Hanifah Nurul Aini

NIM 180162213

(1) Analisis Statistika Deskriptif dan Fungsi Masing-masing Analisis

Analisis yang digunakan dalam statistika deskriptif :

1. Tendensi sentral (central tendency) merupakan ukuran nilai yang menggambarkan di mana data
memusat. Berfungsi untuk memahami dan menggambarkan distribusi suatu gejala atau fenomena.
Beberapa ukuran yang dapat digunakan untuk menunjukkan pusat data :

 Mean (rata-rata) merupakan tendensi sentral yang paling banyak digunakan. Mean
didapatkan dari menjumlahkan semua nilai data pengamatan kemudian dibagi dengan
banyaknya data. Mean berfungsi untuk menentukan nilai rata-rata dari suatu kumpulan data.
 Median (nilai tengah) merupakan nilai pengamatan yang terletak di tengah kumpulan data
setelah data tersebut diurutkan. Median berfungsi untuk mencari nilai tengah dari kumpulan
data.
 Mode (modus) merupakan nilai frekuensi terbesar dari suatu data dalam kumpulan data.
Modus berfungsi untuk mencari nilai (data) yang paling sering muncul dalam kumpulan data.

2. Persebaran (spread) adalah ukuran penyebaran data yang digunakan untuk menjelaskan variasi
pada sampel maupun populasi. Ukuran penyebaran data umunya digunakan secara bersamaan dengan
ukuran pemusatan data seperti mean dan median untuk memberikan gambaran terkait distribusi dari
suatu data. Persebaran terdiri atas :

 Kuartil (quartile) merupakan nilai yang membagi kelompok data berurutan menjadi empat
bagian yang sama rata. Setiap bagian mewakili 1/4 atau 25% dari kelompok data. Kuartil ke-2
adalah median dari kumpulan data.
 Desil (decil) merupakan nilai yang membagi kelompok data berurutan menjadi sepuluh
bagian yang sama rata. Setiap bagian mewakili 1/10 atau 10% dari kelompok data. Desil ke-5
adalah median dari kumpulan data.
 Presentil (precentile) merupakan nilai yang membagi kelompok data berurutan menjadi
seratus bagian yang sama rata. Setiap bagian mewakili 1/100 atau 1% dari kelompok data.
Presentil ke-50 adalah median dari kumpulan data.
 Precentile rank adalah kedudukan sebuah data dalam kelompok data yang menunjukkan
banyaknya persentase yang berada di bawah data tersebut. Dalam hal ini, data tujuan
dibandingkan dengan data lain yang mempunyai skor sama atau lebih kecil darinya.

3. Variabilitas (variability) adalah derajat penyebaran nilai-nilai variabel dari tendensi sentral dalam
suatu distribusi yang menunjukkan seberapa banyak atas seberapa jauh nilai-nilai variabel
menyimpang dari tendensi sentralnya. Variabilitas terdiri dari :

 Jangkauan (range) merupakan jarak dari data dengan nilai terendah sampai nilai tertinggi.
Berfungsi untuk menentukan selisih nilai tertinggi dan nilai terendah dari kumpulan data.
  Simpang baku (standard deviation) merupakan nilai statistik yang sering kali dipakai dalam
menentukan kedekatan sebaran data yang ada di dalam sampel dan seberapa dekat titik data
individu dengan mean atau rata-rata nilai dari sampel itu sendiri. Standar deviasi memberikan
informasi tentang posisi suatu skor dengan melihat penyimpangannya dari nilai rata-rata.
 Varians merupakan nilai statistik yang sering kali dipakai dalam menentukan kedekatan
sebaran data yang ada di dalam sampel dan seberapa dekat titik data individu dengan mean
atau rata-rata nilai dari sampel itu sendiri. Varians merupakan akar kuadrat dari standar
deviasi
 Simpangan rata-rata (mean deviation) merupakan rata-rata jarak antara nilai-nilai data
menuju rata-ratanya. Kegunaannya adalah untuk mengetahui seberapa jauh nilai data
menyimpang dari rata-ratanya.

4. Distribusi data (data distribution) adalah gambaran pola persebaran data hasil penelitian/
percobaan. Distribusi data berfungsi untuk mengetahui apakah pola dari suatu kumpulan data terpusat
pada suatu nilai tertentu atau berpencar. Distribusi data terdiri atas dua jenis kurva, yaitu :

 Data terdistribusi normal merupakan data yang sebagian besar datanya berpusat di tengah
dengan data di sisi kanan dan kiri pusat data cenderung simestris sehingga kurva yang
terbentuk akan membentuk lonceng.

Ciri-ciri dari data terdistribusi normal :

- Frekuensi tertinggi data berada di tengah distribusi data
- Data di sisi kanan dan kiri pusat data cenderung simetris
- Mean = median = modus pada set data
- Kurva data berbentuk lonceng
- 95% data berkumpul di tengah dengan jarak 2 standard deviasi dari mean.

 Data tidak terdistribusi normal. Data dianggap “tidak normal” ketika sebagian besar data
berada di sisi kiri atau sisi kanan; sebagian besar berada pada kondisi ekstrem rendah atau
ekstrem tinggi. Jika data tidak terdistribusi normal, nilai yang memiliki frekuensi tertinggi ≠
nilai rata-rata dan ≠ di posisi tengah distribusi data.

Terdapat dua jenis kurva tidak terdistribusi normal :

1) Positively skewed, di mana data menyebar luas ke kanan (nilai besar), tetapi menumpuk di
sisi kiri. Pada positively skewed, nilai mean> nilai median > nilai modus
2) Negatively skewed, di mana data menyebar luas di sisi kiri (nilai kecil), tetapi menumpuk
di sisi kanan. Pada negatively skewed, nilai mean < nilai median < nilai modus.

(2a) Hubungan antara Statistika Deskriptif dan Statistika Inferensial

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan, mengolah,
menganalisis, menyajikan, interpretasi data dan mengambil kesimpulan dari data yang didapat.
Sedangkan statistik adalah hasil pengolahan data.
Statistika juga dibedakan menjadi dua :

1. Statistika deskripsi atau deduksi yang digunakan untuk menganalisis data secara umum dan
menjelaskan karakteristik data secara sistematis mencakup beberapa teknis analisis data,
yakni : penyebaran data, tendensi sentral, penyajian data, dan lain-lain tentang populasi atau
sampel.
2. Statistika inferensial atau induksi yang merupakan cakupan seluruh metode yang
berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau
penarikan kesimpulan mengenai keseluruhan data induk (populasi), sehingga
kecendrungannya mengarah pada analisis dan pengujian teori atau hipotesis.

Dalam hubungannya, jika statistika deskriptif hanya terbatas dalam menyajikan data dalam bentuk
tabel, diagram, grafik, dan besaran lain, maka statistika inferensial selain mencakup statistika
deskriptif juga dapat digunakan untuk melakukan estimasi dan penarikan kesimpulan terhadap
populasi dari sampelnya. Untuk sampai pada penarikan kesimpulan statistika inferensia melalui tahap
uji hipotesis dan uji statistik.

(2b) Jenis-jenis Analisis dalam Statistika Inferensial

Berdasarkan prosesnya, uji dalam statistika infetensial terbagi menjadi dua jenis, yaitu pengujian data
menggunakan analisis parametrik dan analisis non parametrik.

1. Analsis parametrik merupakan teknik pengujian data dalam statistika yang berguna untuk menguji
hipotesis dengan melibatkan parameter populasi. Analisis parametrik hanya dapat digunakan jika
asumsi penelitian yang akan diuji sudah terpenuhi, antara lain data yang digunakan berdistribusi
normal atau homogen.

Analisis parametrik terdiri dari beberapa uji, diantaranya :

 Uji-T atau T-Tes yang digunakan untuk menguji signifikansi dan relevansi dalam satu atau
dua kelompok sampel. Uji t pada satu kelompok memakai One sample T-Test sedangkan uji
t dua kelompok dibagi menjadi dua jenis yaitu Independent Sample T-Test dan Paired Sample
T-Test. Independent Sample T-Test digunakan untuk menguji dua kelompok sample yang
tidak berhubungan dan Paired Sample T-Test digunakan untuk menguji dua kelompok
sample yang memiliki korelasi.
 ANOVA (Analysis of Variance), digunakan untuk menguji signifikansi perbedaan dua rerata
atau lebih. Kelebihan dari uji statistik adalah dapat menguji perbedaan lebih dari dua jenis
kelompok. ANOVA terbagi menjadi dua jenis yaitu ANOVA One Way dan ANOVA Two
Way. ANOVA One Way atau satu arah adalah tes hipotesis di mana hanya satu variabel
kategori atau faktor tunggal yang dipertimbangkan. Berbeda dengan ANOVA Two Way, di
mana uji hipotesis diklasifikasikan berdasarkan pada dua faktor.
 Analisis regresi, digunakan untuk menguji hubungan antar variabel, lebih tepatnya menguji
atau memprediksi pengaruh suatu variabel bebas terhadap variabel terikat.
 Analisis korelasi, digunakan untuk menguji hubungan antara variabel, yaitu 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.

2. Analisis non parametrik adalah analisis yang dilakukan dengan tanpa adanya pendugaan
sebelumnya pada nilai populasi. Dalam analisis non parametrik, tidak ada parameter yang digunakan
dan tidak ada distribusi yang harus diketahui. Hal ini menyebabkan uji statistik non parametrik juga
disebut sebagai metode bebas distribusi.

Analisis non parametrik terdiri dari beberapa uji, diantaranya :

 Uji binomial merupakan alat untuk menguji data numerik serta variabel dikotomi. Uji ini
mengambil konsep dari distribusi binomial sendiri, dimana datanya hanya terdiri dari dua
kemungkinan, yaitu sukses dan gagal. Uji ini termasuk ke dalam kelompok uji deskriptif.
 Uji chi square merupakan alat yang bisa digunakan untuk menguji proporsi relatif dari
beberapa kelompok yang saling bebas. Karena sifatnya untuk membandingkan, sehingga uji
ini termasuk ke dalam kategori kelompok uji komparatif di kasus lebih dari dua sampel
independen. Selain itu, hipotesis lain seperti membandingkan data dengan nilai yang telah
ditentukan juga bisa termasuk ke dalam hipotesis uji chi square.
 Uji Mann-Whitney, uji ini termasuk ke dalam kategori kelompok uji komparatif uji tanda
dua sampel independen. Sebenarnya, uji Mann Whitney sendiri merupakan alternatif dari uji
T (jika data memenuhi asumsi yang ada akan menggunakan uji T, namun jika tidak akan
menggunakan uji Mann-Whitney).
Referensi

Adha, S.M. (2022). Simpangan Kuartil - Pengertian, Rumus, Jangkauan antar Kuartil dan Contoh
Soal. Akupintar. https://akupintar.id/info-pintar/-/blogs/simpangan-kuartil-pengertian-rumus-
jangkauan-antar-kuartil-dan-contoh-
soal#:~:text=Kuartil%20adalah%20nilai%20yang%20membagi,dan%20kuartil%20atas%20(Q3)

Farabi, I. (2021). 2 Rumus Standar Deviasi dan Pembahasan Soal. Zenius.

https://www.zenius.net/blog/2-rumus-standar-deviasi

Farabi, I. (2021). Rumus Varians Data Tunggal dan 2 Pembahasan Soal. Zenius.
https://www.zenius.net/blog/rumus-varians-data-tunggal-dan-pembahasan-soal

Farabi, I. (2022). Rumus Simpangan Baku Data Tunggal dan Pembahasan Soal. Zenius.
https://www.zenius.net/blog/rumus-simpangan-baku-data-tunggal-dan-2-pembahasan-soal

Nurvinda, G. (2021). Statistika Parametrik dan Non Parametrik dalam Ilmu Statistika. DQLab.
https://www.dqlab.id/statistik-parametrik-dan-non-parametrik-dalam-ilmu-
statistika#:~:text=Statistik%20non%20parametrik%20adalah%20uji,ada%20distribusi%20yang%20h
arus%20diketahui

Nursyafitri, G.D. (2022). 3 Contoh Teknik Analisis Data Statistik untuk Data Non Parametrik.
DQLab. https://www.dqlab.id/3-contoh-teknik-analisis-data-statistik-untuk-data-non-parametrik

PSIKOLOGIMULTITALENT. (2016). Memahami Macam Ukuran Variabilitas dan Cara

Menentukannya. Psikologimultitalent. https://www.psikologimultitalent.com/2016/08/memahami-
macam-ukuran-variabilitas-dan.html

PSIKOLOGIMULTITALENT. (2016). Memahami Pengertian Tendensi Sentral dalam Statistika.

Psikologimultitalent. https://www.psikologimultitalent.com/2016/08/memahami-pengertian-tendensi-
sentral.html

Ramadhan, M.I. (2022). Rumus Desil dan Rumus Presentil - Materi Statistika. Zenius.
https://www.zenius.net/blog/rumus-desil-rumus-persentil

Ramadhan, M.I. (2022). Rumus Kuartil Data Tunggal dan Data Kelompok. Zenius.
https://www.zenius.net/blog/rumus-kuartil-data-tunggal-dan-data-kelompok

Rezkia, S.M. (2021). Pelajari Jenis-jenis Uji Statistik Parametrik Sebelum Melakukan Penelitian.
DQLab. https://www.dqlab.id/pelajari-jenis-jenis-uji-statistik-parametrik-sebelum-melakukan-
penelitian

Setiawan, A. (2022). Ukuran Pemusatan Data : Mean - Median - Mode. Smartstat.

https://www.smartstat.info/materi/statistika/statistik-deskriptif/ukuran-pemusatan-data-mean-median-
mode.html

Tanaka, M. (2021). Statistika Deskriptif dan Inferensial. Program Studi Statistika UII.
https://medium.com/statistics-uii/statistika-deskriptif-dan-inferensial-4b789f79f637