Pengertian dan

Karakteristik Data

Pertemuan 1
Pengampu: Wisnu Prayogo, S.T., M.T., C.WS.
Rancangan Pembelajaran Semester (RPS)

 Materi pembelajaran
Menguasai dan membandingkan pengertian dan karakteristik
data.
 Kemampuan yang diharapkan
 Penjelasan silabus;
 Pengertian dan karakteristik data.
 Indikator penilaian
 Mahasiswa mampu menjelaskan bahan kajian;
 Ketepatan menjelaskan konsep pengertian dan karakteristik
data;
 Keterlibatan dalam proses perkuliahan;
 Partisipasi dalam diskusi;
 Sikap menghormati pendapat orang lain.
Pada BAB ini, mahasiswa akan
belajar mengenai:

 Pentingnya mempelajari statistika

 Istilah penting dalam statistika
 Pengertian dan karakteristik data
 Jenis-jenis data
 Teknik penyajian data
Why we learn statistics ?
Ilustrasi

Berikut adalah data produksi panas bumi di 25 titik

pengeboran (ton/jam):

44.24 60.00 89.54 85.64 60.00 54,00

24.00 54.12 64.52 27.14 87 46 42 13
43 04 45 75 111 27 27.79 41.49 47.70
83.00 14.32 70.00 32.35 41.60 77.96
14.37 64.52 84.94 24.00 42 13 83.13

Informasi apa yang ingin diperoleh dari data ini ?

 Statistika

Data
Pengolahan
(Populasi/ Penyajian Analisis
Data
Sampel)

Informasi

Gottfried Achenwall (1749) menggunakan statistika dalam Bahasa Jerman untuk pertama
kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya
sebagai ilmu tentang negara (state). Pada awal abad ke-19 telah terjadi pergeseran arti
menjadi ilmu mengenai pengumpulan dan klasifikasi data.
Klasifikasi Statistik
• Pengklasifikasian statistik berdasarkan aktivitas yang
dilakukan menjadi statistik deskriptif, statistik inferensi
(statistik parametrik dan statistik non parametrik).
• Statistik deduktif (deskriptif) adalah jenis ilmu statistik
yang menjelaskan atau menggambarkan berbagai
karakteristik data seperti berapa rata-rata, seberapa jauh
data bervariasi, dan lain-lain;
• Statistik induktif (Inferensi) adalah jenis ilmu statistik
yang menjelaskan membuat berbagai inferensi (perkiraan,
peramalan, pengambilan keputusan) terhadap sekumpulan
data yang berasal dari suatu sampel.
Klasifikasi Statistik
Statistika Deskriptif

Statistika
Statistika Parametrik

Statistika Inferensi

Statistika
Non Parametrik
Penggambaran
• Suatu laporan data tentang penjualan mie instan
perbulan sepanjang tahun 2020. Untuk mengolah data
dari laporan tersebut, maka langkah pertama yang
seharusnya dilakukan adalah mendeskripsikan terhadap
data, seperti menghitung rata-rata penjualan, waktu
puncak penjualan, standar deviasi, dan lain-lain;
• Setelah itu, maka barulah dilakukan inferensi terhadap
hasil deskripsi pada langkah pertama, yaitu perkiraan
penjualan mie instan Bulan Januari pada tahun
selanjutnya, perkiraan rata-rata penjualan mobil mie
instan, dan lain-lain.
Penggambaran
Populasi

Sampling Pendugaan

Contoh

Deskriptif Tingkat Keyakinan

Statistika Inferensia
Menggunakan Ilmu Peluang
Ilustrasi
Berikut adalah data produksi panas bumi di 25 titik pengeboran
(ton/jam):

44.24 60.00 89.54 85.64 60.00 54,00

24.00 54.12 64.52 27.14 87 46 42 13
43 04 45 75 111 27 27.79 41.49 47.70
83.00 14.32 70.00 32.35 41.60 77.96
14.37 64.52 84.94 24.00 42 13 83.13
1. Rata-rata produksi panas bumi di 25 lokasi tersebut.
2. Penyebaran nilai produksi panas bumi di area wilayah pengeboran
tersebut. STATISTIKA
DESKRIPTIF
3. Lokasi pengeboran dengan nilai produksi yang ekstrim.
4. Signifikansi rata-rata produksi panas bumi di area pengeboran tersebut.
DESKRIPTIF
INFERENSIAL
Statistik Deskriptif
• Measures of central tendency
In this method, a single value is relied upon to describe data. The
three measures of central tendency are mean, median, and mode.
Mean is better known as average. It is the sum of the data to be
studied and dividing it by the total number of data. Median is the
middle value in the data set. And, mode is the number that appears
most often in the set.
• Measures of dispersion
In this method, the dispersion of the study data from the average is
considered. The three measures of dispersion are range, variance,
and standard deviation.
• Penggambaran statistika deskriptif dapat menggunakan berbagai
cara, seperti pie charts, bar graphs, histograms, frequency
distribution chart, and mean analysis graphs, etc.
Statistik Inferensial

• Confidence interval
It measures one sample and gives a range of
values for an unknown population parameter. It
is an observed interval estimate.

• Hypothesis testing
It is an assumed analysis of a sample. The
inferences drawn may or may not be true, are
based on probability, and may be uncertain.
Statistik Inferensial
Penggambaran statistika inferensial dapat menggunakan berbagai
cara, seperti correlation analysis, survival analysis, linear regression
graph, ANOVA, structural equation modeling.
The differences between descriptive and
inferential statistics:

Descriptive Inferential

Work with a smaller to do Works with a large data set

Process is more complex as we have to
Process is simpler to do decide on the best sampling techhiques
Results ontained represent a portion of
Results obtained represent the population, but can be used to deduce
the entire data set information about the entire population
with some amount of uncertainty

Error involved is usually less Error invloved is usually more

Istilah Penting dalam Statistika
Beberapa istilah penting dalam
statistika:
1. Population is a set of similar items or events which is of interest for some question
or experiment;
2. Sample a set of individuals or objects collected or selected from a statistical
population by a defined procedure. The elements of a sample are known as sample
points, sampling units or observations.

This picture is Illustrating of the

relationship between samples
and populations.
Populasi dan Sampel
Populasi

Sampel

Setiap obyek populasi

memiliki kemungkinan/
kesempatan yang sama Sampel Acak
untuk terpilih

hasil pengukuran atau

pengamatan Data
Populasi dan Sampel
Populasi
Kendala: sangat banyak,
menghabiskan waktu, menghabiskan
biaya

Seluruh titik di
wilayah
Indonesia Keterwakilan Kaidah
sampel atas Pengambilan
populasi ?? Sampel (Teknik)
?

Sampel
Contoh: setiap propinsi diambil beberapa
titik pengamatan
Beberapa istilah penting dalam
statistika (2):
3. Census is an attempt to gather information about every member
of some group, called the population;
4. Survey is doing a portion of the population selected to represent
the intire group, in all its characteristics.

This picture is Illustrating

of the defference
between census and
survey.

Census Survey
Sensus dan Survei
Perihal Sensus Survei
Cakupan Mencacah
Mencacah seluruh
penduduk yang sebagian
penduduk
dicacah penduduk
Harus memenuhi
Bisa diadakan
Fleksibelitas persyaratan
kapan saja
periodik
Materi yang Mengenai Berganti-ganti
dikumpulkan demografi topik
Beberapa istilah penting dalam
statistika (3):
5. Parameter is a measure of a characteristic of an entire population (a mass
of all units under consideration that share common characteristics) based
on all the elements within that population. Misalnya rata-rata (), variansi
(2), simpangan baku ().
6. Statistic is a characteristic of a group of population, or sample. Misalnya
rata-rata, variansi (S2), simpangan baku (S).

This picture is Illustrating

of the defference
parameter and statistic.

Parameter Statistic
Populasi dan Sampel

Variabel Parameter Statistik

Rata-Rata μ x

Standar Deviasi σ s

Varian σ² s²

Proporsi π p
 Pengertian dan
Karakteristik Data
Pengertian
• Menurut bahasa, data merupakan bentuk jamak dari
kata datum (bahasa latin) yang berarti sesuatu yang diberikan.
Menurut istilah, pengertian data adalah kumpulan informasi atau
keterangn-keterangan yang diperoleh dari pengamatan.
• Data adalah sekumpulan datum yang berisi fakta-fakta serta
gambaran suatu fenomena yang dikumpulkan, dirangkum, dianalisis
kemudian diinterpretasikan.
• Data dapat digunakan untuk menggambarkan suatu keadaan atau
persoalan.
• Penggambaran fakta dari suatu data direkam dalam bentuk simbol
seperti angka, tulisan, atau gambar.
• Data yang telah diolah akan berubah menjadi sebuah informasi
yang dapat digunakan untuk menambah pengetahuan bagi yang
menerimanya dan dapat dijadikan sebagai dasar penarikan
kesimpulan.
Pengertian Data Menurut Ahli
• Menurut Kristanto, data merupakan suatu fakta mengenai objek
yang dapat mengurangi derajat ketidakpastian tentang suatu
keadaan dan kejadian.
• Menurut Nuzulla Agustina, data adalah keterangan mengenai
sesuatu hal yang sudah sering terjadi dan berupa himpunan fakta,
angka, grafik, tabel, gambar, lambang, kata, huruf-huruf yang
menyatakan sesuatu pemikiran, objek, serta kondisi dan situasi.
• Menurut Slamet Riyadi, data adalah kumpulan informasi yang
diperoleh dari hasil suatu pengamatan di mana data dapat berupa
angka atau lambang.
• Menurut Wahyu Supriyanto dan Ahmad Muhsin, data adalah
bahan baku dalam sebuah informasi, atau kelompok teratur simbol-
simbol yang mewakili kuantitas, fakta, tindakan, benda, dan
sebagainya.
Fungsi Data
• Dasar penyusunan rencana dan program;
• Alat kontrol atau monitor terhadap pelaksanaan program;
• Dasar penilaian atau evaluasi terhadap hasil akhir
pelaksanaan program;
• To provide an end-user with information that is derived
from data files, or input records;
• Reducing the detailed data to main points;
• Ensuring that the data is correct and relevant;
• Combining pieces of data to one;
• Classifies to different category.
Syarat-syarat data yang baik

 Objektif, artinya sesuai dengan keadaan yang

sebenarnya.
 Representatif, artinya mewakili (persoalan yang ada)
sesuatu yang lebih luas.
 Mempunyai (tingkat) kesalahan baku atau nilai error
yang kecil.
 Up to date (terbaru), artinya data harus masih baru atau
tidak kadaluwarsa.
 Relevan, artinya data yang dihasilkan harus ada
hubungannya dengan persolan yang hendak dipecahkan.
Karakteristik data yang baik
 Tujuan dan masalah data harus digambarkan secara jelas
sehingga tidak menimbulkan keraguan kepada pembaca.
 Teknik dan prosedur dalam data harus dijalaskan secara rinci.
 Obyektifitas data harus dijaga dengan menunjukkan bukti-bukti
mengenai sample yang diambil.
 Kekurangan-kekurangan selama pelaksanaan data harus
diinformasikan secara jujur dan menjelaskan dampak dari
kekurangan tersebut.
 Validitas dan kehandalan data harus diperiksa dengan cermat.
 Kesimpulan yang diambil harus didasarkan pada hal-hal yang
terkait dengan data data.
 Obyek atau fenomena yang diamati harus sesuai dengan
kemampuan, pengalaman, dan motivasi dari pihak yang
bersangkutan.
Karakteristik Serangkaian Data

1. Elemen
Serangkaian data memiliki elemen. Masing-masing
elemen memiliki karakteristik.
2. Variabel
Variabel adalah karakteristik atau ciri khas elemen
yang menjadi perhatian dan memiliki nilai-nilai yang
berbeda.
3. Kasus
Kasus adalah informasi yang menyangkut seluruh
variabel dari suatu elemen tertentu.
4. Observasi
Observasi adalah hasil pengamatan tertentu.
Data dan datum
Datum adalah keterangan atau informasi yang diperoleh dari suatu
pengamatan, dapat berupa angka lambang atau sifat. Sedangkan data
adalah kumpulan dari datum. Data sendiri dibedakan menjadi beberapa
jenis. Ditinjau dari sifatnya, sumbernya, ruang lingkupnya, bentuknya,
dan waktu pengumpulannya.
Klasifikasi Data
1. Sifatnya 1. Kualitatif (tidak dapat diangkakan)
2. Kuantitatif (dapat diangkakan)
2. Sumber 1. Primer (hasil pengukuran)
2. Sekunder (sudah tersedia dari pihak lain)
3. Bentuk 1. Diskret (angka utuh)
2. Kontinu (dapat berupa pecahan)
4. Waktu 1. Cross section (pada waktu tertentu)
pengumpulan 2. Time series (dari waktu ke waktu)
5. Skala 1. Nominal (menggolongkan)
pengukuran 2. Ordinal (mengurutkan)
3. Interval (mengukur jarak)
4. Rasio (membandingkan)
Data Menurut Sifatnya
1. Kualitatif
 Berupa label atau nama-nama yang digunakan untuk
mengidentifikasikan atribut suatu elemen;
 Contoh:
Warna, jenis kelamin, status perkawinan, agama, dll.
2. Kuantitatif
 Mengindikasikan seberapa banyak (how many/diskret
atau how much/kontinu);
 Data selalu numerik atau data kualitatif yang
diangkakan;
 Contoh:
Tinggi, umur, berat badan, suhu tubuh, hasil ujian, dll.
Data Kualitatif
Kelebihan
Deskripsi dan interpretasi dari
informan dapat diteliti secara
mendalam
Mempunyai landasan teori yang sesuai
fakta
Penelitian lebih berjalan subyektif
Sangat efektif digunakan dalam
mencari tanggapan dan pandangan
karna bertemu langsung
Adanya pemahaman khusus dalam
menganalisa
Kekurangan
Peneliti bertanggung jawab besar
terhadap informasi yang disampaikan
oleh informan
Bersifat sirkuler
Perbedaan antara fakta dan kebijakan
kurang jelas
Ukuran penelitian kecil
Tidak efektif jika ingin meneliti secara
keseluruhan atau besar-besaran
Data Kuantitatif
Kelebihan Kekurangan
Pengambilan data cenderung berasal
Penelitian lebih berjalan sistematis
dari nilai tertinggi
Mampu memanfaatkan teori yang ada Penelitian tidak subyektif
Orientasi hanya terbatas pada nilai
Penelitian lebih berjalan objektif
dan jumlah.
Dibatasi oleh peluang untuk menggali
Spesifik, jelas dan rinci responden dan kualitas perangkat
pengumpul data orisinal

Ukuran penelitian besar, sehingga Keterlibatan periset umumnya

menjadi nilai tambah tersendiri terbatas
Penelitian Kualitatif dan Kuantitatif
No Unsur Penelitian Kuantitatif Penelitian Kualitatif

Tujuan, pendekatan, subjek, Subjek sampel, sumber data tidak

Kejelasan
1 sumber data sudah mantap, mantap dan rinci, masih flexsibel,
Unsur
dan rinci sejak awal timbul dan berkembangnya sambil jalan

Segala sesuatu di rencanakan

Langkah Baru diketahui dengan mantap dan
2 sampai matang ketika
penelitian jelas setelah penelitian selesai
persiapan disusun

Tidak dapat menggunakan pendekatan

populasi dan sampel. Dengan kata lain
Sampel Dapat menggunakan sampel dalam penelitian kualitatif tidak dikenal
3 dan dan hasil penelitiannya istilah populasi dan sampel, istilah yang
populasi diberlakukan untuk populasi digunakan adalah setting. Hasil
penelitia hanya berlaku bagi setting
yang bersangkutan.
Penelitian Kualitatif dan Kuantitatif
No Unsur Penelitian Kuantitatif Penelitian Kualitatif

a. Mengajukan hipotesis yang Tidak mengemukakan hipotesis

akan diuji dalam penelitian sebelumnya, tetapi dapat lahir selama
4 Hipotesis
b. Hipotesis menentukan hasil penelitian berlangsung. Hasil penelitian
yang diramalkan terbuka.

Dalam desain jelas langkah- Desain penelitiannya adalah flexible

5 Desain langkah penelitian dan hasil dengan langkah dan hasil yang tidak
yang diharapkan dapat dipastikan sebelumnya.
Kegiatan pengumpulan data
Pengumpu Kegiatan pengumpulan data harus
6 memungkinkan untuk
lan data selalu dilakukan oleh peneliti sendiri.
diwakilkan

Analisis Dilakukan sesudah semua Dilakukan bersamaan dengan

7
data data terkumpul pengumpulan data.
Penelitian Kualitatif dan Kuantitatif

No Unsur Penelitian Kuantitatif Penelitian Kualitatif

Pemberi
8 Disebut responden Disebut informan
Informasi
Berupa data kuantitatif atau
9 Data Berupa narasi dan angka
dalam bentuk angka
Berupa kuisioner yang
tidak boleh Instrument penelitian adalah
Instrumen diinterpretasikan oleh peneliti sendiri, sehingga
10
penelitian pengedar kuisioner dan peneliti harus konseptual dan
tidak juga boleh ditambah teoritikal.
atau dikurangi
Penelitian Kualitatif dan Kuantitatif
Tipe Data Tipe Pertanyaan Pertanyaan

Kualitatif Jenis kelamin (L) (P)

Jumlah anggota
Diskirit keluarga yang ..... orang
menjadi tanggungan
saudara sekarang
Kuantitatif

Rata-rata
Kontinyu Rp .....
pengeluaran per
bulan
Data Menutu Sumber Memperolehnya
1. Data Primer (Data Asli)
 Data yang diperoleh dari hasil pengukuran secara
langsung tanpa melalui perantara dengan metode
seperti wawancara, pengamatan (observasi), percobaan,
kuisoner, dll.
 Data primer dapat berupa opini, hasil observasi benda
(fisik), kejadian, dan hasil percobaan.
2. Data Sekunder (Data Tersedia)
 Data yang diperoleh dari sumber-sumber yang telah ada
dengan metode studi pustaka, seperti hasil percobaan
orang lain, buku, doumen, laporan dari pihak lain
terdahulu.
 Misalnya mendapatkan data dari BPS, Bapenas, dll.
Data Menutu Sumber Memperolehnya

Data

Primer Sekunder

Observasi Survei Cetak dan

atau
elektronik

Eksperimen
Data Primer
1. Kelebihan
 Faktual dan asli;
 Valid dan akurat;
 Spesifik sesuai dengan kebutuhan.
2. Kekurangan
 Membutuhkan waktu, tenaga/sumber daya, dan biaya
yang lebih untuk mendapatkan data secara lengkap
sesuai dengan kebutuhan;
 Masih dalam bentuk data mentah sehingga masih harus
diolah/dianalisis lebih lanjut untuk mendapatkan informasi
atau kesimpulan yang diharapkan untuk menjawab
permasalahan/fenomena.
Data Sekunder
• Kelebihan:
1. Data sudah tersedia;
2. Mudah didapatkan;
3. Waktu dan biaya relatif lebih terjangkau dibanding untuk
mendapatkan data primer;
4. Dapat memperoleh informasi lain selain informasi utama.
• Kekurangan:
1. Kevalidan lebih rendah dari data primer sehingga dapat
mempengaruhi hasil (kurang valid dan kurang akurat);
2. Adanya ketergantungan dengan pihak yang mempunyai
data;
3. Terkadang data tidak lengkap, artinya tidak mewakili
kebutuhan (kurang spesifik) sehingga membutuhkan sumber
atau referensi lebih dari 1 (satu).
Aspek Data Sekunder yang Harus Dievaluasi

• Kemampuan data yang tersedia untuk menjawab

masalah atau pertanyaan (kesesuaian dengan
tujuan);
• Kesesuaian antara periode waktu tersedianya
data dengan periode waktu yang diinginkan
dengan periode waktu yang diinginkan;
• Kesesuaian antara populasi data yang ada
dengan populasi yang menjadi perhatian;
• Relevansi dan konsistensi unit pengukur yang
digunakan.
Data Primer dan Data Sekunder

Perbandingan Data Primer Data Sekunder

Tujuan Langsung untuk Tidak langsung

masalah untuk masalah
Proses Keterlibatan tinggi Keterlibatan rendah
Biaya Tinggi Relatif lebih
terjangkau
Waktu Lama Singkat
Data Menurut Bentuknya

 Data diskrit dan data kontinyu merupakan salah satu contoh

dari data kuntitatif karena data yang diperoleh berupa
angka;
 Data diskrit yaitu data yang diperoleh dari hasil
menghitung. Atau dapat disebut sebagai data cacahan,
biasanya berskala nominal.
 Data kontinyu yaitu data yang diperoleh dari hasil
mengukur (dapat berbentuk pecahan). Berskala ordinal,
interval, dan atau rasio.
Data Menurut Bentuknya
Data kontinyu

Data diskrit
Data Menurut Waktu Pengumpulannya

1. Cross sectional
 Data yang terkumpul pada suatu waktu tertentu untuk
memberikan gambaran perkembangan keadaan atau
kegiatan pada waktu tertentu.
 Contoh: jumlah mahasiswa prodi manajemen angkatan
2020 (tahun akademik 2020/2021).

2. Time series
 Data yang dikumpulkan selama kurun waktu/periode
tertentu (dari waktu ke waktu) untuk memberikan
gambaran perkembangan suatu kegiatan/fenomena.
 Contoh: jumlah penduduk miskin di Cileungsi tahun
2010 – 2016.
Data Menurut Bentuknya

Time Series

Cross sectional
Data Menurut Skala Pengukurannya

Rasio Membandingkan
Interval Mengukur jarak
Ordinal Mengurutkan
Nominal Menggolongkan

Agama, Suku
Tingkat pendidikan, kualitas buah

Suhu, nilai ujian

Tinggi, berat badan

Data Nominal

 Data nominal adalah data yang diberikan pada objek atau

kategori yang tidak menggambarkan kedudukan objek
atau kategori tersebut terhadap objek atau kategori
lainnya, tetapi hanya sekedar label atau kode saja.
 Data nominal memiliki ciri hanya dapat dibedakan antara
satu dengan lainnya dan tidak bisa
diurutkan/dibandingkan.
 Misal:
1. Warna rambut;
2. Jenis kelamin;
3. Agama.
Data Nominal

Tingkat pendidikan karyawan di beberapa bagian di

Perusahaan Sejahtera:
No. Bagian S3 S2 S1 SMA SMK SMP SD Jumlah
1 Keuangan - - 25 45 156 12 3 241
2 Umum - - 5 6 8 4 1 24
3 Penjualan - - 7 - 65 37 5 114
4 Litbang 1 8 35 - - - - 44
Jumlah 1 8 72 51 229 53 9 423
Kuisioner untuk pengukuran nominal
Jenis sabun cuci yang saudara gunakan selama sebulan
terakhir:
Sabun cuci batangan a. (....)
Sabun cuci detergen krim b. (....)
Sabun cuci detergen bubuk c. (....)
Sabun cuci cair d. (....)

Dimana saudara membeli sabun cuci

tersebut:
Supermarket a. (....)
Toko kelontong b. (....)
Pasar c. (....)
Data Ordinal

 Data ordinal adalah data yang penomoran objek atau

kategorinya disusun menurut besarnya, yaitu dari tingkat
terendah ke tingkat tertinggi atau sebaliknya dengan
jarak/rentang yang tidak harus sama;
 Data ini memiliki ciri seperti ciri data nominal ditambah satu
ciri lagi, yaitu kategori data dapat disusun/diurutkan
berdasarkan urutan logis dan sesuai dengan besarnya
karakteristik yang dimiliki.
 Contoh:
1. Tingkat pendidikan;
2. Golongan pegawai;
3. Tingkat pendapatan masyarakat.
Data Ordinal
No. Aspek Kerja Kualitas Kinerja Peringkat Kinerja
1 Kondisi fisik tempat 61,90 1
2 Alat kerja 61,02 2
3 Lingkungan kerja 58,72 3
4 Peranan organisasi 58,70 4
5 Kepemimpinan 58,42 5
6 Kemampuan kerja 58,05 6
7 Koordinasi 57,02 7
8 Manajemen pegawai 54,61 8
9 Produktivitas 54,51 9
10 Motivasi 54,02 10
11 Diklat 43,16 11
12 Kebutuhan karyawan 53,09 12
Rata-Rata Kinerja 59,93 -
Kuisioner untuk pengukuran Ordinal
Selama saudara berbelanja di Supermarket Alfajaya, apakah pelayanan
yang saudara terima memuaskan ?
Sangat tidak memuaskan a. (....)
Tidak memuaskan b. (....)
Netral c. (....)
Memuaskan d. (....)
Sangat memuaskan e. (....)

Apakah harga yang ditawarkan di Supermarket Alfajaya tergolong

mahal ? tersebut:
Sangat mahal a. (....)
Cukup mahal b. (....)
Netral c. (....)
Cukup murah d. (....)
Sangat murah e. (....)
Data Interval

 Data interval adalah data dengan objek/kategori

yang dapat dibedakan antara data satu dengan
lainnya, dapat diurutkan berdasarkan suatu atribut
dan memiliki jarak yang memberikan informasi
tentang interval antara tiap objek/kategori sama;
 Besarnya interval dapat ditambah atau dikurangi.
 Contoh:
1. Suhu tubuh;
2. IQ;
3. IPK mahasiswa.
Data Interval
Nilai Ujian Statistik Deskriptif 150 orang mahasiswa:
No. Kelas Interval Kelas Frekuensi
1 10 – 19 1
2 20 – 29 6
3 30 – 39 9
4 40 – 49 31
5 50 – 59 42
6 60 – 69 32
7 70 – 79 17
8 80 – 89 10
9 90 – 99 2
Jumlah 250
Data Rasio

 Data rasio dalah data yang memiliki sifat-sifat data

nominal, data ordinal, dan data interval, dengan
dilengkapi kepemilikan nilai atau titik nol
absolut/mutlak dengan makna empirik.
 Data rasio dapat dibagi atau dikali, dengan
demikian data rasio dapat dibedakan dan diurutkan.
 Contoh:
1. Umur
2. Tinggi
3. Berat badan
Data Rasio

Rasio Murid per Kelas

No. Wilayah
SD SMP SMA
1. Cileungsi 21,18 14,86 9,94
2. Cibubur 18,48 17,62 8,33
3. Jonggol 19,09 16,26 7,58
4. Bogor Kota 10,06 24,70 18,87
5. Depok 16,02 21,42 24,50
6. Bekasi 18,30 10,74 5,88
Jumlah 16,89 17,23 11,55
No. Skala Ciri-Ciri Contoh
1. Nominal  Dibedakan dalam kategori tanpa  Jenis kelamin
memperhatikan urutan  Jenis sabun
 Satu pengukuran hanya menghasilkan satu-  Suku
satunya kategori  Alamat
 Setiap kategori dianggap sama (tanpa  Tanggal/temp
tingkatan) at lahir
 Data paling “rendah” dalam level pengukuran  Agama
data
 Tidak bisa dioperasikan secara matematis
2. Ordinal  Dibedakan dalam kategori berdasarkan  Tingkat
urutan kepangkatan
 Memiliki tingkatan data  Tingkat
 Lebih “tinggi” dibanding data nominal dalam senioritas
level pengukuran data pegawai
 Tidak bisa dioperasikan secara matematis  Status sosial
 Tingkat
pengetahuan
No. Skala Ciri-Ciri Contoh
3. Interval  Urutan bertingkat dan dikuantifikasi (diberi  Interval suhu
nilai)  Skor IQ
 Memiliki interval tertentu  Nilai
 Lebih “tinggi” dibanding data ordinal mahasiswa
dalam level pengukuran  Urutan
 Dapat dianalisis dengan uji statistik kualitas
parametrik pelayanan
4. Rasio  Data bersifat angka dalam arti yang  Angka
sesungguhnya produksi
 Memiliki angka nol absolut  Tinggi badan
 Memiliki kedudukan paling “tinggi” dalam  Harga
level pengukuran data saham
 Dapat dioperasikan secara matematis  Jumlah
warga desa
Data Menurut Skala Pengukurannya
Nominal Ordinal Interval Rasio
1. Pria
2. Wanita

Jenis Tinggi
No. Nama Nilai UN Suhu Badan
Kelamin Badan
1. Siti 2 38,44 35,05 – 37,45 20,10

2. Dedi 1 36,08 34,96 – 35,89 19,22

3. Ani 2 36,92 36,47 – 37,21 20,65

4. Budi 1 37,45 35,22 – 35,90 18,39

5. Rudi 1 38,31 34,38 – 36,88 20,83

Contoh Lain:
Skala Bentuk
Data Definisi Jenis Data
Ukur Data Data
Jumlah anak di
Anak Kuantitatif Interval Diskret
dalam keluarga
Laba Usaha
Harga Telur
Program Studi di
IDB Indonesia
Pengangguran
Nilai Rp
Pajak
Pertumbuhan
Ekonomi
Omset UMKM
Penyajian data
Cara Penyajian Data

 Ada dua macam metode dasar di dalam statistik

deskriptif, yaitu numerik dan grafis;
 Pendekatan numerik bisa dipakai dalam
menghitung nilai statistik dari sekumpulan data;
 Metode grafis lebih sesuai dibandingkan dengan
metode numerik untuk mengidentifikasi pola-pola
tertentu dalam data, dilain pihak, pendekatan
numerik lebih tepat serta objektif;
 Distribusi frekuensi bisa kita tunjukan dalam
dua cara, antara lain yakni dengan tabel atau
dengan grafik.
Prosedur Penggunaan Tabel dan Grafik

Data
Data Kualitatif Data Kuantitatif

Metode Metode Metode Metode

Tabel Grafik Tabel Grafik

 Distr. Frekuensi  Plot Titik

 Distr. Frekuensi  Grafik Batang
 Distr. Frek. Relatif  Histogram
 Distr. Frek. Relatif  Grafik
 Distr. Frek. Kum.  Ogive
 % Distr. Frek. Lingkaran
 Distr. Frek. Relatif Kum.  Diagram
 Tabulasi silang
 Diagram Batang-Daun Scatter
 Tabulasi silang
Cara Penyajian Data
1. Penyajian data secara numerik
 Central tredency;
 Fractile;
 Skewness;
 Pengukuran keruncingan;
 Dispersion atau pencaran.
2. Penyajian data bentuk grafis
 Batang (bar graph);
 Histogram
 Ogive
 Lingkaran (pie chart);
 Garis (line chart);
 Peta, gambar, dll.
Tabel Distribusi Frekuensi

Data banyaknya pelanggan yang datang ke sebuah mini

market di 15 hari tertentu pada bulan Juli 2011.
26 37 39 46 49 59 69 76 83 83 83 87 87 95 95

Maka bentuk tabel distribusi frekuensinya adalah sebagai

berikut:
Kelas Titik Tengah Frekuensi Frekuensi
Interval Kelas (f) Kumulatif
21-35 28 1 1
50-36 43 4 5
51- 65 58 1 6
66-80 73 2 8
81-95 88 7 15
Numerik: Central Tendency
 The central tendency is stated as the statistical measure that
represents the single value of the entire distribution or a dataset. It aims
to provide an accurate description of the entire data in the distribution.
 Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu:
1. Mean;
2. Median;
3. Modus.
Numerik: Fractile
 Fraktil adalah nilai-nilai yang membagi seperangkat data yang telah
diurutkan menjadi beberapa bagian yang sama.
 Fraktil dapat berupa :
1. Kuartil (Q) > Fraktil yang membagi 4 bagian
Terdapat 3 jenis kuartil: kuartil bawah/ pertama (Q1), kuartil tengah/
kedua (Q2), dan kuartil atas/ ketiga (Q3).

2. Desil (D) > Fraktil yang membagi 10 bagian

Terdapat 9 jenis desil: D1, D2, ..., D9.

3. Persentil (P) > Fraktil yang membagi 100 bagian

Terdapat 99 jenis persentil : P1, P2, ..., P99.
Numerik: Skewness
 Skewness adalah ukuran ketidaksimetrisan dalam distribusi nilai.
Skewness dapat bernilai positif, negatif, dan nol;
 Skewness yang bernilai positif berarti ekor distribusi berada di sebelah
kanan nilai terbanyak. Skewness yang bernilai negatif berarti ekor
distribusi berada di sebelah kiri. Sementara skewness bernilai nol
berarti nilai terdistribusi secara simetris, dengan jarak antara ekor
distribusi sebelah kanan dan kiri sama besar.
Numerik: Dispersi
 Ukuran dispersi atau ukuran variasi atau ukuran
penyimpangan adalah ukuran yang menyatakan seberapa
jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya
atau ukuran yang menyatakan seberapa banyak nilai-nilai
data yang berbeda dengan nilai-nilai pusatnya;
 Ukuran dispersi pada dasarnya adalah pelengkap dari
ukuran nilai pusat dalam menggambarkan sekumpulan data.
Jadi, dengan adanya ukuran dispersi maka penggambaran
sekumpulan data akan menjadi lebih jelas dan tepat;
 Ukuran dispersi yang sering digunakan dalam penelitian
ialah jangkauan (range), simpangan rata-rata (mean
deviation), variansi (variance), dan deviasi baku (standard
deviation).
Grafis: Pie Charts
Pie charts are generally used to show percentage or proportional
data and usually the percentage represented by each category is
provided next to the corresponding slice of pie. Pie charts are good
for displaying data for around 6 categories or fewer.

Cara membuat grafik:

Gambar sebuah lingkaran
(360o/100%) kemudian
gunakan frekuensi relatif
untuk membagi daerah pada
lingkaran menjadi sektor-
sektor yang luasnya sesuai
dengan frekuensi relatif tiap
kelas atau kelompok.
Grafis: Bar Graph
A bar graph shows comparisons among discrete categories. One
axis of the chart shows the specific categories being compared, and
the other axis represents a measured value. Some bar graphs
present bars clustered in groups of more than one, showing the
values of more than one measured variable.
Cara membuat grafik:
• Pada sumbu horisontal diberi label
yang menunjukkan kelas/kelompok.
• Frekuensi, frekuensi relatif, maupun
persen frekuensi dinyatakan dalam
sumbu vertikal yang dinyatakan
dengan menggunakan gambar
berbentuk batang dengan lebar yang
sama/tetap.
Grafis: Histrogram
A histogram is used to summarize discrete or continuous data. In other
words, it provides a visual interpretation. This requires focusing on the
main points, factsof numerical data by showing the number of data points
that fall within a specified range of values (called “bins”). It is similar to a
vertical bar graph.

Cara membuat histogram:

• Mengumpulkan data Pengukuran
• Menentukan besarnya Range
• Menentukan Banyaknya Kelas Interval
• Menentukan Lebar Kelas Interval, Batas
Kelas, dan Nilai Tengah Kelas
• Menentukan Frekuensi dari Setiap
Kelas Interval
• Membuat Grafik Histogram
Grafis: Ogive
 Ogive adalah grafik yang digambarkan berdasarkan data yang
sudah disusun dalam bentuk tabel distribusi frekuensi kumulatif.
Untuk data yang disusun dalam bentuk tabel distribusi frekuensi
kumulatif kurang dari, grafiknya berupa ogive positif, sedangkan
untuk data yang disusun dalam bentuk tabel distribusi frekuensi
kumulatif lebih dari, grafiknya berupa ogive negatif.
 Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif;
– Frekuensi relatif kumulatif; atau
– Persen frekuensi kumulatif.
 Frekuensi yang digunakan (salah satu diatas)masing-masing kelas
digambarkan sebagai titik.
 Setiap titik dihubungkan oleh garis lurus.
Grafis: Ogive
Grafis: Peta
Grafis: Gambar
1979:

1980:

1981:

1982:

1983:

1984:

1985:
Principles of Excellent Graphs

 The graph should not distort the data.

 The graph should not contain unnecessary
adornments (sometimes referred to as chart junk).
 The scale on the vertical axis should begin at zero.
 All axes should be properly labeled.
 The graph should contain a title.
 The simplest possible graph should be used for a
given set of data.
Graphical Errors: Chart Junk

Bad Presentation
 Good Presentation

Minimum Wage Minimum Wage

1960: $1.00
$
4
1970: $1.60

2
1980: $3.10
0
1990: $3.80 1960 1970 1980 1990
Graphical Errors: No Relative Basis

Bad Presentation  Good Presentation

A’s received by A’s received by
Freq. students. % students.
30%
300

200 20%

100 10%

0 0%
FR SO JR SR FR SO JR SR

FR = Freshmen, SO = Sophomore, JR = Junior, SR = Senior

Graphical Errors: Compressing the Vertical Axis

Bad Presentation  Good Presentation

Quarterly Sales Quarterly Sales
$ $
200 50

100 25

0 0
Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
Graphical Errors: No Zero Point on the Vertical Axis

Bad Presentation
 Good Presentations

Monthly Sales $ Monthly Sales

$ 45
45
42
42 39
39 36
36 0
J F M A M J J F M A M J

Graphing the first six months of sales

Ada pertanyaan ?


TERIMAKASIH