ANALISIS DESKRIPTIF

Oleh :
Agung Dirgantara Namangboling, RD, M.Gz, AIFO

Ilmu statistika dibedakan menjadi dua komponen, yaitu statistika deskriptif

dan statistika inferensia. Statistika deskriptif sering disebut sebagai statistika
deduktif yang membahas tentang bagaimana merangkum sekumpulan data dalam
bentuk yang mudah dibaca dan cepat memberikan informasi, yang disajikan dalam
bentuk tabel, grafik, nilai pemusatan dan nilai penyebaran. Statistik deskriptif adalah
bagian dari statistika yang mempelajari cara pengumpulan data dan penyajian data
sehingga mudah dipahami. Statistika deskriptif hanya berhubungan dengan hal
menguraikan atau memberikan keterangan-keterangan mengenai suatu data atau
keadaan. Dengan kata statistika deskriptif berfungsi menerangkan keadaan,
gejala, atau persoalan. Penarikan kesimpulan pada statistika deskriptif (jika ada)
hanya ditujukan pada kumpulan data yang ada. Sehingga dapat dikatakan bahwa
statistika deskriptif adalah statistika yang menggunakan data pada suatu kelompok
untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja.
Analisis deskriptif adalah statistik yang digunakan untuk menganalisa data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku
untuk umum atau generalisasi. Analisis deskriptif menjadi bagian dari statistik
yang digunakan untuk mendeskripsikan data.

Macam-macam Statistika Deskriptif :

Ukuran Numerik
Ukuran numerik dibagi menjadi dua, yaitu ukuran pemusatan data, meliputi
mean, median, modus, serta ukuran penyebaran data, meliputi rentang, variansi, dan
simpangan baku.
Ukuran Pemusatan
Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang
menyatakan dimana distribusi data tersebut terpusat. Ukuran pemusatan berupa nilai
tunggal yang bisa mewakili suatu kumpulan data dan karakteristiknya (menunjukkan
pusat dari nilai data).
Jenis-Jenis Ukuran Pemusatan antara lain:
1. Rata-rata (Mean)
Rata-rata merupakan ukuran pemusatan yang sangat sering digunakan. Keuntungan
dari menghitung rata-rata adalah angka tersebut dapat digunakan sebagai gambaran
atau wakil dari data yang diamati. Rata-rata peka dengan adanya nilai ekstrim atau
pencilan.
2. Median atau Nilai Tengah
Median merupakan suatu nilai ukuran pemusatan yang menempati posisi tengah
setelah data diurutkan
3. Modus
Modus adalah nilai yang paling sering muncul dari serangkaian data. Modus tidak
dapat digunakan sebagai gambaran mengenai data (Howell, 1982)

Ukuran Penyebaran Data/Dispersion

Ukuran penyebaran adalah suatu ukuran baik parameter atau statistika untuk
mengetahui seberapa besar penyimpangan data. Melalui ukuran penyebaran dapat
diketahui seberapa jauh data-data menyebar dari titik pemusatannya.

Jenis-Jenis Ukuran Penyebaran antara lain:

1. Rentang (Range) (=R)
Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang menunjukkan
selisih nilai antara maksimum dan minimum. Rentang cukup baik digunakan untuk
mengukur penyebaran data yang simetrik dan nilai datanya menyebar merata. Ukuran
ini menjadi tidak relevan jika nilai data maksimum dan minimumnya merupakan nilai
ekstrim
2. Variansi (Variance) (=S2 atau σ2)
Variansi (variance) dinotasikan sebagai S2 atau σ2 adalah ukuran penyebaran data
yang mengukur rata-rata kuadrat jarak seluruh titik pengamatan dari nilai tengah
(meannya).
3. Simpangan Baku (=s atau )
Simpangan baku (standar deviation) dinotasikan sebagi s atau σ, menunjukkan rata-
rata penyimpangan data dari harga rata-ratanya. Simpangan baku merupan akar
pangkat dua dari variansi.

Interpretasi Analisis Deskriptif menggunakan SPSS.

Langkah-langkah yang perlu dilakukan dalam analisis deskriptif menggunakan SPSS
1. Masukkan/input data kedalam SPSS, seperti berikut:

2. Klik Analyze, terus pilih Descriptive statistics dan pilih Explore. Seperti
gambar di bawah ini. Sebenarnya pilih descriptive juga bisa. Tapi hasilnya akan
sama dengan explore. Dan pada explore itu hasilnya lebih banyak. Setelah diklik
maka akan muncul jendela sebagai berikut
3. Langkah selanjutnya pilih variabel yang digunakan, boleh lebih dari satu tinggal
diblok semaunya terus klik tanda panah yang paling atas. Maka variabel yang
terpilih akan masuk di Dependent list.
4. Setelah itu tinggal pengaturan. Klik statistic yang ada sebelah kanan. Maka akan
muncul jendela seperti ini.

• Descriptive : menampilkan deskriptif variabel, ini tujuan utama kita

• Outliers : menampilkan data yang outlier atau yang paling besar atau kecil
• Percentiles : menampilkan persentile dari data, disini juga sudah termasuk
kuartil
5. Setelah itu klik plot untuk mevisualkan data. Hasilnya seperti berikut.

• Pada boxplot, pilih yang mau di munculkan boxplot factor level, variabel
dependen atau tidak ada
• Pada bagian descriptive, pilih grafik yang mau dipilih Histogram atau
Stem and leaf
• Untuk uji normalitas pilih Normality plot with tests

6. Pada bagian Display, pilih yang akan ditampilkan statistic, plot atau keduanya.
Kemudian ok.
7. Selajutnya Setelah proses itu selesai, selajutnya ke bagian interpretasi.
Interpretasi Output
Case processing summary

Hasil tersebut menjelaskan data yang terbaca, data yang hilang dan jumlah data. Pada
hasil tersenut ,menjelaskan terdapat sepuluh data dan tidak ada data yang hilang.
Artinya data ini sudah valid dan bisa dilanjutkan ke proses selanjutnya.

Descriptive

Disini terdapat banyak informasi deskripsi dari veriabel yang digunakan:

• Mean : Rata-rata
• 95% confidence interval : Selang kepercayaan dengan tingkat kepercayaan
95%. Lower Bound adalah batas bawah dan upper bound adalah batas
atas
• Median : Nilai tengah dari data
• Variance : varians
• Std. Deviation :Simpangan Baku
 • Minimum : nilai terendah dari data
• Maximum : nilai tertinggi dari data
• Range : jangkauan, selisih antara maximum dan minimum
• Skewness : kemencengan
• Kurtosis : keruncingan

Percentiles

Pada jendela tersebut menjelaskan percentile dari data tapi hanya percentile tertentu
seperti pada gambar. Selain itu disini bisa melihat kuartil.

Extreme values

Menunjukkan data-data yang paling tertinggi dan paling terendah.

Test of Normality

Uji normalitas ini untuk melihat kenormalan data. Tes ini menggunakan uji
kolmogorov-Smirnov dan Shapiro-Wilk. Yang perlu dilihat pada kolom sig yang akan
menunjukkan apakah data normal atau tidak. Jika nilai lebih kecil dari 0,05 maka
keputusan datanya tidak normal. Sebaliknya lebih besar sama dengan 0,05 maka data
normal. Seperti pada contoh ini nilai sig lebih kecil dari 0,05 maka data tidak normal.

Histogram

Grafik ini menggambarkan distribusi data. Dari contoh di atas dapat disimpulkan
bahwa produksi jagung masih sekitar 5 juta ton.
7.Stem and leaf plot

Biasa disebut grafik batang dan daun. Grafik ini sama kegunaanya dengan
histogram.

Normal Q-Q plot

Grafik ini merupakan salah satu cara untuk melihat distribusi apakah normal atau
tidak, dimana jika titiknya mendekati atau mengikut garis maka datanya normal
sedangkan jika tidak mengikuti garis atau berbeda pola maka tidak normal. Sehingga
contoh diatas menunjukkan data tidak normal sesuai dengan tes normalitas yang
diatas. Namun, cara ini masih merupakan subjektifitas peneliti.

Sekian untuk tutorial analisis deskriptif dengan SPSS kali ini, mudah-mudahan dapat
membantu kita semua.amiiin. rencana kedepannya bukan hanya menggunakan SPSS
tetapi juga ada tutorial dengan software statistic yang lain.