UJI STATISTIK DESKRIPTIF

Diajukan untuk memenuhi salah satu mata kuliah

Aplikasi Statistika
Dosen pengampu :
Dr. Dian Septi Nur Afifah, M.Pd.

Disusun oleh:
Melia Wardani Rasiha (17204163005)
Zainudin Afandi (17204163013)
Nandaning Tryas Apriliani (17204163024)
Nila Mufidah (17204163027)
Kelompok 1
TMT 6A

JURUSAN TADRIS MATEMATIKA

FAKULTAS TARBIYAH DAN ILMU KEGURUAN
INSTITUT AGAMA ISLAM NEGERI TULUNGAGUNG
FEBRUARI 2019

i
 DAFTAR ISI

HALAMAN JUDUL ......................................................................................................... i

DAFTAR ISI...................................................................................................................... ii

A. Uji Statistik Deskriftif ............................................................................................. 1

B. Tabel Distribusi Frekuensi ...................................................................................... 3
C. Dasar-Dasar SPSS....................................................................................................3
D. Contoh Soal dan Penyelesaiannya .......................................................................... 6
E. Contoh Kasus dan Penyelesaiannya........................................................................ 12

DAFTAR PUSTAKA ........................................................................................................ 22

ii
A. Uji Statistik Deskriptif
Teknik statistik deskriptif adalah statistik yang digunakan untuk menganalisa data
dengan cara menggambarkan data yang telah dikumpulkan sebagaimana adanya tanpa
bermaksud membuat kesimpulan yang berlaku secara umum atau generalisasi. Uji
statistik deskriptif merupakan uji statistik yang dilakukan dengan cara mendeskripsikan
secara rinci masing-masing variabel. Pembahasan variabel dilakukan dengan
menggunakan data kuantitatif, maksudnya data yang diolah berbentuk angka atau skor
yang kemudian ditafsirkan secara kualitatif.1
a. Mean (𝑥̅ )
Mean adalah nilai rata-rata dari beberapa buah data. Nilai mean dapat
ditentukan dengan membagi jumlah data dengan banyaknya data. Mean (rata-rata)
merupakan suatu ukuran pemusatan data. Mean data juga merupakan statistik karena
mampu menggambarkan nilai khas yang mewakili sifat tengah atau posisi pusat dari
kumpulan nilai data. Mean tidak dapat digunakan sebagai ukuran pemusatan untuk
jenis data nominal dan ordinal.2
b. Standar Deviasi
Standar deviasi adalah bentuk pengukuran yang digunakan untuk mengukur
jumlah variasi atau sebaran sejumlah nilai data. Standar deviasi dalam statistika
deskriptif ini banyak digunakan untuk menghitung variabilitas atau keragaman yang
digunakan dalam statistik dan teori probabilitas. Standar deviasi juga biasa dikenal
sebagai simpangan baku atau dalam simbol Yunani biasa disebut sigma.
Nilai standar deviasi pada dasarnya menggambarkan besaran sebaran suatu
kelompok data terhadap rata-ratanya atau dengan kata lain gambaran keheterogenan
suatu kelompok data. Selain digunakan untuk analisis statistik, standar deviasi juga
bisa digunakan untuk menentukan jumlah risiko dan volatilitas terkait dengan
investasi tertentu.
Interpretasi dari standar deviasi ini bisa dijelaskan jika didapati nilai standar
deviasi suatu sampel data sama dengan 0 (nol) maka hal tersebut menunjukkan
bahwa semua nilai dalam data tersebut adalah sama. semakin besar nilai standar
deviasi suatu data maka semakin besar jarak setiap titik data dengan nilai rata-rata.3

1
Sugiyono, Metode Penelitian Kuantitatif Kualitatif dan R&D (Bandung: Alfabeta, 2012).
2
Harinaldi, Prinsip-Prinsip Statistik Untuk Teknik dan Sains (Jakarta: Erlangga, 2005).
3
Ibid.,

1
 c. Varian
Varians adalah ukuran tersebarnya data, jumlah kuadrat dari selisih nilai
pengamatan dengan rata-rata hitung dibagi banyaknya pengamatan. Varians
merupakan jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata
kelompok, varians juga merupakan ukuran variabilitas data, yang berarti semakin
besar nilai varians berarti semakin tinggi fluktuasi data anatara satu data dengan data
yang lain. Akar varians disebut standar deviasi atau simpangan baku. Semakin kecil
varians data yang kita miliki, maka artinya data tersebut semakin tidak bervariasi.
Sebaliknya, semakin besar varians sebuah data, maka semakin bervariasi data
tersebut. Konsep ini memiliki banyak kegunaan dalam statistika. Misalnya,
membandingkan varians dari dua kelompok data (adalah salah satu cara untuk
menguji apakah sebuah variable memiliki pengaruh yang dapat diamati. Varians juga
berguna saat membuat model statistic, karena varians yang rendah menandakan data
yang over-fitting.4
Varians sample (𝑠 2 )
Varians populasi (𝜎 2 )
d. Maksimum
Maksimum adalah nilai terbesar atau nilai tertinggi pada gugus suatu data.
e. Minimum
Minimum adalah nilai terkecil atau nilai terendah pada gugus suatu data.
f. Range
Range adalah selisih antara nilai maksimum (highest value) dengan nilai
minimum (lowest value) dalam suatu gugus data. Besarnya range untuk data belum
dikelompokkan adalah 𝑅 = 𝑋𝑛 − 𝑋𝑟 .5
g. Kurtosis
Kurtosis adalah titik tolak dari kurva model normal atau distribusi normal,
tinggi rendahnya atau runcing datarnya bentuk kurva.6 Atau dengan kata lain kurtosis
adalah ukuran keruncingan dari distribusi data. Makin runcing suatu kurva maka
makin kecil simpangan baku sehingga data makin mengelompok atau heterogen.7

4
Ating Somantri dan Sambas Ali Muhidin, Aplikasi Statistika dalam Penelitian (Bandung: Pustaka
Setia, 2014).
5
Somantri dan Muhidin.
6
Sudjana, Metoda Statistika (Bandung: Tarsito, 2005).
7
Kadir, Statistika Terapan, kedua (Jakarta: Rajawali Pers, 2016).

2
B. Tabel Distribusi Frekuensi
Tabel distribusi frekuensi adalah susunan data dalam suatu tabel yang telah
diklasifikasikan menurut kelas-kelas atau kategori tertentu.8 Tujuan penyajian data
dengan tabel distribusi frekuensi adalah untuk memudahkan membaca atau
mengkomunikasikan sekumpulan data yang lebih besar. Pengelompokan data
berfrekuensi ke dalam kelas-kelas interval dapat diturunkan dari data terkecil ke
terbesar atau sebaliknya.9
C. Dasar-Dasar SPSS
Mengenal halaman kerja pada SPSS10
1. Menubar
a. File
Untuk menangani hal-hal yang berhubungan dengan file data. Seperti membuat
file baru, membuat file data statistic, menyimpan data yang sudah dimasukkan ke
dalam program, mengambil data dari program lain, mencetak isi dari data editor,
melihat tampilan tex sebelum diprint, membuka file data dan output secara cepat
dan lain-lain.
b. Edit
Untuk menangani hal-hal yang berhubungan dengan perbaikan data, duplikasi
data menghilangkan data. Edit data, mengubah setting pada options dan lain-lain.
c. View
Untuk mengatur toolbar seperti status bar, menampilkan value label, mengubah
ukuran dan jenis font, batas-batas kolom dan lain-lain.
d. Data
Untuk membuat perubahan data pada SPSS secara keseluruhan, seperti
mengurutkan data, menyeleksi data berdasarkan kriteria tertentu, menggabungkan
data dan lain-lain.
e. Transform
Untuk membuat perubahan pada variabel yang telah dipilih dengan kriteria
tertentu atau mengubah data dengan melakukan transformasi sehingga diperoleh
variabel baru.
f. Analyze

8
Somantri dan Muhidin, Aplikasi Statistika dalam Penelitian.
9
Kadir, Statistika Terapan.
10
Hartono, SPSS 16.0 Analisis Data Statistika dan Penelitian (Yogyakarta: Pustaka Pelajar, 2008).

3
 Untuk melakukan semua prosedur perhitungan dan analisis statistic, mulai dari
analisis statistic deskriptif, komparasi, korelasi, regresi, uji reliabilitas dan lain-
lain.
g. Graphs
Untuk membuat berbagai jenis grafik guna mendukung analisis statistic seperti
Pie, Line, Bar dan Kombinasi beberapa jenis grafik dan lain-lain.
h. Utilities
Untuk mengetahui deskripsi variabel yang sedang dikerjakan, menjalankan
scripts, mengatur tampilan menu-menu yang lain.
i. Add-ons
Menu tambahan yang belum ada pada versi-versi sebelumnya. Add-ons terdiri dari
beberapa sub menu Applications, Services, Programmability extension dan
Statistics guides.
j. Window
Untuk berpindah dari satu menu ke menu yang lain atau dari satu file ke file yang
lain, khusus nya file yang sudah dibuka.
k. Help
Untuk bantuan informasi mengenai program SPSS yang bisa diakses secara jelas
dan mudah.
Istilah yang Terdapat pada Variabel View11
1. Name
Nama variabel, harus dibuat satu kata, tidak boleh terpisah. Misalnya dengan
simbol Y, X1, X2, X3 dan seterusnya, atau dalam bentuk kata nama variabel guna
memudahkan seperti Jekel, Metode, Prestasi, Rajin, Kerja, Skor, Nilai dan lain-
lain.
2. Type
Pilihlah tipe data yang digunakan, terlebih dahulu klik paling ujung kotak pada
baris nama variabel dan kolom Type sehingga akan muncul tampilan Type. Ada
beberapa kemungkinan tipe data yang akan dianalisis pada variabel, misalnya data
dalam bentuk huruf, angka, dollar dan lain-lain. Bila data dalam bentuk angka
pilihlah (kliklah) Numerik, bila data dalam bentuk huruf pilihlah (kliklah) String.
Tampilan pada type ini adalah sebagai berikut:

11
Imam Machali, Statistik itu Mudah (Yogyakarta: Lembaga Ladang Kata, 2015).

4
 a. Numeric adalah tipe data.
b. Comma adala tipe data bentuk angka menggunakan koma (di
SPSS dalam bahasa inggris menggunakan titik contoh 4.00).
c. Dot adalah tipe data bentuk angka yang menggunakan titik (jika
setting SPSS pada komputer menggunakan bahasa inggris maka
penunjuk desimal akan terlihat menggunakan koma. Contoh
4,00).
d. Scientifc Notation adala tipe data dalam bentuk angka yang
menggunakan notasi bilangan. misalnya 5.0E+04 (50.000).
e. Date adalah tipe data bentuk tanggalDollar adalah tipe data menggunakan
satuan dollar.
f. Custom Currency adalah data bentuk angka seperti penulisan
nilai mata uang contoh: 1.545.43.
g. String adalah tipe data dapat berupa kalimat atau angka yang
akan menjadi label dan tidak dapat diperhitungkan nilainya.
3. Width
Diisi dengan banyaknya jumlah huruf terbanyak (nama terpanjang) dari nama-
nama responden dan atau angka terbanyak dari skor tertinggi dari data variabel
tersebut. Misalnya, variabel nama jumlah huruf terbanyak adalah Fitriani
sebanyak 8 huruf. Oleh karena itu width harus diisi minimal 8, tidak boleh kurang
dari 8 tapi boleh lebih dari 8. Variabel prestasi skor yang angkanya terbanyak
adalah 86,86 yaitu 4 angka(1 satuan dan 1 puluhan ditambah dengan 2 angka
dibelakang koma), jadi width diisi 4 boleh lebih. Variabel usia jumlah data
angkanya adalah 2, maka width diisi 2, boleh lebih dari 2. Width juga dapat diisi
pada saat mengisi tipe data.
4. Decimal
Diisi dengan banyaknya jumlah angka terbanyak dibelakang koma pada data
variabel tersebut. Misalnya data yang terbanyak angka dibelakang komanya
adalah 456,543, berarti decimal-nya diisi 3. Bila data tidak ada decimalnya atau
pecahanya (seperti nama responden) maka Decimal diisi 0 (nol). Decimal dapat
juga diisi pada saat mengisi tipe data.
5. Label
Diisi dengan penjelasan nama variabel. Dari nama variabel tidak dapat diketahui
identitas variabel yang sesungguhnya, oleh karena itu perlu ada penjelasan

5
 variabel yang terletak pada label. misalnya, nama variabel (name) Jekel, label-nya
adalah penjelasan jekel, yaitu jenis kelamin. Nama variabelnya X1, label-nya
adalah penjelasan dari X1 yaitu motivasi belajar.
6. Values
Diisi bila data yang dianalisis adalah data ordinal atau data nominal atau data yang
menggunakan kategori atau kelompok. Misalnya variabel prestasi adalah data
interval, variabel usia adalah data ratio, berarti tidak diisi values-nya. Variabel
rajin data ordinal berarti diisi values-nya. Variabel kerja adalah data nominal
berarti diisi. Dengan demikian yang diisi hanya variabel rajin dan variabel kerja.
Sedangkan variabel nama, prestasi dan usia biarkan saja pada pilihan None.
7. Missing
Untuk variabel yang datanya tidak lengkap atau ada responden yang datanya
hilang, bila data variabelnya lengkap tidak perlu diisi, atau abaikan saja, jadi tetap
pada default program SPSS 16.0.
8. Columns
Jumlah angka maksimal dalam kolom, sebaiknya biarkan bagian ini tetap pada
default program SPSS, karena program computer akan menyesuaikan dengan data
yang diinput.
9. Align
Untuk menentukan posisi atau letak data, di pinggir kanan, di tengah, atau
dipinggir kiri. Klik paling ujung kanan kotak pada baris nama variabel dan kolom
Align di kotak pojok kanan, sehingga akan muncul pilihan Left, Right, Center.
Left untuk letak data di pojok kiri, Right di pojok kanan dan Center untuk di
tengah. Misalnya, untuk variabel nama sebaiknya pilih Left untuk variabel
prestasi, kerja dan usia pilih Center.
10. Measure
Untuk menentukan jenis data Ratio, Interval dan Ordinal. Klik paling ujung kanan
kotak pada baris nama variabel dan kolom Measure, sehingga akan muncul tiga
pilihan yaitu Scale, Ordinal dan Nominal. Scale untuk data Ratio dan Interval,
Ordinal untuk jenis data Ordinal dan Nominal untuk jenis data nominal.

D. Contoh Soal dan Penyelesaiannya

1. Diberikan data hasil tes kemampuan berpikir kreatif 20 mahasiswa IAIN
Tulungagung tahun ajaran 2018/2019

6
60 66 80 88 80 55 58 90 87 87
56 76 70 80 83 82 77 55 90 90
Hitunglah mean, standar deviasi, varian, maksimum, minimum, range, kurtosis, dan
tabel distribusi frekuensi

Langkah – langkah
1. Buka aplikasi SPSS 16.0 kemudian klik variable view, pada kolom nama isikan
sesuai yang diinginkan, misalnya “NILAI”

2. Pada kolom type, klik tanda titik tiga. maka akan muncul varible type, pilih
numeric dan pada decimal place diisi dengan 0 (nol) kemudian klik OK.

7
 Maka akan muncul varible type, pilih numeric dan pada decimal place diisi
dengan 0 (nol) kemudian klik OK.

3. Pada data view, masukkan nilai yang akan dihitung dalam kolom nilai, kemudian
klik analyze, pilih descriptive statistivs, pilih frequences

8
4. Kemudian akan muncul tampilan frequencies, kemudian klik tanda panah dan klik
statistics.

5. Setelah itu akan muncul tampilan pada menu statistics, kemudian centang seperti
yang ada di bawah ini, klik continue, lalu klik OK

9
 Hasil di SPSS
FREQUENCIES VARIABLES=NILAI

/STATISTICS=STDDEV VARIANCE RANGE MINIMUM MAXIMUM MEAN KURTOSIS SEKURT

/ORDER=ANALYSIS.

Frequencies

Notes

Output Created 21-Feb-2019 00:12:35

Comments

Input Active Dataset DataSet0

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File 20

10
Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on all cases with valid

data.

Syntax FREQUENCIES VARIABLES=NILAI

/STATISTICS=STDDEV VARIANCE
RANGE MINIMUM MAXIMUM MEAN
KURTOSIS SEKURT

/ORDER=ANALYSIS.

Resources Processor Time 00:00:00.000

Elapsed Time 00:00:00.014

Statistics

NILAI

N Valid 20

Missing 0

Mean 75.50

Std. Deviation 12.775

Variance 163.211

Kurtosis -1.216

Std. Error of Kurtosis .992

Range 35

Minimum 55

Maximum 90

11
 NILAI

Cumulative
Frequency Percent Valid Percent Percent

Valid 55 2 10.0 10.0 10.0

56 1 5.0 5.0 15.0

58 1 5.0 5.0 20.0

60 1 5.0 5.0 25.0

66 1 5.0 5.0 30.0

70 1 5.0 5.0 35.0

76 1 5.0 5.0 40.0

77 1 5.0 5.0 45.0

80 3 15.0 15.0 60.0

82 1 5.0 5.0 65.0

83 1 5.0 5.0 70.0

87 2 10.0 10.0 80.0

88 1 5.0 5.0 85.0

90 3 15.0 15.0 100.0

Total 20 100.0 100.0

E. Contoh Kasus dan Penyelesaiannya

Kasus:

Hubungan antara minat belajar matematika dengan hasil belajar matematika peserta didik
kelas VIII SMP Negeri 1 Sungguminasa Kabupaten Gowa.12

12
Fefri Wahida, “Hubungan Antara Minat Belajar Matematika dengan Hasil Belajar Matematika
Peserta Didik Kelas VIII SMP Negeri 1 Sungguminasa Kabupaten Gowa” (UIN Alauddin Makassar, 2016).

12
Data:

Data Minat dan Hasil Belajar Matematika Kelas VIII SMP Negeri 1
Sungguminasa Kab. Gowa
Skor Minat Hasil Belajar
67 85
64 81
72 62
67 82
65 72
50 78
49 76
55 88
57 72
58 74
68 91
62 79
68 78
74 79
73 81
56 84
64 85
63 88
76 82
67 85
63 89
68 82
70 91
67 91
64 80
55 77
63 77

13
69 81
77 79
65 80
59 78
60 80
61 79
54 81
52 78
42 77
58 83
67 91
53 74
58 76
69 64
69 88
55 62
63 52
63 62
60 49
63 91
69 82
50 66
57 74
60 68
57 66
73 62
57 66
63 73
57 71
60 76
66 74
55 67

14
 61 66
43 74
49 69
54 73
56 71
64 72
63 66
66 71
62 71
66 69
57 69
57 71
60 69
58 70
57 71
70 80
52 80
68 78
56 72
56 70
54 70
56 68
57 63
51 69
69 69
60 69
71 77
46 64
60 81

Mengolah Data Minat Belajar Matematika

1. Buka aplikasi SPSS 16.0 kemudian klik variable view, pada kolom nama isikan sesuai
yang diinginkan, misalnya “SKOR”

15
2. Pada kolom type, klik tanda titik tiga.

maka akan muncul varible type, pilih numeric dan pada decimal place diisi dengan 0
(nol) kemudian klik OK.

16
3. Pada data view, masukkan nilai yang akan dihitung dalam kolom skor, kemudian klik
analyze, pilih descriptive statistivs, pilih frequences

4. Kemudian akan muncul tampilan frequencies, kemudian klik tanda panah dan klik
statistics.

17
5. Setelah itu akan muncul tampilan pada menu statistics, kemudian centang seperti yang
ada di bawah ini, klik continue, lalu klik OK

18
Hasil dari SPSS

SKOR

N Valid 88

Missing 0

Mean 60.97

Std. Deviation 7.245

Variance 52.493

Kurtosis -.136

Std. Error of Kurtosis .508

Range 35

Minimum 42

Maximum 77

Tabel Distribusi Frekuensi

SKOR

Cumulative
Frequency Percent Valid Percent Percent

Valid 42 1 1.1 1.1 1.1

43 1 1.1 1.1 2.3

46 1 1.1 1.1 3.4

49 2 2.3 2.3 5.7

50 2 2.3 2.3 8.0

51 1 1.1 1.1 9.1

19
52 2 2.3 2.3 11.4

53 1 1.1 1.1 12.5

54 3 3.4 3.4 15.9

55 4 4.5 4.5 20.5

56 5 5.7 5.7 26.1

57 9 10.2 10.2 36.4

58 4 4.5 4.5 40.9

59 1 1.1 1.1 42.0

60 7 8.0 8.0 50.0

61 2 2.3 2.3 52.3

62 2 2.3 2.3 54.5

63 8 9.1 9.1 63.6

64 4 4.5 4.5 68.2

65 2 2.3 2.3 70.5

66 3 3.4 3.4 73.9

67 5 5.7 5.7 79.5

68 4 4.5 4.5 84.1

69 5 5.7 5.7 89.8

70 2 2.3 2.3 92.0

71 1 1.1 1.1 93.2

72 1 1.1 1.1 94.3

73 2 2.3 2.3 96.6

20
74 1 1.1 1.1 97.7

76 1 1.1 1.1 98.9

77 1 1.1 1.1 100.0

Total 88 100.0 100.0

21
 Daftar Pustaka

Harinaldi. Prinsip-Prinsip Statistik Untuk Teknik dan Sains. Jakarta: Erlangga, 2005.

Hartono. SPSS 16.0 Analisis Data Statistika dan Penelitian. Yogyakarta: Pustaka Pelajar,
2008.

Kadir. Statistika Terapan. Kedua. Jakarta: Rajawali Pers, 2016.

Machali, Imam. Statistik itu Mudah. Yogyakarta: Lembaga Ladang Kata, 2015.

Somantri, Ating, dan Sambas Ali Muhidin. Aplikasi Statistika dalam Penelitian. Bandung:
Pustaka Setia, 2014.

Sudjana. Metoda Statistika. Bandung: Tarsito, 2005.

Sugiyono. Metode Penelitian Kuantitatif Kualitatif dan R&D. Bandung: Alfabeta, 2012.

Wahida, Fefri. “Hubungan Antara Minat Belajar Matematika dengan Hasil Belajar
Matematika Peserta Didik Kelas VIII SMP Negeri 1 Sungguminasa Kabupaten Gowa.”
UIN Alauddin Makassar, 2016.

22