KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS NEGERI SEMARANG (UNNES)

Kantor: Komplek Simpang 5 Unnes Kampus Sekaran, Gunungpati, Semarang 50229
Rektor: (024)8508081 Fax (024)8508082, Purek I: (024) 8508001
Website: www.unnes.ac.id - E-mail: unnes@unnes.ac.id
FORMULIR MUTU
BAHAN AJAR/DIKTAT
No. Dokumen No. Revisi Hal Tanggal Terbit
FM-01-AKD-07 02 1dari 40 27 Februari 2017

BAHAN AJAR/DIKTAT
STATISTIKA DESKRIPTIF
15P03738
2 SKS

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SEMARANG
TAHUN 2017
STATISTIKA
Metode dan Aplikasinya dengan Excel dan SPSS

Putriaji Hendikawati

FMIPA
Unnes

STATISTIKA
Metode dan Aplikasinya dengan Excel dan SPSS

--Semarang: FMIPA Unnes, 2015

Penulis : Putriaji Hendikawati

Editor : Riza Arifudin
Desain Sampul : David Mubarok

Penerbit:
FMIPA Unnes
Email: press.mipaunnes@gmail.com

Perpustakaan Nasional: Katalog Dalam Terbitan (KDT)

HENDIKAWATI, Putriaji
Statistika: Metode dan Aplikasinya dengan Excel dan
SPSS/Putriaji Hendikawati. – Semarang: FMIPA Universitas
Negeri Semarang, 2015
viii, 246 hlm.; 21 cm
ISBN : 978-602-1034-18-7
1. Statistika I. Judul.
310

Copyright © 2015 by Putriaji Hendikawati

Dilarang memperbanyak sebagian atau seluruh isi buku tanpa izin penulis
 KATA PENGANTAR

Puji Syukur kepada Tuhan yang Maha Kuasa karena atas berkat
limpahan rahmatNya penulis dapat menyelesaikan penyusunan buku yang
berjudul
‛Statistika: Metode dan Aplikasinya dengan Excel dan SPSS‛.
Buku ini disusun sebagai bahan ajar bagi mahasiswa S1 dan D3 Jurusan
Matematika FMIPA Universitas Negeri Semarang. Namun, buku ini juga
dapat digunakan oleh mahasiswa sarjana diberbagai jurusan maupun
pembaca yang tertarik pada ilmu statistika, baik sebagai buku pegangan
perkuliahan maupun sebagai buku referensi untuk menyelesaikan tugas
akhir yang berkaitan dengan uji statistik.
Buku ini membahas metode statistika dasar mencakup statistika
deskriptif dan inferensial. Materi dalam buku ini meliputi pengertian dan
peran statistik dan statistika, jenis data serta penyajiannya, ukuran gejala
pusat dan ukuran penyebaran, pengolahan data sederhana beserta teori uji
hipotesis, analisis regresi linier dan korelasi serta analisis varians dilengkapi
dengan aplikasinya menggunakan software Excel dan SPSS. Uraian teori
singkat dan pemanfaatan software untuk pengolahan data yang disajikan
dalam buku ini, diharapkan dapat membantu mahasiswa untuk lebih
memahami konsep statistika sehingga dapat mengaplikasikannya dalam
kehidupan sehari-hari.
Tentunya buku yang telah disusun ini masih belum sempurna, oleh
karena itu kritik dan saran yang membangun untuk perbaikan buku ini
sangat penulis harapkan. Terima kasih penulis ucapkan kepada berbagai
pihak yang telah membantu dan terlibat dalam penyusunan buku ini, yang
tidak dapat disebutkan satu persatu. Akhir kata, penulis berharap semoga
buku ini dapat memberi manfaat bagi para pembaca.

Semarang, Oktober 2015

Putriaji Hendikawati
 DAFTAR ISI

Halaman

HALAMAN JUDUL.................................................................................... i
KATA PENGANTAR ................................................................................. ii
DAFTAR ISI ................................................................................................. iii
BAB I. Pendahuluan
Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 1
Indikator Capaian Pembelajaran/Kompetensi ........................................ 1
Tujuan Pembelajaran ................................................................................... 1
Materi Pokok................................................................................................. 1
1.1 Pendahuluan ..................................................................................... 1
1.2 Sejarah Singkat Statistika ................................................................ 2
1.3 Pengertian Statistika ........................................................................ 2
1.4 Populasi dan Sampel ....................................................................... 4
1.5 Sumber Pengamatan dalam Statistik ............................................ 5
1.6 Macam-Macam Data........................................................................ 5
1.7 Cara Pengambilan Sampel.............................................................. 10
1.8 Peran dan Aplikasi Komputer dalam Statistik............................ 12
1.9 Latihan ............................................................................................... 13

BAB II. Pengolahan Data Statistik Dengan Microsoft Excel Dan SPSS
Capaian Pembelajaran (Kompetensi) Mata Kuliah.................................. 14
Indikator Capaian Pembelajaran/Kompetensi ......................................... 14
Tujuan Pembelajaran .................................................................................... 14
Materi Pokok.................................................................................................. 14
2.1 Aplikasi Microsoft Excel ................................................................... 14
2.2 Aplikasi SPSS ..................................................................................... 16

BAB III. Penyajian Data

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 20
Indikator Capaian Pembelajaran/Kompetensi ........................................ 20
Tujuan Pembelajaran ................................................................................... 20
Materi Pokok................................................................................................. 20
3.1 Penyajian Data............................................................................ 20
3.2 Penyajian Data dengan Komputer .......................................... 29
3.3 Latihan......................................................................................... 37

BAB IV. Distribusi Frekuensi

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 40
Indikator Capaian Pembelajaran/Kompetensi ........................................ 40
Tujuan Pembelajaran ................................................................................... 40
Materi Pokok................................................................................................. 40
4.1 Penyusunan Distribusi Frekuensi ........................................... 41
4.2 Penggambaran Distribusi Frekuensi ...................................... 45
4.3 Penyajian Data dengan Komputer .......................................... 47
4.4 Latihan......................................................................................... 48

BAB V. Ukuran Gejala Pusat dan Ukuran Penyimpangan

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 50
Indikator Capaian Pembelajaran/Kompetensi ........................................ 50
Tujuan Pembelajaran ................................................................................... 50
Materi Pokok................................................................................................. 51
5.1 Ukuran Gejala Pusat dan Ukuran Letak ............................... 51
5.2 Ukuran Simpangan, Dispersi dan Variasi ............................. 62
5.3 Ukuran Gejala Pusat dan Penyimpangan Data
dengan Komputer ...................................................................... 66
5.4 Latihan......................................................................................... 70

BAB VI. Distribusi Peluang Variabel Random Diskrit dan Kontinu

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 72
Indikator Capaian Pembelajaran/Kompetensi ........................................ 72
Tujuan Pembelajaran ................................................................................... 72
Materi Pokok................................................................................................. 72
6.1 Distribusi Uniform (Seragam) ................................................. 73
6.2 Distribusi Binomial.................................................................... 73
 6.3 Distribusi Hipergeometrik ....................................................... 75
6.4 Distribusi Poisson ...................................................................... 76
6.5 Distribusi Normal ...................................................................... 78
6.6 Distribusi Normal Standar ....................................................... 80
6.7 Distribusi Student ...................................................................... 81
6.8 Distribusi F.................................................................................. 82
6.9 Distribusi Chi Kuadrat.............................................................. 83
6.10 Latihan......................................................................................... 84

BAB VII. Penaksiran Parameter

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 87
Indikator Capaian Pembelajaran/Kompetensi ........................................ 87
Tujuan Pembelajaran ................................................................................... 87
Materi Pokok................................................................................................. 87
7.1 Pengertian Penaksiran Parameter ........................................... 88
7.2 Menaksir Rata-Rata.................................................................... 90
7.3 Menaksir Proporsi...................................................................... 94
7.4 Menaksir Simpangan Baku....................................................... 95
7.5 Penaksiran Selisih Dua Populasi ............................................. 97
7.6 Menaksir Selisih Rata-rata ........................................................ 98
7.7 Menaksir Selisih Proporsi ......................................................... 101
7.8 Latihan ......................................................................................... 103

BAB VIII. Pengujian Hipotesis

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 105
Indikator Capaian Pembelajaran/Kompetensi ........................................ 105
Tujuan Pembelajaran ................................................................................... 105
Materi Pokok................................................................................................. 106
8.1 Pendahuluan.............................................................................. 106
8.2 Dua Tipe Kekeliruan dalam Pengambilan Keputusan Uji
Hipotesis .................................................................................... 106
8.3 Langkah Pengujian Hipotesis ................................................. 108
8.4 Kesimpulan Suatu Uji Hipotesis ............................................ 112
8.5 Uji Hipotesis Rata-Rata  : Uji Dua Pihak ............................ 112
 8.6 Uji Hipotesis Rata-Rata  : Uji Satu Pihak ............................ 115
8.7 Uji Hipotesis Proporsi  : Uji Dua Pihak .............................. 119
8.8 Uji Hipotesis Proporsi  : Uji Satu Pihak .............................. 120
8.9 Uji Hipotesis Varians  2 : Uji Dua Pihak ............................... 122
8.10 Uji Hipotesis Varians  2 : Uji Satu Pihak............................... 123
8.11 Uji Hipotesis Kesamaan Dua Rata-Rata: Uji Dua Pihak..... 125
8.12 Uji Hipotesis Kesamaan Dua Rata-Rata: Uji Satu Pihak .... 130
8.13 Uji Hipotesis Kesamaan Dua Proporsi: Uji Dua Pihak ....... 133
8.14 Uji Hipotesis Kesamaan Dua Proporsi: Uji Satu Pihak....... 134
8.15 Uji Hipotesis Kesamaan Dua Varians: Uji Dua Pihak ........ 136
8.16 Uji Hipotesis Kesamaan Dua Varians: Uji Satu Pihak ........ 138
8.17 Uji Homogenitas Varians Populasi ........................................ 139
8.18 Pengujian Hipotesis dengan Komputer ................................ 140
8.19 Latihan...................................................................................... . 150

BAB IX. Analisis Regresi dan Korelasi

Capaian Pembelajaran (Kompetensi) Mata Kuliah................................. 154
Indikator Capaian Pembelajaran/Kompetensi ........................................ 154
Tujuan Pembelajaran ................................................................................... 154
Materi Pokok................................................................................................. 155
9.1 Analisis Regresi.......................................................................... 155
9.2 Analisis Korelasi ........................................................................ 167
9.3 Pengujian Hipotesis Regresi dan Korelasi dengan Komputer
...........................................................................................................173
9.4 Latihan......................................................................................... 187

BAB X. Analisis Varians

Capaian Pembelajaran (Kompetensi) Mata Kuliah.................................. 192
Indikator Capaian Pembelajaran/Kompetensi ......................................... 192
Tujuan Pembelajaran .................................................................................... 192
Materi Pokok.................................................................................................. 192
10.1 Pendahuluan ............................................................................ 192
10.2 Prosedur Uji Analisis Varians ............................................... 193
10.3 Analisis Varians dengan Komputer ..................................... 198
 10.4 Latihan ...................................................................................... 205

DAFTAR PUSTAKA ................................................................................... 208

GLOSARIUM................................................................................................ 210
INDEKS ........................................................................................................ 232
LAMPIRAN ................................................................................................... 237
 BAB I
PENDAHULUAN

Capaian Pembelajaran (Kompetensi) Mata Kuliah

Mahasiswa dengan cerdas mengenal gagasan dasar statistika dan
menggunakan gagasan dasar statistika secara kritis, kreatif, dan inovatif
untuk pengumpulan data, penyajian data, penganalisisan data,
pengambilan kesimpulan dan keputusan masalah sehari-hari berbasis
software statistika dengan jujur dan bertanggung jawab.

Indikator Capaian Pembelajaran/Kompetensi

Setelah mengikuti perkuliahan ini, mahasiswa mampu
a. menjelaskan peranan/kegunaan statistika dalam kehidupan sehari-
hari
b. menjelaskan pengertian statistik dan statistika
c. menjelaskan pengertian data statistik
d. menjelaskan pengertian populasi dan sampel

Tujuan Pembelajaran
1. Mahasiswa dengan berpikir logis, kritis, kreatif, dan inovatif mampu
menyebutkan peranan/kegunaan statistika dalam kehidupan sehari-
hari, setelah memperoleh penjelasan dosen, diskusi, tanya jawab, dan
presentasi.
2. Mahasiswa dengan jujur, tanggung jawab dan kreatif mampu
menyajikan hasil analisis/kajian materi pengertian statistik dan
statistika, pengertian data statistik, pengertian populasi dan sampel dari
berbagai sumber belajar setelah melakukan diskusi dalam kelompok.

Materi Pokok
1.1. Pendahuluan
Statistika, disadari ataupun tidak, banyak dimanfaatkan dalam
berbagai aspek kehidupan manusia. Dunia pendidikan serta riset
merupakan salah satu bidang yang memanfaatkan penggunaan statistika.
Selain diperlukan dalam dunia pendidikan serta berbagai riset, statistika
juga diperlukan dalam berbagai bidang lain seperti teknik, industri,
ekonomi, kedokteran, asuransi, pertanian, pemerintahan, sosiologi,
psikologi, farmasi serta berbagai ilmu alam dan sosial yang lainnya.

1.2. Sejarah Singkat Statistika

Metode statistika digunakan dalam penelitian ilmiah pertama kali pada
tahun 1880 oleh F. Galton dengan menerapkan penggunaan korelasi dalam
penelitian biologi. Pada akhir abad 19, Karl Pearson mempelopori
penggunaan metode statistika dalam berbagai penelitian biologi dan
pemecahan masalah yang bersifat sosio-ekonomis. Kemudian, R. Fisher
memperkenalkan Analisis Variansi ke dalam literatur statistika pada tahun
1918-1935. Sejak itu penggunaan statistika semakin meluas dari bidang
biologi dan pertanian ke bidang-bidang lainnya.

1.3. Pengertian Statistika

Banyak permasalahan, baik dalam penelitian maupun pengamatan
yang memerlukan pelaporan akan menghasilkan kumpulan data yang
dinyatakan dan dicatat dalam bentuk angka. Kumpulan angka tersebut
kemudian disusun dalam bentuk tabel, dan sering pula disertai gambar
yang disebut diagram atau grafik untuk lebih mempermudah pemahaman
akan angka dari permasalahan yang diamati. Kumpulan data tersebut
dikenal dengan statistik. Kata statistik digunakan untuk menyatakan
kumpulan data, angka maupun non angka yang disusun dalam bentuk tabel
dan atau diagram, yang menggambarkan suatu persoalan.
Pengamatan, penelitian, maupun riset umumnya bertujuan untuk
memperoleh penjelasan atau kesimpulan mengenai persoalan yang diteliti.
Sebelum dibuat kesimpulan, data yang diperoleh terlebih dahulu dipelajari,
dianalisis dan diolah dengan teliti dan tepat sesuai dengan teori yang benar
dan dapat dipertanggungjawabkan. Hal ini berkaitan dengan suatu
pengetahuan tersendiri yang diberi nama statistika.Definisi tersebut
memberikan gambaran tentang statistika sebagai ilmu. Statistika diartikan
sebagai ilmu pengetahuan yang mempelajari tentang metode atau prosedur
yang berhubungan dengan pengumpulan data, organisasi data, pengujian
data, pengolahan data atau penganalisaan dan penarikan kesimpulan
berdasarkan kumpulan data tersebut.
Beberapa penulis juga mendefinisikan statistika sebagai berikut.
1. Moore (1989) mendefinisikan ‚Statistics is the science of collecting,
organizing, and interpreting numerical facts‛.
2. Noether (1971) menulis secara lengkap pada Statistics by a U.S. Civil Service
Commission document : ‚Statistics is the science of the collection, classification,
and measured evaluation of facts as a basis dor inference. It is a body of techniques
for acquiring accurate knowledge from incomplete information; a scientific system
for the collection, organisation, analysis, interpretation and presentation of
information which can be stated in numerical form‛.
Sebagai suatu disiplin ilmu, Statistika adalah sekumpulan konsep dan
metode tentang pengumpulan, penyajian, analisis dan interprestasi data
kuantitatif bidang kegiatan tertentu dan pengambilan kesimpulan dalam
situasi di mana ada ketidakpastian dan variasi.

Statistika dalam pengertian sebagai ilmu dibedakan menjadi dua, yaitu:

a. Statistika Deskriptif
Tujuan penggunaan statistika ini adalah untuk mendeskripsikan atau
memberi gambaran objek yang diteliti sesuai data yang ada tanpa
menarik kesimpulan maupun generalisasi. Statistika deskriptif hanya
terbatas pada pengumpulan, penyajian dan analisis data. Dalam
statistika deskriptif dikemukakan cara penyajian data dalam bentuk tabel
maupun diagram, penentuan rata-rata (mean), modus, median, rentang,
serta simpangan baku.
b. Statistika Inferensial (Induktif)
Bertujuan untuk penarikan kesimpulan. Objek yang diteliti dibahas
dengan penekanan pada interprestasi data dan pengambilan kesimpulan.
Sebelum menarik kesimpulan dilakukan suatu dugaan yang dapat
diperoleh dengan statistika deskriptif.

1.4. Populasi dan Sampel

 Populasi adalah himpunan keseluruhan obyek yang diselidiki.
Populasi adalah totalitas semua nilai yang mungkin, hasil menghitung
maupun pengukuran, kuantitatif maupun kualitatif mengenai karakteristik
tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin
dipelajari sifat-sifatnya. Himpunan bagian dari populasi dinamakan
sampel. Karakteristik atau konstanta dari suatu populasi disebut parameter.
Sedangkan suatu harga yang dihitung dari suatu sampel dinamakan
statistik. Pengumpulan data dapat dilakukan dengan cara sensus ataupun
sampling. Apabila pengumpulan data menggunakan sensus, maka seluruh
anggota dalam populasi, tiada terkecuali dikenai penelitian (perlakuan).
Sedangkan sampling dilakukan apabila hanya sebagian saja anggota
populasi yang diteliti. Sensus seringkali tidak dapat dilakukan mengingat
populasi yang beranggota sangat banyak atau berukuran tak hingga
(populasi tak hingga). Selain itu sensus dianggap tidak praktis, tidak
ekonomis, membutuhkan biaya besar, alokasi waktu yang lama, serta
dihindari apabila dilakukan percobaan yang bersifat merusak. Dalam hal
ini, maka metode sampling lebih dipilih.
Statistika digunakan untuk menyimpulkan populasi. Analisa statistika
dilakukan untuk dapat mengambil kesimpulan tentang parameter populasi
berdasarkan observasi sampel. Oleh karena itu, sampel yang diperoleh
hendaknya dapat memberikan gambaran yang ‚tepat‛ untuk populasinya
(representatif). Karena dalam berbagai penyelidikan (survey) kerap kali
dijumpai populasi yang berbeda-beda keadaannya, maka harus digunakan
sampel yang berbeda-beda pula macamnya. Kelakuan populasi yang akan
diamati adalah mengenai parameter populasi, untuk itu data sampel yang
representatif dianalisis untuk memperoleh nilai-nilai yang perlu yaitu
statistik dihitung dan berdasarkan nilai-nilai statistik dapat disimpulkan
bagaimana parameter bertingkah laku.
Khusus untuk populasi yang tidak terlalu heterogen, salah satu macam
sampel yang dianggap ‚representatif‛ adalah sampel random, observasi-
observasi dalam sampel independen satu dengan yang lain. Data Sampel
random adalah sampel yang pengambilannya sedemikian hingga setiap
elemen populasinya mempunyai kemungkinan yang sama untuk terambil.
1.5. Sumber Pengamatan dalam Statistik
1.5.1. Unit Statistik
Unit statistik adalah individu objek atau orang yang akan diteliti,
disurvey atau didata. Pertama harus diidentifikasikan obyek atau orang
yang dapat memberikan informasi lebih banyak terhadap
permasalahan yang diteliti.
1.5.2. Variabel
Variabel adalah suatu karakteristik dari suatu objek yang harganya
untuk tiap objek bervariasi dapat diamati atau dibilang, atau diukur.

1.6. Macam-Macam Data

Statistik dalam prakteknya tidak bisa dilepaskan dari data yang berupa
angka, baik itu dalam statistik deskriptif yang menggambarkan data,
maupun statistik inferensi yang melakukan analisis terhadap data.
1.6.1. Pembagian Data
Data yang diperoleh dari suatu kegiatan observasi disebut data
observasi (data).
1) Menurut cara memperolehnya, data dibedakan atas
a. Data primer
Adalah data yang dikumpulkan dan diolah sendiri oleh peneliti
(perorangan/lembaga) langsung dari objeknya.
Contoh: sensus yang dilaksanakan oleh BPS
b. Data sekunder
Adalah data yang dikutip atau diperoleh dalam bentuk yang sudah
jadi, sudah dikumpulkan dan diolah oleh sumber lain dan
umumnya sudah dalam bentuk publikasi.
Contoh: perusahaan memperoleh data dari laporan yang ada di
BPS.
2) Menurut sumbernya
a. Data internal, yaitu data yang menggambarkan keadaan/kegiatan
di dalam suatu organisasi.
b. Data eksternal, yaitu data yang menggambarkan keadaan/kegiatan
di luar suatu organisasi. Data eksternal dimaksudkan untuk
 menunjukkan faktor-faktor yang mempengaruhi hasil karya suatu
organisasi.
3) Menurut sifatnya
a. Data Kualitatif
Data kualitatif adalah fakta yang dinyatakan dalam bentuk bukan
angka atau dapat disebut data yang bukan berupa angka,
misalnya, jenis golongan darah, profesi, agama, dan sebagainya.
Data kualitatif dapat dikuantitatifkan antara lain dengan cara
memberi skor, ranking, variabel boneka (dummy variabel), dan
sebagainya. Data kualitatif mempunyai ciri tidak bisa dilakukan
operasi matematika, seperti penambahan, pengurangan, perkalian
dan pembagian.

Data kualitatif bisa dibagi menjadi dua:

1. Data Nominal
Data bertipe nominal adalah data dengan tingkat paling rendah
dalam level pengukuran data. Skala nominal adalah skala
pengukuran berupa bilangan atau lambang-lambang untuk
mengelompokkan suatu obyek. Jika suatu pengukuran data
hanya menghasilkan satu dan hanya satu-satunya kategori,
maka data tersebut adalah data nominal (data kategori). Misal
proses pendataan Jenis Kelamin seseorang. Ini merupakan suatu
data nominal, karena seorang laki-laki tidak mungkin
berkelamin ganda. Demikian juga misalnya, status pendidikan
dikelompokkan menjadi sekolah dan tidak sekolah, jenis agama
dan sebagainya. Kelas atau kategori adalah titik skala nominal.
Dalam hal jenis kelamin, titik skala adalah laki-laki dan wanita.
Data Nominal dalam praktek statistika biasanya akan dijadikan
‘angka’, yaitu proses yang disebut kategorisasi. Misal dalam
pengisian data, jenis kelamin lelaki di kategorikan sebagai ‘1’
dan perempuan sebagai ‘2’. Contoh lain data dari variabel jenis
agama (Islam=1, Kristen=2, Katholik=3, Hindu=4, Budha=5).
Kategori ini hanya sebagai tanda saja, jadi tidak bisa dilakukan
operasi matematika.
 2. Data Ordinal
Seperti pada data nominal, adalah juga data kualitatif namun
dengan level yang lebih tinggi dari data nominal. Jika pada data
nominal, semua data kategori dianggap sama, maka pada data
ordinal, terdapat tingkatan data. Pada data ordinal, ada data
dengan urutan lebih tinggi dan urutan lebih rendah. Dengan
kata lain skala ordinal adalah skala pengukuran yang
mengelompokkan obyek-obyek ke dalamkelas-kelas yang
mempunyai hubungan urutan satu dengan yang lain. Hubungan
antara kelas-kelas adalah lebih baik, lebih disukai, lebih tinggi,
dan sebagainya. Misal data tentang sikap seseorang terhadap
produk tertentu. Dalam pengukuran sikap konsumen, ada sikap
yang ‘suka’, ‘tidak suka’, sangat suka’ dan lainnya. Urutan data
1 sampai dengan 5 menyimbolkan kualitas. 5= Sangat suka, 4=
Suka, 3= Sedang, 2= Tidak Suka, 1= Sangat tidak suka.
Contoh lain misalnya, seorang anggota ABRI dapat
dikelompokkan menurut pangkatnya: Mayor, Kapten, Letnan,
dan sebagainya. Hubungan antar kelas-kelas terdapat urutan
tertentu, pangkat Mayor lebih tinggi dari pangkat Kapten, dan
pangkat Kapten lebih tinggi dari pangkat Letnan (Mayor >
Kapten > Letnan).
Jadi disini ada preferensi atau tingkatan data, dimana data yang
satu berstatus lebih tinggi atau lebih rendah dari yang lain.
Namun data ordinal juga tidak bisa dilakukan operasi
matematika.

b. Data kuantitatif
Data kuantitatif adalah fakta yang dinyatakan dalam bentuk
angka dalam arti sebenarnya. Misalnya tinggi badan, berat badan,
hasil belajar mahasiswa, jumlah kelahiran bayi tiap tahun di suatu
negara, dan lain sebagainya. Jadi berbagai operasi matematika bisa
dilakukan pada data kuantitatif. Seperti pada data kualitatif, data
kuantitatif juga bisa dibagi menjadi dua bagian:
1. Interval
Data Interval menempati level pengukuran data yang lebih
tinggi dari data ordinal, karena selain bisa bertingkat urutannya,
juga urutan tersebut bisa dikuantitatifkan. Skala interval adalah
skala pengukuran yang mengelompokkan obyek-obyek ke
dalam kelas-kelas yang mempunyai hubungan urutan dan
perbedaaan dalam jarak (interval) satu dengan yang lain.
Ciri-ciri skala interval :
(i) Unit pengukuran sama dan konstan;
(ii) Perbandingan antara dua interval sembarang adalah
independen dengan unit pengukuran dan titik nolnya;
(iii) Titik nol dan unit pengukuran sembarang (arbitrary).
Contohnya antara lain pengukuran temperatur sebuah ruangan.
Data temperatur dikatakan data interval, karena data
mempunyai interval (jarak) tertentu. Namun data interval tidak
mempunyai titik nol yang absolut. Seperti pada pengukuran
temperatur, seperti pernyataan bahwa ‘air membeku pada 0 oC ‘.
Pernyataan di atas, 0 oC bersifat relatif, karena 0 oC hanya
sebagai tanda saja. Dalam pengukuran oF, air membeku bukan
pada 0 oF, namun pada 32oF.
2. Data Rasio
Data Rasio adalah data dengan tingkat pengukuran paling tinggi
diantara jenis data lainnya. Data Rasio adalah data bersifat angka
dalam arti sesungguhnya (buka kategori seperti pada data
nominal dan ordinal) dan bisa dioperasikan secara matematika
(+, -, x, /). Skala rasio adalah skala pengukuran yang
mengelompokkan obyek-obyek ke dalam kelas-kelas yang
mempunyai hubungan urutan dan berbeda dalam jarak antara
obyek yang satu dengan yang lain. Perbedaan dengan data
interval adalah bahwa data rasio mempunyai titik nol dalam arti
sesungguhnya. Misal berat badan dan tinggi badan seseorang,
pengukuran-pengukurannya mempunyai angka nol/0 dalam
arti sesungguhnya. Misal berat badan 0 berarti memang tanpa
 berat. Contoh skala rasio adalah skala untuk mengukur panjang,
luas, isi, berat, tinggi, dan sebagainya.
Data dalam statistik keempat jenis data tersebut dibedakan
berdasarkan tingkat pengukurannya (level of measurement).
Struktur tingkatan skala pengukuran menurut daya pembeda atau
kemampuannya.
Skala Daya Pembeda untuk Dua Obyek Sembarang
Nominal persamaan (klasifikasi)
Ordinal persamaan, urutan
Inteval persamaan, urutan dan jarak (unit pengukuran ada)
Rasio persamaan, urutan, jarak dan rasio (titik nolnya ada)

Jenis-jenis data memegang peranan yang cukup penting karena

penerapan dalam statistik akan berbeda untuk jenis data yang
berbeda. Data kualitatif, karena bukan data angka dalam arti
sesungguhnya, tidak bisa disamakan perlakuannya dengan data
kuantitatif. Data nominal dan ordinal biasanya menggunakan
metode statistik nonparametrik, sedang data kuantitatif memakai
metode parametrik.

4) Menurut waktu pengumpulannya

a. Data Cross Section, yaitu data yang dikumpulkan pada suatu waktu
tertentu (at a point of time) yang bisa menggambarkan
keadaan/kegiatan pada waktu tersebut.
b. Data Berkala (Time Series Data), yaitu data yang dikumpulkan dari
waktu ke waktu untuk memberikan gambaran tentang perkembangan
suatu kegiatan dari waktu ke waktu. Misalnya, perkembangan harga
barang kebutuhan pokok selama 12 bulan terakhir, banyaknya
pengunjung tempat wisata selama 5 tahun terakhir, dsb. Data berkala
sering disebut data historis, bila digambarkan grafiknya maka akan
menunjukkan fluktuasi pergerakan naik turun data. Dari data berkala
dapat dibuat garis trend yang menggambarkan perkembangan data.
Garis trend tersebut berguna sebagai dasar pembuatan ramalan
 (forecasting) yang bermanfaat untuk dasar perencanaan dan
memberikan gambaran data di masa mendatang.

1.6.2. Syarat Data yang Baik

Data yang tidak tepat apabila digunakan untuk dasar pengambilan
keputusan maka dapat menghasilkan kesimpulan yang keliru serta
tidak tepat sasaran. Untuk memperoleh kesimpulan yang tepat dan
benar mengenai suatu permasalahan, maka data yang dikumpulkan
dalam pengamatan harus nyata dan benar. Syarat data yang baik
adalah:
a. data harus obyektif artinya data sesuai dengan keadaan sebenarnya;
b. data harus mewakili (representatif);
c. kesalahan baku (standar error) harus kecil. Suatu nilai estimasi harus
memiliki tingkat ketelitian yang tinggi;
d. data harus tepat waktu (up to date) terutama apabila data digunakan
untuk tujuan pengendalian dan evaluasi;
e. data harus relevan dengan masalah yang akan dipecahkan artinya
data yang dikumpulkan harus berhubungan dengan masalah yang
diamati.
Syarat a, b, dan c sering disebut syarat data yang dapat diandalkan
(reliabel). Sedangkan syarat d dan e lebih menunjuk pada manfaat dan
kegunaannya.

1.7. Cara Pengambilan Sampel

Prosedur pengambilan sampel merupakan hal yang mendasar yang
harus diperhatikan dalam kegiatan penelitian statistik. Prosedur
pengambilan sampel berkaitan dengan bagaimana memilih jenis sampel
untuk memperoleh informasi yang dinginkan mengenai karakteristik
populasi. Sampel yang dipilih haruslah representatif. Sampel yang
representatif adalah sampel yang dapat memberikan gambaran yang
‚tepat‛ tentang karakteristik populasi yang diselidiki.
Beberapa jenis sampel yang sering digunakan para peneliti adalah
sampel acak (random), sampel sistematis dan sampel kelompok (cluster
sample).
1.7.1. Sampel Acak
Sampel acak (random) adalah sampel yang pemilihannya sedemikian
hingga setiap elemen populasinya mempunyai kemungkinan yang
sama untuk terpilih menjadi anggota sampel. Proses pemilihan
(pengambilan) sampel tersebut sebaiknya dilakukan dengan bantuan
lotere/undian, bila angkanya ribuan dapat mengunakan tabel bilangan
acak (random digit table) yaitu suatu daftar angka yang sudah dibuat
sedemikian rupa sehingga bila digunakan akan menjamin pemilihan
secara acak. Cara ini disebut objektif karena tidak pilih kasih.
Samplingnya disebut probability sampling dimana setiap elemen
mempunyai probabilitas yang sama untuk dipilih.
1.7.2. Sampel Sistematis
Sampel sistematis adalah sampel yang pemilihannya dilakukan secara
sistematis dari populasinya.
 Proses pengawasan kualitas
Pemilihan sampel dilakukan dengan cara pemilihan dan menguji
semua produk yang dihasilkan tiap-tiap interval satu jam.
 Proses pemilihan sampel mahasiswa yang akan diukur berat
badannya.
Pemilihan sampel dilakukan dengan cara memilih mahasiswa yang
nomor mahasiswanya berakhiran 5.
1.7.3. Sampel Kelompok (Cluster Sample)
Sampel kelompok adalah sampel acak sederhana dengan sampling
unitnya berupa kumpulan atau kelompok elemen. Prosedur
pemilihannya dilakukan secara random terhadap kelompok-kelompok.
Contoh:
Prosedur pemilihan sampel dalam penelitian untuk membuat
perkiraan rata-rata hasil belajar mata kuliah Statistika per jurusan di
suatu perguruan tinggi. Dalam hal ini kelompoknya terdiri dari jurusan
yang mengikuti perkuliahan Statistika. Kemudian dipilih secara acak
beberapa jurusan, kemudian dilakukan pendaftaran kelas pada setiap
jurusan yang terpilih dan dilakukan penelitian.
 Adapula pengambilan sampel dengan cara tidak acak yaitu pemilihan
elemen-elemen dari populasi untuk menjadi anggota sampel dimana setiap
elemen tidak memiliki kesempatan yang sama untuk dipilih. Cara tidak acak
ini lebih bersifat subyektif dan samplingnya disebut nonprobability sampling,
artinya, setiap elemen tidak memiliki probabilitas yang sama untuk dipilih.

1.8. Peran dan Aplikasi Komputer dalam Statistik

Komputer mempunyai peranan yang besar dalam statistik.Kemajuan
teknologi komputer dan adanya banyak program pengolahan data yang
dibuat oleh perusahaan pengembang software seperti MS. Excel, SPSS,
Minitab, dan SAS sangat membantu dalam melakukan analisis statistik dan
berimplikasi positif pada kegiatan pembelajaran statistika.Penggunaan
komputer dalam pengolahan data membuat proses menjadi lebih efisien
karena memiliki beberapa karakteristik berikut.
a. Komputer dapat bekerja dengan jumlah masukan (input) yang besar dan
sejumlah besar variabel yang berinteraksi. Apabila jumlah data yang
diolah sangat besar, maka pengolahan menggunakan komputer akan
semakin ekonomis dibandingkan dengan metode lain;
b. Komputer dapat melakukan proses pengolahan data dengan waktu yang
cepat. Kebutuhan akan informasi dan pengolahan data yang tepat waktu
dapat dipenuhi dengan pemanfaatan komputer;
c. Pengolahan data dengan komputer akan menghasilkan informasi
dengan ketepatan tinggi;
d. Pengolahan data dengan komputer menggunakan biaya yang relatif
murah dan ekonomis.

Pada buku ini akan digunakan program pengolahan data MS. Excel dan
SPSS untuk membantu melakukan analisis statistik. Program Microsoft
Excel atau yang sering dikenal dengan MS. Excel telah sangat familiar
digunakan untuk perhitungan, namun banyak yang belum memahami
bahwa program ini dilengkapi dengan menu statistic yang sangat berguna
untuk analisis statistik. Program SPSS merupakan program khusus untuk
analisis statistika yang dipilih karena mudah dipahami dan digunakan.
a. Aplikasi MS.Excel
Ms. Excel adalah program aplikasi pengolahan data yang telah banyak
dikenal dan digunakan. Program ini dibuat oleh Microsoft. Banyak fitur
program yang dapat digunakan untuk melakukan operasi matematika,
logika, keuangan, serta statistika.
b. Aplikasi SPSS
SPSS adalah program khusus pengolahan data untuk analisis statistik.
Seiring waktu, program ini telah berkembang dengan berbagai versi.
Keuntungan program ini adalah kompatibel dengan Windows versi
berapapun. Program ini mudah digunakan karena perintah-perintah
yang digunakan untuk analisis data dibuat dalam bentuk pull-down
menu, artinya setiap menu yang tertera pada menu bar terdiri atas sub-sub
menu yang dapat diaktifkan dengan hanya meng-klik tombol mouse.

1.9. Latihan
Selesaikan masalah berikut sesuai dengan pemahaman Anda!
1. Akan dilakukan suatu penelitian yang menyelidiki hal berikut.
a. Pertumbuhan penduduk di kota Semarang pada tahun 2014.
b. Jumlah mahasiswa yang berumur di atas 20 tahun untuk tiap
jurusan di FMIPA Unnes.
c. Hasil belajar mahasiswa Program Studi Matematika angkatan 2011
pada mata kuliah Statistika.
d. Mengetahui golongan darah mahasiswa jurusan Matematika.
Jelaskan hal tersebut termasuk analisis statistik yang mana!
Tuliskan nama variabel serta sebutkan jenis data yang diamati?
2. Berdasarkan informasi pada No. 1, jelaskan penelitian mana yang
cukup dijelaskan dengan statistika diskriptif dan mana yang harus di
teliti dengan statistika inferensial.
3. Tulislah berbagai data yang Anda temui dalam kehidupan sehari-hari
di luar bidang matematika yang memanfaatkan ilmu statistika.
 BAB II
PENGOLAHAN DATA STATISTIK DENGAN
MICROSOFT EXCEL DAN SPSS

Capaian Pembelajaran (Kompetensi) Mata Kuliah

Mahasiswa dengan cerdas mengenal gagasan dasar statistika dan
menggunakan gagasan dasar statistika secara kritis, kreatif, dan inovatif
untuk pengumpulan data, penyajian data, penganalisisan data,
pengambilan kesimpulan dan keputusan masalah sehari-hari berbasis
software statistika dengan jujur dan bertanggung jawab.

Indikator Capaian Pembelajaran/Kompetensi

Setelah mengikuti perkuliahan ini, mahasiswa mampu
a. menggunakan aplikasi Microsoft Excel untuk mengolah data statistik
b. menggunakan aplikasi pengolah data statistik SPSS

Tujuan Pembelajaran
1. Mahasiswa dengan kreatif, dan inovatif mampu menggunakan aplikasi
Microsoft Excel dan SPSS untuk mengolah data statistik dalam
kehidupan sehari-hari, setelah memperoleh penjelasan dosen, diskusi,
tanya jawab, dan presentasi.
2. Mahasiswa dengan jujur, tanggung jawab dan kreatif mampu
menyajikan hasil analisis data yang diperoleh dari aplikasi Microsoft
Excel dan SPSS setelah melakukan diskusi dalam kelompok.

Materi Pokok
2.1. Aplikasi Microsoft Excel
Ada dua fasilitas yang dapat digunakan untuk analisis data statistik
pada MS.Excel, yaitu perintah Data Analysis dan perintah Function.
Perintah Data Analysis merupakan perintah tambahan yang terletak pada
menu Tools. Apabila dalam menu Tools tidak terdapat menu Data Analysis,
maka perlu dilakukan penginstalan terlebih dahulu. Berikut tahapan yang
harus dilakukan untuk menginstal menu Data Analysis pada menu Tools.
1. Klik menu Tools > Add-Ins sehingga muncul kotak dialog Add-Ins.
2. Klik pilihan Analysis Toolpak dan Analysis Toolpak-VBA.
3. Klik tombol OK dan menu Data Analysis akan muncul dalam menu
Tools.
Setelah menu Data Analysis munculpada menu Tools, maka dapat langsung
dilakukan analisis data statistik. Apabila meng-klik perintah Data Analysis
maka akan muncul kotak dialog yang berisi berbagai pilihan jenis analisis
statistik yang dapat dipilih, seperti Gambar 2.1.

Gambar 2.1 Kotak Dialog Data Analysis

Pilihan analisis statistik yang dapat digunakan adalah:

1. Anova: Single Factor untuk analisis anova dengan faktor tunggal atau
Oneway Anova.
2. Anova: Two-Factor With Replication untuk analisis anova dua faktor
dengan menggunakan analisis pengulangan.
3. Anova: Two-Factor Without Replication untuk analisis anova dua arah
tanpa analisis pengulangan.
4. Correlation untuk analisis korelasi bivariate.
5. Covariance untuk analisis kovarians.
6. Descriptive Statistics untuk analisis statistic deskriptif.
7. Exponential Smoothing untuk analisis statistic regresi eksponensial.
8. F-Test Two Sample for Variance untuk analisis uji varians dengan
menggunakan uji-F.
9. Fourier Analysis untuk melakukan analisis permasalahan dalam sistem
linear dan analisis data periodik dengan menggunakan transformasi Fast
Fourier. Pilihan ini juga dapat digunakan untuk transformasi inverse.
10. Histogram untuk mencari distribusi frekuensi dari data dalam bentuk
grafik histogram.
11. Moving Average untuk membuat fungsi regresi untuk prediksi
berdasarkan teknik rata-rata bergerak.
12. Random Number Generation untuk analisis nilai random dengan
berbagai jenis distribusi yang ada dalam statistic.
13. Rank and Percentile untuk mencari ranking dari data serta membuat
kelompok data dalam persentil.
14. Regression untuk membuatan analisis regresi.
15. Sampling untuk mencari sampel dari sekelompok populasi.
16. T-test Paired Two Sample for Means untuk menguji rata-rata dari dua
pasangan sampel.
17. T-test Two Sample Assuming Equal Variance untuk pengujian dengan
uji-t pada sampel dengan asumsi varians populasi sama.
18. T-test Assuming Unequal Variance untuk pengujian dengan uji-t pada
sampel dengan asumsi varians populasi tidak sama.
19. Z-test: Two sample for Mean untuk menguji rata-rata sampel dengan
menggunakan uji-Z.

2.2. Aplikasi SPSS

Analisis data dengan menggunakan program SPSS dilakukan dengan
terlebih dahulu memasukkan data dalam sheet SPSS. Ada dua jenis sheet
dalam SPSS, yaitu sheet Data View dan sheet Variabel View.
1. Sheet Data View digunakan untuk menginputkan data yang akan
dianalisis. Bentuk sheet Data View ditunjukkan pada Gambar 2.2.
2. Sheet Variabel View adalah lembar kerja yang berfungsi untuk
memformat data yang telah diinputkan dalam sheet Data View. Bentuk
sheet Variabel View ditunjukkan pada Gambar 2.3.
 Gambar 2.2 Sheet Data View

Gambar 2.3 Sheet Variabel View

Jenis format data yang terdapat pada sheet Variabel View meliputi:
a. Name, digunakan untuk memberi nama variabel yang diinputkan pada
Data View.
b. Type, berfungsi untuk memformat data sesuai dengan jenis data yang
diinput, dapat berupa numerik, decimal, string, dan sebagainya.
 Gambar 2.4 Kotak Dialog Variabel Type

c. Width, digunakan untuk menentukan lebar kolom pada data.

d. Decimals, digunakan untuk menentukan banyaknya angka di belakang
koma yang akan digunakan.
e. Label, berfungsi untuk memberi label terhadap data yang telah
diinputkan dalam sheet Data View.
f. Values, berfungsi untuk menentukan nilai yang dikandung oleh data.
Cara ini digunakan untuk data dengan skala ordinal dan nominal. Untuk
mengisi Value, isi pada kolom Value, kemudian isi kolom Label dan klik
Add. Setelah seluruh nilai Value dan Label nya telah diinputkan,
selanjutnya klik Continue.

Gambar 2.5 Kotak Dialog Variabel Label

g. Missing, digunakan untuk mengatur apakah dalam data pengamatan

yang diinputkan terdapat data yang hilang.
h. Coloums, digunakan untuk mengatur lebar kolom dari data.
i. Align, berfungsi untuk mengatur rataan tulisan.
j. Measure, digunakan untuk mengatur jenis pengukuran yang digunakan.
Dalam SPSS terdapat dua tipe format file, yaitu tipe file data yang
ditunjukkan dengan ekstensi .sav dan tipe file output yang yang
ditunjukkan dengan ekstensi .spo. Untuk melakukan penyimpanan file data
maupun output, dilakukan dengan klik menu File, Save As.
Hasil output pada file output SPSS dapat dikopi ke program MS.Word.
Hal ini dapat dilakukan dengan melakukan langkah berikut.
1. Klik tabel atau output yang akan dikopi.
2. Klik kanan kemudian klik pilihan Copy Objects. Pilihan ini juga dapat
dipilih dari Menu Edit.
3. Buka program MS.Word tempat meletakkan output yang dikopi, pilihan
menu Edit kemudian klik pilihan Paste, maka output analisis data dari
SPSS akan terkopi pada jendela MS.Word.
 BAB III
PENYAJIAN DATA

Capaian Pembelajaran (Kompetensi) Mata Kuliah

Mahasiswa dengan cerdas mengenal gagasan dasar statistika dan
menggunakan gagasan dasar statistika secara kritis, kreatif, dan inovatif
untuk pengumpulan data, penyajian data, penganalisisan data,
pengambilan kesimpulan dan keputusan masalah sehari-hari berbasis
software statistika dengan jujur dan bertanggung jawab.

Indikator Capaian Pembelajaran/Kompetensi

Setelah mengikuti perkuliahan ini, mahasiswa mampu:
a. merepresentasikan data dalam tabel dan diagram
b. menghubungkan benda nyata, gambar dan diagram ke dalam ide
matematika
c. menjelaskan ide, situasi dan relasi matematis secara lisan dan tulisan
dengan gambar dan grafik
d. menerapkan matematika dalam kehidupan sehari-hari
e. menerapkan matematika dalam bidang lain

Tujuan Pembelajaran
1. Mahasiswa dengan berpikir logis, kritis, kreatif, dan inovatif mampu
menyajikan data statistika yang ditemui dalam kehidupan sehari-hari
dalam bentuk tabel dan grafik, setelah memperoleh penjelasan dosen,
diskusi, tanya jawab, dan presentasi.
2. Mahasiswa dengan jujur, tanggung jawab dan kreatif mampu
menyajikan data dengan berbagai bentuk tabel dan grafik yang
diperoleh dari berbagai sumber belajar setelah melakukan diskusi
dalam kelompok.

Materi Pokok
3.1. Penyajian Data
 Data statistik yang telah dikumpulkan dan akan dianalisis lebih lanjut
perlu disusun serta disajikan dalam bentuk yang mudah terbaca agar lebih
jelas dan mudah dipahami. Secara garis besar ada dua cara penyajian data
yang sering digunakan yaitu tabel atau daftar dan grafik atau diagram.
Selain lebih menarik, penyajian data dengan tabel atau diagram akan lebih
mudah dibaca dan dimengerti. Seseorang yang tidak memahami statistika
akan lebih mudah memahami data dalam bentuk tabel, gambar atau
diagram dibandingkan masih dalam bentuk data angka dalam buku
laporan.
Tabel merupakan kumpulan angka-angka yang disusun menurut
kategori-kategori sehingga memudahkan dalam pembuatan analisis data.
Macam-macam penyajian data dengan tabel yang dikenal antara lain:
1. daftar baris kolom
2. daftar kontingensi
3. daftar distribusi frekuensi
Grafik merupakan gambar-gambar yang menunjukkan secara visual
(dapat pula berupa simbol) data berupa angka yang biasanya juga berasal
dari tabel-tabel yang sudah dibuat. Macam-macam penyajian data dengan
tabel dan diagram/grafik yang dikenal antara lain:
1. diagram lambang atau diagram symbol (pictogram)
2. diagram garis (line chart)
3. diagram batang/balok (bar chart/ histogram)
4. diagram lingkaran atau diagram pastel (pie chart)
5. diagram peta (cartogram)
6. diagram pencar atau titik (scater plot)
Berikut penjelasan masing-masing tabel/daftar dan grafik yang sering
digunakan.
1. Daftar baris kolom
Penyajian data yang dituliskan dalam bentuk matriks baris dan kolom.
Contoh daftar ini dapat dijumpai pada data laporan yang ada di BPS,
dimana laporan pembukuannya umumnya disajikan dalam bentuk baris
dan kolom, misalnya mengenai data penduduk, data pertanian dan
sebagainya. Diagram baris kolom mengutamakan keakuratan data yang
disajikan sehingga pada tabel ini data yang disajikan sesuai data sebenarnya
dan tidak bersifat kira-kira.. Ada berbegai bentuk tabel antara lain tabel satu
arah (one way table), tabel dua arah (two way table) dan tabel tiga arah (three
way table).
Tabel satu arah adalah tabel yang hanya memuat keterangan mengenai
satu hal atau satu karakteristik saja. Misalnya: data jumlah penduduk
menurut umur, data jumlah penduduk menurut daerah, data jumlah
penduduk menurut jenis kelamin, dan sebagainya. Tabel 3.1 menunjukkan
contoh data jumlah siswa menurut tingkat pendidikan.
Tabel 3.1 Jumlah Siswa Menurut Tingkat Sekolah

Tingkat Sekolah Jumlah

SD 1.562
SMP 1.019
ST 432
SMA 818
SMK 743
TOTAL 4.574
Sumber: http://metodestatistik.blogspot.com

Tabel dua arah adalah tabel yang memuat keterangan mengenai dua hal
atau dua karakteristik. Misalnya: data jumlah penduduk menurut umur dan
pendidikan, data jumlah penduduk menurut daerah dan jenis kelamin, data
jumlah penduduk menurut pendidikan dan pekerjaan, dan sebagainya.
Tabel 3.2 adalah contoh tabel dua arah yang berisi informasi mengenai data
jumlah siswa menurut tingkat sekolah dan jenis kelamin.

Tabel 3.2 Jumlah Siswa Menurut Tingkat Sekolah dan Jenis Kelamin
Tingkat Jumlah Siswa
Jumlah
Sekolah Laki-Laki Perempuan
SD 875 687 1.562
SMP 512 507 1.019
ST 347 85 432
SMA 476 342 818
 SMK 316 427 743
TOTAL 2.526 2.048 4.57
Sumber: http://metodestatistik.blogspot.com

Tabel tiga arah adalah tabel yang memuat keterangan mengenai tiga hal
atau tiga karakteristik. Misalnya: data jumlah penduduk menurut umur,
jenis kelamin dan pendidikan, data jumlah penduduk menurut daerah,
pendidikan dan pekerjaan, dsb. Coba Anda membuat tabel tiga arah berisi
informasi yang berkaitan dengan karakteristik mahasiswa Jurusan
Matematika FMIPA Unnes.

2. Diagram Lambang (Pictogram)

Diagram lambang dipakai untuk mendapatkan gambaran kasar
mengenai suatu hal kepada orang awam. Diagram ini dapat menarik minat
pembaca karena umumnya sajian data diberikan dengan menyertakan
gambar-gambar sebagai ilustrasi data yang dinamakan pictogram. Sajian
pictogram yang dipentingkan utamanya pada menariknya sajian/tampilan.
Kesulitan yang dihadapi saat menggunakan diagram lambang adalah ketika
menggambarkan bagian simbol untuk satuan yang tidak penuh. Berikut
Gambar 3.1 yang merupakan contoh diagram lambang jumlah pegawai.

Gambar 3.1 Diagram Lambang

3. Diagram Garis
Untuk menggambarkan keadaan yang berkelanjutan atau
berkesinambungan, yang umumnya dipengaruhi/dibedakan oleh waktu,
misalnya produksi karet tiap tahun, jumlah penduduk tiap tahun, keadaan
temperatur badan tiap jam, dibuat diagram garis. Penyajian data dengan
diagram garis memerlukan sumbu datar dan sumbu tegak yang saling tegak
lurus. Sumbu mendatar menyatakan waktu dan sumbu tegak menunjukkan
frekuensi data tiap waktu.
Terdapat beberapa macam diagram garis yang biasa digunakan
diantaranya diagram garis tunggal dan diagram garis berganda.
Diagram garis tunggal (single line chart) adalah diagram/grafik yang
terdiri dari satu garis untuk menggambarkan perkembangan suatu kejadian.
Misalnya pertambahan jumlah pengunjung, banyaknya jumlah kendaraan
yang melintas, dan sebagainya.

(a) (b)
Sumber: (a) http://neninurjanah1994.blogspot.com (b) http://blog.ub.ac.id/aguswahyuprasetyo

Gambar 3.2 Diagram Garis Tunggal

Diagram garis berganda (multiple line chart) yaitu diagram yang terdiri
dari beberapa garis untuk menggambarkan perkembangan beberapa
kejadian sekaligus. Misalnya inflasi kelompok bahan pangan,
perkembangan hasil belajar mahasiswa berdasarkan program studi, dan
sebagainya.
 Gambar 3.3 Diagram Garis Berganda

Terdapat bentuk diagram garis lain seperti diagram garis komponen

berganda, diagram garis persentase komponen berganda dan diagram garis
berimbang neto. Namun penjelasan untuk diagram tersebut tidak diberikan
di sini.

4. Diagram Batang
Penyajian data dalam bentuk gambar akan memperjelas masalah secara
visual. Diagram batang sangat tepat digunakan untuk penyajian data yang
variabelnya berbentuk kategori atau atribut. Diagram batang adalah suatu
diagram dengan menggunakan diagram batang-batang persegi panjang
atau balok. Untuk menggambar diagram batang diperlukan sumbu datar
dan sumbu tegak yang dibagi menjadi beberapa skala bagian yang sama,
dimana sumbu datar menyatakan atribut atau waktu dan sumbu tegak
menyatakan nilai data. Diagram batang tepat digunakan menyajikan data
untuk kepentingan perbandingan.
Seperti diagram garis, diagram batang juga terdiri dari beberapa
macam, yaitu diagram batang tunggal, diagram batang berganda, diagram
batang komponen berganda, diagram batang persentase komponen
berganda dan diagram batang berimbang neto. Berdasarkan data pada Tabel
3.2 akan diberikan beberapa contoh diagram batang.
 (a) Diagram Batang Tegak (b) Diagram Batang Mendatar

Sumber: http://metodestatistik.blogspot.com

Gambar 3.4 Diagram Batang Tunggal

Gambar 3.4 menunjukkan gambar diagram batang tunggal dengan (a)

diagram batang tegak dan (b) diagram batang mendatar. Diagram batang
tunggal tegak maupun mendatar memiliki informasi yang sama yaitu
jumlah siswa berdasarkan tingkat sekolah, perbedaannya hanya terletak
dalam cara penyajian diagram saja.
 Sumber: http://metodestatistik.blogspot.com

Gambar 3.5 Diagram Batang Berganda

Diagram batang berganda digunakan untuk menggambarkan lebih dari

satu kegiatan dalam satu diagram sehingga digambarkan diagram batang
dua (tiga atau lebih) komponen. Serupa dengan diagram batang tunggal,
terdapat beberapa bentuk penyajian diagram batang berganda seperti yang
terlihat pada Gambar 3.5. Diagram batang berganda baik tegak maupun
mendatar disusun dengan memberikan informasi yang sama yaitu jumlah
siswa berdasarkan tingkat sekolah dan jenis kelamin, perbedaannya hanya
terletak dalam cara penyajian diagram saja.
Diagram batang komponen berganda serupa dengan diagram batang
berganda, namun bagian batang teratas/terakhir menggambarkan jumlah
(total) dari komponen-komponen yang ada.

5. Diagram Lingkaran
 Diagram ini merupakan suatu bentuk penyajian data yang diwujudkan
dalam sektor-sektor lingkaran. Total nilai data ditranformasikan dalam
sektor 360O. Tiap sektor menggambarkan kategori data yang sebelumnya
dihitung terlebih dahulu berupa sektor-sektor elemen dalam derajat.

(a)

(b) (c)
Sumber: (a) http://media-kreatif.com, (b)http://subandialdi.blogspot.com, (c) http://www.cara.aimyaya.com
Gambar 3.6 Diagram Lingkaran

Diagram lingkaran sangat tepat menyajikan data untuk kepentingan

‚perbandingan‚. Satu diagram hanya dapat menggambarkan satu kegiatan.
Dapat pula dibuat variasi dari diagram lingkaran yang disebut diagram
pastel. Bentuk-bentuk dari diagram lingkaran, diantaranya adalah:
a. Diagram lingkaran tunggal (single pie chart) yaitu diagram lingkaran
yang hanya terdiri dari satu lingkaran.
b. Diagram lingkaran berganda (multiple pie chart) yaitu diagram
lingkaran yang terdiri dari lebih dari satu lingkaran.
6. Diagram Peta (Kartogram)
Diagram peta adalah suatu sajian data yang menggunakan peta
geografis tempat data terjadi. Diagram ini melukiskan keadaan
dihubungkan dengan tempat data terjadi. Gambar 3.7 berikut merupakan
contoh diagram peta.

(a) (b)
Sumber : (a) https://windaaseptiana.wordpress.com (b) https://andimanwno.wordpress.com

Gambar 3.7 Diagram Peta

7. Diagram Pencar
Kumpulan data kuantitatif dari terdiri atas dua variabel, dapat disajikan
dalam bentuk diagram yang dibuat dalam sistem sumbu koordinat dan
gambarnya akan merupakan kumpulan titik-titik yang terpencar yang
disebut diagram pencar.

Gambar 3.8 Diagram Pencar (Sumber http://www.slideshare.net/alunand350)

 Dalam mempresentasikan data umumnya penyaji
menginginkan agar apa yang dipresentasikan dapat dimengerti dan
dipahami oleh pembaca. Beraneka macam cara penyajian data dapat
dipilih sesuai dengan tujuan, kebutuhan dan kepentingan. Misalkan,
suatu kantor biro statistika yang memiliki banyak kumpulan data
dalam bentuk angka akan lebih memilih untuk menyajikan
datanya dalam bentuk tabel (baris dan
kolom) dibandingkan dalam bentuk diagram lingkaran
atau yang lain. Hal ini dikarenakan yang diperlukan adalah
keakuratan data tersebut dan bukan pada bentuk penyajiannya. Lain
halnya apabila penyajian data ditujukan untuk keperluan presentasi
atau pameran hasil karya. Untuk tujuan ini maka penyajian data
harus dibuat semenarik mungkin selain harus jelas dan mudah
dipahami.

3.2. Penyajian Data dengan Komputer

Telah dijelaskan sebelumnya bahwa tujuan dari penyajian data
adalah untuk memberikan informasi mengenai suatu data agar
pembaca dapat lebih jelas dan mudah memahami, selain untuk
tujuan presentasi atau pameran hasil karya. Dalam hal ini maka
tampilan penyajian data harus dibuat jelas dan menarik. Aplikasi
program MS.Excel dan SPSS dapat membantu membuat penyajian
data statistik menjadi lebih jelas, menarik, dan komunikatif. Berikut
langkah penyajian data dengan program MS.Excel dan SPSS.