Statistik Deskriptif

9 Februari 2021
➢ Definisi Statistika Deskriptif
➢ Penyajian Statistika Deskriptif
➢ Manfaat Statistika Deskriptif
➢ Ukuran Statistika Deskriptif
➢ Pemanfaatan Ms Excell
Statistik deskriptif
statistik deskriptif merupakan metode yang berkaitan dengan pengumpulan
dan penyajian suatu gugus data (datasets) sehingga memberikan informasi
yang berguna.

statistik deskriptif adalah metode yang sangat sederhana. Metode ini hanya
mendeskripsikan kondisi dari data yang sudah anda miliki dan
menyajikannya dalam bentuk tabel diagram grafik dan bentuk lainnya yang
disajikan dalam uraian singkat dan terbatas.

Statistika deskriptif memberikan informasi hanya mengenai data yang

dipunyai dan sama sekali tidak menarik iferensia atau kesimpulan apapun
tentang data tersebut.
1. Penyajian Data Dalam Bentuk Grafis
Histogram, Pie Chart, Poligon, Ogive, Diagram Batang Daun (Stem and Leaf)
2. Penyajian Data Numerik
Penyajian data secara numerik terdiri dari beberapa bentuk yaitu:
● Central Tredency
● Dispersion / pencaran
● Fractile
● Skewness
● Pengukuran Keruncingan
Manfaat dari statistik deskriptif
1. Memberikan gambaran dan deskripsi bagaimana informasi yang dimiliki data tersebut
Statistik deskriptif haruslah mampu memberikan gambaran informasi apa saja yang bisa didapat secara dari
data yang kita gunakan. Daripada hanya menggunakan angka tanpa format yang baku, akan lebih menarik bila
ditampilan dalam bentuk grafik dan tabel.

2. Menjelaskan karakteristik sebuah data

Statistik deskriptif juga memberikan karakteristik tentang data yang digunakan. Hal ini penting karena
kondisi data yang digunakan akan memengaruhi seluruh analisis data yang kita lakukan.
Dengan memahami karakteristik, kita bisa memilih perlakuan yang tepat dalam analisis yang lebih
mendalam nantinya.
Ukuran statistik deskriptif
Secara umum, ada 2 jenis pengukuran statistik deskriptif.

1. Ukuran pemusatan ( centre tendency)

Ukuran pemusatan adalah metode paling lazim yang
digunakan dalam analisis deskriptif. Metode ini fokus
untuk menggambarkan kondisi data di titik pusat.
Secara umum, kita bisa melihat bagaimana kondisi
data dengan melihat dimana letak pusat data
tersebut. Biasanya, pusat data sendiri akan berada
pada nilai tengah, meskipun tida selalu demikian.
Untuk membuktikan hal ini secara matematis maka
pengukuran yang sering digunakan adalah mean,
median, dan modus. Kita bahas satu per satu.
Ukuran statistik deskriptif
Secara umum, ada 2 jenis pengukuran statistik deskriptif.

2. Ukuran keragaman
Ukuran keragaman merupakan ukuran untuk menyajikan bagaimana sebaran dari data tersebut. Ukuran
keragaman menunjukkan bagaimana kondisi sebuah data menyebar di kelompok data yang kita miliki. Hal ini
memungkinkan kita untuk menganalisis seberapa jauh data-data tersebut tersebar dari ukuran
pemusatannya.
Bila sebaran datanya rendah, ini menunjukkan bahwa data tersebar tidak jauh dari pusatnya. Bila sebarannya
jauh ini menunjukkan bahwa data tersebar jauh dari pusatnya.
 Mean merupakan rata-rata dari sekumpulan data
1. Ukuran pemusatan yang kita miliki. Formulanya sangat sederhana. Anda
hanya perlu menjumlah nilai dari seluruh data yang
dimiliki dan membaginya dengan jumlah data
tersebut.

Median adalah nilai tengah dari sebuah data. Bila

kita memiliki sekumpulan data, kita bisa
mengurutkan data tersebut dari nilai terkecil
hingga terbesar. Jika kita memiliki jumlah data
ganjil, maka nilai tengah data tersebut akan
langsung menjadi median. Namun bila kita
memiliki data genap, kita perlu menemukan nilai
rata-rata dari nilai tengah data tersebut.

Modus adalah nilai yang paling sering muncul

dalam sekelompok data. Kita hanya perlu melihat
nilai mana yang paling sering muncul dalam
kelompok tersebut. Bila jumlah frekuensi setiap
data sama, maka nilai modus tidak ada.
2. Ukuran keragaman
1.Range
Range atau rentang merupakan selisih dari nilai terbesar dan nilai terkecil yang kita miliki. Range merupkan hal
yang paling sederhana dan paling mudah dimengerti dalam ukuran penyebaran. Range menunjukkan seberapa
jauh sebaran dengan mengabaikan bentuk distribusinya.
2. Quartiles Range
Rentang Quartiles atau rentang kuartil merupakan ukuran penyebaran yang membagi data menjadi 4 bagian.
Sesuai dengan namanya, kuartil membagi data menjadi 25 persen di setiap bagiannya.
Ada 3 jenis nilai kuartil yang perlu kita tahu :
● Q1 atau kuartil bawah yang memuat 25 persen dari data dengan nilai terendah
● Q2 atau kuartil tengah, yang membagi data menjadi 2 bagian sama besar 50 persen terkecil dan 50
persen terbesar. Q2 juga memiliki nilai yang sama dengan median.
● Q3 atau kuartil atas yang memuat 25 persen dari data dengan nilai tertinggi.
3. Persentil
Persentil merupakan ukuran penyebaran yang membagi data menjadi 100 bagian sama besar.
4. Desil
Desil merupakan ukuran penyebaran yang membagi data menjadi 10 bagian sama besar.
4. Varians
Varians merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, semakin
dekat sebaran data dengan rata-rata. Semakin besar nilai varian, semakin besar sebaran data terhadap nilai
reratanya.
5. Standar deviasi
Standar deviasi merupakan ukuran lain dari sebaran data terhadap rata-ratanya. Bila anda menggunakan varians, maka
nilai yang anda dapatkan sangatlah besar. Nilai ini tidak mampu menggambarkan bagaimana sebaran data yang
sebenarnya terhadap rerata.
Untuk mendapatkan nilai yang lebih mudah diinterpretasikan, standar deviasi adalah ukuran yang lebih tepat. Standar
deviasi menghasilkan nilai yang lebih kecil dan mampu menjelaskan bagaimana sebaran data terhadap rata-rata.
Standar deviasi disebut juga dengan simpangan baku.

6. Skewness
Skewness merupakan ukuran yang menunjukkan bagaimana kemencengan sebuah data terhadap rata-ratanya.
Skewness juga bisa dikatakan sebagai ukuran ketidaksimetrisan sebuah data.
● Sk > 0 artinya kurva dikatakan menceng kanan (positif)
● Sk = 0 artinya kurva normal
● Sk < 0 artinya menceng kiri (negatif)
7. Kurtosis
Kurtosis merupakan ukuran yang menunjukkan bagaimana keruncingan sebuah data di dalam distribusinya.
Kurtosis biasa disebut juga sebagai derajat keruncingan. Kurtosis dihitung dengan formula momen keempat dari
rata-rata.
● Nilai kurtosis = 3, artinya data memiliki distribusi normal
● Nilai kurtosis > 3, artinya data memiliki distribusi leptokurtic (lebih runcing)
● Nilai kurtosis < 3 artinya data memiliki distribusi platikurtik (lebih rata)
 mencoba praktik pakai Ms Excell

1.buka aplikasi Ms Excell

2. kik File

3. seret ke bawah sampai

options

4. pilih Add in

5. pilih Analysis ToolPak

6. pilih Manage xcell Add in

klik OK
muncul Data Analysis di menu Data
copy paste atau ketik data
klik Data Analysis sehingga muncul pilihan dan klik OK
isi pada input range dan out put range kemudian OK
 tampilan hasil dan intepretasi
Berdasarkan hasil analisis ada beberapa kesimpulan penting
yang bisa kita ambil:

● Siswa dengan tinggi badan tertinggi adalah siswa

nomor 11 dengan tinggi 177 cm
● Siswa dengan tinggi badan terendah adalah siswa
nomor 6 dengan tinggi 152 cm
● Jarak siswa tertinggi dan terendah adalah 25 cm
● Nilai tengah dari tinggi siswa adalah 164cm
● Rata-rata tinggi badan siswa adalah 163 cm
(pembulatan)
 Histogram

1. Menentukan jumlah kelas = 1 + 3.3 log n

2. menghitung interval kelas = range : jumlah
kelas
3. Mencoba di ms excell

n = jumlah data
Ms Excell