MODUL 1
STATISTIKA DESKRIPTIF
Disusun Oleh
Kelompok 24
SEMARANG
2021
Laporan Praktikum Teori Probabilitas
Modul 1 – Statistika Deskriptif
Kelompok 24
LEMBAR PENGESAHAN
LAPORAN PRAKTIKUM TEORI PROBABILITAS
MODUL 1
STATISTIKA DESKRIPTIF
Asisten
NIM. 21070119130128
Mengetahui,
Koordinator Praktikum
NIM. 21070119130096
KATA PENGANTAR
Puji syukur penulis panjatkan kehadiran Tuhan Yang Maha Esa karena dengan
nikmat,rahmat,karunia, serta hidayah-Nya penulis dapat menyelesaikan Laporan
Praktikum Teori Probabilitas Modul 1 yang berjudul Statistika Deskriptif ini dengan
lancar meskipun banyak kekurangan di dalamnya.
Laporan ini kami susun dengan tujuan memenuhi tugas mata kuliah Teori
Probabilitas Semester 3. Laporan ini ditujukan agar para praktikan mampu
mengumpulkan data, mengolah data, dan menganalisis data, serta menyajikan data dalam
bentuk diagram dan grafik, melalui cara manual atau pun dengan menggunakan software.
Penulis menyadari kelemahan yang ada sehingga dalam menyelesaikan laporan ini
penulis memperoleh bantuan dari berbagai pihak, sebagai rasa hormat atas bantuan dan
bimbingannya, penulis mengucapkan terima kasih sebesar-besarnya kepada:
1. Ibu Prof. Dr. Aries Susanty, S.T, M.T, selaku dosen pengampu mata kuliah Teori
Probabilitas.
2. Seluruh asisten Laboratorium Optimasi dan Perencanaan Sistem Industri (OPSI),
khususnya Kak Fauzan Abar Akhsan selaku asisten Modul 1 dari Kelompok 24
yang telah membantu dan membimbing kami dalam melakukan praktikum, serta
terlibat dalam pembuatan laporan praktikum ini.
3. Seluruh pihak yang telah membantu penyelesaian laporan modul Distribusi
Statistik ini dengan baik secara langsung maupun tidak langsung yang tidak dapat
praktikan sebutkan satu persatu.
Untuk itu penulis mengharapkan kritik dan saran dari pembaca guna penyempurnaan
laporan praktikum ini. Akhir kata, penulis berharap agar laporan praktikum ini mampu
memberikan manfaat bagi pembaca, khususnya di lingkungan akademis.
Penulis
DAFTAR ISI
BAB I ................................................................................................................................ 1
PENDAHULUAN............................................................................................................. 1
BAB II ............................................................................................................................... 5
TINJAUAN PUSTAKA.................................................................................................... 5
BAB III............................................................................................................................ 85
BAB IV ........................................................................................................................... 87
ANALISIS..................................................................................................................... 140
DAFTAR GAMBAR
DAFTAR TABEL
Tabel 4. 15 Data Kuantitatif Kontinu Mengenai Harga Saham Perusahaan Tesla ....... 112
Tabel 4. 17 Output Analisis Distribusi Frekuensi Menggunakan Software SPSS ........ 116
Tabel 4. 18 Output Analisis Distribusi Frekuensi Menggunakan Software Minitab .... 118
Tabel 4. 21 Output Pengolahan Data Kontinu Ukuran Statistik Manual ...................... 121
Tabel 4. 22 Output Pengolahan Data Ukuran Statistik Kontinu Software SPSS .......... 130
Tabel 4. 23 Output Pengolahan Data Ukuran Statistik Kontinu Software Minitab ...... 131
BAB I
PENDAHULUAN
BAB II
TINJAUAN PUSTAKA
Maka dapat disimpulkan bahwa Maka jika ditarik inti dari kedua
Statistik yaitu kumpulan data yang memiliki pengertian diatas bahwa statistika adalah
bentuk berupa angka dan dapat disusun ke metode atau sebuah ilmu yang mempelajari
dalam bentuk tabel maupun diagram, yang tentang bagaimana mengumpulkan,
mana isi tersebut dapat menjelaskan tentang merencanakan, menginterpretasi dan
masalah yang khusus. menganalisa data. Tujuannya untuk
mempresentasikan hasil data yang diperoleh.
Data Kontinu Data yang didapat dengan • Data Tinggi Badan Mahasiswa
cara mengukur objek. Universitas Diponegoro
(Subana, 2002)
• Data berat badan warga
Tangerang selatan 2021
3. Berdasarkan cara memperoleh Data Primer Data yang dikumpulkan • Hasil kuisioner Mahasiswa
dan diolah sendiri oleh yang memilih kuliah tatap
suatu organisasi atau muka dibanding daring.
seseorang serta diperoleh
langsung dari objeknya • Hasil wawancara langsung
(Subana, 2002) desa pamijahan mengenai
minat terhadap usaha tambak
lele
Data Sekunder Data yang diperoleh dalam • Data yang diambill dari survei
bentuk sudah jadi, sudah Google Finance atau BPS.
dikumpulkan dan diolah
oleh pihak lain, biasanya
5. Berdasarkan sumber data Data Internal Data yang diperoleh dari • Data hasil penjualan produk
dalam objek penelitian itu tertentu
sendiri. (Subana, 2002) • Data pengeluaran biaya
perusahaan
Data Eksternal Data yang diperoleh dari • Data penjualan perusahaan lain
luar objek penelitian untuk jenis produk yang sama
sebagai bahan pembanding. dengan produk perusahaan kita
(Subana, 2002) • Data jumlah pelanggan yang
datang di restoran sekitar kita.
3. Skala interval Suatu skala pemberian angka pada obyek yang • Tempatkan barang diruangan dengan suhu
mempunyai sifat ukuran ordinal dan mempunyai celcius pada 10°C sampai 25°C.
jarak atau interval yang sama. Ciri dari data ini
adalah komponen nama (nomos), komponen • Usia juga merupakan variabel yang dapat
peringkat (order), komponen jarak (interval), dan diukur dalam skala interval. Misalnya jika
nilai nol tidak mutlak (absolut). (Stevens, 1946) A berusia 15 tahun dan B berusia 20
tahun, maka tidak hanya jelas bahwa B
lebih tua dari A, tetapi B lebih tua dari A
selama 5 tahun.
4. Skala rasio Skala interval yang memiliki nilai dasar (based • Data berat badan seseorang. Misalnya,
value) yang tidak dapat dirubah atau skala yang berat badan pemain sepakbola 60 kg,
memiliki nilai nol dan rasio dua nilai yang sedangkan badan atlet sumo adalah 120
memiliki arti. Skala rasio merupakan skala kg, kita dapat menarik kesimpulan bahwa
dengan hirarki paling tinggi dibanding skala- berat atlet sumo adalah dua kali berat si
skala lainnya yang merupakan angka atau pemain sepakbola.
bilangan dari hasil perbandingan cirinya adalah
komponen nama (nomos), komponen • Tingkat produktivitas merupakan
perbandingan antara input dan ouput.
yaitu,
• Kelas-kelas : kelompok nilai
data
• Batas Kelas : adalah nilai-nilai
yang membatasi kelas yang satu
dengan kelas yang lain. Ada dua
batas kelas yaitu batas bawah
kelas yang terdapat di sebelah
kiri deretan kelas dan batas atas
(Sumber: kamara.edu.pl)
kelas yang terdapat di sebelah
kanan deretan kelas
• Tepi Kelas : batas kelas yang
tidak memiliki lubang untuk
angka tertentu antara kelas yang
satu dengan kelas yang lain.
• Titik Tengah Kelas : nilai data
yang terletak ditengah-tengah
2.5.2 Grafik
Menurut Harper (1988), grafik adalah alat untuk menampilkan data berupa garis atau juga kurva yang menghubungkan satu variabel
dengan variabel yang lain. Grafik bertujuan menggambarkan data kuantitatif dengan teliti dan memberikan informasi mengenai
perkembangan serta perbandingan suatu kelompok data dari waktu ke waktu dengan jelas. Selain itu, ia juga dapat mempercepat proses
pencarian informasi dari sebuah data yang telah dibuat grafik. Grafik dapat dibedakan menjadi beberapa jenis, seperti bar chart, pie chart,
histogram, boxplot, stem-leaf, dan lain-lain. Berikut rincian mengenai klasifikasi grafik,
2.6.1 Fraktil
Menurut Bakrie et al. (2021), fraktil adalah nilai yang membagi data yang berurutan menjadi beberapa bagian. Fraktil adalah ukuran
lokasi (letak) yang dimaksudkan sebagai besaran atau ukuran untuk mendapatkan gambaran yang lebih jelas berdasarkan letak data dari
sekumpulan data yang dimiliki. Ukuran letak suatu rangkaian data adalah ukuran yang didasarkan pada letak ukuran tersebut dalam suatu
distribusi yang telah diurutkan. Jadi fraktil atau ukuran letak ini merupakan ukuran untuk melihat di mana letak salah satu data dari
sekumpulan banyak data yang ada. Berikut rincian mengenai klasifikasi fraktil,
Menurut Bakrie et al. (2021), ukuran penyebaran data atau variabilitas data adalah perserakan data individual terhadap nilai rata-
rata. Penyebaran atau disperse ini merupakan pergerakan dari nilai observasi terhadap nilai rata-ratanya. Ukuran penyebaran data
digunakan untuk mengetahui luas penyebaran data atau variasi atau homogenitas data, dapat disebut juga stabilitas data. Ia bertujuan
mengetahui seberapa besar nilai-nilai data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar penyimpangan nilai
data dengan nilai pusatnya. Ukuran penyebaran data tersebut meliputi,
n : banyaknya data
Sampel:
Populasi:
s / σ : simpangan baku
!̅ / µ: rata-rata
xi : nilai tengah kelas ke-i
n : jumlah kelas
N : jumlah frekuensi
Sampel:
Varians atau ragam suatu peubah
∑"!#$(!! − !̅ )&
7. Variansi acak adalah ukuran seberapa jauh Data Tunggal &
M =
%−1
sebuah kumpulan bilangan
Populasi:
s / σ : ragam
!̅ / µ : rata-rata
xi : nilai tengah kelas ke-i
n : jumlah kelas
• positive-skewed
(ekor distribusi
berada di sebelah
kanan nilai
terbanyak. Berarti,
sebagian besar
distribusi berada di
nilai rendah)
• negative-skewed
(ekor distribusi
berada di sebelah
kiri. Berarti
sebagian besar
nilai berada di sisi
kanan kurva)
• normal-skewed
(berarti nilai
terdistribusi secara
simetris, dengan
jarak antara ekor
distribusi sebelah
kanan dan kiri
sama besar)
Etmy et al. (2018)
berpendapat, kurtosis atau
yang disebut juga ukuran
keruncingan adalah suatu 1
∑(Y! − YZ)0
0
X = %
bilangan yang dapat M0
menunjukan runcing xi = Data ke-i
2. Kurtosis (Sumber: sixsigmastudyguide.com)
tidaknya bentuk kurva !̅ = Rata-rata
distribusi frekuensi. Nilai n = Jumlah data
referensi kurtosis adalah 3. s = variansi
Berdasarkan jenisnya
kurtosis dibagi menjadi
(Sumber: unikastpaulus.ac.id)
tiga:
• kurva leptokurtik
(nilai kurtosis > 3)
• kurva platikurtik
(nilai kurtosis < 3)
• kurva distribusi
normal/mesokurtic
(nilai kurtosis = 3)
satu alat bagi orang-orang dalam membantu kegiatan data mining (mengeksplorasi data yang telah terkumpul) dan predictive analytic. Berikut
rincian mengenai menu dan submenu yang terdapat dalam software SPSS,
2.9.2 Menu dan Submenu
Tabel 2.6 Menu dan Submenu SPSS
No Menu Sub Menu Gambar (SS menu)
Menurut Santoso (2017), Data Editor
adalah menu pada windows yang secara
otomatis terbuka pada SPSS saat aplikasi
dimulai. Windows ini menampilkan file
data terbuka dan menyediakan menu drop-
down yang memungkinkan pengguna
1. Data Editor memodifikasi dan menganalisis data. Data
ditampilkan dalam format spreadsheet di
mana kolom mewakili variabel dan baris
mewakili kasus. Format spreadsheet
mencakup dua tab di bagian bawah
berlabel Data View dan Variable View.
(Sumber : Dokumentasi Pribadi)
Tab Data View menampilkan kumpulan
2.9.3 Tampilan
Pilih data yang akan Klik data yang akan dianalisis, klik
10.
dianalisis tanda panah
2.10.3 Tampilan
2.11.3 Tampilan
BAB III
METODOLOGI PRAKTIKUM
(Badan Pusat Statistika) atau data pada skripsi. Data ini (Data kualitatif, Data kuantitatif
diskrit, dan Data kuantitatif kontinu) dikumpulkan dalam suatu table.
Setelah tabel data selesai, langkah selanjutnya adalah memasukkan data ke dalam
software yaitu Microsoft Excel, SPSS, dan Minitab. Aplikasi ini digunakan untuk mencari
data distribusi frekuensi, ukuran statistic, skewness, kurtosis, dan grafik lainnya.
Kemudian dilakukan penjabaran data, dimana data tersebut diolah dengan distribusi
menengah, distribusi tengah, skewness, kurtosis, dan grafik (histogram, stem- leaf, dan
diagram batang).
Setelah data dijabarkan secara grafis dan tabel, langkah selanjutnya adalah analisa
olahan data berdasarkan hasil distribusi, skewness, dan kartosis serta dari hasil grafis.
Dari penjabaran dan analisa data yang sudah dilakukan, langkah terakhir adalah
mengambil kesimpulan dan saran dari praktikum modul 1.
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
1
Xiaomi = 20 × 100% = 5%
$
Oppo = %&
× 100% = 25%
6
Samsung = 20 × 100% = 30%
8
Iphone = 20 × 100% = 40%
)*
Persentase Frekuensi Kumulatif = + × 100%
,
Xiaomi = %& × 100% = 5%
-
Oppo = %& × 100% = 30%
,%
Samsung = %& × 100% = 60%
%&
Iphone = %& × 100% = 100%
b. SPPS
Output distribusi frekuensi data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri Angkatan 2020 dari
Software SPSS :
Valid Cumulative
Frequency Percent Percent Percent
Valid Iphone 8 40.0 40.0 40.0
Oppo 5 25.0 25.0 65.0
Samsung 6 30.0 30.0 95.0
Xioami 1 5.0 5.0 100.0
Total 20 100.0 100.0
c. Minitab
Output distribusi frekuensi data kualitatif nominal berupa Data Brand Handphone
yang digunakan oleh Mahasiswa Teknik Industri Angkatan 2020 dari Software Minitab.
Rekapitulasi distribusi frekuensi yang diolah secara manual dan menggunakan software
SPSS dan Minitab ditunjukkan pada tabel 4.4
2. Grafik
a. Excel
• Pie Chart
Output grafik pie chart data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri
Angkatan 2020 secara manual menggunakan Software Microsoft
Excel.
5%
30% 40%
25%
• Bar Chart
Output grafik bar chart data kualitatif nominal berupa Data Data
Brand Handphone yang digunakan oleh Mahasiswa Teknik Industri
Angkatan 2020 secara manual menggunakan Software Microsoft
Excel.
9
8
8
7
6
6
5
5
4
3
2
1
1
0
Iphone Oppo Samsung Xiaomi
b. SPSS
• Pie Chart
Output grafik pie chart data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri Angkatan
2020 menggunakan Software SPSS.
• Bar Chart
Output grafik bar chart data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri Angkatan
2020 menggunakan Software SPSS.
c. Minitab
• Pie Chart
Output grafik pie chart data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri Angkatan
2020 menggunakan Software Minitab.
Pie Chart of Brand HP
Category
Iphone
5.0% Oppo
Samsung
Xioami
30.0% 40.0%
25.0%
• Bar Chart
Output grafik bar chart data kualitatif nominal berupa Data Brand
Handphone yang digunakan oleh Mahasiswa Teknik Industri Angkatan
2020 menggunakan software Minitab
b. SPSS
Tabel berikut adalah output analisis distribusi frekuensi menggunakan
software SPSS.
Tabel 4. 8 Distribusi Frekuensi Software SPSS
Jumlah Perusahaan Karet
Cumulative
Frequency Percent Valid Percent Percent
Valid 286.00 1 5.0 5.0 5.0
315.00 3 15.0 15.0 20.0
316.00 1 5.0 5.0 25.0
320.00 1 5.0 5.0 30.0
332.00 1 5.0 5.0 35.0
c. Minitab
Tabel berikut adalah output analisis distribusi frekuensi menggunakan
software Minitab.
Tabel 4. 9 Distribusi Frekuensi Data Minitab
Variable Jumlah_perusahaan Count CumN Percent CumPct
Frek 286 1 1 5 5
315 3 4 15 20
316 1 5 5 25
320 1 6 5 30
332 1 7 5 35
335 1 8 5 40
379 1 9 5 45
383 1 10 5 50
404 1 11 5 55
406 1 12 5 60
413 2 14 10 70
414 2 16 10 80
418 2 18 10 90
453 2 20 10 100
Di bawah ini hasil rekap output distribusi frekuensi data kuantitatif
diskrit,
2. Ukuran Statistik
a. Manual (Excel)
Ø Ukuran Pemusatan
Tabel 4. 11 Ukuran Statistik Data Manual (Excel)
• Mean
∑!#$% 1# 7502
1̅ = = = 375,1
∑!#$% %# 20
• Median
1 '!( + 1 '!)%(
" "
14 =
2
1 '"*( + 1 '"*)%(
" "
14 =
2
1 + 1 %%
14 = %*
2
383 + 404
14 = = 393,5
2
• Modus
Nilai data yang paling sering muncul dengan frekuensi 3 buah
yaitu 315.
Ø Fraktil
• Kuartil
- Q1
= . (@ + 1)
8# = 9:;: /<
4
1 . (@ + 1)
8% = 9:;: /<
4
1 . (20 + 1)
8% = 9:;: /<
4
8% = 9:;: /< 5,25
8% = B+ + 0,25(B, − B+ )
8% = 316 + 0,25(320 − 316)
8% = 317
- Q2
= . (@ + 1)
8# = 9:;: /<
4
2 . (@ + 1)
8" = 9:;: /<
4
2 . (20 + 1)
8" = 9:;: /<
4
8" = 9:;: /< 10,5
8" = B%* + 0,5(B%% − B%* )
8" = 383 + 0,5(404 − 383)
8" = 393,5
- Q3
= . (@ + 1)
8# = 9:;: /<
4
3 . (@ + 1)
8- = 9:;: /<
4
3 . (20 + 1)
8- = 9:;: /<
4
8- = 9:;: /< 15,75
8- = B%+ + 0,75(B%, − B%+ )
8- = 414 + 0,25(414 − 414)
8- = 414
• Persentil
- P10
= . (@ + 1)
E# = 9:;: /<
100
10 . (@ + 1)
E%* = 9:;: /<
100
10 . (20 + 1)
E%* = 9:;: /<
100
E%* = 9:;: /< 2,1
E%* = B" + 0,1(B- − B" )
E%* = 315 + 0,1(315 − 315)
E%* = 315
- P20
= . (@ + 1)
E# = 9:;: /<
100
20 . (@ + 1)
E"* = 9:;: /<
100
20 . (20 + 1)
E"* = 9:;: /<
100
E"* = 9:;: /< 4,2
E"* = B. + 0,2(B+ − B. )
E"* = 315 + 0,2(316 − 315)
E"* = 315,2
- P30
= . (@ + 1)
E# = 9:;: /<
100
30 . (@ + 1)
E-* = 9:;: /<
100
30 . (20 + 1)
E-* = 9:;: /<
100
E-* = 9:;: /< 6,3
E-* = B, + 0,3(B/ − B, )
E-* = 320 + 0,3(332 − 320)
E-* = 323,6
- P40
= . (@ + 1)
E# = 9:;: /<
100
40 . (@ + 1)
E.* = 9:;: /<
100
40 . (20 + 1)
E.* = 9:;: /<
100
E.* = 9:;: /< 8,4
E.* = B0 + 0,4(B1 − B0 )
E.* = 335 + 0,4(379 − 335)
E.* = 352,6
- P50
= . (@ + 1)
E# = 9:;: /<
100
50 . (@ + 1)
E+* = 9:;: /<
100
50 . (20 + 1)
E+* = 9:;: /<
100
E+* = 9:;: /< 10,5
E+* = B%* + 0,5(B%% − B%* )
E+* = 383 + 0,5(404 − 383)
E+* = 393,5
- P60
= . (@ + 1)
E# = 9:;: /<
100
60 . (@ + 1)
E,* = 9:;: /<
100
60 . (20 + 1)
E,* = 9:;: /<
100
E,* = 9:;: /< 12,6
E,* = B%" + 0,6(B%- − B%" )
E,* = 406 + 0,6(413 − 406)
E,* = 410,2
- P70
= . (@ + 1)
E# = 9:;: /<
100
70 . (@ + 1)
E/* = 9:;: /<
100
70 . (20 + 1)
E/* = 9:;: /<
100
E/* = 9:;: /< 14,7
E/* = B%. + 0,7(B%+ − B%. )
E/* = 413 + 0,7(414 − 413)
E/* = 413,7
- P80
= . (@ + 1)
E# = 9:;: /<
100
80 . (@ + 1)
E0* = 9:;: /<
100
80 . (20 + 1)
E0* = 9:;: /<
100
E0* = 9:;: /< 16,8
E0* = B%, + 0,8(B%/ − B%, )
E0* = 414 + 0,8(418 − 414)
E0* = 417,2
- P90
= . (@ + 1)
E# = 9:;: /<
100
90 . (@ + 1)
E1* = 9:;: /<
100
90 . (20 + 1)
E1* = 9:;: /<
100
E1* = 9:;: /< 18,9
E1* = B%0 + 0,9(B%1 − B%0 )
E1* = 418 + 0,9(453 − 418)
E1* = 449,5
Ø Ukuran Penyebaran
• Range
F = 1234 − 12#! = 453 − 286 = 167
• Standar Deviasi
∑!#$%(1# − 1̅ )"
G= H
@−1
52353,8
G=H
20 − 1
G = 52,493
• Variansi
∑!#$%(1# − 1̅ )"
G" =
@−1
52353,8
G" =
20 − 1
G " = 2755,463
• Koefisien Variansi
G
IJ = × 100%
1̅
52,493
IJ = × 100%
375,1
IJ = 13,994%
• Skewness
@ ∑!#$%(1# − 1̅ )-
KI =
(@ − 1)(@ − 2)G -
20
KI = (−3.406)
(20 − 1)(20 − 2)
KI = −0,199
• Kurtosis
0
.
/(/ + 1) (5/ − 5̅ ). 3(/ − 1)%
- =. 4 8 −
(/ − 1)(/ − 2)(/ − 3) 7. (/ − 2)(/ − 3)
/1,
20(21) 3(19)"
L. = M (29,023)N −
(19)(18)(17) (18)(17)
L . = −1,443
b. SPSS
Tabel 4. adalah output pengolahan data ukuran statistik diskrit dengan
menggunakan software SPSS.
c. Minitab
Tabel 4. adalah output pengolahan data ukuran statistik diskrit dengan
menggunakan software Minitab.
N for
Variable Q3 Maximum Range Mode Mode Skewness Kurtosis
Jumlah_perusahaan 414.0 453.0 167.0 315 3 -0.20 -1.44
3. Grafik
a. SPSS
Ø Boxplot
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik boxplot. Grafik merepresentasikan jumlah
perusahaan besar karet yang diolah menggunakan software SPSS.
1.00 2 . 8
7.00 3 . 1111233
2.00 3 . 78
8.00 4 . 00111111
2.00 4 . 55
b. Minitab
Ø Boxplot
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik boxplot. Grafik merepresentasikan jumlah
perusahaan besar karet yang diolah menggunakan software Minitab.
Ø Bar Chart
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik batang/bar chart. Grafik merepresentasikan
jumlah perusahaan besar karet yang diolah menggunakan software
Minitab.
Ø Stem – Leaf
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik Stem-Leaf. Grafik merepresentasikan jumlah
perusahaan besar karet yang diolah menggunakan software Minitab.
4. Perhitungan Whisker
Berikut adalah perhitungan garis whisker untuk data kuantitatif diskrit,
IQRange = (Q3 – Q1) = (414 – 317) = 97
Lower Whisker = Q1 – (1,5 x IQR) = 317 – (1,5 x 97) = 171,5
Upper Whisker = Q3 + (1,5 x IQR) = 414 + (1,5 x 97) = 559,5
%" 1
"#" = = = 0,02
∑ % 45
• Persentase
%!
%= × 100%
∑%
%" 1
%= × 100% = × 100% = 2,2%
∑% 45
• Persentase Kumulatif
%/!
%= × 100%
∑ %/
%/! 2
%= × 100% = × 100% = 4,4%
∑ %/ 45
b. SPSS
Tabel berikut adalah output analisis distribusi frekuensi menggunakan
software SPSS.
Cumulative
Frequency Percent Valid Percent Percent
Valid 36.29 1 2.2 2.2 2.2
c. Minitab
Tabel berikut adalah output analisis distribusi frekuensi menggunakan
software Minitab.
2. Ukuran Statistik
Sebelum membuat data kelompok sebaiknya kita mencari tahu berapa
kelas yang perlu dibuat dan berapa panjang interval setiap kelasnya. Ini
akan membantu kita mendistribusikan nilai-nilai yang ada pada data.
Langkah-langkah yang harus dilakukan adalah menentukan :
k≈7
a. Manual (Excel)
Ø Ukuran Pemusatan
Tabel 4. 21 Output Pengolahan Data Kontinu Ukuran Statistik Manual
f ()!
*((, − ) ()"
*((, − )
Harga Saham f &' )
( fxi (&' − (
) )2 (&' -(
))3 (&' − (
) )4 f(&' − (
)) 2
kum &' − (
) .! ."
36,29 41,33 5 5 38,810 55,41889 16,609 194,050 275,855 4581,648 76096,086 1379,276 19,25599 30,18315
41,34 46,38 7 12 43,860 55,41889 11,559 307,020 133,608 1544,359 17851,074 935,255 9,086999 9,91276
46,39 51,43 6 18 48,910 55,41889 6,509 293,460 42,366 275,753 1794,847 254,194 1,39074 0,854301
51,44 56,48 3 21 53,960 55,41889 1,459 161,880 2,128 3,105 4,530 6,385 0,00783 0,001078
56,49 61,53 9 30 59,010 55,41889 3,591 531,090 12,896 46,311 166,309 116,065 0,350351 0,118738
61,54 66,58 6 36 64,060 55,41889 8,641 384,360 74,669 645,221 5575,430 448,013 3,254125 2,653761
66,59 71,63 9 45 69,110 55,41889 13,691 621,990 187,447 2566,351 35136,199 1687,019 19,41479 25,08589
Total 45 62,05889 2493,85 728,9685 9662,749 136624,4749 4826,206 52,76083 68,80967
• Mean
∑!#$% %1# 2493,85
1̅ = ! = = 55,419
∑#$% %# 45
• Median
Data Median =
1 1
@ + O1 − P
2 2
1 1
× 45 + O1 − P
2 2
= 23
Kelas Median = 56,49 – 61,53
@
− %/=
14 = Q + R2 ST
%
45 42
− 2
14 = 56,485 + R 2 S 5,05
9
14 = 56,485 + 0,841
14 = 57, 327
• Modus
Kelas Modus = 56,49 – 61,53 dan 66,59 – 71,63
Modus 1
91
UV = Q + O PT
91 + 92
6
UV = 56,485 + O P 5,05
6+3
6
UV = 56,485 + O P 5,05
6+3
UV = 59,852
Modus 2
91
UV = Q + O PT
91 + 92
3
UV = 66,585 + O P 5,05
3+9
3
UV = 66,585 + O P 5,05
3+9
UV = 67,858
Ø Fraktil
• Kuartil
- Q1
Data Kuartil
1 1
@ + O1 − P
4 4
1 1
× 45 + O1 − P
4 4
= 12
Kelas Kuartil = 41,34 – 46,38
@
− %/=
81 = Q + R4 ST
%
45 20
− 4
81 = 41,335 + R 4 S 5,05
7
81 = 45,844
- Q2
Data Kuartil
1 1
@ + O1 − P
2 2
1 1
× 45 + O1 − P
2 2
= 23
Kelas Kuartil = 56,49 – 61,53
@
− %/=
82 = Q + R2 ST
%
45 42
− 2
82 = 56,485 + R 2 S 5,05
9
82 = 56,485 + 0,851
82 = 57, 327
- Q3
Data Kuartil
3 3
@ + O1 − P
4 4
3 3
× 45 + O1 − P
4 4
= 34
Kelas Quartil = 61,54 – 66,58
3@
− %/=
83 = Q + R 4 ST
%
135 120
− 4
83 = 61,535 + R 4 S 5,05
6
83 = 64,691
• Persentil
- P10
Data Persentil
1 1
@ + O1 − P
10 10
1 1
× 45 + O1 − P
10 10
= 5,4
Kelas Persentil = 36,29 – 41,33
@
10 − %/=
E10 = Q + R ST
%
45
E10 = 36,285 + R 10 S 5,05
5
E10 = 40,830
- P20
Data Persentil
2 2
@ + O1 − P
10 10
2 2
× 45 + O1 − P
10 10
= 9,8
Kelas Persentil = 41,34 – 46,38
2@
− %/=
E20 = Q + R10 ST
%
90 50
−
E20 = 41,335 + R10 10S 5,05
7
E20 = 44,221
- P30
3 3
@ + O1 − P
10 10
3 3
× 45 + O1 − P
10 10
= 14,2
Kelas Persentil = 46,39 – 51,43
3@
− %/=
E30 = Q + R10 ST
%
135 120
− 10
E30 = 46,385 + R 10 S 5,05
6
E30 = 47,648
- P40
Data Persentil
4 4
@ + O1 − P
10 10
4 4
× 45 + O1 − P
10 10
= 16,6
Kelas Persentil = 46,39 – 51,43
4@
− %/=
E40 = Q + R10 ST
%
180 120
− 10
E40 = 46,385 + R 10 S 5,05
6
E40 = 51,435
- P50
Data Persentil
5 5
@ + O1 − P
10 10
5 5
× 45 + O1 − P
10 10
= 23
Kelas Persentil = 56,49 – 61,53
5@
− %/=
E50 = Q + R10 ST
%
225 210
− 10
E50 = 56,485 + R 10 S 5,05
9
E50 = 57,327
- P60
Data Persentil
6 6
@ + O1 − P
10 10
6 6
× 45 + O1 − P
10 10
= 27,4
Kelas Persentil = 56,49 – 61,53
6@
− %/=
E60 = Q + R10 ST
%
270 210
− 10
E60 = 56,485 + R 10 S 5,05
9
E60 = 59,852
- P70
Data Persentil
7 7
@ + O1 − P
10 10
7 7
× 45 + O1 − P
10 10
= 31,8
Kelas Persentil = 61,54 – 66,58
7@
− %/=
E70 = Q + R10 ST
%
315 300
− 10
E70 = 61,535 + R 10 S 5,05
6
E70 = 62,798
- P80
Data Persentil
8 8
@ + O1 − P
10 10
8 8
× 45 + O1 − P
10 10
= 36,2
Kelas Persentil = 61,54 – 66,58
8@
− %/=
E80 = Q + R10 ST
%
360 300
− 10
E80 = 61,535 + R 10 S 5,05
6
E80 = 66,585
- P90
Data Persentil
9 9
@ + O1 − P
10 10
9 9
× 45 + O1 − P
10 10
= 40,6
Kelas Persentil = 66,59 – 71,63
9@
− %/=
E90 = Q + R10 ST
%
405 360
− 10
E90 = 66,585 + R 10 S 5,05
9
E90 = 69,110
Ø Ukuran Penyebaran
• Range
F = 1234 − 12#! = 71,59 − 36,29 = 35,30
• Standar Deviasi
∑! %(1# − 1̅ )"
G = H #$% !5%
∑#$% %
4826,206
G=W
44
G = 10,473
• Variansi
∑!#$% %(1# − 1̅ )"
"
G =
∑!5%
#$% %
4826,206
G" =
44
G " = 109,687
• Koefisien Variansi
G
IJ = × 100%
1̅
10,473
IJ = × 100%
55,419
IJ = 18,898%
• Skewness
3(1 − U<)
KI =
G
3(55,419 − 57, 377)
KI =
10,473
KI = −0,561
• Kurtosis
∑ )(16 − 1; )4
-. =
/ 7 .
867935,8
L. =
45 × 12031,24
L . = −1,603
b. SPSS
Tabel 4. 22 Output Pengolahan Data Ukuran Statistik Kontinu Software SPSS
N Valid 45
Missing 0
Mean 55.7707
Std. Error of Mean 1.57296
Median 58.8200
Mode 71.38
Std. Deviation 10.55173
Variance 111.339
Skewness -.175
Std. Error of Skewness .354
Kurtosis -1.197
c. Minitab
Tabel 4. adalah output pengolahan data ukuran statistik kontinu dengan
menggunakan software Minitab.
3. Grafik
a. Excel
Ø Ogive
Gambar berikut adalah hasil pengolahan data yang
ditampilkan dalam bentuk grafik ogive. Grafik
merepresentasikan harga saham Tesla yang diolah
menggunakan software Microsoft Excel.
OGIVE
Ogive Kurang Dari Ogive Lebih Dari
50 45 45
40 36 36
30 30
FREKUENSI
30
21 21
18 18
20 12 12
10 5 5
0 0
0
36,285 41,335 46,385 51,435 56,485 61,535 66,585 71,635
KELAS DATA
b. SPSS
Ø Boxplot
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik boxplot. Grafik merepresentasikan harga saham
Tesla yang diolah menggunakan software SPSS.
Ø Histogram
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik batang/bar chart. Grafik merepresentasikan
harga saham Tesla yang diolah menggunakan software SPSS.
Ø Stem – Leaf
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik Stem-Leaf. Grafik merepresentasikan harga
saham Tesla yang diolah menggunakan software SPSS.
4,00 3 . 6889
4,00 4 . 0233
6,00 4 . 556666
7,00 5 . 0001224
4,00 5 . 8889
11,00 6 . 01111222233
5,00 6 . 77899
4,00 7 . 1111
c. Minitab
Ø Boxplot
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik boxplot. Grafik merepresentasikan harga saham
Tesla yang diolah menggunakan software Minitab.
Ø Bar Chart
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik batang/bar chart. Grafik merepresentasikan
harga saham Tesla yang diolah menggunakan software Minitab.
Ø Stem – Leaf
Gambar berikut adalah hasil pengolahan data yang ditampilkan
dalam bentuk grafik Stem-Leaf. Grafik merepresentasikan harga
saham Tesla yang diolah menggunakan software Minitab.
20 6 01111222233
9 6 77899
4 7 1111
Leaf Unit = 1
N* = 44
a. Perhitungan Whisker
Berikut adalah perhitungan garis whisker untuk data kuantitatif kontinu,
IQRange = (Q3 – Q1) = (65,029 – 45,956) = 19,073
Lower Whisker = Q1 – (1,5 x IQR) = 45,956 – (1,5 x 19,073) = 17,347
Upper Whisker = Q3 + (1,5 x IQR) = 65,029 + (1,5 x 19,073) = 93,639
BAB V
ANALISIS
ketiga cara pengolahan menunjukkan tingkat akurasi dan ketelitian yang sama.
2. Ukuran Statistik
• Mean
Mean adalah metode pemusatan data yang didasarkan atas nilai rata-
rata dari kelompok tersebut. Untuk pengolahan 20 data diskrit mengenai
jumlah perusahaan perkebunan besar menurut jenis tanaman, yaitu karet,
sampai 2020 menggunakan perhitungan manual, software SPSS, dan
Minitab menunjukkan hasil mean yang sama, yaitu 375,1. Tidak
ditemukan perbedaan antara ketiga cara pengolahan yang telah dilakukan.
Maka ini menunjukkan tingkat akurasi dan tingkat ketelitian ketiga
pengolahan setara nilainya.
• Median
Median adalah teknik pemusatan data dengan menunjukkan nilai
tengah dari data tersebut. Untuk perhitungan median dari 20 data diskrit
mengenai jumlah perusahaan perkebunan besar menurut jenis tanaman,
yaitu karet, sampai 2020 menggunakan perhitungan manual, software
SPSS, dan Minitab menunjukkan hasil median yang sama, yaitu 393,5.
Hal ini disebabkan karena metode yang digunakan antara ketiga cara
sama, yaitu menggunakan rumus data tunggal ganjil. Maka perhitungan
ini menunjukkan tingkat akurasi dan tingkat ketelitian ketiga pengolahan
setara.
• Modus
Modus adalah ukuran pemusatan data yang menunjukkan data yang
paling sering muncul atau data yang memiliki frekuensi tertinggi,
Perhitungan modus dari 20 data diskrit mengenai jumlah perusahaan
perkebunan besar menurut jenis tanaman, yaitu karet, sampai 2020
menggunakan perhitungan manual, software SPSS, dan Minitab
menunjukkan hasil modus yang sama, yaitu 315. Angka 315 ini
didapatkan karena dilihat dari frekuensi terbanyak, yaitu Iphone. Hal ini
dikarenakan metode yang digunakan antara ketiga cara sama, yaitu
menggunakan data tunggal. Maka pengolahan ini menunjukkan tingkat
akurasi dan tingkat ketelitian ketiga pengolahan setara.
• Kuartil
Kuartil adalah bilangan yang digunakan untuk membagi data menjadi
empat bagian yang sama banyak. Kuartil atas/kuartil akhir merupakan
25% bilangan teratas dari suatu data yang biasa dilambangkan dengan Q1.
Untuk Q2 berarti kuartil kedua atau bisa juga dikatakan nilai tengah atau
setara dengan 50% dari data tersebut. Sedangkan kuartil ketiga atau Q3
merupakan 75% bilangan teratas dari suatu data. Biasanya dalam
menentukan letak kuartil kita harus melihat kondisi jumlah data yang
diolah terlebih dahulu. Pada pemusatan 20 data diskrit mengenai jumlah
perusahaan perkebunan besar menurut jenis tanaman, yaitu karet, sampai
2020 menggunakan perhitungan manual, software SPSS, dan Minitab
menunjukkan hasil Q1, Q2, Q3 yang sama, yaitu 317, 393.5, dan 414. Hal
ini dikarenakan metode yang digunakan antara ketiga cara sama, yaitu
menggunakan data tunggal. Maka ini menunjukkan tingkat akurasi dan
tingkat ketelitian ketiga pengolahan setara.
• Variansi
Variansi adalah ukuran seberapa jauh sebuah kumpulan bilangan
tersebar. Variansi digunakan sebagai parameter dari distribusi
probabilitas suatu data dimana jika semakin besar nilai varian maka
semakin tinggi fluktuasi data antara data yang satu dengan data yang
lainnya. Perhitungan variansi dari 20 data diskrit mengenai jumlah
perusahaan perkebunan besar menurut jenis tanaman, yaitu karet, sampai
2020 menggunakan perhitungan manual, software SPSS, dan Minitab
menunjukkan hasil yang sama, yaitu 2755,463. Tetapi pada pengolahan
modusnya. Ini sesuai dengan hasil perhitungan dimana mean (375,1) dan
median (393,5) lebih besar dari modus (315).
• Kurtosis
Kurtosis adalah suatu bilangan yang dapat menunjukan runcing
tidaknya bentuk kurva distribusi frekuensi. (Etmy et al., 2018)
Bila nilai kurtosis makin besar, maka kurva makin runcing. Adapun
kriteria untuk menyatakan tingkat keruncingan kurva dibagi menjadi 3,
kurva dikatakan runcing (leptokurtik) jika nilai K > 3, kurva dikatakan
normal (mesokurtik) jika nilai K = 3, dan kurva dikatakan datar
(platikurtik) jika nilai K < 3. Berdasarkan pada tabel 4. didapat bahwa
perhitungan nilai kurtosis dengan menggunakan metode manual, SPSS,
dan Minitab menghasilkan nilai yang sama yaitu -1,443. Karena nilai K
< 3 maka data diskrit ini memiliki kurva jenis platikurtik.
• Coef Variation
Coef Variation adalah perbandingan antara standar deviasi dengan rata-
rata data yang dinyatakan dalam persentase. (Bakrie et al., 2021)
Pada perhitungan didapat bahwa nilai koefisien variasi yang dihitung
baik menggunakan manual maupun Minitab menghasilkan nilai yang
sama yaitu 13,994. Namun dalam Minitab nilainya dibulatkan menjadi
13,99 saja. Sedangkan pada SPSS, tidak didapat nilai koefisien variansi
karena SPSS tidak menyediakan perhitungan tersebut.
3. Grafik
• Bar Chart
Bar Chart adalah grafik berbentuk bilah-bilah batang dimana panjang
dari bilah batangnya sesuai (proporsional) dengan besar data atau
frekuensi yang ditampilkan. (Ali & Winarno, 2015)
Pada penyajiannya, bar chart memiliki celah di antara letak batangnya.
Ini menunjukkan adanya perbedaan kelas antara satu dengan yang lain.
Berdasarkan pada gambar 4.8 dan 4.11 terlihat bahwa output bar chart
pada pengolahan SPSS dan Minitab memiliki bentuk keseluruhan yang
sama. Akan tetapi memiliki perbedaan pada interval frekuensi yang
digunakan pada masing-masing software dalam grafik. SPSS
menggunakan interval 1 dengan komponen titik sumbu-y 0, 1, 2, dan 3.
Sedangkan Minitab menggunakan interval 0,5 dengan komponen titik
sumbu-y 0, 1, 1.5, 2, 2.5, dan 3.
• Boxplot
Boxplot adalah salah satu grafik yang menampilkan variabel lokasi dan
penyebarannya secara sekilas. Ia menggambarkan bentuk distribusi data,
ukuran tendensi sentral dan ukuran keragaman data. (Junaidi, 2010)
Pada perhitungan terlihat bahwa output boxplot pada pengolahan data
menggunakan SPSS dan Minitab menghasilkan bentuk dan nilai yang
sama. Perbedaannya terletak di interval pada sumbu-y yang digunakan
kedua software itu. Pada SPSS interval yang digunakan besarnya 5,
dengan komponen titik sumbu-y 300, 350, 400, dan 450. Sedangkan pada
Minitab interval yang digunakan besarnya 25, dengan komponen titik
sumbu-y 300, 325, 350, 375, 400, 425, 450, dan 475. Pada perhitungan
manual (ukuran statistik, fraktil, kuartil) didapat besar Q1 = 317, Q2 =
393.5, Q3 = 414, nilai minimum = 286, dan nilai maksimum = 453.
Terlihat juga panjang kotak sesuai dengan jangkauan kuartil dalam (Inner
Quartile Range/IQR) yang merupakan selisih antara kuartil ketiga (Q3)
dengan kuartil pertama (Q1), yaitu sebesar 414 - 317 = 97. IQR ini
menggambarkan ukuran penyebaran data. Data yang semakin menyebar
ditunjukkan oleh bidang IQR yang semakin panjang. Boxplot juga
terkadang menampilkan outlier. Outlier adalah angka yang memiliki nilai
yang berbeda jauh dengan nilai angka lainya pada data, yaitu bernilai 3/2
lebih besar dari kuartil yang paling atas atau 3/2 lebih kecil dari kuartil
terendah. Pada kedua output dari pengolahan SPSS dan Minitab ini tidak
ditampilkan outlier. Ini terjadi karena tidak adanya data senilai 3/2 lebih
besar dari kuartil ketiga dan 3/2 lebih kecil dari kuartil pertama (data
terkecil hanya 286 dan data terbesar hanya 453).
• Diagram Stem – Leaf
Diagram stem-leaf adalah diagram yang disusun dengan beberapa baris
vertikal ke bawah yang menggambarkan pola sebaran data dengan
memisahkan digit paling kiri data (sebagai batang/stem) dan digit paling
kanan data (sebagai daun/leaf). (Lind, 2007)
Berdasarkan diagram stem-leaf pada gambar 4.9 dan 4.12 yang
merupakan hasil pengolahan data menggunakan SPSS dan Minitab,
didapat bentuk dan isi diagram hampir sama, dimana terdapat tiga kolom
yaitu kolom frekuensi, stem, dan leaf. Kolom stem menyatakan angka
ratusan dan kolom leaf menyatakan angka puluhan. Perbedaannya, SPSS
menampilkan frekuensi biasa dari data sedangkan Minitab menampilkan
frekuensi yang ditulis secara kumulatif dan penulisannya ke bawah dibagi
menjadi tiga bagian yaitu atas, tengah dan bawah. Data yang menjadi
median terletak di frekuensi tengah.
terakhir (September 2016 - Mei 2020). Dari hasil pengolahan data dengan cara
manual, software SPSS dan Minitab ditunjukkan tabel distribusi frekuensi yang
sama. Hasil perhitungan mulai dari jumlah data (n), frekuensi, frekuensi
kumulatif, persentase dari frekuensi relatif, hingga persentase kumulatif memiliki
nilai sama. Contohnya kita lihat pada keseluruhan data yang sama-sama berjumlah
45. Lalu misal kita lihat data harga saham Tesla pada November 2016. Pada cara
manual, SPSS, dan Minitab sama-sama didapat frekuensi sebesar 1, frekuensi
kumulatif yang mencapai 2 (jika data diurutkan dari terkecil hingga terbesar),
persentase 2,2%, dan persentase kumulatif sebesar 4,4% pada SPSS dan Minitab.
Pada ketiga cara pengolahan data ini juga ditampilkan jumlah frekuensi terbesar
yang sama, yaitu 2 buah, pada harga saham 71,38 dollar.
2. Ukuran Statistik
• Mean
Mean adalah sebuah bilangan/nilai yang mewakili keseluruhan
data. (Sugiyono, 2005)
Mencari mean secara manual dilakukan dengan rumus data
kelompok dimana praktikan perlu mengelompokkan harga saham yang
sama terlebih dahulu, mengkalikannya dengan frekuensi masing-masing
kemudian dijumlah, lalu membaginya dengan frekuensi total. Mean pada
cara SPSS dan Minitab dapat langsung dicari otomatis dengan data
tunggal yang tersedia. Dari perhitungan data secara manual, SPSS dan
Minitab didapatkan hasil nilai mean yang mendekati sama. Dengan cara
manual didapat 55,419, dengan SPSS didapat 55.7707, dan dengan
Minitab didapat 55,77. Dari hasil tersebut dapat diketahui bahwa nilai
mean pada SPSS dan Minitab adalah sama, namun pada Minitab hasilnya
dibulatkan. Sementara hasil mean manual berbeda sedikit dengan hasil
SPSS dan Minitab. Perbedaannya hanya sebesar 0,351. Ini dikarenakan
mean cara manual dicari dengan rumus data kelompok sedangkan mean
SPSS dan Minitab dicari dengan rumus data tunggal secara otomatis
• Median
Median adalah nilai tengah dari data yang diobservasi setelah
disusun urut dari terbesar hingga terkecil. (Harinaldi, 2005)
Mencari median secara manual dapat dilakukan dengan rumus
MEDIAN(…) pada Excel, namun juga bisa dicari dengan menghitung
dengan rumus biasa setelah data dikelompokkan. Sedangkan median pada
cara SPSS dan Minitab dapat langsung dicari otomatis dengan data tunggal
yang tersedia. Dari perhitungan data secara manual, SPSS dan Minitab
didapatkan hasil nilai median yang mendekati sama. Dengan cara manual
didapat 57,327, dengan SPSS didapat 58,8200, dan dengan Minitab
didapat 58,82. Dari hasil tersebut dapat diketahui bahwa nilai median pada
SPSS dan Minitab adalah sama, namun pada Minitab hasilnya dibulatkan.
Sementara hasil median manual berbeda sedikit dengan hasil SPSS dan
Minitab. Perbedaannya hanya sebesar 1,493. Ini dikarenakan median cara
manual dicari dengan rumus data kelompok sedangkan median SPSS dan
Minitab dicari dengan rumus data tunggal secara otomatis.
• Modus
Modus adalah nilai yang paling sering muncul dalam sekumpulan
data. (Sugiarto et al., 2001)
Mencari modus secara manual dapat dilakukan dengan rumus
MODE(…) pada Excel namun juga bisa dicari dengan menghitung dengan
rumus biasa setelah data dikelompokkan. Sedangkan modus pada cara
SPSS dan Minitab dapat langsung dicari otomatis dengan data tunggal
yang tersedia. Dari perhitungan data secara manual, SPSS dan Minitab
didapatkan hasil nilai modus yang cukup mendekati sama. Dengan cara
manual didapat dua modus karena terdapat dua kelas dengan frekuensi
terbanyak (9 buah). Modus yang didapat yaitu 59,852 dan 67,858. Dengan
SPSS didapat 71,38 dan dengan Minitab didapat 71,38. Dari hasil tersebut
dapat diketahui bahwa nilai modus pada SPSS dan Minitab adalah sama.
Sementara hasil modus manual berbeda dengan hasil SPSS dan Minitab.
Perbedaannya sebesar 11,528 dan 3,522. Ini dikarenakan modus cara
manual dicari dengan rumus data kelompok sedangkan modus SPSS dan
Minitab dicari dengan rumus data tunggal secara otomatis.
• Kuartil
Kuartil adalah nilai-nilai yang membagi data yang telah diurutkan
ke dalam empat bagian yang nilainya sama banyak. (Bakrie et al., 2021)
Mencari kuartil secara manual dapat dilakukan dengan rumus
QUARTILE.EXC(…) pada Excel namun juga bisa dicari dengan
menghitung dengan rumus biasa setelah data dikelompokkan. Sedangkan
modus pada cara SPSS dan Minitab dapat langsung dicari otomatis dengan
data tunggal yang tersedia. Dari perhitungan data secara manual, SPSS dan
Minitab didapatkan hasil nilai kuartil yang mendekati sama. Dengan cara
manual didapat kuartil bawah (Q1); kuartil tengah (Q2); kuartil atas (Q3)
berturut-turut 45,844; 57,327; dan 64,691. Dengan SPSS didapat didapat
kuartil bawah (Q1); kuartil tengah (Q2); kuartil atas (Q3) berturut-turut
46,1700; 58,8200; dan 63,1400, dan dengan Minitab didapat didapat
kuartil bawah (Q1); kuartil tengah (Q2); kuartil atas (Q3) berturut-turut
46,17; 58,82; dan 63,14. Dari hasil tersebut dapat diketahui bahwa nilai
Q1, Q2, dan Q3 pada cara SPSS dan Minitab adalah sama, namun hasil
Minitab telah dibulatkan. Sementara hasil kuartil manual berbeda sedikit
dengan hasil SPSS dan Minitab. Perbedaan kuartil bawah (Q1); kuartil
tengah (Q2); kuartil atas (Q3) berturut-turut manual dengan SPPS dan
Minitab berturut-turut sebesar 0,326; 1,493; dan 1,551. Ini dikarenakan
kuartil cara manual dicari dengan rumus data kelompok sedangkan kuartil
SPSS dan Minitab dicari dengan rumus data tunggal secara otomatis.
• Persentil
Untuk persentil, output E10 pada Ms Excel sebesar 40,830, E20 =
44,221,E30 = 47,648, E40= 51,435, E50 = 57,327, E60 =59,852, E70=
62,798, E80= 66,585, dan terakhir pada E90 = 69,110. Untuk output
persentil pada Tabel 4.12 menggunakan SPSS, E10 = 40,268, E20 =
45,552, E30 = 46,820, E40= 51,562, E50 = 58,820, E60 = 61,274, E70=
62,644 E80 = 66,324, dan terakhir pada 90 = 70,210. Pada statistika
deskriptif menggunakan Minitab tidak ditampilkan persentil. Pada Ms
Exel dan SPSS memiliki hasil persentil yang berbeda tetapi tidak
signifikan. Perbedaan yang terjadi pada persentil Ms Excel dan SPSS
terjadi karena hasil pembulatan dan juga penggunaan data kelompok pada
perhitungan manual sedangkan SPSS merupakan software untuk
pengolahan data tunggal.
• Variasi
Hasil perhitungan variasi pada Ms Excel sebesar 109,687,
sedangkan pada SPSS dan Minitab hasilnya sama, yaitu 111,31.
Perhitungan secara manual menggunakan Ms Excel merupakan hasil
perkiraan karena menggunakan data kelompok dan rumus, sedangkan
pada Minitab dan SPSS hasilnya sudah pasti karena menggunakan data
tunggal.
• Standar Deviasi
Standar deviasi pada perhitungan menggunakan Ms Excel sebesar
10,473 sedangkan pada perhitungan menggunakan SPSS dan Minitab
sebesar 10.55. Sedangkan untuk perbedaan perhitungan manual
disebabkan data yang digunakan ialah data kelompok dan menggunakan
rumus yang hasilnya merupakan perkiraan. Perbedaan yang terjadi pada
persentil Ms Excel dan SPSS terjadi karena hasil pembulatan dan juga
penggunaan data kelompok pada perhitungan manual sedangkan SPSS
merupakan software untuk pengolahan data tunggal.
• Skewness
Skewness pada perhitungan menggunakan SPSS dan Minitab
hasilnya sama, yaitu −0,175, sedangkan pada perhitungan enggunakan
Excel hasilnya -0,561. Dapat disimpulkan bahwa hasil dari skewness-nya
< 0, sehingga gambar skewnessnya condong ke kanan (negatif).
Perbedaan yang terjadi pada perhitungan manual dan SPSS terjadi karena
hasil pembulatan dan juga penggunaan data kelompok pada perhitungan
manual sedangkan SPSS merupakan software untuk pengolahan data
tunggal.
• Kurtosis
Hasil kurtosis yang didapat pada Excel sebesar
-1,603, pada SPSS -1,197 dan pada Minitab -1,20, perbedaan antara SPSS
dan Minitab karena pembulatan saja. Sedangkan pada perhitungan manual
menggunakan rumus dan data kelompok yang hasilnya merupakan
perkiraan. Pada kasus ini kurtosis memiliki jenis kurtosis platykurtis
(mendatar) karena nilai kurtosis kurang dari 3. Perbedaan yang terjadi
pada perhitungan manual dan SPSS terjadi karena hasil pembulatan dan
juga penggunaan data kelompok pada perhitungan manual sedangkan
SPSS merupakan software untuk pengolahan data tunggal.
• Coef Variation
Koefisien variasi merupakan sebuah perbandingan antara nilai
hitung ratarata Dengan simpangan standar. Pada perhitungan manual
terdapat nilai koefisie variansi sebesar 18,898%. pada perhitungan
menggunakan SPSS tidak menampilkan hasil koefisien variasi dan pada
perhitungan menggunakan Minitab menampilkan koefisien variasi dngan
BAB VI
PENUTUP
6.1 Kesimpulan
Setelah melakukan praktikum Modul 1 tentang Statistika Deskriptif, kesimpulan
yang dapat diambil oleh kelompok 24 sebagai berikut :
1. Statistik deskriptif adalah sebuah metode statistik yang digunakan untuk
menggambarkan dan mendeskripsikan sekumpulan data. Pada praktikum
modul 1 ini, data yang digunakan adalah data kualitatif, kuantitatif
diskrit, dan kuantitatif kontinu. Pengolahan data menggunakan
perhitungan secara manual (Microsoft Excel), SPSS, dan Minitab.
Ukuran statistik yang dihitung meliputi skewness, kurtosis, nilai
maksimum, nilai minimum, standar deviasi, dan variansi.
2. Dalam menampilkan data secara grafik, data kualitatif akan lebih mudah
dipahami jika ditampilkan dengan pie chart, sebab dalam pie chart akan
menampilkan presentase dari keseluruhan data. Untuk menampilkan data
kuantitatif diskrit akan lebih mudah dipahami jika menggunakan bar
chart, sebab frekuensi dari data tersebut akan terlihat jelas yang
ditunjukkan oleh ketinggian batang. Sedangkan untuk menampilkan data
kuantitatif kontinu akan lebih mudah dipahami jika ditampilkan dalam
bentuk ogive sebab akan terlihat jelas jumlah frekuensi data yang berada
pada rentan batas bawah kelas.
3. Pengolahan data menggunakan SPSS dan Minitab lebih praktis dan
akurat dibandingkan dengan manual (Microsoft Excel). Sebab, apabila
salah memasukkan rumus saat perhitungan manual maka akan
menghasilkan output yang salah pula.
4. Hasil pengolahan data ditampilkan dalam bentuk tabel dan grafik seperti
diagram lingkaran, batang, histogram, ogive, stem-leaf, dan boxplot.
6.2 Saran
Setelah melakukan praktikum Modul 1 tentang Statistika Deskriptif, kesimpulan
yang dapat diambil oleh kelompok 24 sebagai berikut :
1. Koordinasi dalam kelompok sebaiknya dilakukan secara lebih efektif dan
efisien agar dalam pelaksanaan praktikum ini tidak terjadi
missunderstanding atau salah persepsi saat pembagi tugas.
2. Praktikan harus mempelajari dasar-dasar ilmu statistika menggunakan
platform Youtube, jurnal ataupun dalam buku sehingga praktikum dapat
berjalar lancar.
3. Praktikan harus meningkatkan ketelitian saat pengolahan dan analisis
data agar tidak terjadi salah perhitungan.
Junaedi et al. (2021). Penyajian Data Dalam Tabel Distribusi Frekuensi Dan Aplikasinya
Pada Ilmu Pendidikan, 2. Didownload melalui
https://jurnal.fai.umi.ac.id/index.php/eljour/article/download/91/74#:~:text=Tabel%20di
stribusi%20frekuensi%20relatif%20adalah,bilangan%20frekuensi%20dalam%20bentuk
%20persentase.
Winarno & Zaki. (2015). Pembuatan Berbagai Jenis Grafik dan Pivot Grafik di Excel.
Jakarta: PT Media Elex Komputindo.
Ali & Winarno. (2015). Pembuatan Berbagai Jenis Grafik dan Pivot Grafik di Excel.
Jakarta: Elex Media Komputindo.
Kusrianto. (2007). Pivot Table Excel Untuk Membuat Laporan Dan Analisis Data.
Jakarta: Elex Media Komputindo.
Lind. (2007). Teknik-teknik Statistik dalam Bisnis dan Ekonomi 1. Jakarta: Penerbit
Salemba.
Siagian & Sugiarto (2000). Metode Statistika untuk Bisnis dan Ekonomi. Jakarta:
Gramedia Pustaka Utama.
Harinaldi (2005). Prinsip-prinsip Statistik untuk Teknik dan Sains. Jakarta: Erlangga.
LEMBAR ASISTENSI
PRAKTIKUM TEORI PROBABILITAS
LABORATORIUM OPTIMASI DAN PERENCANAAN SISTEM INDUSTRI
Asistensi ke-
Nama NIM
1 2 3
Felda Zahra Salsabila 21070120130134 V V V V
Asisten
Kelompok : Kelompok 24
1. Data Kualitatif
• Judul : Data Brand HP Angkatan 2020
• Sumber dan link : Spreadsheet
• Sumber dan link : Tesla, Inc. (TSLA : NASDAQ) Harga & Berita Saham -
Google Finance
No. Bulan Harga Saham ($)
1. September 2016 39,56
2. Oktober 2016 39,32
3. November 2016 38,11
4. Desember 2016 36,29
5. Januari 2017 45,80
6. Februari 2017 50,27
7. Maret 2017 50,31
8. April 2017 60,51
9. Mei 2017 61,67
10. Juni 2017 62,97
11. Juli 2017 62,64
12. Agustus 2017 71,38
13. September 2017 71,08
14. Oktober 2017 71,38
Asisten,