OLEH
NAMA : MUHAMMAD ISNANDA IBNURIZQ
STAMBUK : D071211079
KELOMPOK : III
DAFTAR ISI
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR TABEL
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR GAMBAR
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR RUMUS
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 1
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 2
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB II
TEORI DASAR
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 3
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 4
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 5
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 6
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 7
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 8
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 9
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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 :
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 10
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 11
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 12
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 13
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 14
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 15
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠)
e. Panjang kelas
Panjang kelas ialah angka yang diperoleh dari perbedaan selisih
antara kedua batas kelasnya.
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 16
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 17
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
= 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).
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 18
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
Dimana :
𝑋 = rata-rata hitung mod = modus
S = simpangan baku
Ukuran Tingkat Kemencengan (TK) berdasarkan Momen ketiga
Data Tunggal :
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 19
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 20
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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 :
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 21
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 22
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 23
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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.
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 24
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 25
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 26
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 27
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 28
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 29
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 30
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 31
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
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
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 32
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB IV
PENGOLAHAN DATA
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 33
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB V
PEMBAHASAN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 34
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 35
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
DAFTAR PUSTAKA
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 36
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN
LAMPIRAN
STATISTIK DESKRIPTIF
MUHAMMAD ISNANDA IBNURIZQ / D071211079 (KELOMPOK III) 37