MODUL METODE STATISTIK 1

Oleh

Wiwit Denny Fitriana, M.Si.

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS PESANTREN TINGGI DARUL ULUM
2018
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Statistik memiliki peranan penting dalam penelitian dan penerapan di bidang sains, sosial
dan teknik. Metode statistik merupakan suatu cara pengolahan dan analisis data yang
pemakaiannya memberi dasar jelas mengenai hubungan-hubungan yang terdapat antara variabel-
variabel yang menjadikan kajian. Penyajian data dapat memeberikan sebuah nilai informative
pada sebuah data mentah. Mahasiswa penting untuk mempelajari dan mengaplikasikan statistik
sehingga mahasiswa mampu untuk mengumpulkan, mengolah, menganalisis dan menyajikan data
untuk pembuatan skripsi.
Statistik deskriptif berhubungan dengan penggambaran atau penyajian data penelitian
sehingga data tersebut mudah dipahami. Penggambaran ini akan mempermudah pengambilan
keputusan berdasarkan hasil kesimpulan pada analisis dari data yang ditampilkan. Statistika
deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu data
sehingga memberikan informasi yang berguna. Statistik deskriptif berfungsi untuk
mendeskripsikan atau memberi gambaran terhadap objek yang diteliti melalui data sampel atau
populasi. Data yang disajikan dalam statistik deskriptif biasanya dalam bentuk ukuran pemusatan
data. Berdasarkan beberapa pernyataan di atas, maka pada praktikum modul ini akan dibahas
permasalah statistik deskriptif.

1.2 Batasan Praktikum

Batasan-batasan yang digunakan selama praktikum ini adalah data primer.

1.3 Tujuan Praktikum

Praktikum ini bertujuan untuk

1. Mahasiswa memahami dan mengetahui cara-cara pengolahan data

2. Mahasiswa dapat melakukan penyajian data secara informatif
 BAB II
TINJAUAN PUSTAKA

2.1 Definisi Statisitik dan Statistika

Statistik adalah kumpulan data, bilangan maupun non bilangan yang disusun dalam tabel dan
atau diagram yang melukiskan suatu persoalan. Statistika adalah pengetahuan yang berhubungan
dengan cara-cara pengumpulan data, pengolahan atau penganalisaannya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisaan yang dilakukan.

2.2 Pembagian Jenis Data

Data adalah sesuatu yang diketahui atau dianggap (Webster New World Dictionary). Data
dapat memberikan gambaran tentang suatu keadaan atau persoalan. Pada umumnya data tentang
sesuatu dikaitkan dengan tempat dan waktu, misalnya harga beras yang bermutu sedang di pasar
Senen, Jakarta, pada tanggal 2 Januari 1987, Rp 450 per kg. Penyebutan tempat dan waktu ini
sangat penting, sebab, selain data tersebut berubah-ubah dari waktu ke waktu, juga berbeda-beda
menurut tempat.
Berdasarkan Bentuk Data
Berdasarkan bentuknya, data dibagi menjadi:
1. Data Diskrit
Data yang diperoleh dengan cara menghitung. Contoh: Data jumlah peserta seminar adalah
20 orang.
2. Data Kontinyu
Data yang diperoleh dengan cara mengukur. Contoh: tinggi badan Erza adalah 168,5 cm.
Berdasarkan Sifat Data
Menurut Supranto berdasarkan sifatnya, data dibagi menjadi:
1. Data Kuantitatif
Data dalam bentuk angka. Contoh: penduduk Indonesia tahun 1986 sebanyak 160 juta.
2. Data Kualitatif
Data yang tidak berbentuk angka. Contoh: produksi padi sangat meningkat, harga daging
sangat mahal, dan lain sebagainya.
Berdasarkan Skala Pengukuran Data
Berdasarkan skalanya data dapat dibagi menjadi empat, yaitu:
1. Data Nominal
Data skala yang mempunyai ciri untuk membedakan skala ukur yang satu dengan skala ukur
yang lain. Contoh: angka (1) untuk laki-laki dan (2) untuk perempuan hanya merupakan simbol
yang digunakan untuk membedakan dua kategori jenis kelamin.
2. Data Ordinal
Data skala yang selain mempunyai ciri membedakan, juga mempunyai ciri mengurutkan
pada rentangan tertentu. Contohnya adalah data peringkat (ranking) siswa dalam satu kelas yang
menunjukkan urutan prestasi belajar tertinggi sampai terendah. Siswa pada peringkat (1)
memiliki prestasi belajar lebih tinggi dari siswa peringkat (2).
3. Data Interval
Data skala yang mempunyai ciri membedakan, mengurutkan dan juga memiliki jarak yang
sama. Akan tetapi, zeropoint sifatnya berubah-ubah tergantung dari skala yang dipakai. Contoh:
Data skala suhu Celcius, Reamur, tidak ada nol mutlak dalam skala Celcius dan Reamur.`
4. Data Rasio
Data dengan tingkat pengukuran paling tinggi diantara jenis data lainnya, mempunyai ciri
jarak yang sama, serta memiliki nilai nol (zero point) yang nilainya absolut. Contoh: Data skala
suhu Kelvin 0 dalam derajat kelvin sama dengan 273 derajat celcius.
Dalam penyajian dan pengolahannya, skala data nominal dan ordinal dapat digunakan untuk
data kualitatif, sedangkan skala data interval dan rasio dapat digunakan untuk data kuantitatif.

Berdasarkan Sumber Data

Menurut Supranto berdasarkan sumbernya, data dibagi menjadi:
1. Data Internal
Data yang menggambarkan keadaan/kegiatan didalam suatu organisasi. Contoh: Didalam
suatu perusahaan data internal meliputi data personalia, data keuangan, data peralatan, data
kekayaan, data produksi, data hasil penjualan.
2. Data Eksternal
Data yang menggambarkan keadaan/kegiatan diluar suatu organisasi. Contoh: Didalam suatu
perusahaan data eksternal meliputi data yang menggambarkan tingkat daya beli masyarakat,
perkembangan harga, data yang menunjukkan demand, data konsumsi.
Berdasarkan Cara Memperoleh Data
Berdasarkan cara memperoehnya, data dibagi menjadi:
1. Data Primer
Data yang dikumpulkan dan diolah sendiri oleh suatu organisasi atau perseorangan langsung
dari obyeknya. Misalnya Biro Pusat Statistik (BPS) melakukan sensus penduduk tahun 1980
untuk memperoleh data penduduk langsung menghubungi rumah tangga-rumah tangga.
2. Data Sekunder
Data yang diperoleh dalam bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh
pihak lain, biasanya sudah dalam bentuk publikasi. Misalnya suatu perusahaan atau departemen
memperoeh data penduduk dari Biro Pusat Statistik (BPS), data perbankan dari Bank Indonesia
(BI), data keuangan dari departemen Keuangan, dan sebagainya.

Berdasarkan Waktu Pengumpulan Data

Berdasarkan waktu pengumpulan data, data dibagi menjadi:
1. Data Cross Section
Data yang dikumpulkan pada suatu waktu tertentu yang bisa menggambarkan
keadaan/kegiatan pada waktu tersebut. Misalnya, hasil sensus penduduk tahun 1980
menggambarkan keadaan penduduk Indonesia pada tahun 1980 (menurut umur, menurut jenis
kelamin, menurut agama, menurut pendidikan, menurut lapangan kerja, dan lain sebagainya).
2. Data Time Series
Data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang
perkembangan suatu kegiatan dari waktu ke waktu. Misalnya, perkembangan hasil produksi pada
suatu perusahaan selama 3 tahun terakhir.

2.3 Statistik Deskriptif

Statistik deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan
penyajian suatu gugus data sehingga memberikan informasi yang berguna. Contoh statistik
deskriptif yang sering muncul adalah tabel, diagram, dan grafik.
Statistika Deskriptif adalah ilmu yang mempelajari tentang cara:
a. Mengumpulkan data/informasi.
b. Mengolah data hasil pengumpulan.
c. Menyajikan data hasil pengolahan.
d. Menganalisis data.

2.4 Pengertian Dispersi Data

Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai rata-
ratanya. Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah
dari hasil dispersi nilai-nilai tersebut sekitar rataratanya. Makin besar variasi nilai xi , makin
kurang representatif rata-rata distribusinya. Ukuran penyebaran suatu kelompok data terhadap
pusat data disebut dispersi atau variasi atau keragaman data. Dispersi data digunakan untuk
membandingkan penyebaran 2 distribusi data atau lebih.
Beberapa jenis pengukuran Dispersi adalah sebagai berikut:
1. Jangkauan (Range)
Selisih antara batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah.

2. Simpangan Rata-Rata (Mean Deviation)

Jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi banyaknya data.

3. Varians (Variance)
Rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.

4. Standar Deviasi
Akar kuadrat dari varians dan menunjukkan standar penyimpangan data terhadap nilai rata-
ratanya.

5. Jangkauan kuartil dan jangkauan persentil 10-90

Jangkauan kuartil disebut juga simpangan kuartil atau semi antar kuartil atau deviasi kuartil
sedangkan jangkauan persentil 10-90 disebut juga rentang persentil 10-90.

6. Koefisien Variasi
Koefisien Variasi, disebut dispersi relatif, dapat digunakan untuk membandingkan nilai – nilai
besar dengan nilai – nilai kecil. Sedangkan lima bentuk dispersi sebelumnya tidak bisa.

2.5 Kegunaan Ukuran Penyebaran Data

 Dispersi Data adalah data yang menggambarkan bagaimana suatu kelompok data
menyebar terhadap pusatnya data atau ukuran penyebaran suatu kelompok data terhadap pusatnya
data.
Dispersi data sangat penting untuk membandingkan penyebaran 2 distribusi data atau
lebih. Pusat data seperti rata-rata hitung, median dan modus hanya memberi informasi yang
sangat terbatas sehingga tanpa disandingkan dengan dispersi data menjadi kurang bermanfaat
dalam menganalisa data.
Kegunaan ukuran penyebaran antara lain sebagai berikut :
1. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rata-ratanya benar-benar
representatif atau tidak. Apabila suatu kelompok data mempunyai penyebaran yang tidak
sama terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak
representatif.
2. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap variabilitas
data.
3. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam pengujian
hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak.

2.6 Manfaat Mempelajari Statistik dan Dispersi Data

Kegunaan mempelajari ilmu Statistik adalah:
1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.
2. Untuk Penaksiran (Forecasting)
3. Untuk Pengujian (Testing Hypotesa)
Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2 pertimbangan:
1. Pusat data (rata2, median dan modus) hanya memberi informasi yang sangat terbatas.
2. Kedua, dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data
atau lebih.

2.7 Ukuran Lokasi

Ukuran lokasi adalah suatu ukuran sepanjang garis horizontal yang letaknya ditengah
distribusi data. Ukuran lokasi sekumpulan data adalah nilai representatif bagi keseluruhan nilai
data atau dapat menggambarkan distribusi data itu, khusunya dalam hal letaknya (lokasinya).
1. Mean (Rata-rata)
 Mean adalah nilai rata-rata dari beberapa buah data. Mean merupakan suatu ukuran
pemusatan data. Mean tidak dapat digunakan sebagai ukuran pemusatan untuk jenis data nominal
dan ordinal. Mean dirumuskan menjadi:
a. Mean dari data tunggal

(2-1)

Sumber: Montgomerry (2011:192)

Dengan:
xi = nilai tengah kelas ke-i n = banyak data
b. Mean dari data kelompok

(2-2)

Sumber: Montgomerry (2011:193)

Dengan:
fi = frekuensi kelas ke-i
2. Median (Nilai tengah)
Median adalah bilangan yang ditengah-tengah setelah bilangan-bilangan itu diurutkan dari
yang terkecil sampai yang terbesar. Median dilambangkan dengan notasi Me. Median
dirumuskan dalam persamaan:
a. Data yang belum dikelompokkan
1) Untuk Me jika n ganjil maka:
(2-3)
Sumber: Montgomerry.2011
2) Untuk Me jika n genap maka:
⁄ ( ⁄ ⁄ (2-4)
Sumber: Montgomerry.2011
b. Data yang dikelompokkan

[ ] (2-5)

Sumber: Akhmad Fauzy (2008:40)

Dengan:
Me = median
N = banyaknya observasi
LB = Lower Boundary (tepi bawah kelas median)
fkum<= frekuensi kumulatif kurang dari kelas median
fmedian= frekuensi kelas median
3. Modus
Modus adalah bilangan yang paling sering muncul atau nilai yang memiliki frekuensi
terbanyak. Modus dilambangkan dengan notasi Mo. Modus digolongkan menjadi:
a. Data yang belum dikelompokkan
Modus dari data yang belum dikelompokkan adalah ukuran yang memiliki frekuensi
tertinggi.
b. Data yang telah dikelompokkan
Modus dari data yang telah dikelompokkan dihitung dengan rums:

(2-6)

Sumber: Akhmad Fauzy, (2008:32)

Dengan:
M = Modus
L = tepi bawah kelas yang memiliki frekuensi tertinggu (kelas modus)
i = interval kelas
b1 = frekuensi kelas modus dikurangi kelas interval terdekat sebelumnya.
b2 = frekuensi kelas modus dikurangi kelas interval terdekat sesudahnya.
4. Kuartil
Kuartil adalah titik atau skor atau nilai yang telah diurutkan yang membagi seluruh distribusi
frekuensi kedalam empat bagian yang sama besar, yaitu masing-masing sebesar N. Kuartil ada

tiga yaitu kuartil pertama ( ), kuartil kedua ( ), dan kuartil ketiga ( ). Ketiga kuartil inilah yang

membagi seluruh distribusi frekuensi dari data yang diselidiki menjadi empat bagian yang sama
besar.
5. Desil
Desil adalah nilai-nilai observasi yang membagi data menjadi 10 bagian yang sama.
6. Persentil
Merupakan himpunan data dimana jumlah observasinya lebih besar atau sama dengan 100,
dapat ditentukan 99 nilai yang membagi himpunan data tersebut menjadi 100 bagian sama besar.
Nilai-nilai tersebut disebut sebagai persentil, mulai dari persentil pertama (P1) sampai dengan
persentil (P99). Artinya setiap bagian memiliki jumlah observasi yang sama sedemikian rupa
sehingga 1% observasi sama atau lebih kecil dari p1, 2% observasi sama dengan atau lebih kecil
dari p2, dst.

2.8 Ukuran Variabilitas

Ukuran variabilitas atau ukuran keragaman data adalah suatu nilai atau ukuran yang
menunjukkan besarnya simpangan data dari pusatnya. Ukuran keragaman dapata menunjukkan
pula homogenitas atau kehomogenan data. Semakin besar nilai suatu ukuran keragaman makan
semakin rendah homogenitas data (artinya data semakin tidak homogen).
1. Variansi
Variansi adalah ukuran bagi persebaran data yang diukur adalah seberapa jauh data tersebar
di sekitar rata-rata.
a. Varians untuk data tunggal :
S²= Ʃ - ² (2-7)

Sumber: Montgomerry (2011:193)

Dengan:
n = jumlah data
-rata
b. Varians untuk data berkelompok :
S²= Ʃ - ² (2-8)

Sumber: Montgomerry (2011:193)

2. Standar Deviasi
Standar deviasi adalah suatu nilai yang menunjukkan besarnya simpangan rata-rata seluruh
nilai yang ada dalam kelompok data dengan nilai pusatnya dengan cara menghilangkan
kemungkinan nilai nol dengan jalan dikuadratkan.
a. Standar deviasi data tunggal

S=√ (2-9)

Sumber: Montgomerry (2011:194)

b. Standar deviasi data kelompok
̅
S=√ (2-10)
Sumber: Montgomerry (2011:195)
Dengan:
S = standar deviasi atau simpangan baku
fi= frekuensi i i -rata Mi= nilai tengah dari kelas
3. Range (Jangkauan)
Range atau jangkauan adalah selisih nilai-nilai ekstrim yang terdapat dalam kumpulan data
atau dengan kata lain selisih nilai tertinggi dengan terendah dalam kumpulan data.
Range dirumuskan :
(2-11)
Sumber: Montgomerry (2011:196)
Dengan:
R = Range yang dicari Xp= Nilai yang tertinggi Xq = Nilai yang terendah

2.8.1 Penyajian Data

Fungsi penyajian data yaitu yang dapat menunjukan perkembangan suatu keadaan, maupun
mengadakan perbandingan pada suatu waktu.
1. Tabel
Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-kategori sehingga
memudahkan untuk pembuatan analisis data (Supranto, 20). Terdapat tiga jenis tabel, yaitu:
a. Tabel satu arah ialah tabel yang memuat keterangan mengenai satu hal atau satukarakteristik
saja.
Tabel 2.1 Banyaknya produksi kayu menurut jenis 1984/1985
Jenis Banyaknya (x1000m3)
(1) (2)
Kayu Rimba 14.951
Kayu jati 1.006
Jumlah 15.957
Sumber: Departemen Kehutanan, dalam Statistik Indonesia, 1985
b. Tabel dua arah ialah tabel yang menunjukan dua hal atau dua karakteristik.
Tabel 2.2 Jumlah mahasiswa universitas persada jakarta, menurut fakultas agama, 1986
Fakultas Katolik Bukan Katolik Jumlah
Fak. Ekonomi 266 292 558
 Fak.Teknik 150 162 312
Fak.Hukum 55 65 120
Fak.Kedokteran 273 186 459
Jumlah 924 861 1.785
c. Tabel tiga arah ialah tabel yang menunjukan tiga kategori atau tiga karakteristik.

Tabel 2.3 Jumlah kendaraan perusahaan x menurut umur, merek & jenis, pada tahun 1986

Golongan Jumlah
Sedan Bis Dll Sedan Bis Dll Sedan Bis Dll
1 2 3 4 5 6 7 8 9 10 11
< 1th
1th < 2th
2th < 3th
5 2 1 4 1 3 1 1 18
3th < 4th
4th < 5th
≥ 5th
Jumlah
2. Grafik Data
Grafik merupakan gambar-gambar yang menunjukkan secara visual data berupa angka yang
biasanya juga berasal dari tabel-tabel yang telah dibuat (Supranto, 20).Grafik data sebenrnya
merupaka penyajian data secara visual dari data bersangkutan.Grafik data dibedakan atas
beberapa jenis, yaitu :
1. Grafik Gambar (Pictogram)
Grafik data yang menggunakan gambar atau lambang dari data itu sendiri dengan skala
tertentu.
Contoh gambar:
 Gambar 2.1 Grafik gambar
Sumber: NGfl Cymru.2012
2. Grafik batang atau balok
Grafik data berbentuk persegi panjang yang lebarnya sama dan dilengkapi dengan skala atau
ukuran sesuai dengan data yang bersangkutan. Setiap batang tidak boleh saling menempel atau
melekat antara satu dengan lainnya dan jarak antara setiap batang yang berdekatan harus sama.
Contoh gambar:

Gambar 2.2 Grafik batang

Sumber: Totopribadi.2009
3. Grafik garis
Grafik yang terdiri dari garis unuk menggambarkan perkembangan hal/kejadian.
Contoh gambar:

Gambar 2.3 Grafik garis

Sumber: Totopribadi.2009
4. Grafik lingkaran
Grafik data berupa lingkaran yang telah dibagi menjadi juring-juring sesuai dengan data
tersebut.Bagian-bagian dari keseluruhan data tersebut dinyatakan dalam persen.
Contoh gambar:
Gambar 2.4 Grafik lingkaran
Sumber: Totopribadi.2009
5. Kartogram atau peta statistik
Grafik data berupa peta yang menunjukkan kepadatan penduduk, curah hujan, hasil
pertanian, hasil pertambangan dsb.
Contoh gambar:

Gambar 2.5 Kartogram atau peta statistik

Sumber: BNPB.2010
Selain dengan grafik dan table penyajian data juga bisa disajikan dengan cara :
1. Histogram merupakan diagram balok. Histogram menghubungkan antara tepi kelas interval
dengan pada sumbu horizontal (X) dan frekuensi setiap kelas pada sumbu vertikal (Y).
Contoh gambar:

Gambar 2.6 Histogram

Sumber: Margaret Rouse.2007
2. Polygon menggunakan garis yang menghubungkan titik-titik yang merupakan koordinat
antara nilai tengah kelas dengan jumlah frekuensi pada kelas tersebut.
Contoh gambar:
 Gambar 2.7 Polygon
Sumber : abdanfahreza.blogspot.com
3. Ogif merupakan diagram garis yang menunjukkan kombinasi antara interval kelas dengan
frekuensi kumulatif.
Contoh Gambar:

Gambar 2.8 Ogif naik dan turun

Sumber : ipa6smanik.blogspot.com

2.3.1 Ukuran Bentuk

Ukuran bentuk adalah ukuran yang digunakan untuk mengetahui bentuk kurva dari data yang
telah diperoleh atau diproses.Berdasarkan ukuran bentuknya data dibagi menjadi dua, yaitu
sebagai berikut.
1. Skewness
Skewness atau disebut juga ukuran kemiringan yaitu suatu bilangan yang dapat menunjukkan
miring atau tidaknya bentuk kurva suatu distribusi frekuensi.Distribusi yang ekor kurvanya lebih
panjang ke kanan disebut miring ke kanan atau positif skewness.Begitu juga sebaliknya. Pada
distribusi yang miring, mean cenderung berada pada sisi ekor yang lebih panjang dengan modus
berada di frekuensi maksimum. Skewness dapat dihitung dengan rumus berikut :

∑( )

(2-12)
Sumber: Hari.2011.statistika Industri .word
Dengan:
 Gambar 2.9 Macam-macam skewness
Sumber: statutorial.blogspot.com

2. Kurtosis
Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap
distribusi normal).Kurva yang lebih runcing dari distribusi normal dinamakan leptokurtic, yang
lebih datar platikurtik, dan distribusi normal disebut mesokurtik. Distribusi normal memliki
kurtosis = 3, sementara distribusi yang leptokurtic memiliki kurtosis > 3, dan platikurtik < 3.
Berikut rumus kurtosis:

{ ∑( ) } (2-13)

Sumber: Hari.2011.statistika industri.word

Dengan:

Gambar 2.10 Macam-macam kurtosis

Sumber: statutorial.blogspot.com
 BAB III
METODOLOGI PRAKTIKUM

3.1 Alat dan Bahan

a. Data sekunder jumlah laki-laki dan perempuan di Indonesia

b. Alat tulis
c. Lembar pengamatan
d. Software SPSS

3.2 Prosedur Praktikum

Langkah–langkah yang harus dilakukan oleh mahasiswa adalah sebagai berikut :
1. Melakukan tinjauan pustaka melalui buku dan internet tentang statistika deskriptif
2. Mengidenifikasikan masalah tentang data sekunder
3. Mendata jumlah laki-laki dan perempuan pada tiap-tiap provinsi
4. Mengolah data secara manual dan menggunakan SPSS
5. Menganalisis dan menginterprestasikan data
6. Menyajikan data dalam bentuk grafik batang, garis dan diagram pie
7. Menarik kesimpulan dari praktikum yang dilakukan

3.3 Penyajian data menggunakan SPSS

1. Siapkan data yangakan di analisis
2. Buk SPSS, Bu h dek si b e y g k digu k p d “V i b e View”
3. Masukan data yang telah disiapkan ke program SPSS
4. Jika data sudah di input kedalam SPSS, Maka langkah selanjutnya yaitu membuat table
4. descriptive
5. Klik Analyze---Descriptive Statistics-----Descriptives
6. Klik menu analyze-----tables----Costum Table, masih menggunakan data awal saat melakukan
analysis descriptive atau sesuai kebutuhan

Diagram Garis
Langkah-langkah yang diperlukan untuk menyajikan data kedalam grafik lingkaran sbb:
1. Masukkan data kedalam SPSS.
2. Dari menu utama SPSS, pilih dan klik mouse satu kali pada menu Graphs. Klik
Legacy Dialogs. Lalu pilih submenu Line.
3. Klik mouse satu kali pada Simple.
4. Pada Data in Chart Are, pilih dan klik mouse satu kali pada Summaries for Groups of cases
(datanya untuk tiap grup tertentu).
5. Klik mouse satu kali pada Define.
6. Untuk kotak pada Category Axis diisi dengan variabel pada sumbu datar. Untuk Line
Represent diisi oleh nilai pada sumbu tegak.

Diagram Lingkaran
Langkah-langkah yang diperlukan untuk menyajikan data kedalam grafik lingkaran sbb:
1. Masukkan data kedalam SPSS.
2. Dari menu utama SPSS, pilih dan klik mouse satu kali pada menu Graph. Selanjutnya pilih
submenu Pie.
3. Pilih dan klik mouse satu kali pada Summaries for Groups of cases. Klik mouse satu kali pada
Define. Untuk Slices Represent diisi variabel berupa satuan bukan dalam angka, dengan cara
mengklik mouse satu kali pada variabel tsb di sebelah kiri, lalu klik mouse satu kali pada tombol
anak panah  hingga variabel tsb pindah ke kotak yang sudah ada.
4. Klik mouse satu kali pada Other summaries function. Untuk Define slices by diisi dengan
variabel kualitatif, dengan cara mengklik mouse satu kali pada variabel tsb di sebelah kiri, lalu
klik mouse satu kali pada tombol anak panah  hingga variabel tsb pindah ke kotak Define slices
by. Klik OK.
 Laki - laki
25.000.000
20.000.000
15.000.000
10.000.000
5.000.000
0

Laki - laki
25.000.000
20.000.000
15.000.000
10.000.000
5.000.000
0

Papua
Sumatera Utara

Bengkulu

DI Yogyakarta

Banten

Maluku
Riau

Lampung

DKI Jakarta

Bali
Nusa Tenggara Barat

Kalimantan Barat

Sulawesi Utara

Papua barat
Sumatera Barat

Jambi

kepulauan Riau

Jawa Barat
Jawa Tengah

Nusa Tenggara Timur

Kalimantan Selatan
Kalimantan Timur
Jawa Timur

Gorontalo
Sulawesi Tengah

Sulawesi Barat

Maluku Utara
Aceh

Kep. Bangka Belitung

Sulawesi Tenggara
Kalimantan Tengah

Sulawesi Selatan
Sumatera Selatan

Laki - laki

Aceh Sumatera Utara Sumatera Barat Riau

Jambi Sumatera Selatan Bengkulu Lampung
Kep. Bangka Belitung kepulauan Riau DKI Jakarta Jawa Barat
Jawa Tengah DI Yogyakarta Jawa Timur Banten
Bali Nusa Tenggara Barat Nusa Tenggara Timur Kalimantan Barat
Kalimantan Tengah Kalimantan Selatan Kalimantan Timur Sulawesi Utara
Contoh gambar hasil Penyajian data

1.1.1.1 Pengolahan Manual

Pengolahan manual data adalah data diolah secara manual tanpa software pendukung seperti
minitab16, data ini dihitung secara manual.

1.1.1.1.1 Pengolahan Data Tunggal

Berikut ini adalah pengolahan data tunggal berat badan secara manual:
40,3 43,2 43,7 43,9 44,3 44,5 45,0 46,4 47,7 47,7
49,0 49,7 55,1 56,1 57,0 57,6 57,7 58,4 58,6 61,7
62,0 62,3 64,9 65,5 67,8 67,9 69,4 70,6 70,7 70,8
71,4 75,0 78,1 79,4 83,0 83,5 91,8 99,2 109,7 113,1

1. Mean/rata – rata data tunggal ∑

√ √
Data Tunggal
∑ √
5. Varians data tunggal
2. Median/nilai tengah data tunggal (Me) Data Tunggal
Data Tunggal
6. Kuartil
( ) ( )
Data Tunggal

Jadi, letak median berada di 20,25. Data

yang terletak di antara 20,25 adalah 20 Letak Q1 berada di antara data ke 10
dan 11 nilainya 48,35
dan 21.
Data Tunggal
Letak Q2 berada di antara data ke 20
dan 21 nialainya 61,85
3. Modus data tunggal
Modus dari data yang belum Letak Q3 berada di antara data ke 30
dikelompokkan adalah ukuran yang dan 31nilainya 71,11
7. Persentil
memiliki frekuensi tertinggi. Modusnya
Data Tunggal
adalah 47,7.
4. Standart Deviasi atau simpangan baku Letak P10 ada di data ke 4,nilainya
dan data tunggal (S) 43,9

Data Tunggal
Letak P90 ada di data ke 37,nilainya
∑ 91,8
√

1.1.1.1.2 Pengolahan Data Kelompok

Berikut ini adalah pengolahan data kelompok berat badan secara manual:
1. Jangkauan K = 1 + 3,3 (1,602)
Jangkauan = Xmax – Xmin = 1 + 5,29 = 6,29 ≈ 7
= 113,1 – 40,3 = 72,8 3. Interval
2. Kelas Rumus interval adalah jangkauan dibagi
Rumus dari kelas adalah : kelas
K = 1+ 3,3 log n
K = 1+ 3,3 log 40
4. Tabel frekuensi data berat badan

Tabel 4.2 Data Kelompok Berat Badan

Interval kelas Fr Fk Xi Fr.Xi xi-
40,3 – 51,8 12 12 46,05 552,6 -18,04
51,9 – 63,4 10 22 57,65 576,5 -6,44
63,5–75,0 10 32 69,25 692,5 5,16
75,1 –86,6 4 36 80,85 323,4 16,76
86,7–98,2 1 37 92,45 92,45 28,36
98,3 –109,8 2 39 104,05 208,1 39,96
109,9 –121,4 1 40 115,65 115,65 51,56
Total 40 565,95 2576

5. Mean/rata-rata data berkelompok

Data Berkelompok
∑ 9. Varians data berkelompok
Data Berkelompok
6. Median/nilai tengah data berkelompok ̅
∑
Data Berkelompok
∑
[ ]

[ ]
10. Kuartil data berkelompok
7. Modus data berkelompok
Data Berkelompok
Data Berkelompok

8. Standart Deviasi atau simpangan baku

data berkelompok
Data Berkelompok
∑
√ √

√
11. Persentil data berkelompok
Data Berkelompok
Penyajian Data
Setelah dilakukan pengolahan data, kemudian data yang diolah tersebut disajikan dalam
bentuk grafik batang dan histogram.
Data Tunggal
Setelah dilakukan pengolahan data, kemudian data yang diolah tersebut disajikan dalam
bentuk diagram batang untuk data tunggal.

Gambar 4.9 Grafik batang data tunggal

Dari grafik batang tersebut dapat diketahui bahwa berat badan dengan jangkauan antara
40,3 sampai 113,1 terdapat frekuensi tertinggi dengan berat 47,7 kg sebanyak 2 orang
praktikan.

1.1.1.2 Data Kelompok

Setelah dilakukan pengolahan data, kemudian data yang diolah tersebut disajikan dalam
bentuk diagram histogram untuk data berkelompok.

Gambar 4.10 Histogram data berkelompok

 Dari histogram data kelompok di atas dapat dilihat berat badan yang nilai tengahnya 60 kg
frekuensinya ada 11 orang dari rentang nilai tengah berat badan 40 kg sampai ratanilai tengah
berat badan 110 kg.

24
DAFTAR PUSTAKA

Sugiyono. 2009. Metode Penelitian Kuantitatif. Bandung: Alfabeta.

Trihendradi, C. 2004. Memecahkan Kasus Statistik: Deskriptif, Parametrik dan Non-

Parametrik dengan SPSS 12. Penerbit ANDI. Yogyakarta

. 2008. Step by Step SPSS 16 Analisis Data Statistik. Penerbit ANDI.

Yogyakarta

25