Anda di halaman 1dari 33

TUGAS

ANALISIS STATISTIK DESKRIPTIF

( MATA KULIAH STATISTIKA EKONOMI)

DOSEN PENGAMPU:

Fachruddiansyah Muslim, S.Pd., M.Pd

DISUSUN OLEH :

Nadya Agustin Dwi Putri

NIM. A1A119047

PROGRAM STUDI PENDIDIKAN EKONOMI

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS JAMBI

2021
DAFTAR ISI

DAFTAR ISI ............................................................................................................... i


BAB I PENDAHULUAN ............................................................................................ 1
1.1 Latar Belakang ................................................................................................ 1
1.2 Rumusan Masalah ............................................................................................. 2
1.3 Tujuan ............................................................................................................. 2
BAB II PEMBAHASAN ........................................................................................... 3
2.1 Pengertian Statistik Deskriptif .......................................................................... 3
2.2 Penyajian Data, Ukuran Pemusatan Data Dan Ukuran Penyebaran Data ........... 5
2.3 Mengolah Data Statistik Deskriptif di SPSS.................................................... 18
BAB III PENUTUP ................................................................................................. 30
3.1 Kesimpulan ................................................................................................... 30
3.2 Saran ............................................................................................................. 30
DAFTAR PUSTAKA .............................................................................................. 31

i
BAB I

PENDAHULUAN

1.1 Latar Belakang


Dalam kehidupan sehari-hari, suatu data sangat diperlukan dalam berbagai
bidang seperti pemerintahan, perusahaan, penelitian, pendidikan, dan lain-lain untuk
mengetahui berapa banyak data yang diperoleh, bagaimana menginterpretasikannya,
serta menganalisis masalah yang dihadapi, menyajikan, dan menginformasikannya.
Untuk melakukan hal tersebut, ilmu statistika adalah jawaban untuk membantu
semua hal tersebut. Statistika adalah pengetahuan yang berhubungan dengan cara-
cara pengumpulan dan pengolahan data, penarikan serta pembuatan keputusan yang
cukup beralasan berdasarkan fakta(Partino, 2009:4). Berbeda dengan statistik, dalam
KBBI menyatakan statistika adalah data berupa angka yang dikumpulkan,
ditabulasi, digolong-golongkan sehingga dapat memberi informasi yang berarti
mengenai suatu masalah atau gejala. Jadi, statistik adalah produk dari statistika.
Ilmu yang berkenaan dengan data ini banyak digunakan dalam kehidupan
sehari-hari. Dalam dunia pemerintahan, statistika digunakan untuk
menganalisishasil program kerja masa lalu dan juga untuk membuat program kerja
baru. Dalam bidang ekonomi, sebuah perusahaan menggunakan statistika untuk
melakukan tindakan-tindakan yang perlu dalam menjalankan tugasnya, seperti
analisis kebutuhan jumlah pegawai baru, analisis kebutuhan dan keadaan mesin di
pabrik, berapa produksi barang atau jasa yang dihasilkan dengan yang digunakan
oleh konsumen, dan lain-lain. Dalam dunia pendidikan seperti sekolah, statistika
digunakan untuk mengumpulkan data guru, data pegawai, data siswa, data sarana
sekolah, mengolah data nilai siswa, dan sebagainya
Statistika juga banyak digunakan dalam dunia ilmu alam seperti fisika,
kimia, biologi, dan lain-lain. Eksperimen atau percobaan yang dilakukan pasti
mendapatkan sebuah data yang nantinya harus dianalisis dan diolah sebelum
menemukan nilai akhir yang dicari dengan bantuan ilmu statistika. Dunia penelitian
atau riset dimanapun telah menganggap statistika harus digunakan dalam metode
penelitian. Penelitian yang dilakukan dilaboratorium, atau penelitian yang dilakukan
di lapangan, perlu diadakan penilaian dengan statistika. Untuk mahasiswa S1

1
biasanya diwajibkan untuk melaksanakan penelitian sebagai tugas akhir yang
berbentuk skripsi. Biasanya dalam skripsi, ada instrumen penelitian yang harus
divalidasi sebelum instrumen tersebut digunakan dalam penelitian, sekali lagi harus
menggunakan statistika untuk melakukan hal tersebut.
Dari semua hal yang telah disebutkan diatas, maka statistika harus dipahami
oleh siapa pun dan apa pun bidang yang mereka minati. Mata kuliah statistika selalu
ada di semua program studi karena memang statistika sangat bermanfaat dan
membantu memahami dan mengkaji ilmu yang mereka dalami.

1.2 Rumusan Masalah


1. Apakah yang dimaksud dengan statistik deskriptif?
2. Bagaimana cara menganalisis data menggunakan ukuran pemusatan data dan
ukuran penyebaran data?
3. Bagaimana Mengolah Data Statistik Deskriptif di SPSS ?

1.3 Tujuan
1. Memahami pengertian statistic deskriptif.
2. Mampu menyajikan data secara komunikatif.
3. Mampu menganalisis data menggunakan ukuran pemusatan data dan ukuran
penyebaran data.
4. Mampu Mengolah Data Statistik Deskriptif di SPSS.

2
BAB II
PEMBAHASAN

2.1 Pengertian Statistik Deskriptif

A. Pengertian Statistik Deskriptif Secara Umum

Statistika deskriptif adalah statistik yang berkenaan tentang bagaimana cara


mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data
sehingga mudah dipahami. Ada beberapa cara yang dapat digunakan dalam
mendeskripsikan, menggambarkan, menjabarkan, atau menguraikan data antara
lain:
1. Menentukan ukuran dari data nilai modus, rata-rata dan nilai tengah
(median)
2. Menentukan ukuran variabilitas data seperti: variasi (varian), tingkat
penyimpangan (devasi standar), jarak (range)
3. Menentukan ukuran bentuk data: skewness, kurtoris, plot boks. Statistika
deskriptif adalah metode statistika yang digunakan untuk menggambarkan
atau mendeskripsikan data yang telah dikumpulkan menjadi sebuah
informasi.

B. Pengertian Statistik Deskriptif Menurut Para Ahli


1. Sudjana (1996:7) menjelaskan: Fase statistika dimana hanya berusaha
melukiskan atau menganalisa kelompok yang diberikan tanpa membuat atau
menarik kesimpulan tentang populasi atau kelompok yang lebih besar
dinamakan statistika deskriptif.
2. Iqbal Hasan (2001:7) menjelaskan: Statistik deskriptif atau statistik deduktif
adalah bagian dari statistik mempelajari cara pengumpulan data dan
penyajian data sehingga mudah dipahami. Statistik deskriptif hanya
berhubungan dengan hal menguraikan atau memberikan keterangan-
keterangan mengenai suatu data atau keadaan atau fenomena. Dengan kata
lain, statistik deskriptif berfungsi menerangkan keadaan, gejala, atau

3
persoalan. Penarikan kesimpulan pada statistik deskriptif (jika ada) hanya
ditujukan pada kumpulan data yang ada.
3. Bambang Suryoatmono (2004:18) menyatakan Statistika Deskriptif adalah
statistika yang menggunakan data pada suatu kelompok untuk menjelaskan
atau menarik kesimpulan mengenai kelompok itu saja
1) Ukuran Lokasi: mode, mean, median, dll
2) Ukuran Variabilitas: varians, deviasi standar, range, dll
3) Ukuran Bentuk: skewness, kurtosis, plot boks.

Pengertian statistik itu sendiri berasal dari kata state (yunani) yaitu negara
yang digunakan untuk urusan negara. Dari uraian ini dinyatakan bahwa statistik
adalah rekapitulasi dari fakta yang bentuk angka–angka disusun dalam bentuk tabel
& diagram yang mendiskripsikan suatu permasalahan. Statistik dalam arti sempit
(statistik deskriptif) ialah statistik yang mendeskripsikan atau menggambarkan
tentang data yang disajikan dalam bentuk tabel, diagram, pengukuran tendensi
central, rata rata hitung, rata rata ukur, dan rata rata hormonik, pengukuran
penempatan (medial kuartil desil persentil), pengukuran penyimpanan range,
rentangan antar kuartil. Rentangan semi antar kuartil, simpangan rata rata, simpangan
baku varians, koefisien varian, dan angka baku, angka indeks serta mencari kuatnya
hubungan dua variabel, melakukan peramalan (prediksi) dengan menggunakan
analisis regresi linier, membuat perbandingan (komparatif).

4
2.2 Penyajian Data, Ukuran Pemusatan Data, dan Ukuran Penyebaran Data.

Pada statistik deskriptif ini akan menjelaskan teknik penyajian data, ukuran
pemusatan data, dan ukuran penyebaran data.

A. Penyajian Data
Data dari hasil penelitian dapat disajikan atau ditampilkan dalam berbagai
macam bentuk. Cara penyajiannya bisa berbentuk tabel, tabel distribusi
frekuensi, atau berbagai jenis diagram.
1. Tabel
Biasanya tabel terdiri dari kolom(vertikal) dan baris(horizontal). Jumlah baris
dan kolom bisa disesuaikan dengan kebutuhan. Contohnya tabel 2 x 2 adalah
tabel yang terdiri dua baris dan dua kolom, atau tabel 2 x 3 terdiri dari 2
kolom dan 3 baris. Gabungan dari satu kolom dan satu sel adalah sel. Berikut
contoh tabel.

5
2. Tabel Distribusi Frekuensi
Tabel distribusi frekuensi digunakan jika data yang akan ditampilkan sangat
banyak sekali, karena jika menggunakan tabel bisa maka tidak efisien dan
kurang komunikatif atau akan sulit untuk membacanya.Berikut contoh tabel
distribusi frekuensi.
No Kelas Interval Jumlah
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 90-100 2
JUMLAH 150

Biasanya, tabel seperti ini mempunyai sejumlah kelas, pada contoh tersebut
jumlah kelasnya ada 9, dari no 1 sampai 9. Setiap kelas mempunyai kelas
interval, yaitu batas atas(nilai tertinggi) dan batas bawah(nilai terendah) dari
kelas tersebut. Selisih antara batas atas dan batas bawah disebut panjang

6
kelas. Setiap kelas juga memiliki frekuensi atau jumlah. Contoh pada kelas
ke-5 memilik 42 kelas.

Ada beberapa langkah dalam membuat tabel distribusi frekuensi dengan


contoh data nilai mahasiswa yang ada di atas, yaitu:
1) Menentukan jumlah kelas interval
Untuk menentukan jumlah kelas interval dengan mudah, cukup
menggunakan rumus Sturges:
K = 1 + 3,3 log n
dengan:
K = jumlah kelas interval
n = jumlah data
Misalkan jumlah data pada tabel diatas adalah 150, maka jumlah kelas
intervalnya adalah K = 1 + 3,3log(150) = 8,19. Berdasarkan hasil
perhitungan, jumlah kelas interval bisa 8 atau 9, kita ambil contoh 9 saja.
2) Menghitung rentang data
Data terbesar pada kumpulan data di atas dikurangi oleh data terkecilnya
lalu ditambah 1. Pada data tersebut hasilnya adalah 93 - 13 + 1 = 81

7
3) Menentukan panjang kelas
Panjang kelas ditentukan dengan cara menghitunga rentang data dibagi
dengan jumlah kelas. Pada data di atas, hasilnya adalah 81 : 9 = 9.
Walaupun hasilnya 9, tapi pada panjang kelas yang digunakan adalah 10,
suoaya lebih mudah dipahami daripada dengan panjang kelas 9.
4) Menyusun interval kelas
Pada data di atas, angka terkecil adalah 13. Tapi, pada penyususn interval
kelas akan dimulai dari angka 10 supaya lebih komunikatif. Lalu, masukan
data diatas ke dalam kelas yang sesuai sehingga hasilnya seperti pada tabel
berikut.
No Kelas Interval Jumlah
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 90-100 2
JUMLAH 150

3. Diagram
Dengan diagram, penyajian data akan terlihat menari secara visual
dibandingkan dengan tabel. Ada beberapa jenis diagram, seperti diagram
batang, diagram garis, dan diagram lingkaran.
1) Diagram batang
Sering disebut juga seabgai grafik histogram. Diagram ini terdiri dari
beberapa data yang divisualisasikan menjadi batang berbentuk persegi
tinggi x lebar yang memiliki lebar yang sama dan variasi pada tinggi untuk
menyatakan nilai data tersebut. Berikut contoh diagram batang.

8
2) Diagram garis
Merupakan diagram yang divisualisasikan dengan beberapa titik antara
data yang dihubungkan oleh garis. Diagram ini biasanya cocok digunakan
untuk menjelaskan perkembangan suatu data terhadap waktu yang telah
dilalui. Berikut contoh diagram garis.

9
3) Diagram lingkaran
Diagram lingkaran atau pie chart merupakan salah satu alternatif lain
selain kedua diagram di atas. Dengan jenis diagram ini maka akan
kelihatan perbandingan data dari berbagai kelompok sehingga sangat
komunikatif. Berikut contoh diagram lingkaran.

10
B. Pengukuran Gejala Pusat (Central Tendency)
Istilah gejala pusat (Central Tendency) digunakan untuk menggambarkan
nilai atau ukuran yang mendekati titik konsentrasi seperangkat data hasil
pengukuran. Ukuran gejala pusat seirng digunakan untuk menunjukan gambaran
umum suatu fenomena.
1. Macam-macam Ukuran Gejala Pusat
a) Modus
Pada data distribusi tunggal, modus merupakan nilai variabel yang
mempunyai frekuensi terbanyak dalam suatu distribusi. Sedangkan dalam
distribusi bergolong, modus merupakan titik tengah interval nilai yang
mempunyai frekuensi tertinggi dalam distribusi. Modus sering digunakan
sebagai salah satu pertimbangan dalam pengambilan keputusan di
perusahaan-perusahaan atau dunia bisnis (Partino,2009).
Contoh modus pada data distribusi tunggal :
Nilai (X) Frekuensi (f)
4 26
3 31
2 23
1 7
0 3
Jumlah 90

11
Tabel diatas menggambarkan bahwa frekuensi yang paling banyak dalam
distribusi tunggal diatas adalah 31 yang dimiliki oleh nilai 3. Maka, dapat
dikatakan bahwa modus pada data diatas adalah nilai 3.
Contoh modus pada data distribusi bergolong :
Interval kelas Titik Tengah (X) Frekuensi (f)
45-49 47 6
40-44 42 10
35-39 37 12
30-34 32 17
25-29 27 14
20-24 22 9
15-19 17 6
10-14 12 6
Jumlah 80

Untuk menghitung modus pada data frekuensi bergolong, menggunakan


rumus berikut:

𝒃𝟏
𝑴𝒐 = 𝒃 + ( ).𝒊
𝒃𝟏 + 𝒃𝟐
Ket :
Mo =Modus Data Kelompok
𝑏 = Batas kelas interval dengan frekuensi terbanyak
𝑏1 = frekuensi pada kelas modus, dikurangi frekuensi kelas
interval terdekat sebelumnya
𝑏1 = frekuensi pada kelas modus, dikurangi frekuensi kelas
interval terdekat berikutnya
𝑓𝑑 = frekuensi kelas median
i = interval kelas median

12
b) Median
Median merupakan sebuah nilai data yang berada ditengah-tengah dari
rangkaian data yang telah diurutkan dari yang terkecil sampai yang
terbesar, atau sebaliknya dari yang terbesar sampai yang terkecil.
Jika terdapat data yang berjumlah ganjil, median sudah dapat ditentukan
yaitu data yang terdapat ditengah tengah setelah data tersebut disusun
secara berurutan. Perhatikan data berikut
12, 7, 20, 8, 14, 16, 19, 8, 10
Data tersebut disusun dari yang terkecil ke yang terbesar seperti berikut:
7, 8, 8, 10, 12, 14, 16, 19, 20
Data diatas berjumlah 9, maka dapat langsung ditentukan bahwa median
merupakan yang berada di tengah-tengah yaitu nilai 12.
Namun apabila datanya berjumlah genap, tentu median tidak dapat
langsung ditentukan karena tidak memiliki nilai tunggal di tengah-tengah.
Maka untuk menentukannya adalah dengan menjumlahkan dua data yang
berada di tengah-tengah kemudian dibagi dua. Perhatikan data berikut:
12, 7, 20, 8, 14, 16, 19, 8, 10, 6
Data tersebut disusun dari yang terkecil ke yang terbesar seperti berikut:
6, 7, 8, 8, 10, 12, 14, 16, 19, 20
Data diatas berjumlah 10, maka dapat diselesaikan sebagai berikut:
(10+12) : 2 = 22 :2 = 11. Jadi mediannya adalah 11.

Contoh diatas merupakan data dengan jumlah sedikit, sehingga tidak


menjadi kendala dalam menghitung median. Berbeda dengan data yang
banyak dan rentang nilai yang besar. Data dengan jumlah banyak dan
rentang yang besar perlu dikelompokkan dengan tujuan yakni menjadi
tabel distribusi frekuensi bergolong. Sehingga memudahkan dalam
menghitung median. Untuk menghitungnya dalam distribusi frekuensi
bergolong menggunakan rumus berikut:

𝑵
− 𝒇𝒌𝒃
𝑴𝒆 = 𝑩𝒃 + ( 𝟐 ).𝒊
𝒇𝒅

13
Ket :
Med =Median Data Kelompok
𝐵𝑏 = Tepi Bawah Kelas Median
N = Jumlah frekuensi
fkb = frekuensi komulatif di atas kelas median
𝑓𝑑 = frekuensi kelas median
i = interval kelas median

c) Rata-rata Hitung (Mean)


Nilai rata-rata hitung (mean) adalah total dari semua data yang diperoleh
dari jumlah seluruh nilai data dibagi dengan jumlah frekuensi yang ada.
Rumus untuk mean adalah sebagai berikut:

∑𝑓𝑖 𝑋𝑖 𝑓1 𝑋1 + 𝑓2 𝑋2 + ⋯ 𝑓𝑘 𝑋𝑘
𝑋̅ = =( )
𝑁 𝑓1 + 𝑓2 + … 𝑓𝑘

Ket:
𝑋̅= mean
f = frekuensi
X= titik tengah
N = jumlah data
Untuk mencari mean berupa data tunggal dapat dengan menyusunnya
dalam bentuk tabel dan mencari ∑𝑓𝑖 𝑋𝑖 𝑑𝑎𝑛 𝑁 nya. Sedangkan untuk
mencari mean dengan data berupa data bergolong, maka terlebih dahulu
harus ditemukan titik tengah (X) dari masing-masing rentang. Cara
menghitung titik tengah (X) adalah jumlah batas bawah dan batas atas tiap
interval nilai dibagi dua. Kemudian mencari ∑𝑓𝑖 𝑋𝑖 𝑑𝑎𝑛 𝑁 dan akan
didapatkan nilai meannya (Partino, 2009).

d) Kuartil
Pada prinsipnya, pengertian kuartil sama dengan median. Perbedaanya
hanya terletak pada banyaknya pembagian kelompok data. Median
membagi kelompok atas dua bagian, sedangkan kuartil membagi

14
kelompok atas 4 bagian yang sama besar, sehingga akan terdapat 3 kuartil
yaitu kuartil ke-1, kuartil ke-2 dan kuartil ke-3.
Cara menghitung kuartil 1, 2, dan 3 data tunggal adalah dengan
mengurutkan semua data dari yang terkecil ke yang terbesar.
𝟏
𝑲𝟏 = (𝑵 + 𝟏)pada data ke . . .
𝟒

𝟐
𝑲𝟐 = (𝑵 + 𝟏)pada data ke . . .
𝟒

(dimana kuartil ke2 sama dengan median)

𝟑
𝑲𝟑 = (𝑵 + 𝟏)pada data ke . . .
𝟒

Sedangkan untuk menghitung kuartil data kelompok sedikit berbeda


dengan data tunggal, namun memiliki prinsip yang sama seperti
menghitung median, yaitu sebagai berikut
𝑵
− 𝒇𝒌𝒃
𝑲𝟏 = 𝑩𝒃 + ( 𝟒 ).𝒊
𝒇𝒅

𝟐𝑵
− 𝒇𝒌𝒃
𝑲𝟐 = 𝑩𝒃 + ( 𝟒 ).𝒊
𝒇𝒅

𝟑𝑵
− 𝒇𝒌𝒃
𝑲𝟑 = 𝑩𝒃 + ( 𝟒 ).𝒊
𝒇𝒅

e) Desil
Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi
sepuluh bagian yang sama besar. Dalam menghitung desil, data harus
diurutkan terlebih dahulu dari data yang terkecil ke data yang lebih besar.
Untuk data tunggal menggunakan rumus sebagai berikut
𝒊
𝑫𝒊 = ( 𝑵 + 𝟏)
𝟏𝟎

15
Sedangkan untuk distribusi data berkelompok berbeda dengan data
tunggal. Untuk itu rumus dalam mencari desil pada distribusi data
berkelompok adalah sebagai berikut.

𝒊𝑵
− 𝒇𝒌𝒃
𝟏𝟎
𝑫𝒊 = 𝑩𝒃 + ( ) .𝑰
𝒇𝒅

f) Persentil
Persentil adalah ukuran letak yang membagi suatu distribusi menjadi 100
bagian yang sama besar. Untuk distribusi data tunggal, dalam menentukan
persentil sebagai berikut.
𝒊
𝑷𝒊 = ( 𝑵 + 𝟏)
𝟏𝟎𝟎
Sedangkan untuk distribusi data berkelompok, menentukan persentil
menggunakan rumus yang berbeda, yaitu sebagai berikut.

𝒊𝑵
− 𝒇𝒌𝒃
𝑷𝒊 = 𝑩𝒃 + (𝟏𝟎𝟎 ).𝒊
𝒇𝒅

Ket Kuartil, Desil, Persentel :


𝑄𝑖 = Quartil ke-i
𝐷𝑖 = Desil ke-i
𝑃𝑖 = Persentil ke-i
𝐵𝑏 =tepi bawah kelas kuartil, desil, persentil
𝑁 = Jumlah frekuensi
𝑓𝑘𝑏 = frekuensi komulatif dari atas pada kelas sebelum
𝑄𝑖 /𝐷𝑖 /𝑃𝑖
f = frekuensi kelas kuartil, desil, persentil
i = interval elas kuartil, desil, persentil

16
C. Pengukuran Penyebaran Data
1. Rentang dan Rentang Antar Kuartil
Ukuran variasi yang paling sederhana adalah rentang (range). Istilah rentang
dappat dibatasi sebagai jarak antara nilai atau skor tertinggi dan nilai terendah
pada seperangkat data. Rumusnya adalah sebagai berikut:
𝑅 = 𝑋𝑡 − 𝑋𝑟
Keterangan:
R = rentang
𝑋𝑡 = nilai tertinggi
𝑋𝑟 = nilai terendah

Sedangkan untuk menghitung Rentang Antar Kuartil (RAK) adalah sebagai


berikut:

𝑅𝐴𝐾 = 𝐾3 − 𝐾1

Keterangan:
RAK = rentang antar kuartil
𝐾3 = kuartil ketiga
𝐾1 = kuartil pertama

2. Rata-rata simpangan
Rata-rata simpangan sering disebut sebagai Mean Deviasi (average
deviation). Rata-rata simpangan diambil dari nilai-nilai variabel yang
absolute atau mutlak. Dengan demikian simpangan yang bersifat negatif
dipandang sebagai bernilai positif. Jadi, semua nilai yang dihasilkan akan
berbentuk positif. Rumus yang digunakan untuk menghitung mean deviasi
(MD) adalah sebagai berikut:
Σf |𝑥 |
𝑀𝐷 =
𝑁
Keterangan:
𝑀𝐷 = Mean Deviasi
Σf |𝑥 | = Jumlah deviasi dalam harga mutlaknya
𝑁 = Jumlah individu

17
Langkah-langkah untuk menghitung MD adalah sebagai berikut:
a) Menghitung nilai rata-rata (Mean)
b) Mengisi kolom simpangan baku, yakni |𝑥 | = 𝑋 − 𝑋̅
c) Mengalikan |𝑥 | dengan frekuensi
d) Jumlah kan hasil kali f |𝑥 | sehingga menjadi Σ𝑓|𝑥 |
e) Masukkan dalam rumus MD.

3. Standard Deviasi
Standar Deviasi (Deviation Standard) disingkat SD atau simpangan baku
merupakan ukuran simpangan yang paling banyak digunakan dalam statistika.
Kuadrat Standar Deviasi disebut varians (variance). Cara menghitung deviasi
menggunakan rumus berikut.

𝑁Σ𝑓𝑋 2 − (Σ𝑓𝑋)2
𝑆𝐷 = √
𝑁(𝑁 − 1)

4. Varians
Varians (variance) adalah kuadrat standar deviasi. Rumus yang digunakan
sama dengan menghitung standar deviasi, perbedaannya terletak pada
komponen dasar. Pada standar deviasi digunakan akar kuadrat, sedangkan
pada varians tanpa akar kuadrat.

2
𝑁Σ𝑓𝑋 2 − (Σ𝑓𝑋)2
𝑉 = 𝑆𝐷 =
𝑁(𝑁 − 1)

2.3 Mengolah Data Statistik Deskriptif di SPSS


Biasanya, data yang diolah dalam statistika sangat banyak sekali. Sekalipun
kita bisa mengolah data tersebut, namun akan memakan waktu yang sangat lama
sehingga tidak efisien. Oleh karena itu, dengan bantuan aplikasi seperti SPSS,
mengolah data akan lebih cepat dan tidak memakan waktu yang lama.
a. Descriptives
1) Buatlah 50 buah di Data View seperti contoh di bawah

18
2) Setelah itu, klik Variable View disamping DataView. Disana kita bisa
mengedit variabel datanya seperti name, type, decimals, measure, dan
sebagainya.

19
3) Lalu pilih Analyze > Descriptive Statistic > Dercriptives

4) Pindahkan Data [data] ke Variabel(s) di sebelah kanan dengan klik panah


yang mengarah ke kanan, lalu klik options

20
5) Setelah muncul klik Options, maka akan muncul pilihan untuk
menganalisis data, seperti mean, std. deviation, range, dan lain-lain. Lalu
klik Continue kalau sudah selesai

6) Lalu klik OK pada dialog Descriptives, setelah itu muncul Output atau
hasil analisisnya pada window baru.

21
b. Frequency
1) Dengan menggunakan data yang sudah ada, klik Transform > Recode
into Different Variables

22
2) Masukan Data [data] ke kolom sebelah kanan dengan klik panah yang
mengarah ke kanan

23
3) Isilah Name dan Label pada dialog paling kanan, disini akan diisi Name
= intData dan Label = Interval. Lalu klik Change

24
4) Lalu klik Old and New Values. Di sana, isilah batas bawah dan batas
atas pada range sesuai pada datanya dan value(angka 1, 2, 3, …), lalu
klik Add.

5) Ulangi langkah diatas untuk kelas interval yang lainnya, lalu klik
Continue > Ok

25
6) Lalu, pindah ke variabel view, lalu klik None pada Value milik intData,
maka akan muncul (…) dan klik (…)

7) Isilah Value dan Label sesuai dengan yang diisi di Record into Different
Variables, lalu Add. Setelah terisi semua, klik OK.

26
7) Setelah interval sudah jadi, klik Analyze > Descriptive Statistic >
Dercriptives

27
8) Masukan Interval[intData] ke kolom Variable(s)

9) Lalu, klik Statistics. Di sana kita bisa pilih jenis analisis data yang akan
kita pilih. Kalau sudah, klik OK

10) Untuk memilih jenis penyajian data, klik Chart. Maka akan muncul
pilihan chart yang diinginkan. Lalu klik continue.

28
11) Setelah itu, klik OK. Maka akan muncul outputnya pada window baru.

29
BAB III
PENUTUP

3.1 Kesimpulan
Penelitian adalah tindakan yang umumnya dilakukan oleh peneliti untuk
menemukan jawaban dari sebuah permasalahan yang ia temui. Statistika sangat
membantu dalam penelitian untuk menghitung jumlah sampel yang diambil untuk
diteliti, menguji validitas dan reliabilitas instrumen, alat untuk menganalisis data
yang sudah diambil, dan menyajikan data hasil penelitian.Statistika deskriptif
adalah salah satu bagian dari ilmu statistika yang digunakan untuk memberikan
gambaran atau deskripsi tentang suatu hal. Statistika deskriptif menjelaskan teknik
penyajian data, ukuran pemusatan data, dan ukuran penyebaran data. Penyajian data
adalah cara untuk menyajikan data dari hasil penelitian dalam berbagai macam
bentuk. Cara penyajiannya bisa berbentuk tabel, tabel distribusi frekuensi, atau
berbagai jenis diagram. Pengukuran gejala pusat (Central Tendency) digunakan
untuk menggambarkan nilai atau ukuran yang mendekati titik konsentrasi
seperangkat data hasil pengukuran. Ukuran penyebaran data merupakan ukuran
yang menunjukkan seberapa jauh data menyebar dari rata-rata. Dalam efisiensi
waktu pengolahan data, SPSS digunakan supaya menjadi lebih efisien ketika
melakukan pengolahan data.

3.2 Saran
Perhitungan secara manual tentunya juga diperlukan ketelitian dan
kecermatan agar tidak terjadi kesalahan. Untuk itu, gunakan SPSS sebagai cara
untuk membandingkan hasil keakuratan antara analisis manual dengan analisis di
SPSS.

30
DAFTAR PUSTAKA

Suharyadi Purwanto,s.k, Statistika untuk Ekonomi dan Keuangan Modern (Jakarta:


Salemba Empat, 2001), hlm. 15
Partino, dan Idrus M.. (2009). Statistik Deskriptif. Yogyakarta: Safiria Insania Press.

Sugiyono. (2009). Statistik untuk Penelitian. Bandung: Alfabeta.

Sukmadinata, Nana Syaodih. (2009).Metode Penelitian Pendidikan. Bandung: Rosda.

31

Anda mungkin juga menyukai