FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS NASIONAL
UJIAN TENGAH SEMESTER GENAP
TAHUN AKADEMIK 2021/2022

MATA KULIAH : APLIKASI KOMPUTER STATISTIK

HARI/TANGGAL : SABTU/28 MEI 2022
WAKTU : 09.50 – 13.30
DOSEN : DITA NURUL AINI, SE., ME
PROGRAM STUDI : MANAJEMEN
SIFAT UJIAN : TUTUP BUKU
KELAS : KM2

NAMA : CANDRA HALIM

NPM : 203402416019
MANAJEMEN ( KARYAWAN)
KERJAKAN 3 SOAL DARI SOAL TEORI BERIKUT INI! (POIN 50)

1. Jelaskan perbedana antara statistik deskriptif dan statistik inferensial serta berikan
contohnya masing-masing!
2. Apa perbedaan mendasar dari statistik parametrik dan non parametrik, serta sebutkan
masing-masing model statistiknya!
3. Sebutkan jenis-jenis data statistik yang kalian ketahui dan berikan contohnya!
4. Jelaskan langkah-langkah membuat grafik pada SPSS! Apa perbedaannya dengan
menggunakan excel?
5. Sebutkan Rumusan-Rumusan Pembentukan Hipotesis!

SOAL PRAKTIK WAJIB MENGGUNAKAN SOFTWARE STATISTIK! (POIN 50)

1. Download data IPM dan Kemiskinan (Pilih satu provinsi yang ada di Indonesia,
usahakan masing-masing mahasiswa berbeda provinsi) di BPS selama 10 tahun
terakhir (2011-2021).
2. Analisis data menggunakan SPSS dengan metode analisis deskriptif yang
menampilkan antara lain: mean, median, modus, desil dan persentil serta nilai
maksimum dan minimum.
3. Analisis menggunakan regresi di SPSS.
4. Tuangkan dalam lembar jawaban beserta penjelasan langkah-langkah membuat
kedua analisis tersebut!

****SELAMAT BEKERJA DAN SEMOGA SUKSES****

JAWABAN!!

1. Dua bidang utama statistik dikenal sebagai statistik deskriptif yang menggambarkan sifat-sifat
sampel dan data populasi, dan sedangkan statistik inferensial yang menggunakan sifat-sifat itu
untuk menguji hipotesis dan menarik kesimpulan.
Apa itu statistik deskriptif digunakan untuk menggambarkan atau meringkas karakteristik sampel
atau kumpulan data, seperti rata-rata variabel, standar deviasi, atau frekuensi.
Pengertian statistik inferensial, sebaliknya, menggunakan sejumlah teknik untuk menghubungkan
variabel dalam kumpulan data satu sama lain, misalnya menggunakan analisis korelasi atau regresi.
Hal ini kemudian dapat digunakan untuk memperkirakan perkiraan atau menyimpulkan kausalitas.
Contoh Statistika Deskriptif
1. Tabel

2. Diagram

3. Grafik

4. Besaran-besaran lain di majalah dan koran-koran.

Contoh Grafik Statistika Deskriptif

Penerapan Statistika Deskriptif Dalam Penelitian

Dengan Statistika deskriptif, kumpulan data bisa tersaji dengan ringkas dan rapi serta mampu
memberikan informasi inti dari kumpulan data yang ada. Informasi yang diperoleh dari statistika
deskriptif ini antara lain ukuran pemusatan data, ukuran penyebaran data, serta kecenderungan
suatu gugus data.

Statistika deskriptif biasanya ditemukan dalam penyajian data bentuk grafis, antara lain:

 Histogram

 Pie chart

 Ogive

 Polygon

 Diagram batang daun (stem and leaf)

Sedangkan statistika deskriptif yang biasanya ditemukan dalam penyajian data bentuk numerik,
antara lain:

 Central tredency

 Fractile

 Skewness

 Pengukuran keruncingan

 Dispersion / pencaran.
Contoh Statistika Inferensial

Catatan kelulusan selama lima tahun terakhir pada sebuah Sekolah Menengah Atas menunjukkan
bahwa 72% diantara siswa SMA tersebut lulus dengan nilai yang memuaskan. Nilai numerik 72%
adalah bentuk suatu statistika deskriptif.

Jika berdasarkan ini kemudian seorang siswa menyimpulkan bahwa peluang dirinya akan lulus
dengan nilai yang memuaskan adalah lebih dari 70%, jadi,siswa tersebut telah melakukan
inferensia statistika yang tentu saja memiliki sifat yang tidak pasti.

Contoh Grafik Statistika Inferensial

Dalam statistika inferensial diadakan pendugaan parameter, membuat hipotesis, juga melakukan
pengujian hipotesis tersebut hingga sampai pada kesimpulan yang berlaku umum. Metode ini
umumnya disebut statistika induktif, karena kesimpulan yang ditarik berdasarkan pada informasi
dari sebagian data saja. Pengambilan kesimpulan statistika inferensial yang hanya didasari pada
sebagian data yang menyebabkan sifat tidak pasti, memungkinkan terjadi kesalahan pada
pengambilan keputusan, hingga pengetahuan mengenai teori peluang mutlak diperlukan dalam
melakukan metode-metode statistika inferensial.

2. Perbedaan Statistik Parametrik dan Non Parametrik Jika sebuah uji memerlukan asumsi spesifik
mengenai parameter populasi, maka uji tersebut dikenal dengan uji statistik parametrik sedangkan
jika uji tersebut tidak membutuhkan asumsi spesifik seperti distribusi data, maka uji tersebut
dikenal dengan uji statistik non parametrik. Dalam uji parametrik, diasumsikan bahwa pengukuran
variabel dilakukan pada tingkat internal dan rasio, sedangkan pada uji non parametrik variabel
diukur dengan skala nominal dan ordinal. Secara umum, ukuran central tendency dalam uji
parametrik adalah rata-rata, sedangkan dalam uji statistik non parametrik adalah median. Terakhir,
dalam uji statistik parametrik terdapat informasi lengkap mengenai populasi sedangkan pada uji
 statistik non parametrik tidak ada informasi mengenai populasi.

Contoh Uji Statistik Parametrik:

-Analisis Korelasi
Analisis Korelasi pada uji statistik parametrik digunakan untuk menguji hubungan antar variabel.
Hubungan yang dimaksud disini adalah keeratan hubungan antara dua variabel atau lebih tanpa
memperhatikan ada tidaknya hubungan kausal di antara variabel-variabel yang dianalisis. Analisis
korelasi yang digunakan untuk menguji data yang bersifat parametrik sering juga disebut dengan
analisis Pearson. Metode analisis korelasi Pearson merupakan metode pengujian yang pada
dasarnya dilakukan terhadap suatu variabel pengukuran yang menyajikan data-data yang bersifat
kuantitatif. Metode Pearson ini dapat ditemukan pada aplikasi Minitab, baik Minitab 14 maupun
Minitab 15.

Contoh Uji Statistik Non Parametrik:

- Chi Square Test

Uji Chi Square pada uji statistik non parametric atau dikenal juga sebagai uji Kai Kuadrat, adalah
salah satu cara yang digunakan untuk menyampaikan atau menunjukkan keberadaan hubungan
(ada atau tidaknya) antara variabel yang diteliti. Misalkan sebagai peneliti, kita hendak melakukan
uji terhadap perilaku mahasiswa. Karakter yang akan diuji adalah perilaku mahasiswa yang
dikategorikan menjadi dua kategori. Kategori pertama yaitu mahasiswa yang mendukung program
kampus dan kedua adalah yang acuh terhadap program kampus. Kondisi tersebut memungkinkan
kita untuk melakukan uji hipotesis mengenai perbedaan perilaku mahasiswa tersebut dilihat dari
frekuensinya.

5. Hipotesis statistik menurut Borg dan Gall (1979) adalah ajuan pernysratan yang memuat tiga hal
yang mengungkapkan bahwa hipotesis dirumuskan dengan singkat tetapi jelas, hipotesis nyata dan
menunjukan apakah ada hubungan dengan variable yang lain. Terakhir, hipotesis harus didukung
dengan teori-teori yang telah dikemukakan oleh para ahli secara relevan.

Rumus Hipotesis statistik

Setelah mempelajari pengerian hipotesis statistik dari para ahli dan fungsinya, ada rumus cara
penghitungan yang perlu kamu kuasai. Karena rumus ini akan banyak membantu ketika hendak
melakukan uji statistik.
Description: Rumus Hipotesis Statistik
Keterangan :
µ : adalah hipotesis nol (nilai mean) yang akan diuji

σ : adalah deviasi standar yang diberikan

n : adalah jumlah sampel

x¯ n : adalah rata-rata sampel

z : adalah statistik yang diuji

Dari rumus hipotesis statistik di atas, sebagai dasar perhitungan. Terlepas di lapangan tidak bisa
mempraktekannya, ada beberapa opsi yang tidak direkomendasikan, yaitu membeli data statistic.
Kenapa cara ini tidak di sarankan? Karena akan mempersulit diri sendiri ketika ujian skripsi.

Rata-rata statistic yang dibeli dari tempat lain, akan kesulitan dalam menjelaskan kepada dosen penguji
saat pendadaran tiba. JIka tidak bisa menjawabnya, maka akan mempengaruhi nilai kamu.
Contoh Hipotesis Statistik

- Uang logam dilempar 100 kali. Kita ingin menguji hipotesis bahwa proporsi munculnya sisi gambar
adalah p = 0.5 apabila dari 100 kali lemparan hnaya menghasilkan 35 sisi gambar maka kita
mempunyai cukup bukti untuk menolah HoHo : p = 0.5 Ditolak H1 : p ≠ 0.5 Diterima Apabila dari
100 kali lemparan menghasilkan 48 kali sisi gambar makaHo : p = 0.5 Diterima H1 : p ≠ 0.5
Ditolak Penolakan suatu hipotesis berarti menyimpulkan bahwa hipotesis itu salah sedangkan
penerimaan hipotesis semata – mata karena kita tidak cukup bukti untuk mempercayai / menolak
hipotesis tersebut.Hipotesis yang dirumuskan dengan harapan akan ditolek adalah hipotesis nol (
Ho).Penolakan Ho mengakibatkan penerimaan suatu hipotesis alternatif (H1)Hipotesis alternatif
ada 3 kemungkinan rumusan yaitu :H1 : µ ≠ µoH1 : µ > µoH1 : µ < µoWilayah penolakan disebut
juga sebagai wilayah kritik.

SOAL PRAKTIK WAJIB MENGGUNAKAN SOFTWARE STATISTIK!

FREQUENCIES VARIABLES=VAR00001 VAR00003 VAR00004 VAR00007

/NTILES=4
/NTILES=10
/PERCENTILES=10.0 25.0 30.0 50.0 75.0 80.0
/STATISTICS=MINIMUM MAXIMUM MEAN MEDIAN MODE
/ORDER=ANALYSIS.

Frequencies

Notes
Output Created 29-MAY-2022 10:32:17
Comments
Input Active Dataset DataSet0
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data 12
File
Missing Value Handling Definition of Missing User-defined missing values
are treated as missing.
Cases Used Statistics are based on all
cases with valid data.
Syntax FREQUENCIES
VARIABLES=VAR00001
VAR00003 VAR00004
VAR00007
/NTILES=4
/NTILES=10
/PERCENTILES=10.0 25.0
30.0 50.0 75.0 80.0
/STATISTICS=MINIMUM
MAXIMUM MEAN MEDIAN
MODE
/ORDER=ANALYSIS.
Resources Processor Time 00:00:00,00
Elapsed Time 00:00:00,03

Statistics
VAR00001 VAR00003 VAR00004 VAR00007
N Valid 12 12 12 12
Missing 0 0 0 0

Frequency Table

VAR00001
Cumulative
Frequency Percent Valid Percent Percent
Valid Tahun 1 8,3 8,3 8,3
Tahun 2018 1 8,3 8,3 16,7
Tahun_2011 1 8,3 8,3 25,0
Tahun_2012 1 8,3 8,3 33,3
Tahun_2013 1 8,3 8,3 41,7
Tahun_2014 1 8,3 8,3 50,0
Tahun_2015 1 8,3 8,3 58,3
Tahun_2016 1 8,3 8,3 66,7
Tahun_2017 1 8,3 8,3 75,0
Tahun_2019 1 8,3 8,3 83,3
Tahun_2020 1 8,3 8,3 91,7
Tahun_2021 1 8,3 8,3 100,0
Total 12 100,0 100,0
 VAR00003
Cumulative
Frequency Percent Valid Percent Percent
Valid 66,65 1 8,3 8,3 8,3
67,26 2 16,7 16,7 25,0
68,49 1 8,3 8,3 33,3
69,15 1 8,3 8,3 41,7
69,76 1 8,3 8,3 50,0
70,34 1 8,3 8,3 58,3
70,9 1 8,3 8,3 66,7
71,66 1 8,3 8,3 75,0
71,93 1 8,3 8,3 83,3
72,24 1 8,3 8,3 91,7
IPM 1 8,3 8,3 100,0
Total 12 100,0 100,0

VAR00004
Cumulative
Frequency Percent Valid Percent Percent
Valid 10,27 1 8,3 8,3 8,3
10,32 1 8,3 8,3 16,7
8,69 1 8,3 8,3 25,0
8,72 1 8,3 8,3 33,3
8,78 1 8,3 8,3 41,7
9,06 1 8,3 8,3 50,0
9,38 1 8,3 8,3 58,3
9,39 1 8,3 8,3 66,7
9,4 1 8,3 8,3 75,0
9,54 1 8,3 8,3 83,3
9,82 1 8,3 8,3 91,7
IKK 1 8,3 8,3 100,0
Total 12 100,0 100,0

VAR00007
Cumulative
Frequency Percent Valid Percent Percent
Valid 11 91,7 91,7 91,7
SULAWESI SELATAN 1 8,3 8,3 100,0
Total 12 100,0 100,0
4. Membuat Variabel pada Variable View

Data kasus yang tersebut menggunakan measure pengukuran scale dan dengan tipe variabel numerik.
Sehingga dapat dibuat variabel, misalnya bernama “statistika” dengan label “Nilai Statistika”.

 Buka aplikasi SPSS Statistics dan arahkan ke Variable View

 Sorot salah satu sel
 Klik Edit › Insert Variable
 Sunting variabel dengan konfigurasi di atas

Memasukkan Data Kasus melalui Data View

Setelah variabel "nilai" telah dibuat dengan langkah di atas. Kemudian dapat dimasukkan data nilai
ujian statistika 10 mahasiswa. Kasus yang ada di variabel baris pertama di Variable View, kemudian
input melalui kolom pertama di Data View.

 Arahkan aplikasi SPSS ke Data View

 Input data kasus pada kolom "nilai"
 Seperti ilustrasi berikut

Sehingga diperoleh informasi dari output yang ditampilkan

 N (banyak data kasus) = Data valid 10 dan missing (kosong) 0

 Mean (nilai rata-rata) = 78,40
 Median (nilai tengah) = 78,00
 Mode (modus/nilai yang sering muncul) = 78,00
 Sum (jumlah data) = 784,00