LAPORAN

STATISTIKA DAN ANALISIS DATA

disusun oleh :

Mutia Putri

I. TINJAUAN PUSTAKA

Statistika adalah ilmu yang mempelajari bagaimana

merencanakan ,mengumpulkan,menganalisis,dan mempresentasikan data.
Singkatnya, statistika adalah ilmu yang berkenaan dengan data.Istilah ‘statistika’
(bahasa inggris: statistics) berbeda dengan ‘statistik’(statistic).Statistika
merupakan ilmu yang berkenaan dengan data,sedangkan statistic adalah
data,informasi,atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data,statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data;ini dinamakan statistika deskriptif.

Statistik deskriptif adalah salah satu bagian dari ilmu statistika yang
berhubungan dengan aktivitas penghimpunan, penataan, peringkasan dan
penyajian data dengan harapan agar data lebih bermakna, mudah dibaca dan
mudah dipahami oleh pengguna data. Statistik deskriptif hanya sebatas
memberikan deskripsi atau gambaran umum tentang karakteristik objek yang
diteliti tanpa maksud untuk melakukan generalisasi sampel terhadap populasi.

Statistik deskriptif merupakan proses analisis statistik yang fokus kepada

manejemen, penyajian, dan klasifikasi data. Kegiatan dalam statistik deskriptif
meliputi pengumpulan, pengelompokan dan pengolahan data yang selanjutnya
akan menghasilkan ukuran-ukuran statistik seperti frekuensi, pemusatan data,
penyebaran data, kecenderungan suatu gugus data dan lain-lain. Selain itu, agar
data lebih mudah dibaca dan dipahami maka data dapat diringkas dalam bentuk
tabulasi atau disajikan dalam bentuk grafik atau diagram. Penggunaan grafik dan
diagram dimaksudkan agar data yang disajikan lebih menarik dan lebih
komunikatif. Penyajian data dalam bentuk grafis dapat berupa sebagai berikut :

 histogram
 pie chart
 polygon
 ogive
 Diagram batang daun (steam and leaf)          

Secara umum terdapat dua jenis pengukuran statistik deskriptif, yaitu :

1. Ukuran Pemusatan

Merupakan metode paling lazim yang digunakan dalam analisis deskriptif.

Metode ini fokus untuk menggambarkan kondisi data di titik pusat. Untuk
membuktikan hal ini secara matematis maka pengukuran yang sering digunakan
adalah mean, median, dan modus.

 Mean merupakan rata-rata dari sekumpulan data yang kita miliki.

 Median adalah nilai tengah dari sebuah data.
 Modus adalah nilai yang paling sering muncul dalam sekelompok data.

2. 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.
Untuk menggambarkan hal ini, anda bisa menggunakan beberapa nilai
pengukuran berikut :
1. Range merupakan selisih dari nilai terbesar dan nilai terkecil yang kita miliki
2. Quartiles Range 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 merupakan ukuran penyebaran yang membagi data menjadi 100

bagian sama besar.

4.  Desil merupakan ukuran penyebaran yang membagi data menjadi 10 bagian

sama besar.

5. Varians merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya.

6.  Standar deviasi merupakan ukuran lain dari sebaran data terhadap rata-

ratanya. 
7. 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)
8. 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)

Manfaat Penggunaan Statistik Deskriptif

1. Memberikan gambaran dan deskripsi bagaimana informasi yang dimiliki oleh

data tersebut

Statistik deskriptif haruslah mampu memberikan gambaran informasi apa

saja yang bisa didapat secara dari data yang kita gunakan. Daripada hanya
menggunakan angka-angka dengan 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.

Analisis Data 

Analisis data adalah suatu kegiatan menghitung data yang telah terkumpul
agar dapat disajikan dengan sistematis dan dapat dilakukan interprestasi. Analisis
data pada penelitian kuantitatif dapat dihitung secara manual dengan menghitung
menggunakan rumus-rumus statistik atau menggunakan program bantu statistik
seperti SPSS, Minitab, XL-Stat, S-Plus dsb. (Priyatno, 2016) Analisis Deskriptif
Menurut Priyatno (2016).

 Pengertian analisis deskriptif menurut beberapa ahli sebagai berikut:

Menurut Sugiyono (2004:169) Analisis deskriptif adalah statistik yang

digunakan untuk menganalisis data dengan mendiskripsikan data yang telah
terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang
berlaku untuk umum atau generalisasi (Priyatno, 2016). 

Iqbal Hasan (2001:7) menjelaskan bahwa pengertian dari statistik

deskriptif merupakan bagian dari statistika yang mempelajari cara pengumpulan
data dan penyajian data sehingga data mudah dipahami. Statistik deskriptif
berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan
mengenai data atau keadaan. Dengan kata statistika deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan (Priyatno, 2016). 

Bambang Suryoatmojo (2004:18) mengatakan bahwa statistika deskriptif

adalah statistika yang menggunakan data untuk menjelaskan atau menarik
kesimpulan mengenai suatu kelompok. (Priyatno, 2016)

II. PEMBAHASAN

Microsoft Excel

         Microsoft Excel adalah program aplikasi pada Microsoft Office yang
digunakan dalam pengolahan angka (Aritmatika). Program ini sering digunakan
oleh para akutan untuk menuliskan atau mencatat pengeluaran dan pemasukan
didalam perusahaan atau suatu lembaga maupun instansi-instansi kecil. Microsoft
Excel adalah program kedua yang mandasar dalam suatu computer setelah
Microsoft Word. Banyak para akutan yang mengerti dan bisa mengoprasikan
program ini tapi bukan hanya seorang akuntan saja yang bisa anak smp pun juga
bisa mengoprasikan program ini, karena dibangku smp kita telah mempelajari
tentang Microsoft Excel (Anonim I, 2011). Microsoft Excel merupakan perangkat
lunak pengelolahan angka yang paling banyak digunakan saat ini. Hal ini
disebabkan karena Excel mudah digunakan dan memiliki kemampuan yang cukup
andal menangani pengelolaan dan penyimpanan data-data berupa angka (Hendri
Pandia, 2005).

Contoh data pada Microsoft Excel : 

Buka Micosoft Excel anda kemudian ketik data seperti Responden, Jenis Kelamin,
Umur, Pendidikan, Pendapatan, Konsumsi sesuai contoh gambar dibawah ini

Data excel :

SPSS

            SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk

analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan grafis
dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang
sederhana sehingga mudah dipahami untuk cara pengoperasiannya. Beberapa
aktivitas dapat dilakukan dengan mudah yaitu dengan menggunakan pointing dan
clicking mouse. 

        SPSS banyak digunakan dalam berbagai riset pemasaran, pengendalian dan

perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali
dimunculkan dengan versi PC dengan nama SPSS/PC+ (versi DOS). Namun,
dengan mulai populernya sistem operasi windows, maka SPSS mulai
mengeluarkan versi windows mulai dari versi 6.0 hingga versi terbaru.

Contoh Cara Mengolah Data Statistik Deskriptif Menggunakan SPSS

           Dalam menyajikan data hasil penelitian, mahasiswa statistika dituntut dapat
menyampaikan hasil penelitiannya secara deskriptif agar masyarakat luas dapat
mengetahui maksud dari data-data yang diperoleh. Data-data tersebut dapat
disajikan menggunakan program Microsoft Excel dan SPSS. Dengan SPSS semua
kebutuhan pengolahan data dapat diselesaikan dengan mudah dan cepat.
Kemampuan yang dapat diperoleh dari SPSS meliputi pemrosesan segala bentuk
file data, modifikasi data, membuat tabulasi berbentuk distribusi frekuensi,
analisis statistik deskriptif, analisis statistik lanjut yang sederhana maupun
kompleks, pembuatan grafik dan sebagainya. Berikut merupakan pengenalan
masing-masing toolbar dari program SPSS dan langkah dalam menggunakan
SPSS:

1. Sebagai langkah awal, buka program SPSS. Setelah SPSS terbuka,

pertama kali akan muncul tampilan sebagai berikut ini.
 Tampilan ini merupakan tampilan Data Editor dalam SPSS yang
mempunyai fungsi utama untuk mendefinisikan, menginput, mengedit dan
menampilkan data. Sebelum menginput data, definisikan terlebih dahulu data
(variabel) yang akan diinput. Perhatikan di sudut kiri bawah dari tampilan data
editor di atas, terdapat menu Data View dan menu Variable View. Untuk
mendefinisikan data (variabel), klik Variable View, maka akan muncul tampilan
berikut:
2. Kemudian salin data Excel kedalam SPSS pada Data View

Tampilan variable view setelah di pindahkan data dari Microsoft Excel

Variabel pertama:
Nama Variabel          : Responden
Type                          : String (karena variabel ini tidak berbentuk numerik)
Width                        : 18 (untuk data kita ini, jumlah karakter terbanyak 18)
Decimal                     : 0 (untuk data type string, desimal akan otomatis 0)
Label                         : Nama Responden
 Values                       : None (untuk data type string, values akan otomatis none)
Missing                     : None (untuk data type string, missing akan otomatis none)
Column                     : 18 (ukuran kolom ini sesuaikan dengan jumlah karakter
dari nama variabel atau maksimum karakter dari data pada variabel tersebut,
mana yang paling banyak)
Align                         : Left (untuk data string sebaiknya dibuat rata kiri)
Measure                    : Nominal (untuk data string, pilih saja measure nominal)  

Variabel kedua:
Nama Variabel          : Sex
Type                          : Numeric
Width                     : 2 (sebenarnya input data yang akan kita masukkan nanti
hanya berupa kode 1 dan 2, atau hanya terdiri dari 1 karakter, tetapi width nya
sebaiknya kita lebihkan 1 karakter)
Decimal                   : 0 (karena tidak memerlukan angka dibelakang koma)
Label                       : Jenis Kelamin Responden
Values                      : 1 = laki-laki, 2 = perempuan
Missing                : None (karena informasi mengenai jenis kelamin tersedia
pada semua responden)
Column                    : 4
Align                        : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure                : Nominal (angka untuk pengkodean jenis kelamin ini, adalah
termasuk data skala nominal) 

Variabel ketiga: 
Nama Variabel          : Umur
Type                          : Numeric
Width                        : 3
Decimal                     : 0 (karena tidak memerlukan angka dibelakang koma)
Label                         : Umur Responden
Values                       : None (tidak ada pengkodean numerik untuk variabel ini)
Missing                     : None (karena informasi mengenai umur tersedia pada
semua responden)
Column                     : 5
Align                         : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure                    : Scale (karena umur merupakan data berskala ratio)

Variabel keempat:
Nama Variabel          : Pendidikan
Type                          : Numeric
Width                        : 2 (karena pendidikan akan diinput dengan kode 1 – 5)
Decimal                     : 0 (karena tidak memerlukan angka dibelakang koma)
Label                         : Pendidikan Responden 11 
Values                       : 1 = SD, 2= SLTP, 3= SLTA, 4= D3, 5= S1
Missing                     : None (karena informasi mengenai pendidikan tersedia
pada semua responden)
Column                     : 8
Align                         : Rigth (untuk data numerik sebaiknya dibuat rata kanan)
Measure                    : Ordinal (karena pendidikan merupakan data berskala
ordinal) 

Variabel kelima:
Semua isian data sama dengan variable ke lima kecuali nama variable.
Setelah itu klik menu Data View yang ada disudut kiri bawah dan data siap
diinput
Setiap baris dalam tampilan diatas digunakan untuk mendefinisikan satu variabel
(data) yang akan diinput. Ada beberapa informasi yang perlu diketahui, yaitu:

1.    Name. Isikan nama variabel. Persyaratan dalam pemberian nama variabel
adalah:

a.    Nama variabel tidak boleh duplikasi dengan nama variabel lainnya.
b.    Nama variabel paling panjang hanya 64 karakter dan harus diawali oleh huruf
atau @, #, $. Karakter berikutnya boleh kombinasi huruf, @, #, $ atau angka.
Nama variabel yang diawali dengan tanda $ menunjukkan bahwa variabel tersebut
adalah suatu variabel sistem.

c.    Variabel tidak boleh mengandung spasi dan kata-kata kunci perintah SPSS
yaitu ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO, dan WITH.

2.    Type. Definisikan tipe variabel. Ketika anda mengklik sel di bawah type, akan
muncul titik tiga (…). Klik titik tiga tersebut, maka akan muncul tampilan berikut:

Setiap baris dalam tampilan diatas digunakan untuk mendefinisikan satu variabel
(data) yang akan diinput. Ada beberapa informasi yang perlu dimasukkan, yaitu

a.       Numeric. Variabel yang berbentuk angka

b.      Comma. Variabel numerik dengan tampilan koma untuk setiap 3 angka
(memisahkan ribuan), dan titik untuk memisahkan desimal. Misalnya, jika data
yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS sebagai
2,567,932.00

c.       Dot. Variabel numerik dengan tampilan titik untuk setiap 3 angka
(memisahkan ribuan), dan koma untuk memisahkan desimal. Misalnya, jika data
yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS sebagai
2.567.932,00

d.      Scientific notation. Variabel numerik dengan tampilan scientific. Misalnya,

jika data yang diinput adalah 2567932, maka akan ditampilkan dalam SPSS
sebagai 2.57E+006
e.       Date. Variabel numerik dengan nilai yang ditampilkan dalam format tanggal
atau waktu. Jika anda pilih tipe data ini, akan muncul tampilan pilihan format
tanggal atau waktu.

f.        Dollar. Variabel numerik dengan tampilan tanda $.

g.      Custom currency. Variabel numerik yang ditampilkan dalam format uang
yang anda inginkan (custom currency) misalnya dalam bentuk Rp. Penggunaan
pilihan format ini harus didefinisikan terlebih dahulu dalam menu Options pada
Currency tab.

h.      String. Variabel yang tidak berbentuk numerik (angka) dan karenanya tidak
digunakan dalam perhitungan. Jenis ini juga dikenal sebagai variabel
alphanumeric

3. Width merupakan jumlah karakter (angka/huruf) maksimum dari data yang

akan diinput.

4. Decimal dapat digunakan untuk menentukan jumlah desimal yang diinginkan

5. Label

Label adalah keterangan mengenai variable dan dapat dibuat sampai 256
karakter. Selain itu, label dapat menggunakan spasi maupun karakter-karakter
yang tadinya tidak dapat digunakan pada nama variabel. 

6. Values

        Values ini secara khusus berguna jika data yang kita gunakan merupakan
kode numerik (dalam bentuk angka) yang mewakili kategori non-numerik. Untuk
menginput values dari masing-masing variabel, klik sel di bawah Values, akan
muncul titik tiga (…). Klik titik tiga tersebut Isikan kode pada kotak Values dan
labelnya pada kotak Label. Misalnya, kode 1 untuk Laki-laki. Setelah itu, klik
Add. Lanjutkan untuk kode-kode berikutnya, setelah itu klik OK.
7. Missing

        Menentukan nilai “missing” ini berguna jika dalam pertanyaan survei

terdapat responden yang tidak memberikan/menolak memberikan jawaban,
sehingga tidak tersedia data untuk diinput. Misalnya, jika ada responden yang
menolak memberikan jawaban mengenai pendapatannya. Jika kita menginput
jawaban responden tersebut dengan angka 0, maka dalam pengolahannya, SPSS
akan memasukkan dalam perhitungan (sehingga akan berpengaruh terhadap rata-
rata keseluruhan maupun terhadap distribusi frekuensi). 

        Tetapi jika kita mendefinisikan suatu angka untuk menyatakan nilai missing
tersebut, maka SPSS akan mengeluarkan dari perhitungan. Untuk mendefinisikan
nilai “missing” dari masing-masing variabel, klik sel di bawah “Missing”, akan
muncul titik tiga (…). Klik titik tiga tersebut.

Kita bisa mendefinisikan tiga deretan angka yang berbeda untuk nilai
missing masing-masing variabel. Kita juga memberikan range nilai untuk
mendefinisikan nilai missing tersebut. Dalam contoh tampilan diatas, misalnya
didefinisikan hanya satu deretan angka untuk nilai missing yaitu 9999. Dengan
demikian, jika terdapat data yang kosong (atau tidak terisi) dari variabel, maka
inputkan angka 9999. Setelah mendefinisikan nilai missing, klik OK.

8. Columns

        Column berfungsi untuk menentukan lebar kolom dari worksheet SPSS

untuk input data. Lebar kolom ini ditentukan minimal sama dengan “Width”
variabel yang telah ditentukan sebelumnya.

9. Align

        Perataan dari tampilan input data. Jika diklik sel dibawah align, akan muncul
tiga pilihan yaitu left (rata kiri), right (rata kanan), dan center (rata tengah).
10. Measure
        Skala pengukuran dari masing-masing variabel. Ada tiga pilihan yaitu Scale,
Ordinal dan Nominal. Scale kita pilih jika skala pengukuran kita adalah skala
interval atau ratio. Ordinal digunakan untuk mengkategorikan data berdasarkan
kuantitas dan kualitasnya. Sedangkan nominal digunakan untuk menghitung
banyaknya data.

3. Selanjutnya untuk mendapatkan ukuran-ukuran statistik deskriptif,

klik Analyze → Descriptive Statistics → Descriptives. Akan muncul tampilan
berikut:

4. Pindahkan variabel umur, pendapatan, konsumsi dari kotak sebelah kiri

ke kotak sebelah kanan dengan cara klik variabel umur di kotak kiri,
kemudian klik panah yang menuju ke sebelah kanan. Lakukan hal yang
sama untuk variabel pendapatan dan konsumsi.
5. Selanjutnya, klik Options, akan muncul tampilan berikut:

6. Lalu klik option yang diinginkan kemudian klik Continue → OK.

Akan muncul output statistik deskriptif sebagai berikut:
III. PENUTUP
 Statistik deskriptif merupakan salah satu jenis statistik dasar yang mampu
menjelaskan bagaimana karakteristik dasar sebuah kelompok data.
 Penjelasan yang baik dalam penggunaan ini akan membuat data-data yang
kita miliki memberikan pemahaman yang lebih berarti.
 Gunakan sebaik mungkin agar data yang anda miliki menjadi lebih
bermanfaat dan mudah dipahami!

Agar lebih mudah memahami cara tersebut,berikut saya sertakan video cara
penggunaan SPSS

Link youtobe :
Sumber :

https://farahdibaannisa.blogspot.com/2020/12/statistik-deskriptif.html

http://chya01.blogspot.com/2012/10/laporan-microsoft-excel.html

https://nazlieshalirayusren.blogspot.com/2020/12/statistik-deskriptif.html

https://yuvalianda.com/statistik-deskriptif/