BAB I

PENDAHULUAN

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah,
menyajikan data tanpa mengambil keputusan untuk populasi. Dengan kata lain
hanya melihat gambaran secara umum dari data yang didapatkan. Statistika adalah
ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,menganalisis,
menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu
yang berkenaan dengan data.

Analisis deskriptif adalah bentuk analisis data penelitian untuk menguji

generalisasi hasil penelitian berdasarkan satu sample. Analisa deskriptif ini
dilakukan dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah
hipotesis penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0)
diterima, berarti hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini
menggunakan satu variable atau lebih tapi bersifat mandiri, oleh karena itu analisis
ini tidak berbentuk perbandingan atau hubungan (Iqbal Hasan 2004:185).

Ukuran pemusatan (Central Tendency) adalah salah satu aspek yang paling
penting untuk menggambarkan distribusi data adalah nilai pusat pengamatan.
Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu nilai
yang mewakili nilai pusat atau nilai sentral dari suatu gugus data (himpunan
pengamatan) dikenal sebagai ukuran tendensi sentral. Terdapat tiga jenis ukuran
tendensi sentral yang sering digunakan, yaitu: mean, median, modus dll.

Ukuran penyebaran (Measures of Dispersion) atau ukuran keragaman

pengamatan dari nilai rata-ratanya disebut simpangan (deviation/dispersi).
Terdapat beberapa ukuran untuk menentukan dispersi data pengamatan, seperti
jangkauan/rentang (range), simpangan kuartil (quartile deviation), simpangan rata-
rata (mean deviation), dan simpangan baku (standard deviation).

Rata-rata dan ukuran penyebaran dapat menggambarkan distribusi data

tetapi tidak cukup untuk menggambarkan sifat distribusi. Untuk dapat
menggambarkan karakteristik dari suatu distribusi data, kita menggunakan konsep-
konsep lain yang dikenal sebagai kemiringan (skewness) dan keruncingan
(kurtosis).

Gambar 1.1 Ukuran Kemiringan (Skewness)

Gambar 1.2 Ukuran Keruncingan (Kurtosis)

Distribusi pada gambar di atas semuanya simetris terhadap nilai rata-

ratanya. Namun bentuk ketiganya tidak sama. Kurva berwarna biru dikenal sebagai
mesokurtik (kurva normal), kurva berwarna merah dikenal sebagai leptokurtik
(kurva runcing) dan kurva berwarna hijau dikenal sebagai platikurtik (kurva datar).
 BAB II
DESKRIPSI KERJA

Pada praktikum Analisis Regresi Terapan kali ini, praktikan akan

menyelesaikan analisis deskriptif berdasarkan data yang telah disediakan
menggunakan dua aplikasi yaitu SPSS dan Minitab.
Berikut adalah data PDRB Nasional yang akan di analisis secara deskriptif
oleh praktikan :
Tabel 2.1 PDRB Nasional

Provinsi PDRB Per Kapita (Ribu Rupiah) Penduduk Miskin (Jiwa) Jumlah Penduduk (Jiwa)

Aceh 7137.518 837421 4494410

Sumatera Utara 10431.659 1360597 12982204
Sumatera Barat 9205.656 354737 4846909
Riau 9945.965 498281 5538367
Jambi 6021.422 281751 3092265
Sumatera Selatan 8049.077 1085797 7450394
Bengkulu 5540.425 316500 1715518
Lampung 5755.312 1143936 7608405

Kepulauan Bangka Belitung

9676.757 67228 1223296
Kepulauan Riau 25665.051 124172 1679163
DKI Jakarta 47774.700 412794 9607787
Jawa Barat 8355.289 4238961 43053732
Jawa Tengah 6382.356 4561823 32382657
DI Yogyakarta 6834.068 532585 3457491
Jawa Timur 10885.765 4748425 37476757
Banten 9243.061 649187 10632166
Bali 8576.189 195955 3890757
Nusa Tenggara Barat 4334.098 816622 4500212
Nusa Tenggara Timur 2976.616 976668 4683827
Kalimantan Barat 7772.473 381916 4395983
Kalimantan Tengah 9644.550 148824 2212089
Kalimantan Selatan 9282.235 189495 3626616
Kalimantan Timur 22698.165 252682 3553143
Sulawesi Utara 9671.141 197556 2270596
Sulawesi Tengah 8156.155 387061 2635009
Sulawesi Selatan 7692.695 806344 8034776
Sulawesi Tenggara 6275.618 314085 2232586
Gorontalo 3321.115 195096 1040164
Sulawesi Barat 4952.514 154689 1158651
Maluku 3128.994 307014 1533506
Maluku Utara 3279.499 84791 1038087
Papua Barat 9106.883 225463 760422
Papua 8117.641 864113 2833381
INDONESIA 315890.659 27712569 237641326
Catatan : Termasuk Penghuni Tidak Tetap (Tuna Wisma, Pelaut, Rumah Perahu, dan Penduduk Ulang-alik/Ngelaju)
Sumber : Sensus Penduduk
Badan Pusat Statistik
Badan Perencanaan Pembangunan Nasional
 Langkah kerja analisis deskriptif dengan SPSS :
1. Bukalah aplikasi SPSS dari kotak search dengan mengetikkan “SPSS” lalu
pilih IBM Statistics 22.

Gambar 2.1 IBM Statistics 22

2. Kemudian akan keluar lembar kerja SPSS sebagai berikut :

Gambar 2.2 Lembar Kerja SPSS

3. Buatlah empat variabel yaitu PROVINSI (string), PDRB_PERKAPITA

(numerik), PENDUDUK_MISKIN (numerik) dan JUMLAH_PENDUDUK
(numerik).

Gambar 2.3 Variabel Data

4. Masukkan seluruh data pada lembar kerja SPSS bagian Data View.

Gambar 2.4 Data View

5. Analisis data dengan cara pilih Analyze > Descriptive Statistics >
Descriptives.

Gambar 2.5 Langkah Analisis

6. kemudian akan keluar Form Descriptive, pindahkan semua variabel yang ada
pada kotak variable(s) seperti pada gambar 2.6.

Gambar 2.6 Descriptives

7. Pilih bagian Options untuk memilih analisis deskriptif apa saja yang akan di
tampilkan pada output SPSS pilih Continue lalu tekan OK.

Gambar 2.7 Descriptives Options

8. Berikut adalah output hasil analisis deskriptif :

Tabel 2.2 Analisis Deskriptif
9. Lalu untuk membuat grafik data dengan cara pilih Graph > Legacy Dialog >
Bar.

Gambar 2.8 Membuat Grafik

10. Kemudian akan keluar kotak Bar Chart > Simple > Values of individual
cases.

Gambar 2.9 Bar Chart

11. Pilih Define lalu atur variabel seperti pada gambar 2.10 kemudian tekan OK.

Gambar 2.10 Define Simple Bar Values Of Individual Cases

12. Lalu akan keluar output grafik seperti pada gambar 2.11

Gambar 2.11 Grafik PDRB Perkapita

13. Ulangi langkah 9 – 11 dengan mengganti variabel penduduk miskin dan

jumlah penduduk.
14. Lalu akan keluar output grafik seperti pada gambar 2.12 dan gambar 2.13.

Gambar 2.12 Grafik Penduduk Miskin

Gambar 2.13 Grafik Jumlah Penduduk

 Langkah kerja analisis deskriptif dengan Minitab :
1. Bukalah aplikasi Minitab dari kotak search dengan mengetikkan “Minitab”
lalu pilih Minitab 14.

Gambar 2.14 Minitab 14

2. Kemudian akan keluar lembar kerja Minitab sebagai berikut :

Gambar 2.15 Lembar Kerja Minitab

3. Buatlah variabel – variabel yang dibutuhkan kemudian masukkan data yang

telah ditentukan :
 Gambar 2.16 Data PDRB

4. Analisis data dengan cara pilih Stat > Basic Statistics >Display Descriptive
Statistics.

Gambar 2.17 Langkah Analisis

5. Kemudian akan keluar kotak Display Descriptives Statistics, masukan

variabel PDRB Perkapita, Jumlah Penduduk dan Penduduk Miskin.
 Gambar 2.18 Display Descriptives Statistics

6. Pilih bagian Statistics untuk memilih analisis deskriptif apa saja yang akan di
tampilkan pada output Minitab lalu tekan OK.

Gambar 2.19 Descriptive Statistics – Statistics

7. Kemudian akan keluar output hasil analisis descriptive dengan Minitab

sebagai berikut :

Gambar 2.20 Output Minitab

 BAB III
PEMBAHASAN

Pada bab ini praktikan akan menjelaskan tentang hasil analisis deskriptif
data PDRB Nasional dengan menggunakan software SPSS dan Minitab serta
menganalisis output garfik dari masing – masing variabel yang ada. Berikut adalah
output hasil analisis deskriptif dari SPSS dan Minitab. Jika dilihat sekilas memang
Minitab lebih banyak macam analisis deskriptifnya dari pada SPSS.

Gambar 3.1 Output SPSS

1. N menunjukan banyaknya data pada tiap variabel yang telah dianalisis,

sebenarnya ada 34 data yaitu 33 untuk data tiap provinsi dan 1 data yang
bersifat nasional (Indonesia) yang merupakan jumlah total keseluruhan data
dari tiap variabel.
2. Mean atau rata-rata hitung nilai merupakan salah satu ukuran dalam ukuran
pemusatan data, mean adalah hasil perhitungan yang diperoleh dengan jalan
menjumlahkan seluruh skor didalam distribusi frekuensi dan membaginya
∑𝑛
𝑖=1 𝑥ᵢ
dengan banyaknya skor. Rumus rata-rata data tunggal 𝑥̅ = , rumus
𝑛
1
rata-rata data berkelompok 𝑥̅ = ∑𝑘𝑖=1 𝑓𝑖 𝑥𝑖 .
𝑛

Rata – rata dari data variabel PDRB_PERKAPITA sebesar 9572.4443, dari

variabel PENDUDUK_MISKIN sebesar 839774.8182 sementara nilai rata-
rata dari data variabel JUMLAH_PENDUDUK yaitu 7201252.3030.
3. Std. Error menjelaskan error berdasarkan standar deviasi. Dari gambar 3.1
standar untuk variabel PDRB_PERKAPITA sebesar 1443.35259, dari
variabel PENDUDUK_MISKIN sebesar 214018.53470 sementara nilai rata-
rata dari data variabel JUMLAH_PENDUDUK yaitu 1791526.82467.
 Standar error juga mencerminkan keakuratan sample yang dipilih terhadap
populasinya, semakin kecil nilai standard error, semakin mengindikasikan
bahwa sampling yang dilakukan bagus, atau cukup mewakili populasi yang
sedang diteliti, begitupula sebaliknya. Jika dibandingkan standar error untuk
variabel PDRB_PERKAPITA, PENDUDUK_MISKIN dan
JUMLAH_PENDUDUK, variabel PDRB_PERKAPITA lebih baik daripada
dua variabel lainya.
4. Mode ( Modus ) merupakan nilai yang paling sering muncul dari data. Pada
data, ketiga variabel tidak ada modusnya atau dengan kata lain tidak ada data
yang kembar.
5. Standard deviation (standard deviasi) itu menggambarkan sebaran nilai-nilai
sample. Semakin kecil nilai standar deviasi, maka nilai-nilai pada sampel data
cenderung dekat dengan nilai reratanya, dan sebaliknya, semakin besar
standar deviasinya, nilai sample semakin bervariasi. Semakin menyebar
menjauhi nilai reratanya. Dari gambar 3.1 dapat diketahui standar deviasi dari
variabel PDRB_PERKAPITA adalah sebesar 8291.42938 pada variabel
PENDUDUK_MISKIN sebesar 1229442.88009 dan pada variabel
JUMLAH_PENDUDUK adalah sebesar 10291538.07727.
6. Variance menunjukkan besaran sebaran suatu data atau ukuran keberagaman
data. Seperti nilai variansi pada data variabel variabel PDRB_PERKAPITA
adalah sebesar 68747801.179 pada variabel PENDUDUK_MISKIN sebesar
1511529795409.900 dan pada variabel JUMLAH_PENDUDUK adalah
sebesar 105915755995906.000. Jika semakin besar nilainya maka data
semakin menyebar atau dengan kata lain datanya semakin beragam.
7. Skewness atau kemiringan berguna untuk mengetehui kemencengan data dari
kurva normal. Bernilai negatif jika menceng ke kiri. Bernilai positif jika
menceng ke kanan. Dan dikatakan berdistribusi normal jika skewnessnya
bernilai nol. Dari Gambar 3.1 diatas nilai skewness untuk data variabel
PDRB_PERKAPITA yaitu 3.537. Variabel PENDUDUK_MISKIN memiliki
skewness sebesar 2.618 dan variabel JUMLAH_PENDUDUK adalah sebesar
2.670. Artinya hampir berdistribusi normal dengan menceng ke kanan.
8. Kurtosis menyatakan keruncingan kurva data dilihat dari kurva normal.
Kurva distribusi normal memiliki nilai kurtosis 3. Jika kurva lebih runcing
dari kurva normal dinamakan Leptokurtik. Jika lebih landai dari kurva normal
dinamakan Platikurtik. Dari gambar 3.1 variabel PDRB_PERKAPITA
memiliki kurtosis yaitu 14.530 , variabel PENDUDUK_MISKIN sebesar
5.967 dan variabel JUMLAH_PENDUDUK yaitu 6.476.
9. Range memperlihatkan selisih antara nilai terbesar dan terkecil dari suatu
data. Dengan kata lain nilai range didapat dari pengurangan antara nilai
maximum di kurangi nilai minimum seperti data variabel
PDRB_PERKAPITA adalah 44798.08 yang didapat dari nilai maksimum
47774.70 dikurangi nilai minimumnya 2976.62. Variabel
PENDUDUK_MISKIN memiliki range yaitu 4681197.00 yang didapat dari
nilai maksimum 4748425.00 dikurangi nilai minimumnya 67228.00. Variabel
JUMLAH_PENDUDUK memiliki range yaitu 42293310.00 yang didapat
dari nilai maksimum 43053737.00 dikurangi nilai minimumnya 760422.00.
10. Minimum adalah nilai terendah dari suatu data. Nilai minimum dari variabel
PDRB_PERKAPITA adalah 2976.62, dan 67288.00 nilai minimum untuk
variabel PENDUDUK_MISKIN serta variabel JUMLAH_PENDUDUK
sebesar 760422.00.
11. Maximum adalah nilai tertinggi dari suatu data. Nilai maksimum dari variabel
PDRB_PERKAPITA adalah 47774.70, dan 4748425.00 nilai maksimum
untuk variabel PENDUDUK_MISKIN serta variabel
JUMLAH_PENDUDUK sebesar 43053732.00.
 Gambar 3.2 Output Minitab

Pada pembahasan output pada minitab praktikan hanya akan membahas

statistic deskriptif yang tidak terdapat pada output SPSS karena setelah
dibandingkan oleh praktikan hasilnya adalah sama.

1. Q1 adalah kuartil ke satu, arti kuartil adalah nilai-nilai yang membagi data
yang telah diurutkan menjadi empat bagian yang sama, sehingga dalam
suatu gugus didapat 3 kuartil (kuartil 1, kuartil 2/ Median dan kuartil 3).
Dari gambar 3.2 dapat diketahui kuartil 1 dari variabel
PDRB_PERKAPITA adalah sebesar 5888 pada variabel
PENDUDUK_MISKIN sebesar 196756 dan pada variabel
JUMLAH_PENDUDUK adalah sebesar 1963804.
2. Median adalah nilai tengah dari nilai-nilai pengamatan yang disusun secara
teratur menurut besarnya data. Dari gambar 3.2 dapat diketahui median dari
variabel PDRB_PERKAPITA adalah sebesar 8118 pada variabel
PENDUDUK_MISKIN sebesar 381916 dan pada variabel
JUMLAH_PENDUDUK adalah sebesar 3626616.
3. Q3 adalah kuartil ke tiga. Dari gambar 3.2 dapat diketahui Q3 dari variabel
PDRB_PERKAPITA adalah sebesar 9658 pada variabel
 PENDUDUK_MISKIN sebesar 850767 dan pada variabel
JUMLAH_PENDUDUK adalah sebesar 7529400.
4. IQR (interquartil range) adalah jarak antara persentil 75 dan persentil
25. Dari gambar 3.2 dapat diketahui IQR dari variabel
PDRB_PERKAPITA adalah sebesar 3769 pada variabel
PENDUDUK_MISKIN sebesar 654012 dan pada variabel
JUMLAH_PENDUDUK adalah sebesar 5565596.

Kemudian praktikan akan menganalisis hasil output grafik yang telah

dibuat. Tiap variabel akan dibuat sebuah grafik batang yang menjelaskan tentang
keadaan data PDRB Nasional.

Grafik Variabel PDRB Perkapita

Gambar 3.3 Grafik PDRB Perkapita

Dari gambar 3.3 dapat dijelaskan bahwa pendapatan daerah regional bruto
tertinggi ada di daerah DKI Jakarta yaitu sebesar 47774.700 jauh diatas rata – rata
yaitu sebesar 9572.4443. Sedangkan pendapatan daerah regional bruto terendah ada
pada provinsi Nusa Tenggara Timur yang juga jauh dibawah rata – rata PDRB
nasional yaitu sebesar 2976.62. Dari grafik juga dapat diketahui bahwa PDRB tiap
provinsi di Indonesia hamper sama kecuali pada daerah DKI Jakarta yang
merupakan pusat pemerintahan negara dan pusat perekonomian bangsa Indonesia.
 Grafik Variabel Penduduk Miskin

Gambar 3.4 Grafik Penduduk Miskin

Dari gambar 3.4 dapat dijelaskan bahwa penduduk miskin tertinggi ada di
daerah Jawa Timur yaitu sebesar 4748425 jauh diatas rata – rata yaitu sebesar
839774.8182. Sedangkan penduduk miskin terendah ada pada Kepulauan Bangka
Belitung yaitu sebesar 67228.
Dari grafik diatas juga dapat diketahui bahwa ada 3 provinsi dengan
penduduk miskin yang cukup tinggi diantara provinsi lainnya yaitu Jawa Timur,
Jawa Tengah dan Jawa Barat. Hal ini dapat disebabkan oleh salah satunya yaitu
kepadatan penduduk yang juga padat di ketiga provinsi tersebut hal ini dapat
diketahui dari grafik jumlah penduduk.
Sedangkan pada provinsi Bangka Belitung menempati posisi terendah
penduduk miskinnya karena merupakan provinsi baru. Dengan demikian penduduk
didaerah tersebut belum terlalu padat dan perekonomian di daerah tersebut juga
masih bias dikendalikan dengan baik oleh pemerintah daerah sehingga mengurangi
jumlah penduduk miskin di daerah tersebut.
 Grafik Variabel Jumlah Penduduk

Gambar 2.13 Grafik Jumlah Penduduk

Dari grafik diatas dapat diketahui bahwa 3 provinsi dengan jumlah

penduduk tertimggi adalah masih pada provinsi di pulau Jawa yaitu Jawa Barat,
Jawa Tengah dan Jawa Timur. Tidak dipungkiri bahwa di daerah jawa telah penuh
pemukiman penduduk bahkan jarang sekali ada lahan kososng yang tersisa. Hal ini
berpengaruh pada tinggkat kesejahteraan masyarakatnya karena semakin padat
suatu daerah maka akan semakin sulit pula persaingan hidup di daerah tersebut.
Mungkin ini yang menyebabkan jumlah penduduk miskin di daerah tersebut masih
tergolong tinggi.
 BAB IV
PENUTUP

Dari berbagai hal yang telah dilakukan, maka praktikan dapat

menyimpulkan beberapa hal sebagai berikut :
1. Beberapa analisis deskriptif yang dilakukan yaitu mean, modus, standar
deviasi, skewness, kurtosis, range, median, maksimum, minimum, variansi,
dan lain-lain. Untuk memperhitungkan kenormalan suatu data bisa nilai
skewness.
2. Pendapatan daerah regional bruto tertinggi ada di daerah DKI Jakarta yaitu
sebesar 47774.700 jauh diatas rata – rata yaitu sebesar 9572.4443.
Sedangkan pendapatan daerah regional bruto terendah ada pada provinsi
Nusa Tenggara Timur yang juga jauh dibawah rata – rata PDRB nasional
yaitu sebesar 2976.62. Dari grafik juga dapat diketahui bahwa PDRB tiap
provinsi di Indonesia hamper sama kecuali pada daerah DKI Jakarta yang
merupakan pusat pemerintahan negara dan pusat perekonomian bangsa
Indonesia.
3. Penduduk miskin tertinggi ada di daerah Jawa Timur yaitu sebesar 4748425
jauh diatas rata – rata yaitu sebesar 839774.8182. Sedangkan penduduk
miskin terendah ada pada Kepulauan Bangka Belitung yaitu sebesar 67228.
Dari grafik diatas juga dapat diketahui bahwa ada 3 provinsi dengan
penduduk miskin yang cukup tinggi diantara provinsi lainnya yaitu Jawa
Timur, Jawa Tengah dan Jawa Barat. Hal ini dapat disebabkan oleh salah
satunya yaitu kepadatan penduduk yang juga padat di ketiga provinsi
tersebut hal ini dapat diketahui dari grafik jumlah penduduk. Sedangkan
pada provinsi Bangka Belitung menempati posisi terendah penduduk
miskinnya karena merupakan provinsi baru. Dengan demikian penduduk
didaerah tersebut belum terlalu padat dan perekonomian di daerah tersebut
juga masih bias dikendalikan dengan baik oleh pemerintah daerah sehingga
mengurangi jumlah penduduk miskin di daerah tersebut.
DAFTAR PUSTAKA