ANALISIS UNIVARIATE
Disusun Oleh :
FITRYA MONICA
Nim/Bp :16137005/2016
Dosen Pengampu :
LABORATORIUM TAMBANG
JURUSAN TEKNIK PERTAMBANGAN
FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2019
A. DASAR TEORI
1. Pengertian analisis data
Kata analysis berasal dari bahasa GreekYunani terdiri dari kata
“ana” dan “lysis”. Ana artinya atas above, lysis artinya memecahkan
atau menghancurkan. Secara definitif ialah “Analysis is a process of
resolving data into its constituent components to reveal its characteristic
elements and structure’ Ian Dey. Agar data bisa dianalis maka data
tersebut harus dipecah dahulu menjadi bagian-bagian kecil menurut
elemen atau struktur, kemudian menggabungkannya bersama untuk
memperoleh pemahaman yang baru.
Analisa data merupakan proses paling vital dalam sebuah
penelitian. Hal ini berdasarkan argumentasi bahwa dalam analisa inilah
data yang diperoleh peneliti bisa diterjemahkan menjadi hasil yang
sesuai denganKaidah ilmiah. Analisis data adalah upaya atau cara untuk
mengolah data menjadi informasi sehingga karakteristik data tersebut
bisa dipahami dan bermanfaat untuk solusi permasalahan, tertutama
masalah yang berkaitan dengan penelitian. Atau definisi lain dari
analisis data yaitu kegiatan yang dilakukan untuk menubah data hasil
dari penelitian menjadi informasi yang nantinya bisa dipergunakan
dalam mengambil kesimpulan.
d. Standar deviasi
adalah nilai statistik yang dimanfaatkan untuk menentukan
bagaimana sebaran data dalam sampel, serta seberapa dekat titik
data individu ke mean atau rata-rata nilai sampel. Sebuah standar
deviasi dari kumpulan data sama dengan nol menandakan bahwa
semua nilai dalam himpunan tersebut adalah sama. Sedangkan nilai
deviasi yang lebih besar menunjukkan bahwa titik data individu
jauh dari nilai rata-rata. Untuk cara menghitung standar deviasi,
yang perlu dilakukan pertama-tama adalah menghitung nilai rata-
rata dari semua titik data. Rata-rata sama dengan jumlah dari semua
nilai dalam kumpulan data lalu dibagi dengan jumlah total titik data
tersebut. Setelah itu langkah berikutnya adalah menghitung
penyimpangan setiap titik data dari rata-rata. Caranya dengan
mengurangkan nilai dari nilai rata-rata. Deviasi setiap titik data akan
dikuadratkan dan dicari penyimpangan kuadrat individu rata-rata.
Lalu nilai yang dihasilkan disebut sebagai varians. Sedangkan
standar deviasi adalah akar kuadrat dari varians.
Fungsi Standar Deviasi
Biasanya standar deviasi dimanfaatkan oleh para ahli
statistik atau orang yang berkecimpung dalam dunia tersebut untuk
mengetahui apakah sampel data yang diambil mewakili seluruh
populasi. Sebab mencari data yang tepat untuk suatu populasi
sangat sulit untuk dilakukan. Maka dari itu perlu menggunakan
sampel data yang dapat mewakili seluruh populasi sehingga
mempermudah untuk melakukan penelitian atau suatu
tugas. Sebagai gambaran, jika seseorang ingin mengetahui berat
badan anak laki-laki berusia 10-12 tahun di suatu sekolah, maka
yang perlu dilakukan adalah mencari tahu berat beberapa orang dan
menghitung rata-rata serta standar deviasinya. Dari perhitungan
tersebut akan diketahui nilai yang dapat mewakili seluruh populasi.
Rumus Varian
Selain rumus di atas, juga ada versi lain yang bisa Anda
gunakan. Walaupun rumus berbeda, hasil akhirnya tetap sama.
Berikut adalah rumusnya:
Rumus Varian 2
Rumus Standar Deviasi 2
Keterangan:
s2 = Varian
s = Standar deviasi
xi = Nilai x ke-i
= Rata-rata
n = Ukuran sampel
e. Varians
Varians adalah salah satu ukuran dispersi atau ukuran
variasi. Varians dapat menggambarkan bagaimana berpencarnya
suatu data kuantitatif. Varians diberi simbol σ2 (baca: sigma
kuadrat) untuk populasi dan untuk s2 sampel. Selanjutnya kita akan
menggunakan simbol s2 untuk varians karena umumnya kita hampir
selalu berkutat dengan sampel dan jarang sekali berkecimpung
dengan populasi. Rumus untuk menghitung varians ada dua , yaitu
rumus teoritis dan rumus kerja. Namun demikian, untuk
mempersingkat tulisan ini, maka kita gunakan rumus kerja saja.
Rumus kerja ini mempunyai kelebihan dibandingkan rumus teoritis,
yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya.
Rumus kerja untuk varians adalah sebagai berikut:
Distribusi data juga merupakan hal yang penting dalam statistika.
Terdapat dua macam ukuran distribusi data yaitu kemencengan (skewness)
dan keruncingan (kurtosis)
f. Skewness
Pengertian Skewness atau disebut juga ukuran kemiringan
yaitu suatu bilangan yang dapat menunjukanmiring atau tidaknya
bentuk kurva suatu distribusi frekuensi. Skewness adalah
derajatketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu
distribusi memiliki ekor yang lebihmemanjang ke kanan (dilihat
dari meannya) maka dikatakan menceng kanan (positif) dan
jikasebaliknya maka menceng kiri (negatif). Secara perhitungan,
skewness adalah momen ketiga terhadap mean. Distribusi normal
(dan distribusi simetris lainnya, misalnya distribusi t atau Cauchy)
memiliki skewness 0 (nol).
g. Kurtosis
Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu
bilangan yang dapatmenunjukan runcing tidaknya bentuk kurva distribusi
frekuensi.Kurtosis adalah derajatkeruncingan suatu distribusi (biasanya
diukur relatif terhadap distribusi normal). Kurva yang lebih lebih runcing
dari distribusi normal dinamakan leptokurtik, yang lebih datar platikurtik
dandistribusi normal disebut mesokurtik. Kurtosis dihitung dari momen
keempat terhadap mean.
Ukuran Keruncingan Kurva (Kurtosis)
Dilihat dari tingkat keruncingannya, bentuk kurva dibagi menjadi tiga,
yaitu leptokurtis, platykurtis, dan mesokurtis. Bentuk kurva dari
masing-masing jenis tersebut adalah sebagai berikut:
Gambar.2 macam- macam bentuk kurtosis
Catatan :
meruncing (leptokurtis) jika tingkat keruncingannya lebih dari 3.
Kurva disebut normal (mesokurtis) jika tingkat keruncingannya
sama dengan 3.
jika tingkat keruncingannya kurang dari 3 maka kurva disebut
mendatar (platykurtis).
h. Range
Dalam sekelompok data kuantitatif akan terdapat data
dengan nilai terbesar dan data dengan nilai terkecil. Rentang (range)
atau disebut juga dengan jangkauan adalah selisih antara data
dengan nilai yang terbesar dengan data denga nilai yang terkecil
tersebut.
R=xmax−xminR = x_{max} - x_{min}
R=xmax−xmindimana
RRR adalah range (jangkauan atau rentang).
i. Nilai max adalah nilai data yang paling besar
j. Nilai min adalah nilai data yang paling kecil.
k. Sum
Fungsi ini artinya adalah menjumlahkan, jadi fungsi
Sum dalam Microsoft Excel digunakan untuk menjumlahkan isi
data berupa angka dalam range tertentu penulisannya.
PenulisanFUNGSI SUM dalam Microsoft Excel adalah =SUM
( Cell awal :Cell Akhir ), maksudnya kita disini akan menjumlahkan
Cell dari cell awal ke cell akhir.
l. Count yaitu menghitung berapa jumlah banyak data
4. Selanjutnya, klik data >> data Analysis >> maka akan muncul kolom
Data analisis seperti gambar di bawah ini >> Pilih Describtive
Statistica>> lalu klik OK
5. Maka akan muncul tabel dialog descriptive Statistics seperti berikut
maka langkah selanjut nya isi input range dengan cara memblok semua
nilai cycle time >> klik colums>> ceklis pada bagian labelsin first row.
Lalu setelah itu pada output optinions klik Output Range ambil lah
range di mana akan kita tampilkan/ munculkan hasil dari analisa
univariat kita >> langkah berikut nya klik centang summary statistic
>> ok.
Maka muncul
Setelah kita klik OK maka akan muncul tabel baru hasil analisis
univariate yang akan muncul secara otomatis.
6. Langkah berikutnya kita membuat histogram untuk memunculkan nya
maka lakukan langkah berikut ini : klik Data >> Data Analysis >>
maka akan muncul kotak dialog data Analysis >> pilih histogram >>
klik OK >>Maka akan muncul kotak dialog lagi >> maka masuk kan
input range dengan cara memblok hasil tabel cycle time >> klik labels
>> klik output range pilih lokasi yang akan menjadi tempat muncul
nya histogram kita >> jangan lupa menceklis chart output >> lalu OK.
Maka secara otomatis akan keluar tabel baru yang berisikan bin dan
frekuensi dan Histogram secara bersamaan.
C. Hasil Analisis
Pembahasan :
Setelah dilakukan analisis univariat maka di dapat:
1. Mean yang di dapat kan berjumlah: 1607.73166666667
2. Standar error di dapat kan sebesar: 15.8347770987238
3. Median yang didapatkan yaitu: 1648.48
4. Modus yang didapatkan yaitu 1682.89
5. Standar deviation didapatkan sebesar : 86.7306461003725
6. Sample varians di dapatkan sebesar : 7522.20497298806
7. Kurtosis yang di dapat: -0.491836767650662
8. Skewness yang di dapat yaitu: -0.847917814924715
9. Range yang di dapatkan sebesar: 288.37
10. Nilai minimum yang di dapatkan yaitu: 1413.91
11. Nilai maximum yang di dapat: 1702.28
12. Basil SUM / penjumlahan yaitu: 48231.95
13. Banyak count/data yaitu: 30
14. Dan disajikan melalui histogram
Kesimpulan : karena nilai Mean < ME < Mo maka, skewness pada
histogram tersebut merupakan skweness negatif, selain itu nilai negatif
yang kita dapat positif atau negatif nya bisa menunjukan skweness positif /
negatif/ normal. Dikarenakan kita mendapatkan skweness bernilai
-0.847917814924715 maka termasuk skweness negatif.
Histogram
16
12
8
Frequency
Frequency
4
0
1 4 8 2 6 e
.9 58 25 93 60 or
1 3 1. 9. 6. 4. M
14 14
7
15
2
15
8
16
4
Bin
8
6 Frequency
4
2
0
1 4 8 2 6 e
3 .9 .5
8
.2
5
.9
3
.6
0 or
41 71 29 86 44 M
1 14 15 15 16
Bin
LAMPIRAN
KELOMPOK 2
11 20.22 161.49 691.37 21.63 19.35 641.48
12 23.24 111.21 753.22 25.41 25.31 729.43
13 26.22 177.24 622.81 20.77 21.92 602.51
14 27.18 153.81 661.71 20.12 24.18 616.83
15 29.67 116.21 711.05 19.51 27.8 723.59
16 27.72 164.31 751.27 20.79 25.83 659.41
17 25.16 177.28 719.41 18.2 24.37 718.47
18 27.9 188.61 731.48 19.67 26.58 683.21
19 29.55 143.52 731.41 20.32 23.68 714.64
20 20.22 161.49 691.37 21.63 19.35 641.48
21 23.24 111.21 753.22 25.41 25.31 729.43
22 25.16 177.28 719.41 18.2 24.37 718.47
23 27.9 188.61 731.48 19.67 26.58 683.21
24 21.47 181.64 674.43 23.56 21.95 641.48
25 18.37 112.31 635.63 21.86 19.87 683.21
26 27.12 131.34 731.3 27.21 27.49 714.64
27 25.16 177.28 719.41 18.2 24.37 683.21
28 27.9 188.61 731.48 19.67 26.58 683.21
29 20.42 151.31 729.42 17.21 29.31 751.22
30 22.7 165.44 721.74 18.77 23.57 731.4