Oleh :
HALAMAN PENGESAHAN
MODUL PRAKTIKUM
KATA PENGANTAR
DAFTAR ISI
DAFTAR TABEL
TABEL 3.1 Tabel Variabel Pendefinisian .............................................................. 9
TABEL 3.2 Pendefinisian Variabel ...................................................................... 12
TABEL 4.3 Pengolahan Data Hasil Analisis ........................................................ 29
TABEL 4.4 Pengolahan Data Hasil Analisis ........................................................ 30
TABEL 4. 5 Frekuensi Data ................................................................................. 33
TABEL 4.6 Hasil Pengolahan Data ...................................................................... 34
BAB I
PENDAHULUAN
1.1. LATAR BELAKANG
Perkembangan statistika diawali sebagai suatu ilmu yang membahas
cara-cara mengumpulkan angka sebagai hasil pengamatan menjadi bentuk
yang lebih mudah dipahami. Menurut Spiegel (1961) statistika berasal dari
kata “status” yang berarti negara.
Dari keperluan semacam ini timbullah teknik pencatatan angka-angka
pengamatan dalam bentuk daftar dan grafik. Bagian statistika yang
membicarakan cara mengumpulkan dan menyederhanakan angka-angka
pengamatan ini dikenal sebagai statistika deskriptif. Statistika deskriptif
dapat berkembang tanpa memerlukan dasar matematika yang kuat, selain
kecermatan dalam teknik berhitung. Sejak tahun 1700-an analisis data yang
dilakukan secara deskriptif berdasarkan tabel-tabel frekuensi, rataan, dan
ragam untuk sampel (contoh) ukuran besar. Tahun 1800-an merupakan awal
penggunaan grafik-grafik untuk penyajian data, seperti histogram, sejalan
dengan penemuan sebaran (kurva) Normal. Florence Nightengale (1820-
1920) adalah seorang perawat yang terkenal dengan inovasi di bidang ilmu
perawatan merupakan pelopor dalam penyajian data secara grafik. Selama
perang Crimean, Nightengale mengumpulkan data dan membuat sistem
pencatatan.
Dilihat dari sejarah pendidikan statistika di Indonesia, Jurusan
Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Pertanian Bogor dapat berbangga, karena jurusan yang dirintis dan didirikan
oleh Prof. Dr. Andi Hakim Nasoetion (Alm) tahun 1972 adalah Jurusan
Statistika tertua di Indonesia. Awalnya dimulai dari Unit Biometrika di
bawah Fakultas Pertanian IPB yang kemudian berubah menjadi Pusat
Pengolahan Data Statistika dan Komputasi dan akhirnya menjadi
Departemen Statistika dan Komputasi di bawah Fakultas Pertanian. Pada
waktu FMIPA disyahkan di IPB pada tahun 1982, namanya berubah menjadi
Jurusan Statistika di bawah FMIPA. Jadi boleh dikatakan Departemen
Statistika adalah the founding father of FMIPA IPB.
Sampai saat ini di Indonesia selain IPB telah ada PTN dan PTS lain
yang telah membuka jurusan Statistika secara mandiri tanpa dibawah
naungan jurusan Matematika. PTN yang telah membuka jurusan statistika
secara mandiri adalah UNPAD, ITS dan UGM. Sedang PTS nya adalah
UNISBA, UII Yogyakarta dan salah satu PTS di kota Malang. Selain itu
untuk BPS telah membuka pendidikan jurusan statistika untuk keperluan di
instansinya yang dulu bernama AIS dengan pendidikan jenjang D3, sedang
sekarang bernama STIS dengan jenjang pendidikan setara S1.
BAB II
LANDASAN TEORI
Bab ini berisikan tentang pengertian statistika dan statistik, jenis-jenis
statistika berdasarkan pengumpulan data, pengolahan data, parameternya. Ukuran
pemusatan data, ukuran penyebaran data dan cara penyajian data.
∑𝑁
𝑖−𝑙 𝑋𝑖
𝑥̅ =
𝑛
Dimana :
∑ Xi = jumlah seluruh skor x dalam kumpulan data
n = jumlah seluruh data
b. Median
Median merupakan garis pembagi dari sekumpulan data menjadi dua
bagian sama besar. Oleh karena itu median adalah nilai tengah suatu data
yang telah diurutkan dari data yang terkecil hingga data yang terbesar
(Susetyo, 2010).
Ada dua cara untuk menghitung median yaitu, untuk data yang
berkelompok dan tidak berkelompok.
1. Median data tunggal
Me=0,5 (n + 1)
2. Median data berkelompok
BAB III
DESKRIPSI DATA
3.1. Pengenalan Paket Program SPSS
Buat file data dengan pendefinisian variabel berikut :
Values
Name Type Decimals Label Label
Panjang comma 2 Panjang tiram
Jenis numerik 0 jenis tiram 1 : "spat"
2 : "cc"
TABEL 3.1 Tabel Variabel Pendefinisian
Untuk memberi label dan value label pada data gender, dapat dilakuakan
langkah-langkah sbb :
Pada sel di bawah label isi dengan “jenis”
Klik pada sel dibawah velue dam klik pada kotak abu-abu yang
selanjutnya muncul value labels dialog
Pada kotak value isi dengan angka 1
Pada kotak value label isi dengan “spat”
Klik tombol add
Lanjutkan proses dengan mengisi angka 2 pada kotak value
Pada kotak value label isi dengan “cc”
Klik tombol add
Klik ok
Hasil yang tampak pada data editor adalah sebagai berikut
Kemudian isi panjang tiram sesuai data dan isi jenis tiram “spat”
dengan 1 dan “cc” dengan 2. Hasil yang di tampilkan adalah:
Values
Name Type Decimals Label Label
Kode numerik 0 No
Suhu Comma 2 Suhu
salinitas Comma 2 Saliitas
Masukkan data yang tersedia ke dalam data view. Hasil yang tampak
adalah sebagai berikut:
klik frequencies
Gambar. 7
Explore
Langkah-langkah :
klik analyze
pilih deskriptive statistic
klik explore
Transform
Langkah-langkah untuk transform suhu ke bentuk logaritma sbb:
klik transform
pilih compute
Klik ok
klik analyze
pilih deskriptive statistic
klik explore
Pindahkan data fisika dari kolom kiri ke kolom dependent list
dengan cara mengeblok kemudian klik tanda panah.
Pindahkan data kode dari kolom kiri ke kolom factor list dengan
cara mengeblok kemudian klik tanda panah.
Klik plots dan untuk keseragaman, pada boxplot pilih non dan
pada descriptive tidak ada yang pilih atau stem and leaf di
deselect.
Klik continue
Pada bagian displays pilih both.
Klik ok\
3.3. ScatterPlot
Langkah-langkah sbb:
klik graphs
pilih scatte / dot
klik simple scatter
klik define
3.4. Hipotesis
H0 = Tidak ada hubungan antara suhu dan salinitas pada sebaran
nitrat
H1 = ada hubungan antara suhu dan salinitas pada sebaran nitrat
Klik continue
Klik ok
BAB IV
ANALISIS DATA
1 Spat 0.95
2 Spat 1.02
3 Cc 2.90
4 Cc 3.11
5 Cc 3.12
6 Spat 1.02
7 Spat 1.22
8 Spat 1.23
9 Spat 1.25
10 Cc 3.13
11 Cc 3.15
12 Cc 3.19
13 Cc 3.25
14 Cc 3.31
15 Cc 3.32
16 Spat 1.27
17 Spat 1.27
18 Spat 1.33
19 Spat 1.34
20 Spat 1.35
21 Cc 3.32
22 Spat 1.36
23 Cc 3.32
24 Spat 1.39
25 Spat 1.40
1 30.1451 32.1070
2 30.1296 32.1137
3 30.1529 32.1073
4 30.1136 32.1145
5 30.0707 32.1211
6 30.0409 32.1267
7 29.9771 32.1310
8 29.9310 32.1341
9 29.9047 32.1336
10 29.8997 32.1333
11 29.8943 32.1343
12 29.9020 32.1416
13 29.8997 32.1499
14 29.8996 32.1617
15 29.9063 32.1861
16 29.9081 32.2058
17 29.8880 32.2196
18 29.8600 32.2274
19 29.8188 32.2494
20 29.7740 32.2592
21 29.7079 32.2714
22 29.6454 32.3012
23 29.5933 32.3267
24 29.5448 32.3607
25 29.4605 32.4070
b) Explore
c) Transform
4.1.4. Scetterplot
BAB V
PEMBAHASAN
Varians = 0.994
Skewness = 0.241
Kurtosis = -2.023
Range = 2.37
Nilai maksimum = 3.32
Nilai minimum = 0.95
Pada tabel frekuensi panjang tiram, penafsiran data dilakukan tiap
baris dan dihitung secara kumulatif. Demikian perhitungan dilakukan
seterusnya hingga mencapai 100%.
Dari hasil, histogram yang terlihat frekuensi terbesar adalah pada
kisaran panjang 1.00-1.50
5.2.2. Scatterplot
Deskriptive ini digunakan untuk mengetahui sebaran data pada
statistik univarian. Dari hasl terlihat sebaran data dalam satu garis dan terdistribusi
secara normal.
BAB VI
KESIMPULAN
6.1. Kesimpulan
Setelah melakukan praktikum SPSS ini maka dapat disimpulkan bahwa:
1) SPSS adalah salah satu program statistik yang dibuat untuk
mempermudah dalam menyelesaiakan masalah-masalah statistik.
2) Untuk menyelesaikan permasalahan-permasalahan statistik dapat
digunakan SPSS Data Eitor dengan beberapa uji diantaranya;
Uji frekuensi
Statistika deskrptive (explore)
Uji Normalitas dan Varians
Scetterplot
Hipotesis
Regresi dan Korelasi
3) Statistik dengan uji hipotesis yaitu untuk membuktikan dengan alat
statistika, apabila dugaan yang dimiliki dapat dibuktikan benar atau
sebaliknya. Ada dua kelompok besar yang dapat dilakukan dengan
uji hipotesis: uji hipotesis terkait uji rerata, dan uji hubungan baik
terbatas pada besarnya derajat asosiasi (uji korelasi) atau mencari
bentuk hubungan fungsional beberapa variabel (uji regresi).
6.2. Saran
1) Seharusnya agar lebih efektif, efisien, dan optimal komputer untuk
mengolah data lebih diperbanyak lagi, sehingga tidak ada praktikan
yang mengerjakan pengolahan data dipraktikum berdesak-desakan.
2) Untuk praktikum selanjutnya agar asisten lebih selektif lagi dalam
memberi jadwal praktikum, agar tidak terulang kembali jadwal
praktikum yang tidak sesuai dengan jadwal sebelumnya.
3) Untuk pembelajaran pengolahan data seharusnya asisten lebih
komunikatif lagi dengan para praktikan.
DAFTAR PUSTAK
Priyandi, Janesti. 2006. Tiram Di Perairan segera Anakan, Cilacap: Suatu Kajian
tentang Identifikasi Jenis, Kerapatan serta Analisa Saluran
Pencernaannya dan Kelimpahan Fitoplankton Di Habitatnya. UNDIP:
Semarang.