPSS, terdapat berbagai macam tipe yakni:

 Numeric: data yang berbentuk numeric, dianggap valid dalam bentuk angka, bisa bertanda plus
(+) atau minus (-) di depan angka.

 Comma: data yang berbentuk numeric tetapi ditandai dengan koma untuk menyatakan ribuan

 Dot: data yang berbentuk numeric tetapi ditandai dengan titik untuk menyatakan ribuan

 Scientific Notation: data yang berbentuk numeric, ditandai dengan simbol huruf E untuk
kelipatan 10. Misal 120000 = 1.20E+5

 Date: menampilkan data format tanggal atau waktu

 Dollar: memberi tanda dollar ($), dengan tanda koma sebagai pemisah ribuan dan titik sebagai
tanda desimal

 Custom currency: untuk format mata uang yang dibuat melalui Menu Edit > Option

 String: data dalam bentuk huruf, angka atau karakter lainnya.

c. Width : menunjukkan banyakknya karakter yang harus diisi dalam sel, lebar karakter adalah 1-255
karakter.

d. Decimal : diisi jumlah digit desimal. Rangenya adalah 0-16 digit.

e. Label : merupakan nama variabel yang kita inginkan. Dalam kolom label tidak ada batasan minimum
dan maksimum untuk karakternya.

f. Value: untuk memberi kodifikasi value atau mendefinisikan label variabel. Kolom value ini diisi bila
ingin memasukkan data nominal, misal Pria = 1 dan wanita = 2
g. Missing: istilah yang digunakan oleh SPSS untuk mendeklarasikan data yang hilang atau tidak lengkap.
Hal ini penting karena data yang hilang akan sangat berpengaruh pada hasil pengolahan maupun analisis
dari keseluruhan data.

Contohnya adalah, kita akan mengumpulkan nilai tes di suatu kelas yang berjumlah 36 siswa, tetapi
terdapat 4 siswa yang tidak masuk pada hari tes tersebut. Maka ketidakhadiran beberapa siswa tersebut
akan mempengaruhi hasil analisis data kelas itu secara keseluruhan. Untuk mengatasi hal tersebut,
maka kita memberi angka 0 yang mendeklarasikan sebagai missing value. Sehingga pada akhir
outputnya akan memiliki valid case 32 meski jumlah casenya 36.

Terdapat tiga pilihan untuk missing value, yaitu;

 No missing value, bila variabel tersebut tidak mengandung missing value

 Discrete missing value, bila variabel tersebut mengandung 1, 2, atau 3 missing value. Kita tinggal
mengisikan harga-harga missing tersebut pada kotak yang tersedia.

 Range plus one discrete missing value, bila variable tersebut mengandung missing value berupa
interval suatu bilangan dan sebuah harga missing sebagai alternatif lain. Contoh: 7 , 9 , 0.

h. Align: untuk pengaturan tampilan perataan dalam data view, seperti left, centre, right

i. Measure: merupakan skala pengukuran yakni nominal, ordinal, interval atau rasio, secara default akan
terpilih nominal jika variable bertipe string dan akan terpilih scale bila data bertipe numeric.

j. Columns: digunakan untuk menentukan lebar kolom variabel. Penentuan lebar kolom ini dapat
dilakukan dengan proses drag pada bagian pembatas pada

Menyimpan File Dan Membuka File

Data yang telah dibuat dapat disimpan dengan cara : File > Save As.. > tentukan lokasi penyimpanannya
> beri nama file > Save. Ekstensinya adalah .sav

Membuka File yang telah disimpan dengan cara : File > Open > Data > Cari Lokasi penympanannya > Klik
File yang akan dibuka > Open.

Menghapus Data

 Menghapus isi sel : pilih sel (blok sel untuk menyeleksi beberapa sel) yang akan dihapus tekan
Edit > Delete atau langsung menekan tombol Delete pada keyboard

 Menghapus isi sel satu kolom (variabel): klik heading kolom/ nama variabel yang akan dihapus,
Edit > Delete atau langsung menekan tombol Delete pada keyboard

 Menghapus isi sel satu baris (case) : klik nomor case yang akan dihapus kemudian Edit > Delete
atau dengan menekan tombol delete pada keyboard
Mengcopy Data

 Mengcopy isi sel : pilih sel yang akan dicopy, lalu klik Edit > Copy (Ctrl+C), pindahkan ke sel yang
akan dituju, lalu Edit > Paste (Ctrl+V)

 Mengcopy isi sel satu kolom (variable) : klik heading kolom (nama variabel), lalu klik Edit > Copy
(Ctrl+C), lalu klik heading kolom yang dituju kemudian Edit > Paste (Ctrl+V)

 Mengcopy isi sel satu baris (case): klik nomor case yang akan dicopy, klik Edit > Copy (Ctrl+C),
klik nomor case yang dituju kemudian Edit > Paste (Ctrl+V)

Menyisipkan Data

 Menyisipkan kolom : klik kolom yang akan disisipi, kemudian klik Edit > Insert Variable

 Menyisipkan baris : klik sel yang akan disisipi, kemudian klik Edit > Insert Case