Exploratory Data Analysis

Exploratory Data Analysis (EDA) adalah analisis data yang dilakukan pada saat
investigasi awal terhadap data sehingga diharapkan dapat menemukan pola, melihat
anomali, menguji hipotesis dan memeriksa asumsi dengan bantuan summary statistic dan
representasi grafis. Exploratory Data Analysis yang digunakan dalam data ini adalah
summary statistic, histogram dan box plot.
Summary statistic memperlihatkan ringkasan dari seluruh data seperti mean,
median, modus, skewness, kurtosis, range dan lainnya. Kecondongan (skewness) suatu
kurva dapat dilihat dari perbedaan letak mean, median dan modusnya. Jika ketiga ukuran
pemusatan data tersebut berada pada titik yang sama, maka dikatakan simetris atau data
berdistribusi normal. Sedangkan jika tidak berarti data tidak simetris atau tidak berdistribusi
normal.
Ukuran kecondongan data terbagi atas tiga bagian, yaitu :

 Kecondongan data ke arah kiri (condong negatif) dimana nilai modus lebih dari nilai
mean (modus > mean).
 Kecondongan data simetris (distribusi normal) dimana nilai mean dan modus adalah
sama (mean = modus).
 Kecondongan data ke arah kanan (condong positif) dimana nilai mean lebih dari nilai
modus (mean > modus).

Gambar. Sketsa yang menunjukkan tipe skewness (Doane, Seward, 2011)

Keruncingan dinilai sebagai bentuk distorsi dari kurva normal. Tingkat keruncingan
diukur dengan membandingkan bentuk keruncingan kurva distribusi data dengan kurva
normal. Terbagi atas tiga, yaitu :

 Leptokurtic, yaitu bagian tengah distribusi data memiliki puncak yang lebih runcing
(nilai keruncingan lebih dari 3).
 Platykurtic, yaitu bagian tengah distribusi data memiliki puncak yang lebih datar (nilai
keruncingan kurang dari 3).
 Mesokurtic, yaitu bagian tengah distribusi data memiliki  puncak diantara Leptokurtic
dan Platykurtic (nilai keruncingan sama dengan 3). 

Gambar . Perbandingan tipe kurtosis (Cannon et. al., 2008

 Histogram adalah tampilan bentuk grafis yang menunjukkan distribusi data secara
visual atau seberapa sering suatu nilai yang berbeda terjadi dalam suaru kumpulan data.
Histogram juga dapat digunakan untuk menentukan kenormalan suatu data dan akan
memudahkan untuk mendapatkan kesimpulan dari data tersebut contohnya untuk
penentuan jumlah populasi dari suatu data.
Bentuk-bentuk histogram :

1. Bentuk normal (simetris/berbentuk lonceng)

a. Harga rata-rata histogram terletak di tengah range data
b. Frekuensi data paling tinggi di tengah dan menurun secara bertahap dan
simetris pada kedua sisinya
2. Bentuk multimodal
a. Bentuk ini bisa terjadi bila jumlah data tidak menentu, pada masing-masing
kelas ada kecenderungan pengumpulan/pembulatan data yang kurang tepat
b. Kelas dalam urutan nomor genap mempunyai frekuensi yang lebih kecil
disbanding sisi luarnya
3. Bentuk curam di kiri
a. Harga rata-rata histogram terletak jauh di sebelah kiri dari range dan
frekuensi di sisi kiri turun menjadi nol secara tiba-tiba
b. Bentuk ini mungkin disebabkan adanya batasan yang tidak boleh dilampaui di
sisi kiri
4. Bentuk plateum
a. Bentuk ini terjadi bila frekuensi di masing-masing kelas hamper sama dan
berbeda cukup banyak hanya pada ujung-ujungnya
b. Bentuk ini mungkin disebabkan oleh adanya penggabungan beberapa
kumpulan data yang mempunyai harga rata-rata berdekatan
5. Bentuk dengan dua puncak
a. Frekuensi dibagian tengah agak rendah dan terdapat dua puncak di masing-
masing sisinya
b. Bentuk ini dapat terjadi bila ada penggabungan dua kumpulan data yang
harga rata-ratanya berbeda jauh
6. Bentuk dengan puncak terpisah
a. Pada bentuk ini terdapat puncak kecil yang terpisah dari bentuk histogram
yang normal
b. Bentuk ini bias terjadi bila terdapat penambahan kumpulan data dalam
jujmlah kecil dengan distribusi berbeda, kesalahan pengukuran, pemasukan
data dari proses lain atau ketidaknormalan dalam proses
Suatu distribusi data dapat menjadi tidak normal karena ditemukan adanya outlier.
Outlier adalah data yang memiliki deviasi yang jauh dengan data lainnya sehingga
meningkatkan kecurigaan bahwa data tersebut dihasilkan oleh mekanisme yang berbeda
(Hawkins, 1980). Untuk memperlihatkan adanya outlier dalam suatu data dapat diketahui
dengan menggunakan box plot. Box plot merupakan ringkasan distribusi data yang disajikan
secara grafis yang bias menggambarkan bentuk distribusi data, ukuran tendensi sentral dan
ukuran penyebaran data pengamatan. Terdapat beberapa ukuran statistik yang bias
digunakan dalam box plot diantaranya nilai minimum, Q1, Q2, Q3, nilai maksimum dan ada
tidaknya nilai outlier.
 Gambar. Box Plot (Potter, 2006)
Nilai outlier adalah nilai data yang letaknya lebih dari 1.5 x panjang kotak (IQR),
diukur dari UQ (atas kotak) atau LO (bawah kotak). Terdapat dua nilai outlier :

 Q3 + (1.5 x IQR) < outlier atas <= Q3 + (3 x IQR)

 Q1 - (1.5 x IQR) >outlier bawah >= Q1- (3 x IQR)

Analisis
Berdasarkan 70 sampel data medan magnet, dilakukan analisis summary statistic
menggunakan excel.
Tabel 1. Summary statistics Medan Magnet

Summary Statistics
Mean 430866
Standard Error 108,9929
Median 431005,5
Mode 430793
Standard Deviation 911,8997
Sample Variance 831561
Kurtosis 4,166303
Skewness 0,234778
Range 6182
Minimum 428430
Maximum 434612
Sum 30160619
Count 70

Berdasarkan Tabel 1, didapatkan nilai mean yang lebih besar dibandingkan nilai modus
yang berdasarkan pengelompokan skewness (kecondongan), distribusi data tersebut
memiliki kurva yang relative condong ke kanan. Dan didapat juga nilai kurtosis 4.166303
yang menunjukkan bahwa bagian tengah data tersebut memiliki puncak yang runcing
(leptokurtic).
 Histogram
39

13
7 0
6
1 25
30 7 ,5 25 21 75 ,15 25
1e
or
84 02, 975 48, 15 93, 066 39, M
2 3
4 92 42
9 07 4 22 43
3 38
42 43 43 43

Gambar . Histogram nilai medan magnet

Berdasarkan histogram di atas dapat disimpulkan bahwa kurva data tersebut berbentuk
normal/simetris yang menandakan bahwa data tersebut terdistribusi normal. Dapat juga
diketahui bahwa data merupakan nilai yang diambil dari satu populasi karena data hanya
memiliki satu kurva.

Gambar . Box Plot medan magnet

Berdasarkan gambar di atas dapat diketahui bahwa terdapat nilai outlier dengan 2 nilai di
atas kotak dan 3 nilai di bawah kotak. Tetapi dengan adanya outlier tersebut tetap tidak
mengubah kenormalan data.

Referensi :

- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.
- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta
- Nunung Subiyanto, “Training SPC “, Jakarta 2008