Modul 1 Statistik Deskriptif Part 2

MODUL I
OLEH
NAMA : MUHAMMAD ISNANDA IBNURIZQ
STAMBUK : D071211079
KELOMPOK : III
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

DEPARTEMEN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
GOWA
2023
DAFTAR ISI
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 2
DAFTAR TABEL
DAFTAR GAMBAR
DAFTAR RUMUS
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kita mungkin pernah mendengar perkataan statistik dan statistika dalam
kehidupan sehari-hari. Kita seringkali dihadapkan pada berbagai persoalan yang
menuntut penyelesaian secara tepat dan akurat. Kata statistik berasal dari kata
state, yaitu negara. Statistik merupakan kumpulan data yang disajikan sedemikian
rupa yang menggambarkan suatu persoalan atau keadaan. Statistik lebih banyak
digunakan untuk menggambarkan keadaan atau permasalahan seperti pencatatan
banyaknya penduduk, hasil pertanian di suatu daerah, dan semacamnya. Istilah
statistik memiliki pengertian berbeda dengan statistika. Statistika adalah
pengetahuan yang berhubungan dengan cara-cara pengumpulan, penyajian,
pengolahan dan analisis data, serta beberapa teknik analisis data. Statistika
digunakan sebagai cara-cara ilmiah untuk mengumpulkan, menyusun, meringkas
dan menyajikan data penelitian. (Sulisetijono, 2016)
Perkembangan statistika diawali sebagai suatu ilmu yang membahas cara
mengumpulkan angka sebagai hasil pengamatan menjadi bentuk yang lebih
mudah dipahami. Karl Pearson (1857-1936) selaku pelopor statistika induktif
berperan dalam perkembangan statistika deskriptif dengan memperkenalkan
ukuran kemiringan ke dalam distribusi data simetris yang disebut dengan
koefisien kemiringan dan kurtosis. Statistika deskriptif memberikan informasi
hanya mengenai data yang dimiliki dan tidak bermaksud untuk menguji hipotesis
dan menarik inferensi yang digeneralisasikan untuk populasi. Statistika deskriptif
menggunakan data pada suatu kelompok untuk menarik kesimpulan mengenai
kelompok itu saja dan hanya digunakan untuk menganalisis data agar lebih
bermakna, komunikatif serta penghitungan sederhana Statistika deskriptif
membahas cara pengumpulan data dan menyederhanakan angka-angka
pengamatan yang diperoleh, serta melakukan pengukuran pemusatan data.
(Sholikhah, 2016)
Pada modul ini, peneliti diarahkan untuk membahas terkait statistik
deskriptif seperti pembahasan mengenai ukuran penyebaran data, distribusi
frekuensi, skewness dan kurtosis, serta jenis-jenis penyajian data. Praktikan juga
diberikan sebuah studi kasus yaitu mendata 100 responden dengan menggunakan
software SPSS dan Microsoft Excel mengenai sebarapa tinggi dan rendahnya
kepuasaan para wisatawan yang mengunjungi pantai Akkarena Makassar.
Penelitian ini akan dilakukan pada tanggal 11 Maret 2023.
1.2 Rumusan Masalah
a. Bagaimana teknik pengambilan data dalam memperoleh data?
b. Bagaimana cara pengolahan jenis-jenis ukuran data yang dapat
menggambarkan sifat-sifat dasar kumpulan data?
c. Bagaimana cara menginterprestasikan pengolahan data pada statistik
deskriptif?
d. Bagaimana perbedaan hasil pengolahan data manual dengan menggunakan
software?
1.3 Tujuan Praktikum
a. Praktikan dapat memahami data yang baik dan benar serta cara
memperolehnya.
b. Praktikan dapat memahami konsep pengukuran pemusatan dan penyebaran
data.
c. Praktikan dapat mengetahui dan menyajikan data yang baik dan benar.
d. Praktikan dapat melakukan pengolahan data secara manual maupun
menggunakan software
1.4 Batasan Masalah
Praktikum ini dilakukan di Laboratorium Statistik dan Manajemen Mutu
Departemen Teknik Industri Fakultas Teknik Universitas Hasanuddin. Data yang
diolah adalah data primer yang diambil dari beberapa tempat yang telah
ditentukan sebelumnya dan dijalankan sesuai arahan dari asisten laboratorium.
BAB II
TEORI DASAR
2.1 Statistik dan Statistika

2.1.1 Pengertian Statistik Menurut Ahli dan Kesimpulan Berdasarkan Definisi
Ahli
Berikut merupakan pengertian statistik menurut beberapa para ahli dalam
Maizar dkk., (2022) diantaranya :
a. Menurut Suntoyo Yitnosumarto, statistik adalah sebuah informasi
yang memerlukan metodologi serta cara-cara perhitungan yang
mendalam untuk menyelesaikan permasalahan praktis yang muncul.
b. Menurut Prof. Dr. Sudjana, M.A, M.Sc, statistik adalah suatu
pengetahuan yang berhubungan erat dengan metode pengumpulan
data, pengolahan data, analisisnya dan penarikan kesimpulan yang
berdasarkan kumpulan data serta penganalisaan yang dilakukan.
c. Menurut Anto Dajan, statistik merupakan data kuantitatif baik yang
belum tersusun ataupun yang telah tersusun dalam bentuk tabel.
Adapun kesimpulan berdasarkan definisi dari pendapat ahli diatas yaitu
statistik merupakan sebuah kumpulan informasi yang memerlukan
metodologi serta metode pengumpulan datanya berdasarkan kumpulan
data yang telah tersusun dalam bentuk tabel.
2.1.2 Fungsi Statistik
Berikut merupakan beberapa fungsi dalam Hanief dan Himawanto (2017),
diantaranya :
a. Bank data untuk menyediakan data untuk diolah dan
diinterpretasikan agar dapat digunakan untuk menerangkan keadaan
yang perlu diketahui atau diungkap.
b. Alat quality control untuk membantu standarisasi dan sekaligus
sebagai alat pengawan.
c. Pemecahan masalah dan pembuatan keputusan, sebagai dasar
penetapan kebijakan dan langkah lebih lanjut untuk
mempertahankan, mengembangkan perusahaan dalam perolehan

keuntungan.
d. Keputusan yang baik dan rasional dapat dihasilkan.
e. Alat analisis, merupakan suatu metode penganalisisan data.
2.1.3 Peran Statistik Dalam Kehidupan
Berikut merupakan beberapa peran statistik dalam Hanief dan Himawanto
(2017), diantaranya :
a. Dalam kehidupan sehari-hari, statistik memiliki peranan sebagai
penyedia bahan-bahan atau keterangan- keterangan berbagai hal
untuk diolah dan ditafsirkan. Contoh: angka kenakalan remaja,
tingkat biaya hidup, tingkat kecelakaan lalu lintas, dan tingkat
pendapatan.
b. Dalam penelitian ilmiah, statistik memiliki peranan sebagai
penyedia data untuk mengemukakan atau menemukan kembali
keterangan-keterangan yangseolah-olah tersembunyi dalam angka-
angka statistik.
c. Dalam kegiatan proses belajar mengajar, statistikbanyak membantu
dalam menganalisis soal-soal yang diberikan dalam kegiatan
pembelajaran.
2.1.4 Pengertian Statistika Menurut Ahli dan Kesimpulan Berdasarkan Ahli
Berikut merupakan pengertian statistik menurut beberapa para ahli dalam
Maizar dkk., (2022) diantaranya:
a. Menurut Anderson dan Bancroft, Statistika adalah ilmu
pengembangan dan metode yang paling efektif untuk
mengumpulkan, menabulasi dan menafsirkan data kuantitatif
sedemikian rupa sehingga kesalahan dalam kesimpulan dan estimasi
dapat diperkirakan menggunakan penalaran induktif berdasarkan
probabilitas matematika (peluang).
b. Menurut Ir. M. Iqbal Hasan, MM, statistika adalah ilmu yang
mempelajari seluk beluk data mengenai tata cara pengumpulan data,
pengolahan data, penganalisaan, penafsiran dan penarikan

kesimpulan dari suatu data dalam bentuk angka-angka.
c. Menurut Supranto, statistika adalah ilmu yang mempelajari cara
pengumpulan, penyajian, menganalisis data dan juga mengambil
kesimpulan secara umum yang mana berdasarkan atas hasil dari
penelitian menyeluruh yang sudah dilakukan.
statistika merupakan ilmu pengembangan dan metode yang efektif untuk
mengumpulkan serta pengolahan data dan juga mengambil kesimpulan
secara umum yang berdasarkan atas hasil dari penelitian menyeluruh.
2.1.5 Fungsi Statistika
Berikut merupakan fungsi statistika dalam Ismail, (2018) diantaranya:
a. Menyediakan cara-cara meringkas data ke dalam bentuk yang
memiliki banyak arti sehingga membantu peneliti di dalam
analisisnya.
b. Memberi panduan dan dasar di dalam menarik kesimpulan melalui
proses-proses metode ilmiah.
c. Memberi landasan untuk meramalkan secara ilmiah tentang
bagaimana suatu gejala akan terjadi dalam kondisi-kondisi yang
telah diketahui.
d. Memungkinkan peneliti untuk menganalisa, menguraikan sebab-
akibat yang kompleks dan rumit.
e. Alat untuk mencatat yang valid dan eksak terhadap data- data
penelitian.
2.1.6 Perbedaan Statistik dan Statistika
a. Berdasarkan tentang keilmuan statistika merupakan satu disiplin
keilmuan sehingga seorang statistikawan harus memiliki ilmu
statistik.
b. Karena berkaitan dengan pengumpulan data, seorang ahli statistika
diwajibkan pula untuk memahami ilmu lainnya yang terkait dengan
statistika yakni metodologi penelitian.
c. Jika statistika dapat diartikan sebagai sekumpulan angka yang dapat

ditafsirkan atau tidak, di dalam statistika data tersebut harus
dianalisis dan diinterpretasi.
d. Penyajian data pada statistika tidak saja berhenti kepada penyajian
dan analisis secara deskriptif, akan tetapi dilanjutkan secara
inferensial.
e. Dalam statistika diperlukan adanya penafsiran atau analisis data
yang baik dan komprehensif sehingga diperoleh kesimpulan yang
valid, sedangkan statistik hanya berupa penyajian data saja tanpa
perlu diambil kesimpulan.
(Ismail, 2018).
2.2 Statistik Deskriptif
Statistik deskriptif mencakup tentang pengumpulan, pengolahan,
penyajian, serta penghitungan nilai-nilai dari suatu data yang digambarkan dalam
tabel atau diagram dan tidak menyangkut penarikan kesimpulan. Adapun definisi,
tujuan dan manfaat sebagai berikut :
2.2.1 Definisi Statistik Deskriptif dan Kesimpulan Berdasarkan Ahli
Berikut merupakan pengertian statistik deskriptif menurut beberapa para
ahli dalam Nasution (2017) diantaranya:
a. Menurut Hasan, Statistik deskriptif atau statistik deduktif adalah
bagian dari statistik yang mempelajari cara pengumpulan data dan
penyajian data sehingga muda dipahami. Statistik deskriptif hanya
berhubungan dengan hal menguraikan atau memberikan keterangan-
keterangan mengenai suatu data atau keadaan atau fenomena.
Dengan kata lainstatistik deskriptif berfungsi menerangkan keadaan,
gejala, atau persoalan.
b. Menurut Suryoatmono, Statistika Deskriptif adalah statistika yang
menggunakan data pada suatu kelompok untuk menjelaskan atau
menarik kesimpulan mengenai kelompok itu saja.
c. Menurut Pangestu Subagyo, statistika deskriptif adalah bagian
statistika mengenai pengumpulan data, penyajian, penentuan nilai-
nilai statistika, pembuatan diagram atau gambar mengenai sesuatu

hal, disini data yang disajikan dalam bentuk yang lebih mudah
dipahami atau dibaca.
statistik deskriptif merupakan Statistika deskriptif adalah bagian statistika
mengenai pengumpulan data, penyajian, penentuan nilai-nilai statistika,
pembuatan diagram atau gambar mengenai sesuatu hal, disini data yang
disajikan dalam bentuk yang lebih mudah dipahami atau dibaca.
2.2.2 Tujuan dan Manfaat Statistik Deskriptif
Statistik deskriptif merupakan suatu analisis yang menggambarkan data
yang akan dibuat baik sendiri maupun secara berkelompok. Adapun tujuan
dari statistik deskriptif adalah untuk membuat gambaran secara sistematis
data yang faktual dan akurat mengenai fakta-fakta serta hubungan antar
masalah atau data yang diteliti. Dalam penyajian analisis deskriptif ini
akan membahas mengenai pengukuran gejala pusat misalnya adalah mean,
median, standar deviasi, standar error, range, dan CI (confidence
interval). Sedangkan untuk data katagorik penyajiannya hanya
menggunakan distribusi frekuensi dengan persentase atau proporsi.
(Prihatiningsih, 2022)
Adapun manfaat statistik deskriptif dalam Chandra dkk., (2022), antara
lain sebagai berikut.
a. Menyajikan informasi atau data dalam bentuk yang lebih mudah
dimengerti
b. Menyederhanakan data yang kompleks
c. Memberikan gambaran tentang proses terjadinya suatu kegiatan
yang merupakan suatu alat pengawasan
d. Memberi informasi mengenai ukuran pemusatan data, ukuran
penyebaran data, kecenderungan suatu gugus, dan ukuran letak.
Analisis statistik deskriptif digunakan untuk memberikan gambaran
mengenai distribusi dan perilaku data sampel penelitian dengan
melihat nilai minimum, nilai maksimum, rata – rata (mean), dan
standar deviasi dari masing- masing variabel independen dan

variabel dependen.
2.3 Istilah-istilah dalam statistik
Menurut Harlan (2004) istilah-istilah yang akan ditemui dalam statistik
diantaranya :
a. Populasi
Populasi adalah himpunan seluruh objek yang ingin diketahui besaran
karakteristiknya atau populasi adalah keseluruhan objek penelitian yang
dapat terdiri dari makhluk hidup, benda, gejala, nilai tes, atau peristiwa
sebagai sumber data yang mewakili karakteristik tertentu dalam suatu
penelitian. Populasi adalah koleksi lengkap semua elemen yang akan
diselidiki. Suatu koleksi dikatakan lengkap jika ia memuat semua subjek
yang akan diselidiki.
b. Sampel
Sampel adalah himpunan bagian populasi yang memiliki karakteristik yang
sama dengan karakteristik populasinya. Sampel yang akan digunakan
diambil dari populasi yang telah memiliki karakteristik tersendiri yang
kurang lebih sama dengan karakteristik dari suatu sampel.
c. Parameter
Parameter adalah ukuran-ukuran tertentu yang digunakan untuk
menggambarkan suatu populasi. Untuk mendapatkan suatu karakteristik
yang dicari, maka perlu untuk menetapkan ukuran-ukuran yang diperlukan
untuk suatu penelitian.
d. Data
Data merupakan kumpulan fakta atau angka atau segala sesuatu yang dapat
dipercaya kebenarannya, sehingga dapat digunakan sebagai dasar menarik
suatu kesimpulan.
e. Variabel
Variabel adalah karakteristik unsur yang menjadi perhatian dan memiliki
nilai-nilai yang berbeda-beda. Setiap variabel memiliki karakteristik yang
berbeda sehingga diperlukan beberapa variabel untuk menjelaskan keadaan

yang ada.
f. Data Primer
Data primer adalah data yang diperoleh langsung dari objek yang ingin
diketahui karakteristiknya. Data ini didapatkan oleh seorang peneliti yang
memutuskan mengumpulkan data sendiri tanpa melibatkan data dari peneliti
yang lainnya.
g. Data Sekunder
Data sekunder adalah data yang tidak diperoleh langsung dari objek yang
ingin diketahui karakteristiknya, melainkan dari sumber lain yang telah
mengumpulkannya terlebih dahulu.
h. Data Kuantitatif (Data Numerik)
Data kuantitatif adalah karakteristik suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk numerik. Data kuantitatif menjelaskan suatu
keadaan dengan menggunakan angka.
i. Data Kualitatif (Data Kategorik)
Data kualitatif adalah karakteristik suatu variabel yang nilai-nilainya
dinyatakan dalam bentuk non-numerik atau atribut-atribut.
j. Data Diskret
Data diskret adalah karakteristik suatu variabel yang berasal dari proses
pencacahan (counting) dan berupa bilangan bulat.
k. Data Kontinu
Data kontinu adalah karakteristik suatu variabel yang berasal dari proses
pengukuran (measurement) dan nilai-nilainya berada dalam suatu interval
atau rentang tertentu. Nilai-nilai data kontinu dapat berupa bilangan pecahan
yang tak terhingga banyaknya.
l. Skala Nominal
Skala nominal adalah data yang dihimpun dapat dibedakan menjadi
beberapa kategori tanpa memperhatikan urutan tertentu.
m. Skala Ordinal
Skala ordinal adalah data yang dihimpun dapat dibedakan menjadi beberapa
kategori yang berbeda dengan memperhatikan urutan.
n. Skala Interval
Skala interval adalah data yang dihimpun dapat diletakkan dalam skala
dengan jarak (interval) antara dua titik skala diketahui dan skala tersebut
tidak memiliki titik nol mutlak (titik pusat).
o. Skala Rasio
Skala rasio adalah data yang dihimpun dapat diletakkan dalam skala dengan
jarak antara dua titik skala diketahui dan skala tersebut memiliki titik nol
mutlak.
2.4 Syarat Data Yang Baik
Berikut merupakan syarat data yang baik dalam Aditya (2013) diantaranya :
a. Obyektif
Data yang diperoleh dari lapangan/hasil pengukuran, harus ditampilkan dan
dilaporkan apa adanya.
b. Relevan
Dalam mengumpulkan dan menampilkan Data harus sesuai dengan
permasalahan yang sedang dihadapi atau diteliti.
c. Up to Date
Data tidak boleh usang atau ketinggalan jaman, karena itu harus selalu
menyesuaikan perkembangan.
d. Representatif
Data harus diperoleh dari sumber yang tepat dan dapat menggambarkan
kondisi senyatanya atau mewakili suatu kelompok tertentu atau populasi.
2.5 Teknik Pengumpulan Data dan Sampel
Menurut Sugiyono (2003), dalam mengumpulkan data, diperlukan
metode-metode khusus sesuai dengan data variabel yang ingin dikumpulkan. Ada
beberapa metode dalam melakukan pengumpulan data yaitu :
a. Observasi
Pengamatan melibatkan semua indera (penglihatan, pendengaran,
penciuman, pembau, perasa)
b. Wawancara
Wawancara terbagi menjadi :
1) Wawancara tidak terstruktur
Pertanyaan yang diajukan merupakan upaya menggali isu awal, sifat
pertanyaan spontan
2) Wawancara terstruktur
Pertanyaan sudah disiapkan, karena sudah dirancang data atau
informasi apa yang dibutuhkan Adapun jenis wawancara adalah
wawancara langsung (face to face) dan wawancara online
c. Kuesioner
Kuesioner adalah daftar pertanyaan tertulis yang ditujukan kepada
responden. Jawaban responden atas semua pertanyaan dalam kuesioner
kemudian dicatat atau direkam. Kuesioner merupakan metode pengumpulan
data yang efisien bila peneliti mengetahui secara pasti data atau informasi
apa yang dibutuhkan dan bagaimana variabel yang menyatakan informasi
yang dibutuhkan tersebut diukur.
d. Pengukuran Fisik
Jenis data dapat berupa data fisik, yaitu berupa obyek atau benda fisik,
seperti tanah, bangunan, buku, kendaraan, dan lain-lain. Sementara itu,
metode pengukuran fisik ini berupa memetakan obyek empirik ke obyek
angka-angka dengan perubahan yang setara. Misalnya pada data tanah, kita
dapat mengumpulkan data fisik tanah dari ukuran panjang (meter), lebar,
jenis tanah atau jenis bebatuannya.
e. Percobaan Laboratorium
Pengumpulan data dengan metode ini dilakukan di laboratorium.
Sebelumnya, dilakukan perancangan percobaan (experiment design).
Sebagai contoh adalah penelitian untuk mengetahui apakah pH
mempengaruhi pertumbuhan tanaman. Dalam hal ini pertumbuhan tanaman
sangat dipengaruhi oleh banyak faktor, oleh karena itu perlu pengendalian
yang ketat bagi tanaman sebagai sampel. Pengendalian berupa penggunaan
laboratorium, di mana sampel dikontrol secara ketat di ruangan dan hanya
pH yang diberikan pada tanaman.
2.6 Klasifikasi Data
Klasifikasi data adalah proses pengelompokkan data-data berdasarkan hal-
hal tertentu. Antara lain :
a. Berdasarkan Cara Memperoleh
Menurut Sugiyono (2003), berdasarkan cara memperolehnya, data
dikelompokkan ke dalam dua kelompok, yaitu data primer dan data
sekunder.
1) Data Primer
Data primer adalah data yang diperoleh atau dikumpulkan langsung
oleh peneliti dari sumber datanya. Beberapa teknik pengumpulan data
primer antara lain: observasi, wawancara, diskusi terfokus (focus
group discussion, FGD), dan penyebaran kuesioner
2) Data Sekunder
Data sekunder adalah data yang diperoleh secara tidak langsung dari
objek penelitian. Data sekunder dapat diperoleh dari berbagai sumber
seperti : Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan sumber
data lainnya.
b. Berdasarkan Sumber Data
Menurut Sugiyono (2003), berdasarkan sumbernya, data dikelompokkan ke
dalam dua kelompok, yaitu data internal dan data eksternal.
1) Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi
pada suatu organisasi atau instansi secara internal. Misalnya : data
keuangan, data pegawai, data produksi, dan sebagainya.
2) Data Eksternal
Data eksternal adalah data yang menggambarkan situasi dan kondisi
yang ada di luar organisasi. Misalnya : data jumlah penggunaan modul
oleh mahasiswa di luar UT, tingkat kepuasan mahasiswa UT terhadap

layanan akademik dan administratif UT, dan data sebaran mahasiswa
UT.
c. Berdasarkan Jenis Data
Menurut Sugiyono (2003), berdasarkan jenisnya, data dikelompokkan ke
dalam dua kelompok, yaitu data kualitatif dan data kuantitatif.
1) Data Kualitatif
Data yang dinyatakan dalam bentuk non-angka atau non-numerik atau
biasa juga disebut atribut. Dalam istilah komputer disebut data bertipe
string. Data yang diberikan berupa persepsi atau pendapat, sehingga
jawaban yang mungkin adalah sangat baik, baik, cukup, kurang baik,
sangat kurang baik.
2) Data Kuantitatif
Data yang dinyatakan dalam bentuk angka (data numerik). Dalam
komputer dikenal sebagai data numerik
d. Berdasarkan Sifat Data
Menurut Sugiyono (2003), berdasarkan sifatnya, data dikelompokkan
menjadi dua, yaitu :
1) Data Diskret
Data kuantitatif diskret adalah data hasil pencacahan dan berupa
bilangan bulat (dalam komputer dikenal sebagai integer). Misalnya :
jumlah mahasiswa statistika di UPBJJ-UT Bandung, jumlah mata
kuliah yang ada di Jurusan Statistika FMIPA-UT, dan jumlah dosen
Jurusan Statistika FMIPA-UT
2) Data Kontinu
Data kuantitatif kontinu adalah data hasil proses pengukuran dan
dapat berupa bilangan pecahan (bilangan real). Misalnya : Rata-rata
berat badan bayi yang baru lahir adalah 2,95 kg, tinggi badan Budi
adalah 150,5 cm, dan IQ Budi adalah 125.
e. Berdasarkan Waktu Pengumpulan Data

Menurut Sugiyono (2003), berdasarkan waktu pengumpulan datanya, data
dikelompokkan ke dalam dua kelompok, yaitu data cross section, dan data
time series (berkala).
1) Data Cross Section
Data cross section adalah data yang menunjukkan titik waktu tertentu.
Misalnya: laporan nilai tutorial online mahasiswa Jurusan Statistika
FMIPA UT Masa Registrasi 2010.2, data jumlah mahasiswa yang
meregistrasi mata kuliah Pengumpulan dan Penyajian Data Masa
Registrasi 2010.1.
2) Data Time Series
Data time series (berkala) adalah data yang datanya menggambarkan
sesuatu dari waktu ke waktu atau periode secara historis. Contoh data
time series adalah data perkembangan jumlah mahasiswa Jurusan
Statistika FMIPA-UT dari 2005 sampai dengan 2010, jumlah
mahasiswa Jurusan Statistika yang mengikuti ujian TAP dari tahun
2005 sampai dengan 2010.
f. Berdasarkan Skala Data
Menurut Sugiyono (2003) berdasarkan skala pengukurannya, data
dibedakan menjadi 4 kelompok, yaitu : data nominal, ordinal, interval dan
rasio. rincian mengenai ciri-ciri dan contoh masing-masing data disajikan
pada tabel di bawah ini.
Tabel 2. 1 Data Berdasarkan Skala
No. Skala Ciri-ciri Contoh
1. Nominal • Dibedakan dalam kategori tanpa • Jenis kelamin
memperhatikan urutan • Suku
• Satu pengukuran hanya menghasilkan • Agama
satu satunya kategori • Alamat
• Setiap kategori dianggap sama (tanpa
tingkatan)
• Data paling “rendah” dalam
level pengukuran data
• Tidak bisa dioperasikan secara
matematis
Lanjutan Tabel 2. 2 Data Berdasarkan Skala

2. Ordinal • Dibedakan dalam kategori berdasarkan • Rangking kelas I, II,
urutan III
• Memiliki tingkatan data lebih “tinggi” • Juara I, II, III
dibanding data nominal dalam level • Tingkat kepangkatan
pengukuran data
• Tidak bisa dioperasikan secara matematis
3. Interval • Urutan bertingkat dan dikuantifikasi • Nilai mahasiswa
(diberi nilai) (A=4, B=3,
• Memiliki interval tertentu C=2,D=1, dan E=0)
• Lebih “tinggi” dibanding data
ordinal dalam level pengukuran
• Dapat dianalisis dengan uji statistik
parametrik
4. Rasio • Data bersifat angka dalam arti • Angka produksi
yang sesungguhnya • Tinggi badan
• Memiliki angka nol absolut
• Memiliki kedudukan paling
• “tinggi” dalam level” pengukuran data
• Dapat dioperasikan secara
matematis
(Sumber : Ananda & Fadhil, 2018 : 9)
2.7 Ukuran Pemusatan Data

2.7.1 Mean
2.7.2 Median
2.7.3 Modus
2.7.4 Kuartil
2.7.5 Desil
2.7.6 Persentil
2.8 Ukuran Penyebaran Data
2.8.1 Range
2.8.2 Simpangan Rata-Rata
2.8.3 Standar Deviasi
2.8.4 Variansi
2.8.5 Standard Error of Mean
2.9 Distribusi Frekuensi
2.9.1 Pengertian Distribusi Frekuensi
Distribusi frekuensi atau tabel frekuensi adalah suatu daftar atau tabel yang
mendistribusikan data yang ada ke dalam beberapa kelas. Dengan kata
lain, distribusi frekuensi merupakan tabel yang menunjukkan sebaran

distribusi data yang ada, yang tersusun atas frekuensi tiap-tiap kelas atau
kategori. Frekuensi tiap kelas atau kategori menunjukkan banyak
pengamatan dalam kelas atau katagori yang bersangkutan. (Wirawan,
2016).
2.9.2 Jenis dan Istilah Distribusi Frekuensi
Berikut jenis-jenis istilah distribusi frekuensi dalam Wahab, dkk., (2021)
diantaranya :
a. Kelas Interval
Kelas Interval adalah interval mengandung kelas. Biasanya dalam
tabel distribusi frekuensi terdiri dair beberapa kelas, secara umum 5
(lima) sampai 15 (limabelas) kelas.
b. Ujung kelas
Ujung kelas adalah nilai ujung setiap kelas dalam distribusi yang
digunakan sebagai pedoman untuk memasukkan angka-angka hasil
observasi ke dalam kelas. Ada dua ujung dalam setiap kelasnya yaitu
ujung bawah kelas dan ujung atas kelas.
c. Batas kelas
Batas kelas ialah angka yang diperoleh dengan cara nilai-nilai ujung
kelas dikurangi atau ditambah dengan tingkat ketelitian yang
digunakan. Dalam hal ini tingkat ketelitian data yang digunakan
tergantung pada pencatatan datanya.
d. Nilai tengah
Nilai tengah adalah rata-rata hitung dari kedua ujung kelasnya. Cara
1
menghitungnya: 𝑁𝑖𝑙𝑎𝑖 𝑡𝑒𝑛𝑔𝑎ℎ = (𝑢𝑗𝑢𝑛𝑔 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 + 𝑢𝑗𝑢𝑛𝑔
2
𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠)
e. Panjang kelas
Panjang kelas ialah angka yang diperoleh dari perbedaan selisih
antara kedua batas kelasnya.
2.9.3 Tahapan Penyusunan Distribusi Frekuensi

Berikut tahapan penyusunan distribusi frekuensi dalam Wirawan (2016)
diantaranya :
a. Menentukan range : cara untuk menentukan selisih antara nilai
maksimum dengan nilai minimum
Range = Nilai Maksimum − Nilai Minimum … . (2.1)

b. Menentukan banyak kelas
Dalam menentukan banyak kelas dari distribusi/tabel frekuensi yang
akan disusun (agar banyaknya kelas tidak terlalu banyak atau pun
tidak terlalu sedikit), Sturges (1926) menyarankan untuk
menggunakan rumus berikut sebagai pedoman.
𝑘 = 1 + 3,3 log 𝑛 ……(2.2)
k = banyak kelas
n = banyak data
c. Menentukan Panjang kelas/interval kelas
Panjang kelas dapat ditentukan dengan rumus:
R X n − X1
C= = … . . (2.3)
k k
d. Memasukkan masing-masing data dan menjumlahkannya
Langkah atau tahap terakhir dalam penyusunan tabel frekuensi ialah
memasukkan (mendistribusikan) masing-masing data ke dalam
kelas-kelas yang sesuai dan menjumlahkannya.
2.9.4 Contoh Distribusi Frekuensi
Data hasil belajar siswa sebagaiman terlihat pada tabel berikut:
56 58 60 74 73 68 32 37 42 43 45 69 70 75 82
75 67 80 58 79 75 68 30 32 38 43 44 46 70 72
78 85 34 42 89 64 66 48 50 50 50 56 56 58 60
32 52 33 73 44
Langkah penyelesaian :
a. Menentukan range ialah data terbesar dikurangi data terkecil
Range = Data terbesar – Data terkecil
= 89 – 30
= 59
b. Menentukan banyak kelas interval dengan rumus Sturges
sebagai berikut :
Banyak kelas = 1 + (3,3) log n
= 1 + (3,3) log 50
= 1 + (3,3) 1,69
= 6,57 banyaknya kelas diambil 6
c. Menentukan panjang kelas interval (p), rumus yang digunakan
adalah :
range
p=
banyak kelas
59
p=
6
p = 9,8
Dari hasil di atas dapat diambil p = 10
d. Memilih ujung bawah interval pertama. Untuk data ini dapat
diambil sama dengan data terkecil atau nilai data yang lebih
kecil dari data terkecil.
e. Kesimpulannya, dengan p = 10 dan memulai batas bawah 30
maka distribusi yang dimaksud dari data di atas adalah sebagai
berikut :
Tabel 2.1 Distribusi Hasil Belajar Siswa
Nilai F
30-39 8
40-49 9
50-59 10
60-69 11
70-79 8
80-89 4
Jumlah 50
(Ananda & Fadhil, 2018).
2.10 Skewness dan Kurtosis

2.10.1 Skewness
a. Definisi
Kemiringan (Skewness) merupakan derajat ketidaksimetrian
(keasimetrisan) atau dapat puladidefinisikan sebagai penyimpangan
dari kesimetrian suatu distribusi. Jika sutu kurva frekuensi yang
(poligon frekuensi yang terhaluskan) dari maksimum tengah, maka
distribusi seperti ini dikenal dengan nama distribusi miring ke kanan,
atau memiliki kemiringan positif. Untuk kondisi kebalikannya,
distribusinya dikenal dengan distribusi miring ke kiri, atau memiliki
kemiringan negatif (Nurlina, 2013).
b. Jenis-Jenis Skewness
Kemiringan distribusi data terdapat 3 jenis, yaitu :
1) Simetris : menunjukkan letak nilai rata-rata hitung, median dan
modus berhimpit (berkisar disatu titik)
2) Miring ke kanan : mempunyai nilai modus paling kecil dan rata-rata
hitung paling besar
3) Miring kekiri : mempunyai nilai modus paling besar dan rata-rata
hitung paling kecil
c. Rumus
Rumus untuk menghitung derajat kemiringan distribusi data : Ukuran
Tingkat Kemencengan (TK) menurut Pearson :
Dimana :
𝑋 = rata-rata hitung mod = modus
S = simpangan baku
Ukuran Tingkat Kemencengan (TK) berdasarkan Momen ketiga
Data Tunggal :
Data Kelompok :
Keterangan :
𝛼3 = Ukuran tingkat kemencengan S = Simpangan baku
Xi = Nilai data ke – i
𝑋 = Nilai rata-rata hitung fi = Frekuensi kelas ke i
mi = nilai titik tengah kelas ke i S = Simpangan baku
n = Banyaknya data
Jika 𝛼3 = 0 distribusi data simetris, 𝛼3 < 0 distribusi data miring ke kiri,
𝛼3 > 0 distribusi data miring ke kanan.
(Susilowati, 2019)
d. Contoh
Misalkan dari data umur 20 orang mahasiswa Prodi XYZ diketahui
memiliki median 18,5, dan Modus 19. Standar deviasi sebesar 12,4 dan
rata-rata 19,5. Hitung koefisien kemencengannya.
𝑋 − 𝑀𝑜 19,5 − 19
𝑆𝑘 = = = 0,04
𝑠 12,4
Berdasarkan jawaban tersebut diketahui bahwa nilai Sk>0, maka kurva

kemencengan merupakan kurva positif yakni menceng ke kanan, karena
nilai rata-rata lebih besar dari pada modus. (Wahyuni, 2020)
2.10.2 Kurtosis
a. Definisi
Kurtosis ialah derajat ketinggian puncak atau keruncingan suatu
distribusi. Nilainya biasanya merupakan nilai relatif terhadap
distribusi normal. (Nurlina, 2013)
b. Jenis-Jenis Kurtosis
Tingkat keruncingan dari suatu distribusi diambil secara relatif
terhadap suatu distribusi normal.Bentuk keruncingan terdiri dari tiga
macam:
1) Leptokurtik yang merupakan distribusi yang memiliki puncak

relatif tinggi dengan nilaikeruncingan besar dari 3.
2) Platikurtik yang mengandung makna sama dengan istilahnya
yakni plat atau datar dimanapuncaknya hampir mendatar,
dengan nilai keruncingan kecil dari 3.
3) Mesokurtik, yang merupakan distribusi yang memiliki puncak
sedang atau normal dengan nilaikeruncingan sama dengan 3.
c. Rumus
Adapun rumus nilai kurtosis yang digunakan untuk data tunggal
yaitu :
1
∑(𝑥 − 𝑋)4
∝4 = 𝑛
𝑆4
Keterangan :
α4 = nilai kurtosis
n = jumlah data
S = simpangan baku
XX = rata-rata
X = nilai data
Sedangkan rumus yang digunakan untuk data dikelompokkan,
digunakan rumus sebagai berikut :
Keterangan :
α4 = nilai kurtosis
n = jumlah data
S = simpangan baku
f = frekuensi
XX = rata-rata
X = nilai tengah kelas
Untuk menghitung tingkat keruncingan suatu kurva atau koefisien
kurtosis dapat digunakan rumus sebagai berikut :
Jika nilai KK > 3 : Kurva leptokurtik atau runcing sekali

Jika nilai KK < 3 : Kurva platikurtik atau cenderung mendatar
Jika nilai KK = 3 : Kurva mesokurtik atau berdistribusi normal
d. Contoh
2.11 Jenis-Jenis Penyajian Data

2.11.1 Histogram
Grafik histogram adalah grafik yang tersusun dari segi empatsegi empat
yang didirikan pada absis, membentang selebar-lebarnya kelas. Tinggi
dari segi empat itu sebanding dengan frekuensi masingmasing kelas yang
diwakili. Seperti halnya dengan poligon, ordinatnya juga menyatakan
frekuensi dan absisnya menyatakan tingkatan-tingkatan gejala.
Perbedaannya, absis pada poligon, dinyatakan dengan kelas, sedangkan
absis pada histogram dinyatakan dengan batas nyatanya. Histogram dapat
dibuat dari distribusi frekuensi data tunggal maupun dari distribusi
frekuensi data kelompok.
2.11.2 Poligon
Grafik garis biasanya dibuat untuk menunjukkan perkembangan suatu
keadaan. Perkembangan tersebut bisa naik ataupun bisa turun. Hal ini akan
tampak secara visual melalui garis dalam grafik. Dalam grafik garis
menghubungkan tiap-tiap nilai atau nilai tengah dari tiap-tiap interval
kelas secara berturut-turut. Grafik garis dapat dibuat dari distribusi
frekuensi data tunggal maupun dari distribusi data kelompok.
2.11.3 Ogive
Ogive adalah grafik garis dari suatu data dalam distribusi frekuensi
kumulatif dengan nilai-nilai skala horizontalnya berupa nilai tepi kelas
(batas kelas) setiap interval kelas dan nilai skala vertikalnya berupa
frekuensi kumulatif. Jadi dalam nilai-nilai skala pada absis (horizontal)
grafik ogive sama dengan pada absis histogram, sementara bentuk
grafiknya berupa grafik garis seperti pada polygon. Ada dua macam ogive
yaitu ogive dengan frekuensi kumulatif kurang dari atau sama dengan dan
ogive dengan frekuensi kumulatif lebih dari atau sama dengan.
2.11.4 Pie Chart

Cara lain untuk menyajikan data hasil penelitian adalah dengan digram
lingkaran (piechart). Diagram lingkaran digunakan untuk membandingkan
data dari berbagai kelompok.
2.11.5 Tabel
Tabel merupakan kumpulan angka-angka yang disusun sedemikian rupa
menurut kategori-kategori tertentu, sehingga kumpulan angka-angka
tersebut (data) mudah untuk dianalisis.
2.11.6 Diagram Pencar

Diagram pencar atau disebut juga dengan diagram titik (diagram sebaran)
ialah diagram yang menunjukkan gugusan titiktitik setelah garis koordinat
sebagai penghubung diputus. Untuk kumpulan data yang terdiri dari dua
variabel dengan nilai kuantitatif maka diagramnya dapat dibuat dalam
sistem sumbu koordinat dan gambarnya akan merupakan kumpulan titik-
titik yang terpencar.
2.11.7 Pivot Table

Pivot Table menurut Lee (2016), adalah tabel yang menampilkan data
lebih detail, lebih interaktif, mengelompokkan data lebih cepat dan mudah,
meringkas data dalam jumlah yang besar, serta melakukan berbagai
macam perhitungan dengan cepat
(Ananda dan Fadhil, 2018)

2.12 Software Data
Software data adalah sebuah perangkat lunak yang digunakan untuk
membuat dan mengelola struktur database (basis data) serta untuk mengakses
data. Adapun beberapa jenis software yg digunakan untuk mengelola data sebagai
berikut :
2.12.1 SPSS
Menurut Zein, dkk, (2019) SPSS yaitu software khusus untuk pengolahan
data statistik yang paling populer dan paling banyak digunakan di seluruh
dunia. SPSS dipakai dalam berbagai riset pasar, pengendalian dan
perbaikan mutu (quality improvement), serta riset-riset sains.
a. Sejarah SPSS
SPSS ketika awal mula dikenal memiliki singkatan Statistical
Package for The Social Sciences. SPSS dikembangkan oleh seorang
tokoh bernama Norman H. Nie , C. Hadlai Hull, dan Dale H. Bent
pada tahun 1968. SPSS merupakan program terkenal yang
digunakan untuk analisis statistik pada ilmu sosial.
Tidak hanya itu, SPSS juga dapat digunakan sebagai penelitian pasar
(market research), penelitian kesehatan, penelitian pendidikan,
survei perusahaan, dan lain-lain. Karena SPSS rupanya dapat
diterapkan dalam segala bidang, singkatannya pun diganti menjadi
Statistical Product and Service Solutions. Pada tahun 1984, SPSS
menjadi program pertama yang memasarkan software analisis
statistik untuk PC (Personal Computer), saat itu masih era DOS
(Disk Operating System). Tahun 1992, SPSS dirilis dalam versi
Windows. Pada tahun 2009, SPSS diakuisisi oleh perusahaan IBM.
Pada tahun 2009 sampai 2010. SPSS diberi nama PASW (Predictive
Analytic SoftWare). Pada Agustus 2010, SPSS diberi nama IBM
SPSS Statistic. SPSS terbaru keluaran tahun 2011 adalah IBM SPSS
Statistic 20.0. Selain itu, SPSS memiliki sejumlah fasilitas yang
dapat menangani berbagai permasalahan statistika, seperti uji
statistik deskriptif (mencari mean, median, modus, dan lain-lain), uji
statistik inferensial (mencari korelasi, perbedaan, pengaruh), atau
pun melakukan analisis faktor. SPSS juga diketahui dapat digunakan
untuk mengakses data dari berbagai macam software lainnya
(Seperti dbase, Lotus, Accses, text file, spread-sheet) yang

selanjutnya dapat diolah dan dianalisis (Sufren dan Yonathan, 2013).
b. Fitur Umum
Menurut Machali (2015), fitur-fitur yang seringkali dijumpai pada
SPSS :
1) File
Menu file berfungsi untuk menangani hal-hal yang
berhubungan dengan file data, seperti membuat file baru,
membuka file tertentu, mengambil data dari program lain,
mencetak isi dari data editor dan lainnya.
2) Edit
Menu edit berfungsi untuk menangani hal-hal yang
berhubungan dengan memperbaiki atau mengubah nilai data
(duplikasi data), menghilangkan data, edit data dan lainnya.
Selain itu, menu Edit juga berfungsi untuk mengubah setting
pada Options.
3) View
Menu view berfungsi untuk mengatur toolbar (status bar,
penampakan value lable dan sebagainya).
4) Data
Menu data berfungsi untuk membuat perubahan data SPSS
secara keseluruhan, seperti mengurutkan data, menyeleksi data
berdasarkan kriteria tertentu, menggabungkan data dan
sebagainya
5) Transform
Menu transform berfungsi untuk membuat perubahan pada
variable yang telah dipilih dengan kriteria tertentu.
6) Analyze (Statistics)
Menu analyze merupakan menu inti dari SPSS, yang berfungsi
untuk melakukan semua prosedur perhitungan statistik, seperti
uji-t, uji-F, regresi, time series dan sebagainya.
7) Direct Marketing
Menu ini merupakan menu terbaru dalam IBM SPSS yang
digunakan untuk melakukan analisis marketing. Menu ini
umumnya ditujukan pada pengguna SPSS dengan latar
belakang pekerjaan sebagai pemasaran khususnya Direct
Marketing.
8) Graphs
Menu Graphs berfungsi untuk membuat berbagai jenis grafik
untuk mendukung analisis statistik, seperti Pie, Line, Bar dan
kombinasinya.
9) Utulities
Menu ini adalah menu tambahan yang mendukung program
SPSS
10) Add-Ons
Menu ini juga merupakan menu tambahan yang berisi
mengenai software lain yang dapat diintegrasikan dengan
SPSS, juga berisi sambungan online dengan website SPSS
guna kepentingan pelatihan dan pengembangan SPSS.
11) Window
Menu ini berfungsi untuk pindah diantara menu-menu lain di
SPSS.
12) Help
Menu ini berfungsi untuk menyediakan bantuan informasi
mengenai program SPSS yang bisa diakses secara mudah dan
jelas.
c. Kelebihan dan Kekurangan
Menurut Candra & Rakhman (2018), terdapat kelebihan dan
kelemahan yang dimiliki oleh SPSS yaitu :
1) Kelebihan :
a) Memiliki kemampuan analisis statistik cukup tinggi
serta sistem manajemen data pada lingkungan grafis
dengan menggunakan menu-menu deskriptif dan kotak-

kotak dialog yang sederhana sehingga mudah untuk
dipahami cara pengoperasiannya
b) Mudah dalam memasukan data
c) Mudah dalam melakukan pengolahan data
d) Cepat menampilkan output
2) Kekurangan :
Kekurangan dari SPSS yaitu SPSS tidak membedakan tipe
data berdasarkan runtun waktu maupun yang disusun
berdasarkan subjek penelitian. Jadi saat Anda dihadapkan
pada sebuah data time series maka SPSS kurang relevan,
apalagi bila kita memakai data panel, maka SPSS tidak
bisa men-generate model random effect dan model fixed
effect. Data panel dalam hasil olahan SPSS hanya akan
menjadi satu model yaitu model common.
2.12.2 Microsoft Excel
Microsoft Excel atau microsoft office excel adalah program aplikasi
spreadsheet (lembar kerja elektronik). Fungsi dari Microsoft Excel adalah
untuk melakukan operasi perhitungan serta dapat mempresentasikan data
ke dalam bentuk tabel. (Susandra, 2010)
a. Fungsi atau Kegunaan Microsoft Excel dalam Pekerjaan
Fungsi atau kegunaan microsoft excel dalam pekerjaan sehari-hari
antara lain sebagai berikut :
1) Membuat catatan keuangan, anggaran serta menyusun laporan
keuangan.
2) Menghitung dan mengelola investasi, pinjaman, penjualan,
inventaris, dan lain-lain.
3) Melakukan riset harga.
4) Melakukan konversi mata uang.
b. Kelebihan dan Kekurangan Microsoft Excel

Menurut Musyafa (2014:7), “pada penggunaan Microsoft Excel
mempunyai kelebihan dan kekurangan” diantaranya sebagai berikut:
1) Kelebihan
a) Excel 2007 mempunyai kemampuan menampung data
yang cukup besar dengan 1 juta baris dan 16.000 kolom
dalam 1 sheet. Jadi dalam 1 sheet bisa menampung
jawaban 1 juta responden dan 16 ribu
jawaban/pertanyaan.
b) Excel 2007 format yang paling populer dan fleksibel jadi
sebagian besar software data entry ada fasilitas konversi
ke format excel atau format lain yang bisa dibaca excel.
c) Dengan memanfaatkan fungsi VLOOKUP dan
HLOOKUP, kita bisa mengkontrol identitas responden
untuk keperluan transfer informasi antar tabel, antar
sheet atau antar file excel.Menu file
d) Dengan Pivot Tables, kita bisa kerja lebih efektif karena
semua tabel summary yang kita rencanakan bisa kita
buat dahulu walaupun data belum masuk semua. Setiap
ada data masuk otomatis pivot table akan me-refresh
sehingga tabel akan terupdate sendiri.
2) Kekurangan
a) Pivot tabel yang menyertakan banyak kolom/pertanyaan
menghasilkan tabel tersarang, Kendalanya adalah kita
harus memperhitungkan jumlah kategori jawaban yang
akan ditabelkan, karena pivot otomatis akan
menggunakan kolom dan baris baru ke
samping/kebawah sehingga jika di samping atau
dibawah ada tabel pivot lain, maka akan error.
b) Untuk tabel yang besar dengan ukuran file lebih dari
10MB, maka setiap editing/updating data, maka secara
default excel akan melakukan proses Workbook

Calculating yang kecepatannya tergantung dari
processor dan RAM komputer. Ini cukup memakan
waktu pengolahan data.
c) Untuk membuat kolom baru yang berisi pengkategorian
dari sebuah kolom/jawaban pertanyaan, atau membuat
filter responden; kita harus membuat rumus excel baik
rumus matematika, logika maupun text.
BAB III
METODOLOGI PERCOBAAN
3.1 Objek dan Waktu Praktikum
a. Objek Praktikum
b. Waktu Praktikum
3.2 Metode Pengumpulan Data
3.3 Alat dan Bahan Praktikum
a. Bahan praktikum berupa pertanyaan yang akan dimasukkan ke dalam
kuesioner sebagai metode pengumpulan data.
b. Kamera atau media yang bisa dijadikan sebagai alat dokumentasi.
c. Laptop sebagai media pengumpulan data serta program aplikasi
pengolat data statitistik (Ms. Excel, SPSS, Minitab, dll).
3.4 Prosedur Praktikum
BAB IV
PENGOLAHAN DATA
BAB V
PEMBAHASAN
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
DAFTAR PUSTAKA
LAMPIRAN

Modul 1 Statistik Deskriptif Part 2

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 1 Statistik Deskriptif Part 2

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL I

LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

2.1 Statistik dan Statistika

mempertahankan, mengembangkan perusahaan dalam perolehan

pengolahan data, penganalisaan, penafsiran dan penarikan

c. Jika statistika dapat diartikan sebagai sekumpulan angka yang dapat

nilai statistika, pembuatan diagram atau gambar mengenai sesuatu

standar deviasi dari masing- masing variabel independen dan

berbeda sehingga diperlukan beberapa variabel untuk menjelaskan keadaan

oleh mahasiswa di luar UT, tingkat kepuasan mahasiswa UT terhadap

e. Berdasarkan Waktu Pengumpulan Data

Lanjutan Tabel 2. 2 Data Berdasarkan Skala

2.7 Ukuran Pemusatan Data

lain, distribusi frekuensi merupakan tabel yang menunjukkan sebaran

2.9.3 Tahapan Penyusunan Distribusi Frekuensi

Range = Nilai Maksimum − Nilai Minimum … . (2.1)

2.10 Skewness dan Kurtosis

Berdasarkan jawaban tersebut diketahui bahwa nilai Sk>0, maka kurva

1) Leptokurtik yang merupakan distribusi yang memiliki puncak

Jika nilai KK > 3 : Kurva leptokurtik atau runcing sekali

2.11 Jenis-Jenis Penyajian Data

2.11.4 Pie Chart

2.11.6 Diagram Pencar

2.11.7 Pivot Table

(Ananda dan Fadhil, 2018)

(Seperti dbase, Lotus, Accses, text file, spread-sheet) yang

dengan menggunakan menu-menu deskriptif dan kotak-

b. Kelebihan dan Kekurangan Microsoft Excel

default excel akan melakukan proses Workbook

Anda mungkin juga menyukai