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 biasanya diwajibkan untuk
melaksanakan penelitian sebagai tugas akhir yang berbentuk skripsi. Biasanya dalam

ii
 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.

BAB II

iii
 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 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

iv
 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).

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

v
 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.

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.

vi
 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 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:

vii
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

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

viii
 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.

2) Diagram garis

ix
 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.

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.

x
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 :

xi
 Nilai (X) Frekuensi (f)
4 26
3 31
2 23
1 7
0 3
Jumlah 90

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+ ( b1 +b2).i

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

xii
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
Me=Bb +
2
( )
−fkb
fd
.i

Ket :
Med =Median Data Kelompok
xiii
 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:

∑ f i X i f 1 X 1+ f 2 X 2 +… f k X k
X́ =
N
=( f 1 + f 2+ … f k )
Ket:
X́ = mean
f = frekuensi
X= titik tengah
N = jumlah data
Untuk mencari mean berupa data tunggal dapat dengan menyusunnya dalam
bentuk tabel dan mencari ∑ f i X i 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 ∑ f i X i 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 kelompok atas 4
bagian yang sama besar, sehingga akan terdapat 3 kuartil yaitu kuartil ke-1,
kuartil ke-2 dan kuartil ke-3.

xiv
 Cara menghitung kuartil 1, 2, dan 3 data tunggal adalah dengan mengurutkan
semua data dari yang terkecil ke yang terbesar.
1
K 1= ( N +1 ) pada data ke . . .
4

2
K 2= ( N +1 ) pada data ke . . .
4

(dimana kuartil ke2 sama dengan median)

3
K 3= ( 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
K 1=Bb +( )
4
−fkb
fd
.i

2N

(
K 2=Bb +
4
−fkb
fd )
.i

3N

(
K 3=Bb +
4
−fkb
fd )
.i

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
D i= ( N +1 )
10
Sedangkan untuk distribusi data berkelompok berbeda dengan data tunggal.
Untuk itu rumus dalam mencari desil pada distribusi data berkelompok
adalah sebagai berikut.

xv
 ¿ −fkb
Di=Bb +
10
(fd
.I )
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.

¿ −fkb
Pi=Bb + (
100
fd
.i )
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

C. Pengukuran Penyebaran Data

1. Rentang dan Rentang Antar Kuartil

xvi
 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=X t −X r
Keterangan:
R = rentang
X t = nilai tertinggi
X r = nilai terendah

Sedangkan untuk menghitung Rentang Antar Kuartil (RAK) adalah sebagai

berikut:

RAK =K 3−K 1

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:
Σ f |x|
MD=
N
Keterangan:
MD = Mean Deviasi
Σ f |x| = Jumlah deviasi dalam harga mutlaknya
N = Jumlah individu

Langkah-langkah untuk menghitung MD adalah sebagai berikut:

a) Menghitung nilai rata-rata (Mean)
b) Mengisi kolom simpangan baku, yakni |x|= X− X́

xvii
 c) Mengalikan |x| dengan frekuensi
d) Jumlah kan hasil kali f |x| sehingga menjadi Σ f |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.
2
N Σ f X 2− ( Σ fX )
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.
N Σ f X 2−( Σ fX )2
V =SD2=
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

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

xix
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

xx
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.

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

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

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

xxiv
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

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

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

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

xxvi
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

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

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

xxviii
 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

xxix
 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.

A.

xxx
 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.

xxxi