LAPORAN I

MATA KULIAH BIOSTATISTIKA

OLEH:

I GEDE ERICK SUCAHYA

NIM. 1809511121

KELAS D

FAKULTAS KEDOKTERAN HEWAN

UNIVERSITAS UDAYANA

2020
 I. PENDAHULUAN

Statistika adalah cabang ilmu matematika terapan yang terdiri dari teori dan metoda
mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi, menghitung,
menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang diperoleh secara
sistematis. Dengan demikian, didalamnya terdiri dari sekumpulan prosedur mengenai
bagaimana cara Mengumpulkan data, Meringkas data, Mengolah data, Menyajikan data,
Menarik kesimpulan dan interpretasi data berdasarkan kumpulan data dan hasil analisisnya.

SPSS (Statistical Product and Service Solutions).adalah aplikasi yang digunakan

untuk melakukan analisis statistika tingkat lanjut, analisis data dengan algoritma
machine learning, analisis string, serta analisis big data yang dapat diintegrasikan untuk
membangun platform data analisis. SPSS adalah kependekan dari Statistical Package for
the Social Sciences. SPSS sangat populer di kalangan peneliti dan statistikawan untuk
membantu melakukan perhitungan terkait analisis data. SPSS menyediakan library
untuk perhitungan statistika dengan antarmuka interaktif yang menjadikannya sebagai
software analisis data tingkat lanjut paling populer di berbagai universitas, instansi, dan
perusahaan.

SPSS (awalnya, Paket Statistik untuk Ilmu Sosial) dirilis di versi pertama yaitu
pada tahun 1968 setelah dikembangkan oleh Norman H. Nie dan C. Hadlai Hull.
Norman Nie sendiri yaitu seorang ilmuan politik pasca sarjana di Stanford University,
saat itu sedang mengadakan Riset Profesor di Departemen Ilmu Politik di Stanford
dengan Profesor Emeritus Ilmu Politik di University of Chicago.
 II. HASIL INPUT SPSS

Memasukkan Data dan

Transformasi Data PIA : SPSS dan
Transformasi Data
Menu Utama SPSS Variabel View

 Memasukan data pada Variabel View

 Melengkapi data kolom X dan Y pada Data View
 Proses Transformasi data (Klik Tranform, lalu Klik Compute)

 Hasil Data View Setelah Transformasi

 Analisis Deskriptif Data View (Klik Analyze, pilih Desciptive Statistic, Klik
Descritives)
Data dengan Variabel Bebas (Independent) dan Varibel Terikat (Dependent)

 Membuat data variabel bebas dan variabel terikat (Klik Variabel view, dan isi sesuai
tampilan di bawah)

 Mengisi Value Labels (Klik pada pojok kiri atas Kolom Values pada baris 1
(Perusahaan)
 Memasukan data perusahaan,babi dan berat pada data view

 Klik Analyze, pilih Compare Mean, Klik Means

 Menyajikan data dalam bentuk Bar (Grafik, Batang)
PIB : Distribusi frekuensi, Pendugaan dan Pengujian Data Hipotesis

Distribusi frekuensi kuantitatif

 Mengisi data pada data view

 Membuat Descriptive Statistik (Klik Analyze, klik Descriptive Statistik, klik

Descriptive)
 Hasil Data View
  Menyajikan data dalam bentuk histogram

Distribusi Frekuensi Kualitatif

 Mengisi kolom pada variable view
 Mengisi kolom pada data view

 Mengisi value Label

  Membuat Grafik Batang (Klik Graphs, Legacy Dialogs, pilih Bar)

Pendugaan Dan Pengujian Hipotesis

 Membuat variabel view
 Memasukan data pada Data View

 Melakukan Statistik Explore (Klik Analyze ► Desceptive Statistics ►Klik Explore)

 Melakukan One Sample Test
 Menyajikan data menjadi eror bar
 III. HASIL OUPUT SPSS

PIA : Memasukkan data dan Transformasi data

1. Hasil Output Deskriptif Statistik (gambar)

2. Hasil Output Deskriptif (table)

Descriptive Statistics

N Range Minimum Maximum Sum Mean Std. Deviation Variance

Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Statistic

Berat Badan (kg) 25 129 70 199 3165 126.60 6.711 33.555 1125.917
Lingkar Dada (cm) 25 39 98 137 2904 116.16 1.520 7.598 57.723

Valid N (listwise) 25
3. Hasil output data dengan variabel independent dan dependent (gambar)

4. Hasil output data dengan variabel independent dan dependent dalam bentuk tabel

Case Processing Summary

Cases
Included Excluded Total
N Percent N Percent N Percent
Berat * Perusahaan 12 100,0 % 0 0 ,0% 12 100,0 %
Berat * Babi 12 100,0 % 0 0 ,0% 12 100,0 %

Berat (kg) * Perusahaan

Berat (kg)
Perusahaan Sum Mean N Std. Deviation

Kecil 445 111.25 4 8.539

Menengah 520 130.00 4 21.602

Besar 550 137.50 4 26.300

Total 1515 126.25 12 21.651

Berat (kg) * Babi

Berat (kg)
Babi Sum Mean N Std. Deviation

1 390 130.00 3 30.000

2 360 120.00 3 20.000

3 365 121.67 3 25.658

4 400 133.33 3 20.817

Total 1515 126.25 12 21.651

5. Hasil Output dalam bentuk grafik batang
6. Hasil Output dalam bentuk Grafik Batang clustried

PIB : Distribusi Frekuensi,Pendugaan Serta Pengujian Hipotesis

Distribusi Frekuensi Kuantitatif
1. Hasil Output deskriptive statistik distribusi data kuantitatif ( gambar)
2. Hasil Output deskriptive statistik distribusi data kuantitatif ( tabel)

Descriptive Statistics
N Range Minimum Maximum Sum Mean Std. Deviation Variance
Statistic Statistic Statistic Statistic Statistic Statistic Std. Error Statistic Statistic

Tambahan Berat badan 100 35 30 65 4902 49.02 .699 6.991 48.868

(gram/ekor/hari)

Valid N (listwise) 100

3. Hasil Output dalam bentuk tabel frekuensi

Statistics

Interval Kelas

N Valid 100

Missing 0

Interval Kelas

Cumulative
Frequency Percent Valid Percent Percent

Valid 30-35 5 5.0 5.0 5.0

35-40 6 6.0 6.0 11.0

40-45 21 21.0 21.0 32.0

45-50 29 29.0 29.0 61.0

50-55 22 22.0 22.0 83.0

55-60 12 12.0 12.0 95.0

60-65 5 5.0 5.0 100.0

Total 100 100.0 100.0

4. Hasil Output dalam bentuk Histogram Distribusi Frekuensi Kuantitatif

Distribusi Frekuensi Kualitatif

Hasil output data kualitatif dalam bentuk diagram batang

Pendugaan Dan Pengujian Hipotesis

1. Hasil Output Data Explore Descriptive

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Berat (kg) 10 100.0% 0 0.0% 10 100.0%

Descriptives
Statistic Std. Error
Berat (kg) Mean 256.20 2.943
95% Confidence Interval Lower Bound 249.54
for Mean Upper Bound 262.86
5% Trimmed Mean 255.56
Median 254.00
Variance 86.622
Std. Deviation 9.307
Minimum 246
Maximum 278
Range 32
Interquartile Range 12
Skewness 1.462 .687
Kurtosis 2.794 1.334
2. Hasil Output One Sampel Test

One-Sample Statistics
N Mean Std. Deviation Std. Error Mean
Berat (kg) 10 256.20 9.307 2.943

One-Sample Test
Test Value = 0
95% Confidence Interval of the
Difference
t df Sig. (2-tailed) Mean Difference Lower Upper
Berat (kg) 87.049 9 .000 256.200 249.54 262.86

One-Sample Test
Test Value = 250
95% Confidence Interval of the
Difference
t df Sig. (2-tailed) Mean Difference Lower Upper
Berat (kg) 2.107 9 .064 6.200 -.46 12.86

3. Hasil Outpute Grafik Eror

 262.5

260.0
95% Cl Berat (kg)

257.5
256

255.0

252.5

250.0

Berat (kg)
 IV TEORI

PIA : memasukkan datatransformasi data

Perhitungan sum (jumlah) berat badan dan lingkar dada :

1. Jumlah berat badan (X) adalah :

25
X = 𝑖=1 𝑋𝑖(𝑋1 + 𝑋2 + ⋯ . +𝑋25
∑ = (70+80+…+140)
X
X = 3165 kg

Jumlah berat badan X adalah 3165 kg

2. Perhitungan lingkar dada (Y) adalah :

25
Y = 𝑖=1 𝑌𝑖 (𝑌1 + 𝑌2 + ⋯ + 𝑌25)
∑ = (98+112+…+117)
Y
Y = 2904 cm

Jumlah lingkar dada Y adalah 2904 cm

Perhitungan mean (rata-rata) berat badan dan lingkar dada :

3. Rata-rata badan (X̅ ) adalah :

X̅ = 1
25 ∑25
𝑖=1
𝑋𝑖 1
(𝑋1 + 𝑋2 + ⋯ + 𝑋25)
25

X̅ = 1
25
(70+80+…+140)
1
X̅ =
25
(3165)

X̅ = 126,6 kg

Jadi, rata-rata berat badannya adalah 126,6 kg

4. Rata-rata lingkar dada (Y̅ ) adalah

Y̅ = 1
25 ∑25
𝑖=1
𝑌𝑖 1 (𝑌1 + 𝑌2 + ⋯ + 𝑌25)
25

Y̅ = 1
25
(98+112+…+117)
1
Y̅ =
25
(2094)

Y̅ =116,16 cm

Jadi, rata-rata lingkar dada adalah 116,16 cm

5. Jumlah berat badan dan lingkar dada (X+Y)

X+Y = ∑(𝑋1 + 𝑌1) + (𝑋2 + 𝑌2) + ⋯ + (𝑋25 + 𝑌25)

= (70+98)+(80+112)+…+(140+117)
= 6069

Jadi, jumlah berat badan dan lingkar dada adalah 6069

6. Kuadrat berat badan (X2)

2 25
X = ∑ 𝑖=1 𝑋2
= X12 + X22 + … + X252
= 702 + 802 + … + 1402
= 427711

7. Kuadrat lingkar dada (Y2)

2 25
Y = ∑ 𝑖=1 𝑌2
= Y12 + Y22 + … + Y252
= 982 + 1122 + … + 1172
= 338714

8. Jumlah hasil kali berat badan dengan lingan lingkar dada (XiYi)
25
XY = 𝑖=1 𝑋𝑖𝑌𝑖 = 𝑋1𝑌1 + 𝑋2𝑌2 + ⋯ + 𝑋25𝑌25
∑ = (70× 98) + (80×112) + …. + (140×117)
= 371656
 9. Jumlah kuadrat selisih berat badan dengan rata-rata

25

∑(𝑋𝑖 − X̅ ) = (𝑋 1 − X̅ ) + (𝑋2 − X̅ ) + ⋯ + (𝑋25 − X̅ )

𝑖=1

= (70-126,6)2 + (80-126,6)2 + … + (140-126,6)2

= 27033 kg

Perhitungan Berat Babi Perusahaan

1. Perhitungan berat babi perusahaan 1 sampai dengan 3 untuk semua jenis babi
3
Yi = 𝑖=1 𝑌𝑖 (𝑌1 + Y2 + Y3 )
∑ = 445 + 520 +550
= 1515 kg

2. Perhitungan berat jenis babi 1 sampai dengan 4 untuk semua perusahaan

4
Yj = 𝑖=1 𝑌𝑗 (𝑌1 + Y2 + Y3 )
∑
= 390 +360 + 400

= 1150 kg

3. Perhitungan berat keseluruhan babi

3
Y = 𝑖=1 ∑4𝑗=1 𝑌𝑖𝑗 = Y11+Y12+Y13+Y14+...+Y34
∑ = 100+120+115+110+…+140
= 1515 kg

4. Perhitungan rata-rata berat babi pada perusahaan 1 (Y̅ 1)

Y̅ = 1 ∑24
𝑖=1
𝑌𝑖 1 (𝑌11 + 𝑌12 + 𝑌1 + 𝑌14)
4 4

= 1 (100+120+115+110)
4

= 111,25 kg
5. Perhitungan rata-rata berat babi pada perusahaan 2 (Y̅ 2)
Y̅ = 1 ∑24
𝑖=1
𝑌𝑖 1 (𝑌21 + 𝑌22 + 𝑌23 + 𝑌24)
4 4

= 1 (130+140+100+150)
4

520
= 4

= 130 kg

6. Perhitungan rata-rata berat seluruh babi yang dibeli pada 3 perusahaan

Y=1
3𝑥4 ∑3𝑖=1 ∑4𝑗=1 𝑌𝑖𝑗 = 13𝑥4 (Y11+Y12+...+Y34)

= 1 (100+120+…+140)
12

= 1 (1515)
12

= 126,25 kg

PIB : Distribusi Frekuensi, Pendugaan Serta Pengujian Hipotesis

a. Perhitungan distribusi frekuensi kuantitatif

Perhitungan sum ( Jumlah) penambahan berat badan untuk semua sapi

X = ∑100
𝑖=1 𝑋𝑖(𝑋1 + 𝑋2 + 𝑋3 + ⋯ +
𝑋100) X = (30+30+34+…+65)
X = 4902 gram/ekor/hari

Perhitungan mean (rata-rata) penambahan berat badan untuk semua sapi

X̅ = 1 1 (𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋100)
∑100
𝑖=1
𝑋𝑖
100 100

X̅ = 1
100
(30+30+34+…+65)

= 49,02 gram/hari/ekor

b. Perhitungan distribusi frekuensi kualitatif

Merah Kecoklatan =20
Coklat Tua Cerah =15
Coklat Tua Suram = 10
Coklat Kehijauan = 3
Hijau Kekuningan= 2
 c. Perhitungan mean pendugaan dan penguji hipotesis
1. Perhitungan rata-rata (Mean) berat badan sapi

X̅ = 1
10 ∑10
𝑖=1
𝑋𝑖 1 (𝑋1 + 𝑋2 + 𝑋3 + ⋯ + 𝑋10)
10
= 1 (248+249+252+…+255)
10
= 256,20 kg

2. Hasil explore descriptive pada pendugaan hipotesis

Rumus = Interval Lower Bound – Interval Upper Bound

= 249.54 – 262.86

= 256.20 ± 6.6

3. Hasil penguji hipotesis pada one sample T test

One-Sample Test
Test Value = 250
95% Confidence Interval of
Sig. (2- Mean the Difference
t df tailed) Difference Lower Upper
Berat (kg) 2.107 9 .064 6.200 -.46 12.86

Dari data yang tertera , maka perhitungannya yatu Ho diterima (P>0,05) sehingga
pendugaan terhadap berat sapi 250 kg dapat diterima.
 V KESIMPULAN

Pada praktikum ini saya belajar tentang program SPSS. SPSS (Statistical Product and
Service Solutions) adalah aplikasi yang digunakan untuk melakukan analisis statistika tingkat
lanjut, analisis data dengan algoritma machine learning, analisis string, serta analisis big data
yang dapat diintegrasikan untuk membangun platform data analisis.

Saya belajar tentang PIA: memasukkan data dan transformasi data ke dalam spss dan
PIB: distribusi frekuensi, pendugaan serta pengujian hipotesis. Pada praktikum ini saya sudah
memuat semua data yang di praktikum kan.