LAPORAN STATISTIKA DESKRIPTIF

Disusun untuk memenuhi tugas 3 mata kuliah Statistika Industri

Dosen Pengampu: Dita Pramesti, S.Si., M.Si.

Kelompok 7
Nama Anggota:

1. Alfi Rizieq Husaini Daulay (1202210001)

2. Muhammad Haris Sitompul (1202210365)
3. Faiz Aslam Basalamah (1202210289)
4. Sabitha Aulia Naziba (1202213121)
5. Novia Rachma Sekar Adji Pangukir (1202213149)

FAKULTAS REKAYASA INDUSTRI

PROGRAM STUDI SISTEM INFORMASI
2022/2023
A. Tampilan Statistik Data pada Python
Data yang digunakan adalah data sekunder, berasal dari BPS (Badan Pusat Statistik)
yaitu
‘Data_Indeks_Kemiskinan_dan_Indeks_Ketidakcukupan_Pangan_di_Indonesia.csv’ yang

Gambar 1 Perintah Menampilkan Data

ditampilkan menggunakan perintah df = pd.read_excel sebagai berikut:

Gambar 2 Tampilan Statistik Data 1

Gambar 3 Tampilan Statistik Data 2

Gambar 4 Tampilan Statistik Data 3

Terdapat beberapa atribut, yaitu:

1. “Provinsi” berisikan nama-nama provinsi yang ada di Indonesia, kolom ini
merupakan populasi yang terdapat pada data tersebut, berjumlah 34 provinsi.
2. “Indeks Kemiskinan daerah Perkotaan tahun 2019” berisikan indeks
kemiskinan daerah perkotaan dalam setiap provinsi yang ada di Indonesia pada
tahun 2019, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
3. “Indeks Kemiskinan daerah Perkotaan tahun 2020” berisikan indeks
kemiskinan daerah perkotaan dalam setiap provinsi yang ada di Indonesia pada
tahun 2020, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
4. “Indeks Kemiskinan daerah Perkotaan tahun 2021” berisikan indeks
kemiskinan daerah perkotaan dalam setiap provinsi yang ada di Indonesia pada
tahun 2021, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
5. “Indeks Kemiskinan daerah Perdesaan tahun 2019” berisikan indeks
kemiskinan daerah perdesaan dalam setiap provinsi yang ada di Indonesia pada
tahun 2019, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
6. “Indeks Kemiskinan daerah Perdesaan tahun 2020” berisikan indeks
kemiskinan daerah pedesaan dalam setiap provinsi yang ada di Indonesia pada tahun
2020, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
7. “Indeks Kemiskinan daerah Perdesaan tahun 2021” berisikan indeks
kemiskinan daerah perdesaan dalam setiap provinsi yang ada di Indonesia pada
tahun 2021, kolom ini merupakan variabel yang bersifat kuantitatif / numerik.
8. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2019” berisikan
indeks kemiskinan daerah perkotaan dan pedesaan dalam setiap provinsi yang ada di
Indonesia pada tahun 2019, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.
9. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2020” berisikan
indeks kemiskinan daerah perkotaan dan pedesaan dalam setiap provinsi yang ada di
Indonesia pada tahun 2020, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.
10. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2021” berisikan
indeks kemiskinan daerah perkotaan dan pedesaan dalam setiap provinsi yang ada di
Indonesia pada tahun 2021, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.
11. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2019” berisikan
persentase ketidakcukupan konsumsi pangan dalam setiap provinsi yang ada di
Indonesia pada tahun 2019, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.
12. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2020” berisikan
persentase ketidakcukupan konsumsi pangan dalam setiap provinsi yang ada di
Indonesia pada tahun 2020, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.
13. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2021” berisikan
persentase ketidakcukupan konsumsi pangan dalam setiap provinsi yang ada di
 Indonesia pada tahun 2021, kolom ini merupakan variabel yang bersifat kuantitatif /
numerik.

Dari uraian tersebut, terdapat 12 variabel yang bersifat numerik/kuantitatif sehingga

dari variabel tersebut dapat ditentukan statistiknya, variabel tersebut adalah:
1. “Indeks Kemiskinan daerah Perkotaan tahun 2019”
2. “Indeks Kemiskinan daerah Perkotaan tahun 2020”
3. “Indeks Kemiskinan daerah Perkotaan tahun 2021”
4. “Indeks Kemiskinan daerah Perdesaan tahun 2019”
5. “Indeks Kemiskinan daerah Perdesaan tahun 2020”
6. “Indeks Kemiskinan daerah Perdesaan tahun 2021”
7. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2019”
8. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2020”
9. “Indeks Kemiskinan daerah Perkotaan dan Perdesaan tahun 2021”
10. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2019”
11. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2020”
12. “Persentase Ketidakcukupan Konsumsi Pangan tahun 2021”
Tampilan statistik dari 12 variabel dengan perintah df.describe():

Gambar 5 Tampilan Statistik dari Variabel Numerik

DataFrame method describe() menampilkan statistik dasar setiap kolom data yang
bersifat numerik, mencakup banyaknya data (count), rata-rata aritmetik (mean) yang
digunakan untuk menentukan ukuran pusat suatu data, simpangan baku (std) yang
digunakan untuk menentukan ukuran keragaman suatu data, nilai terkecil (min) untuk
mencari nilai minimum sehingga dapat mengetahui rentang atau selisih antar data,
kuartil pertama (25%) yang mencakup 25% nilai dari data pertama, kuartil
kedua/median (50%) yang mencakup 50% atau setengah nilai dari data pertama,
 kuartil ketiga (75%) yang mencakup 75% nilai dari data pertama, dan nilai terbesar
(max) untuk mencari nilai maksimum sehingga dapat diketahui rentang antar data
minimum dan data maksimum.

B. Interprestasi Statistik
1. Apa yang dapat Anda simpulkan dari nilai rata-ratanya?
Nilai rata-rata indeks kemiskinan daerah perkotaan dan perdesaan mengalami
peningkatan pada tahun 2019 - 2020, dan penurunan pada tahun 2020 - 2021.
Walaupun pada indeks kemiskinan daerah perkotaan mengalami peningkatan pada
tahun 2020-2021 tetapi peningkatannya tidak terlalu signifikan, dan pada daerah
perdesaan yang memiliki angka indeks cukup besar, angka indeksnya mengalami
penurunan cukup besar sehingga pada indeks gabungan daerah perkotaan dan
perdesaan juga mengalami penurunan bukan peningkatan. Sedangkan pada rata-rata
persentase ketidakcukupan konsumsi pangan selalu mengalami peningkatan, tetapi
peningkatan yang signifikan juga hanya terjadi pada tahun 2019-2020. Peningkatan
persentase ketidakcukupan konsumsi pangan yang terjadi pada tahun 2019 - 2020
cukup signifikan dikarenakan adanya pandemi covid-19 yang memberikan dampak
pada indeks kemiskinan dan menimbulkan dampak pada ketidakcukupan konsumsi
pangan. Akan tetapi ketika terdapat adaptasi dan perbaikan pada tahun 2020-2021
beberapa indeks menunjukkan penurunan seperti indeks kemiskinan pada daerah
perdesaan dan indeks kemiskinan gabungan dari daerah perkotaan dan perdesaan.
Sedangkan beberapa indeks masih mengalami peningkatan tetapi tidak terlalu
signifikan seperti indeks kemiskinan pada perkotaan dan persentase ketidakcukupan
konsumsi pangan.

2. Apa yang dapat Anda simpulkan jika nilai standar deviasi lebih besar atau lebih kecil
dari nilai rata-rata?
Nilai indeks kemiskinan daerah perkotaan pada tahun 2019 - 2021 memiliki
nilai standar deviasi lebih kecil dari nilai rata-rata menandakan bahwa nilai sebaran
data varian pada daerah perkotaan lebih kecil atau mengumpul pada nilai rata-ratanya
sehingga nilai rata-rata dapat digunakan sebagai nilai representasi data keseluruhan
pada tahun 2019 - 2021 dan data bersifat homogen, lalu pada nilai data indeks
kemiskinan daerah perdesaan pada tahun 2019 - 2021 memiliki nilai standar deviasi
lebih besar dari nilai rata-rata menandakan bahwa nilai sebaran data varian lebih
 menyebar sehingga nilai rata-rata merupakan representasi yang buruk dari data
keseluruhan pada tahun 2019 - 2021 dan data bersifat heterogen.

Selanjutnya, nilai indeks kemiskinan pada daerah perkotaan dan perdesaan

pada tahun 2019 memiliki nilai standar deviasi yang lebih besar dari nilai rata-ratanya
yang menandakan data varian lebih menyebar dan data bersifat heterogen, sedangkan
nilai indeks kemiskinan pada daerah perkotaan dan perdesaan pada tahun 2020 - 2021
memiliki nilai standar deviasi yang lebih kecil dari nilai rata-ratanya yang
menandakan data varian lebih mengumpul pada nilai rata-rata sehingga nilai rata-rata
dapat dijadikan nilai representasi data keseluruhan pada tahun 2020 - 2021 dan data
bersifat homogen.

Kemudian, nilai pada persentase ketidakcukupan konsumsi pangan pada tahun

2019 - 2021 memiliki nilai standar deviasi yang lebih kecil dari nilai rata-ratanya
yang menandakan nilai data varian mengumpul pada nilai rata-rata sehingga nilai
rata-rata dapat digunakan sebagai nilai representasi data keseluruhan pada tahun 2019
- 2021 dan data bersifat homogen.

3. Apakah dalam variabel Indeks Kemiskinan daerah Perkotaan tahun 2019 terdapat
outlier dengan pencarian menggunakan Nilai Min, Max, Q1, Q3, dan Jarak Antar
Quartile?
Data Outlier merupakan data yang memiliki nilai ekstrim jika dibandingkan
dengan nilai pada umumnya. Pencarian data outlier atau data pencilan bertujuan untuk
mengetahui kesalahan dari hasil uji statistik yang bersifat kurang tepat karena data
outlier dapat mempengaruhi pengambilan kesimpulan dalam sebuah penelitiaan.
Penyebab adanya data outlier adalah kelalaian dalam penginputan data sehingga
terdapat kesalahan atau pengambilan sampel yang tidak sesuai. Oleh karena itu, perlu
melakukan pencarian data outlier supaya dapat mengetahui data yang sangat berbeda
jauh atau menyimpang dari observasi lainnya dan tidak berdistribusi secara normal.

Dalam mencari outlier pada suatu data, terdapat beberapa langkah yaitu:
a. Menghitung nilai Jangkauan Antar Kuartil dengan menggunakan rumus sebagai
berikut:
Jangkauan Antar Quartile = Q3 - Q1
 Jangkauan Antar Quartile = 0.332500 - 0.135000
Jangkauan Antar Quartile = 0.1975

b. Menghitung nilai pagar dalam dengan menggunakan rumus sebagai berikut:

Pagar Dalam 1 = Q1 - 3/2 JAK
Pagar Dalam 1 = 0.135000 - (3/2 x 0.1975)
Pagar Dalam 1 = 0.135000 - 0.29625
Pagar Dalam 1 = -0.16125
Pagar Dalam 2 = Q3 + 3/2 JAK
Pagar Dalam 2 = 0.332500 + (3/2 x 0.1975)
Pagar Dalam 2 = 0.332500 + 0.29625
Pagar Dalam 2 = 0.62875

c. Menghitung nilai pagar luar dengan menggunakan rumus sebagai berikut:

Pagar Luar 1 = Q1 - 3 JAK
Pagar Luar 1 = 0.135000 - (3 x 0.1975)
Pagar Luar 1 = 0.135000 - 0.5925
Pagar Luar 1 = -0.4575
Pagar Luar 2 = Q3 + 3 JAK
Pagar Luar 2 = 0.332500 + (3 x 0.1975)
Pagar Luar 2 = 0.332500 + 0.5925
Pagar Luar 2 = 0.935

d. Menentukan outlier
Nilai min : 0.237794
Nilai max : 0.555000
● Pagar Dalam -0.16125 hingga 0.62875 :
Maka tidak ada outlier minor pada data ini, karena tidak ada data yang
terletak diluar interval Pagar Dalam.
● Pagar Luar -0.4575 hingga 0.935 :
Maka tidak ada outlier mayor pada data ini, karena tidak ada data yang
terletak diluar interval Pagar Luar.
4. Apakah dalam variabel Indeks Kemiskinan daerah Perdesaan tahun 2019 terdapat
outlier dengan pencarian menggunakan Nilai Min, Max, Q1, Q3, dan Jarak Antar
Quartile?
Dalam mencari outlier pada suatu data, terdapat beberapa langkah yaitu:
a. Menghitung nilai Jangkauan Antar Kuartil dengan menggunakan rumus sebagai
berikut:
Jangkauan Antar Quartile = Q3 - Q1
Jangkauan Antar Quartile = 0.636818 - 0.28875
Jangkauan Antar Quartile = 0.348068

b. Menghitung nilai pagar dalam dengan menggunakan rumus sebagai berikut:

Pagar Dalam 1 = Q1 - 3/2 JAK
Pagar Dalam 1 = 0.28875 - (3/2 x 0.348068)
Pagar Dalam 1 = 0.28875 - 0.522102
Pagar Dalam 1 = -0.233352
Pagar Dalam 2 = Q3 + 3/2 JAK
Pagar Dalam 2 = 0.636818 + (3/2 x 0.348068)
Pagar Dalam 2 = 0.636818 + 0.522102
Pagar Dalam 2 = 1.15892
c. Menghitung nilai pagar luar dengan menggunakan rumus sebagai berikut:
Pagar Luar 1 = Q1 - 3 JAK
Pagar Luar 1 = 0.28875 - (3 x 0.348068)
Pagar Luar 1 = 0.28875 - 1.044204
Pagar Luar 1 = -0.755454
Pagar Luar 2 = Q3 + 3 JAK
Pagar Luar 2 = 0.636818 + (3 x 0.348068)
Pagar Luar 2 = 0.636818 + 1.044204
Pagar Luar 2 = 1.681022

d. Menentukan outlier
Nilai min :0.105000
Nilai max : 3.195000
● Pagar Dalam -0.233352 hingga 1.15892 :
 Maka tidak ada outlier minor pada data ini, karena tidak ada data yang
terletak diluar interval Pagar Dalam.
● Pagar Luar -0.755454 hingga 1.681022 :
Terdapat outlier mayor pada data ini, yaitu nilai 3.195 dan 3.15, kedua nilai
tersebut terdapat diluar interval Pagar Luar.

5. Apakah dalam variabel Indeks kemiskinan daerah Perkotaan dan Perdesaan tahun
2019 terdapat outlier dengan pencarian menggunakan Nilai Min, Max, Q1, Q3, dan
Jarak Antar Quartile?
Dalam mencari outlier pada suatu data, terdapat beberapa langkah yaitu:
a. Menghitung nilai Jangkauan Antar Kuartil dengan menggunakan rumus sebagai
berikut:
Jangkauan Antar Quartile = Q3 - Q1
Jangkauan Antar Quartile = 0.515000 - 0.213750
Jangkauan Antar Quartile = 0.30125

b. Menghitung nilai pagar dalam dengan menggunakan rumus sebagai berikut:

Pagar Dalam 1 = Q1 - 3/2 JAK
Pagar Dalam 1 = 0.213750 - (3/2 x 0.30125)
Pagar Dalam 1 = 0.213750 - 0.451875
Pagar Dalam 1 = -0.238125
Pagar Dalam 2 = Q3 + 3/2 JAK
Pagar Dalam 2 = 0.515000 + (3/2 x 0.30125)
Pagar Dalam 2 = 0.515000 + 0.451875
Pagar Dalam 2 = 0.966875

c. Menghitung nilai pagar luar dengan menggunakan rumus sebagai berikut:

Pagar Luar 1 = Q1 - 3 JAK
Pagar Luar 1 = 0.213750 - (3 x 0.30125)
Pagar Luar 1 = 0.213750 - 0.90375
Pagar Luar 1 = -0.690000
Pagar Luar 2 = Q3 + 3 JAK
Pagar Luar 2 = 0.515000 + (3 x 0.30125)
Pagar Luar 2 = 0.515000 + 0.90375
 Pagar Luar 2 = 1,41875

d. Menentukan Outlier
Nilai min : 0.090000
Nilai max : 2.290000
● Pagar Dalam -0.238125 hingga 0.966875 :
Terdapat outlier minor pada data ini, yaitu nilai 0.995, dan 1.125, kedua nilai
tersebut terdapat diluar interval Pagar Dalam.
● Pagar Luar -0.690000 hingga 1,41875 :
Terdapat outlier mayor pada data ini, yaitu nilai 1.935, dan 2.290, kedua
nilai tersebut terdapat diluar interval Pagar Luar.

6. Apakah dalam variabel Persentase Ketidakcukupan Konsumsi Pangan tahun 2019

terdapat outlier dengan pencarian menggunakan Nilai Min, Max, Q1, Q3, dan Jarak
Antar Quartile?
Dalam mencari outlier pada suatu data, terdapat beberapa langkah yaitu:
a. Menghitung nilai Jangkauan Antar Kuartil dengan menggunakan rumus sebagai
berikut:
Jangkauan Antar Quartile = Q3 - Q1
Jangkauan Antar Quartile = 9.942500 - 4.855000
Jangkauan Antar Quartile = 5.0875

b. Menghitung nilai pagar dalam dengan menggunakan rumus sebagai berikut:

Pagar Dalam 1 = Q1 - 3/2 JAK
Pagar Dalam 1 = 4.855000 - (3/2 x 5.0875)
Pagar Dalam 1 = 4.855000 - 7.63125
Pagar Dalam 1 = -2.77625
Pagar Dalam 2 = Q3 + 3/2 JAK
Pagar Dalam 2 = 9.94250 + (3/2 x 5.0875)
Pagar Dalam 2 = 9.94250 + 7.63125
Pagar Dalam 2 = 17.57375

c. Menghitung nilai pagar luar dengan menggunakan rumus sebagai berikut:

Pagar Luar 1 = Q1 - 3 JAK
 Pagar Luar 1 = 4.855000 - (3 x 5.0875)
Pagar Luar 1 = 4.855000 - 15.2625
Pagar Luar 1 = -10.4075
Pagar Luar 2 = Q3 + 3 JAK
Pagar Luar 2 = 9.94250 + (3 x 5.0875)
Pagar Luar 2 = 9.94250 + 15.2625
Pagar Luar 2 = 25.205

d. Menentukan outlier
Nilai min : 1.430000
Nilai max : 38.210000
● Pagar Dalam -2.77625 hingga 17.57375 :
Terdapat outlier minor pada data ini, yaitu nilai 19.11, dan 19.22, kedua nilai
tersebut terdapat diluar interval Pagar Dalam.
● Pagar Luar -10.4075 hingga 25.205 :
Terdapat outlier mayor pada data ini, yaitu nilai 34.12, 35.81 dan 38.21,
ketiga nilai tersebut terdapat diluar interval Pagar Luar.