DESKRIPTIF
- Pengertian statistik deskriptif
- Tujuan statistik deksriptif
- Macam-macam statistic dsktiptif
- Macam-macam pengumpulan dan
penyajian data
- Normalitas dan homogenitas data
- Ukuran tendensi sentral
Pengertian statistik deskriptif
Metode-metode yang (Tanpa analisis, tanpa
berkaitan dengan generalisasi, tanpa pengujian
pengumpulan dan hipotesis, dan hanya melakukan
penyajian suatu gugus perhitungan-perhitungan saja)
data sehingga Disajikan dalam bentuk tabel
memberikan informasi distribusi frekuensi (mean,
modus, median), bar-diagram,
yang berguna histogram, polygon, dll
Tujuan statistik deskriptif
Memberikan informasi mengenai data yang dipunyai dan sama
sekali tidak menarik inferensia atau kesimpulan
Informasi yang dapat diperoleh dari statistik deskriptif ini antara
lain ukuran pemusatan data, ukuran penyebaran data, serta
kecenderungan suatu gugus data.
Contoh : tabel, diagram, grafik,
DATA
.
DATA MENURUT SKALA
PENGUKURAN
a. Nominal, sifatnya hanya untuk membedakan antar kelompok.
Contoh: Jenis kelamin,
Jurusan dalam suatu sekolah tinggi
(Manajemen, Akuntansi).
2. Kuantitatif
◦ Mengindikasikan seberapa banyak (how many/diskret atau how
much/kontinu)
◦ Data selalu numeric
◦ Skala pengukuran: Interval dan Rasio
JENIS DATA MENURUT WAKTU PENGUMPULANNYA
1. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu yang sama atau hampir
sama
Contoh: Jumlah mahasiswa STEKPI TA 2005/2006,
Jumlah perusahaan go public tahun 2006
2. Grafik
◦ Batang (Bar Graph), untuk perbandingan/pertumbuhan
◦ Lingkaran (Pie Chart), untuk melihat perbandingan (dalam
persentase/proporsi)
◦ Grafik Garis (Line Chart), untuk melihat pertumbuhan
◦ Grafik Peta, untuk melihat/menunjukkan lokasi
MANFAAT
TABEL DAN GRAFIK
Meringkas/rekapitulasi data, baik data kualitatis maupun
kuantitatif
◦ Data kualitatif berupa distribusi Frekuensi, frekuensi
relatif, persen distribusi frekuensi, grafik batang, grafik
lingkaran.
◦ Data kuantitatif berupa distribusi frekuensi, relatif
frekuensi dan persen distribusi frekuensi, diagram/plot
titik, histogram, distribusi kumulatif, ogive.
Dapat digunakan untuk melakukan eksplorasi data
Membuat tabulasi silang dan diagram sebaran data
GRAFIK BATANG
(BAR GRAPH)
Bermanfaat untuk merepresentasikan data kuantitatif
maupun kualitatif yang telah dirangkum dalam frekuensi,
frekuensi relatif, atau persen distribusi frekuensi.
Cara:
◦ Pada sumbu horisontal diberi label yang menunjukkan
kelas/kelompok.
◦ Frekuensi, frekuensi relatif, maupun persen frekuensi
dinyatakan dalam sumbu vertikal yang dinyatakan dengan
menggunakan gambar berbentuk batang dengan lebar yang
sama/tetap.
Grafik dari data…
Mapel Rata-rata
Matematika 8,5
Bhs Indonesia 7,2
Bhs Inggris 9,1
I PA 4,8
IPS 6,3
GRAFIK LINGKARAN
(PIE CHART)
Digunakan untuk mempresentasikan distribusi frekuensi
relatif dari data kualitatif maupaun data kuantitatif yagn
telah dikelompokkan.
Cara:
◦ Gambar sebuah lingkaran, kemudian gunakan frekuensi relatif
untuk membagi daerah pada lingkaran menjadi sektor-sektor
yang luasnya sesuai dengan frekuensi relatif tiap
kelas/kelompok.
◦ Contoh, bila total lingkaran adalah 360o maka suatu kelas
dengan frekuensi relatif 0,25 akan membutuhkan daerah
seluas (0,25)(360) = 90o dari total luas lingkaran.
Diagram Lingkaran dari data…
Mapel Rata-rata
Matematika 8,5
Bhs Indonesia 7,2
Bhs Inggris 9,1
I PA 4,8
IPS 6,3
OGIVE
• Merupakan grafik dari distribusi frekuensi kumulatif.
• Nilai data disajikan pada garis horisontal (sumbu-x).
• Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
• Frekuensi yang digunakan (salah satu diatas)masing-masing kelas
digambarkan sebagai titik.
• Setiap titik dihubungkan oleh garis lurus.
OGIVE
Contoh: Bengkel Hudson Auto
100
Persen frekuensi kumulatif
80
60
40
20
Biaya
($)
50 60 70 80 90 100 110
NORMALITAS DAN HOMOGENITAS DATA
Uji Normalitas Data
Kenapa diperlukan?
Untuk menentukan teknik statistik apa yang akan digunakan?
◦ Data berdistribusi tidak normal → statistik non parametrik (Korelasi Rank Spearman, Korelasi Kendall)
◦ Data berdistribusi normal → statistik parametrik (Korelasi Product Moment/Pearson, Regresi)
Bagaimana caranya? Ada 3 Cara
Dengan melihat hasil nilai skewness yang didapat melalui statistik deskriptif (Data dikatakan
berdistribusi normal jika nilai Skewness di antara:
◦ (-1 ---- +1) atau (-2 --- +2)
Jika nilai Sig lebih besar dari 0,05 maka data berdistribusi normal
Jika nilai Sig lebih kecil dari 0,05 maka data tidak berdistribusi normal
Cara lain
Hasilnya
Tests of Normality
a
Kolmogorov-Smirnov Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TOTALHSL .107 44 .200* .966 44 Descriptive
.372 Statistics
KINERJA .122 44 .101 .943 44 .048
MOTIVASI .163 44 .005 .889 44 N
.010** Skewness
IKLIM .144 44 .022 .943 44 Statistic
.046 Statistic Std. Error
KOMITMEN .135 44 .042 TOTALHSL
.942 44 .043 44 .686 .357
KEPUASAN .124 44 .088 KINERJA
.946 44 .061 46 -.772 .350
KEPEMIMP .108 44 .200* .930
MOTIVASI 44 .017 46 -1.296 .350
*. This is a lower bound of the true significance. IKLIM 46 -.238 .350
**. This is an upper bound of the true significance. KOMITMEN 46 .026 .350
a. Lilliefors Significance Correction KEPUASAN 46 -.611 .350
KEPEMIMP 46 -.773 .350
Valid N (listwise) 44
25 26 21 28
30 31 29 28
32 38 29 36
36 39 31 37
40 39 37 39
Penyelesaian:
34,3
𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 = = 1,2564
27,3
𝐹(max )𝑡𝑎𝑏𝑒𝑙 = 20,6 (𝑛 − 1 = 4, 𝑘 = 4)
Kesimpulan: 𝐻0 diterima katena 𝐹(max )ℎ𝑖𝑡𝑢𝑛𝑔 < 𝐹(max )𝑡𝑎𝑏𝑒𝑙 yang berarti
keempat kelompok itu homogen
Uji Bartlett
Untuk melakukan pengujian ini kita misalkan sampel berukuran n1, n2, ... , nk
dengan data Yij (i = 1,2,3...,k dan j = 1, 2, 3, ..., nk) dari sampel-sampel itu hitung
variannya.
Dari Populasi Ke
1 2 .... k
𝑌11 𝑌21 ...... 𝑌𝑘1
𝑌12 𝑌22 ...... 𝑌𝑘2
. . .
. . .
𝑌1𝑛1 𝑌2𝑛2 ...... 𝑌𝑘𝑛𝑘
Lanjutan Uji Bartlet
Tabel Penolong Uji Bartlett
H0 = 𝑆12 = 𝑆22 = ⋯ 𝑆𝑘2
Sampel ke db S i2 Log Si2 (db) Log Si2
1
𝑛1 − 1
2 2 2
𝑆1 log 𝑆1 1 log 𝑆1
(𝑛1 − )
2
𝑛2 − 1
2 2
𝑆2 log 𝑆2 𝑆 . 2
. (𝑛2 − 1) log 2
. . . .
.
. . .
k
2
𝑆
(𝑛𝑘 − 1)log 𝑘
2
𝑆𝑘
𝑛𝑘 − 1
2 log
𝑆𝑘
- -
𝑑𝑏 σ db LogSi2
Lanjutan Uji Bartlett
Dari daftar diatas hitung harga-harga yang diperlukan yaitu:
2
σ 𝑛𝑖 − 1 𝑆𝑖
𝑆2 =
σ 𝑛𝑖 − 1
𝐵 = (log 𝑆 2 ) 𝑛𝑖 − 1
Jumlah = 3 - -
𝑛𝑖 − 1 = 192 𝑑𝑏 𝑙𝑜𝑔 𝑆𝑖2 = 316,8
Lanjutan Langkah Penyelesaian
2
𝑛1 . 𝑆12 + 𝑛2 . 𝑆22 + 𝑛3 . 𝑆32
𝑆 =
𝑛1 + 𝑛2 + 𝑛3
64 . 37,934 + 64 . 51,760 + (64 . 45,612)
𝑆2 =
64 + 64 + 64
8659,584
𝑠2 = = 45,102
192
Lanjutan Langkah Penyelesaian
2 2
1,863 < 5,991 berarti 𝑋ℎ𝑖𝑡𝑢𝑛𝑔 < 𝑋𝑡𝑎𝑏𝑒𝑙 , maka nilai varians-
variansnya homogen
8, 6, 6, 7, 8, 7, 7, 8, 6, 6,
Rumus ini hanya dapat digunakan untuk mencari median yang seluruh
sekornya (nilai) yang hanya berfrekuensi satu
X
M =
N
Cara Mencari Mean Data Tungal
Rumusnya adalah:
fX
Mx =
N
Mx = mean yang akan dicari
f = frekuensi
X = Nilai
N = banyaknya nilai
Contoh: Perhatikan data pinjaman berikut,
kemudian tentukan meannya
Nilai (X) f fX
8 7 56
7 20 140
6 10 60
5 3 15
Jumlah N= 40 fX = 271
Dari tabel di atas kita memperoleh data yang langsung
dimasukkan ke rumus:
fX Mx = 271/40 = 6,8
Mx =
N
Cara mencari mean data berkeompok
Cara untuk mencari mean untuk data berkelompok ada dua cara
yaitu: cara panjang dan cara pendek. Untuk mencarinya berikut
disajikan data 250 orang kunjungan ke perpustakan X selama
tahun 2010 INTERVAL KUNJUNGAN F
80 – 84 11
75 – 79 24
70 – 74 30
65 – 69 48
60 – 64 55
55 – 59 31
50 – 54 19
45 – 49 17
40 – 44 10
35 -39 5
Jumlah N = 250
Cara panjang
Tentukan dulu nilai X dengan cara mencari nilai tengah
interval. Misal interval 80 – 84. Nilai tengahnya adalah
80+84/2 = 82
INTERVAL KUNJUNGAN f X fX
80 – 84 11 82 902
75 – 79 24 77 1.848
70 – 74 30 72 2.160
65 – 69 48 67 3.216
60 – 64 55 62 3.410
55 – 59 31 57 1.767
50 – 54 19 52 988
45 – 49 17 47 799
40 – 44 10 42 420
35 -39 5 37 185
Dari tabel di atas diperoleh: fX = 15.695 dan N 250
Mx = 15.695/250 = 62,78
Cara pendek
Untuk cara pendek rumusnya adalah
fx '
M x = M ' +i
N
Mx = mean yang akan dicari
M’ = mean terkaan
I = interval
x’ = nilai x terkaan
fx’ = jumlah dari perkalian f dengan x
N = banyaknya nilai
Untuk mencarinya, terlebih dahulu kita persiapkan tabel data (kita gunakan tabel
sebelumnya)
INTERVAL f X X’ Fx’
KUNJUNGAN
80 – 84 11 82
75 – 79 24 77
70 – 74 30 72
65 – 69 48 67
60 – 64 55 62
55 – 59 31 57
50 – 54 19 52
45 – 49 17 47
40 – 44 10 42
35 -39 5 37
Jumlah N= fx’=
250
Untuk memenuhi tuntutan Rumus, kita harus mengisi tabel di atas.
Yang per tama diakukan adalah menetapkan mean terkaan (M’). Caranya
adalah menerka salah satu nilai tengagnya. Namun sebaiknya pilihlah yang
frekuensinya tertinggi yaitu interval 60 – 64, dimana f nya 55. Jadi diperoleh
mean terkaan (M’) adalah 62. Atau boleh juga memilih interval lain yang berada
di tengah misalnya 55 – 59, f nya = 31 dan M’ 57. Tapi untuk sekarang kita
pakai M’ = 62
Setelah diperoleh M’= 62, maka kita tetapkan nilai x’ dimuali dari 0 pada posisi
yang sejajar dengan M’.
Selanjutnya dari o diurutkan ke atas 1, 2, 3 dst. dan ke bawah -1, -2, -3 dst.
Jika x’ (terkaan) sudah terisi, maka ditentukan fx’ dengan mengalikan nilai f
dengan x’.
Lengkapnya dapat kita lihat pada tabel berikut.
INTERVAL f X x’ Fx’
KUNJUNGAN
80 – 84 11 82 4 44
75 – 79 24 77 3 72
70 – 74 30 72 2 60
65 – 69 48 67 1 48
60 – 64 55 62M’ 0 0
55 – 59 31 57 -1 -31
50 – 54 19 52 -2 -38
45 – 49 17 47 -3 -51
40 – 44 10 42 -4 -40
35 -39 5 37 -5 -25
Jumlah N = 250 - - fx’= 39
Mean sudah dapat dihitung karena angka/nilai yang diperlukan dalam rumus sudah tersedia:
Mx = mean yang akan dicari
M’ = 62
i=5
fx’ = 39
N = 250
Dengan berpedoman kepada rumus:
fx '
M x = M ' +i
Mx = 62 + 5(39/250) N
Mx= 62 + 0,78 = 62,78
Penggunaan Mean
(1) Mean digunakan bila distribusi frekuensi bersifat normal (simetris)
(3) Mean juga digunakan untuk mencari standar deviasi, deviasi rata-rata, korelasi, komparasi
dan lain-lain.
(2) Median
• Median dari n pengukuran atau pengamatan x1, x2 ,..., xn adalah nilai pengamatan yang
terletak di tengah gugus data setelah data tersebut diurutkan.
• Apabila banyaknya pengamatan (n) ganjil, median terletak tepat ditengah gugus data,
sedangkan bila n genap, median diperoleh dengan cara interpolasi yaitu rata-rata dari dua
data yang berada di tengah gugus data.
• Dengan demikian, median membagi himpunan pengamatan menjadi dua bagian yang sama
besar, 50% dari pengamatan terletak di bawah median dan 50% lagi terletak di atas median.
• Median sering dilambangkan dengan (dibaca "x-tilde") apabila sumber datanya berasal dari
sampel (dibaca "μ-tilde") untuk median populasi.
• Median tidak dipengaruhi oleh nilai-nilai aktual dari pengamatan melainkan pada posisi
mereka.
• Prosedur untuk menentukan nilai median, pertama urutkan data terlebih dahulu, kemudian
ikuti salah satu prosedur berikut ini:
1. Banyak data ganjil → mediannya adalah nilai yang berada tepat di tengah gugus data
2. Banyak data genap → mediannya adalah rata-rata dari dua nilai data yang berada di
tengah gugus data
a. Median data tunggal:
Untuk menentukan median dari data tunggal, terlebih dulu kita harus mengetahui
letak/posisi median tersebut. Posisi median dapat ditentukan dengan menggunakan formula berikut:
1. Apabila pada sekumpulan data terdapat dua mode, maka gugus data tersebut
dikatakan bimodal.
2. Apabila pada sekumpulan data terdapat lebih dari dua mode, maka gugus data tersebut
dikatakan multimodal.
3. Apabila pada sekumpulan data tidak terdapat mode, maka gugus data tersebut
dikatakan tidak mempunyai modus.
Meskipun suatu gugus data mungkin saja tidak memiliki modus, namun pada suatu
distribusi data kontinyu, modus dapat ditentukan secara analitis.
• Untuk gugus data yang distribusinya simetris, nilai mean, median dan modus
semuanya sama.
• Untuk distribusi miring ke kiri (negatively skewed): mean < median < modus
• untuk distribusi miring ke kanan (positively skewed): terjadi hal yang sebaliknya,
yaitu mean > median > modus.
a. Modus Data Tunggal:
Contoh 8:
• 2, 4, 5, 6, 6, 7, 7, 7, 8, 9
• 2, 4, 6, 6, 6, 7, 7, 7, 8, 9
• 2, 4, 6, 6, 6, 7, 8, 8, 8, 9
• 2, 4, 5, 5, 6, 7, 7, 8, 8, 9
• 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Jawab:
dimana:
bmo = frekuensi dari kelas yang memuat modus (yang nilainya tertinggi)