Tujuan Umum

1.Praktikan mampu memahami konsep

statistika deskriptif.
2.Praktikan mampu mengolah data statistika
deskriptif menggunakan software Microsoft
Excel dan SPSS.

Tujuan Khusus
Praktikan dapat melakukan pengolahan data
dan menyajikan data kedalam bentuk tabel,
diagram, dan tools lainnya.
DATA
 Himpunan nilai/variate/datum atau informasi lain yg
diperoleh dari observasi, pengukuran dan penilaian) thd
suatu obyek atau lebih

 Obyek pengamatan variable variate/nilai

 Data kualitatif = diperoleh dari hasil pengamatan

 Data kuantitatif = diperoleh dari kegiatan pengukuran
atau penilaian

3
 Statistik
Berasal dari kata Statistics, yaitu informasi yang
ditampilkan dalam bentuk angka, tabel, grafis
(Oxford Pocket, 2008)
 Statistika
Merupakan metode pengumpulan data, analisis,
interpretasi dan penyimpulan hasil analisis
(Jonnson dan Bhattacharya, 1985)
 Populasi
Wilayah generalisasi yang terdiri atas subjek atau
objek yang mempunyai kualitas dan karakter
tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya
(Sugiono, 2006 : 90)
 Sampel
Sebagian atau wakil populasi yang diteliti
(Arikunto, 1993 :109)
 Parameter
Karakteristik suatu populasi, seperti rata-
rata, standar deviasi, median dan lain-lain.
secara umum parameter-parameter populasi
secara statistik diperkirakan dan tidak
langsung dihitung dari data aritmatika dan
populasi.
 SAMPEL
POPULASI Suatu bagian dari populasi
Sebuah kumpulan dari tertentu yang menjadi
semua kemungkinan orang- perhatian.
orang, benda-benda dan
ukuran lain dari objek yang
menjadi perhatian.

6
 JENIS-JENIS DATA

1. Jenis kelamin
2. Habitat, dll

Data Kualitatif
1. Jumlah buku
perpustakaan
DATA 2. dll
Data Diskret

Data Kuantitatif
1. Berat badan
2. Jarak kota
3. dll
Data Kontinu

7
Penggolongan data statistik
 Berdasarkan sifat angka :
◦ Data kontinyu, yaitu data statistic yg angka-
angkanya mrpk deretan angka yg sambung-
menyambung, ex; data BB (kg): 40.3, 40.9,
50 dst
◦ Data diskrit, yaitu data statistic yg tidak mgk
berbentuk pecahan, ex; data jml buku perpust
(buah): 50,125,350, 275 dst

8
 Berdasarkan cara menyusun angkanya :
◦ Data nominal, yaitu data statistic yg cara
menyusunnya didasarkan pada klasifikasi tertentu, ex;
Jml mahasiswa Akuntansi 2014/2015 menurut
tingkat dan jenis kelaminnya
◦ Data ordinal/urutan, yaitu data statistic yg cara
menyusun angkanya didasarkan pada urutan/ranking,
Ex: Hasil nilai statistik berdasarkan ranking
◦ Data interval, yaitu data statistic dimana terdapat
jarak yg sama di antara hal-hal yg sdg diteliti


9
 Berdasarkan bentuk angkanya :
◦ Data tunggal, yaitu data statistic yg angka-angkanya
mrpk satu unit atau satu kesatuan, tdk
dikelompokkan
◦ Data kelompok, yaitu data statistic tiap unitnya terdiri
dari sekelompok angka, ex; 80 – 84, 75 – 79

Berdasarkan waktu pengumpulannya :

◦ Data seketika, yaitu data statistic yg mencerminkan
keadaan pada suatu waktu saja, ex : pada semester
gasal 2014/2015
◦ Data urutan waktu, yaitu data statistic yg
mencerminkan keadaan dari waktu ke waktu secara
berurutan, ex jumlah mahasiswa yg lulus dari tahun
1997 - 2014

10
 SUMBER DATA STATISTIKA

1. Wawancara langsung
2. Wawancara tidak
Data Primer langsung
3. Pengisian kuisioner

DATA

Data dari pihak lain:

1. BPS
Data Sekunder 2. Bank Indonesia
3. BEI
4. FAO dll

11
 NILAI PARAMETRIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan atau data sensus, masih harus di
analisis.

 NILAI STATISTIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan atau data sensus.

12
Statistika Parametrik:
• Membutuhkan pengukuran kuantitatif dengan
data interval atau rasio
• mempertimbangkan jenis sebaran/distribusi
data, yaitu apakah data menyebar normal atau
tidak.
• Contoh metode statistika parametrik: uji-z (1
atau 2 sampel), uji-t (1 atau 2 sampel), korelasi
pearson, Perancangan Percobaan (1 or 2-way
ANOVA parametrik), dll.
Statistika Nonparametrik
 Membutuhkan data dengan data ordinal dan
nominal
 Merupakan statistika bebas sebaran (tdk
mensyaratkan bentuk sebaran parameter populasi,
baik normal atau tidak).
 Contoh metode Statistika non-parametrik:Binomial
test, Chi-square test, Median test, Friedman Test,
dll.

14
1. Statistika Deskriptif (Statistika Deduktif)
Statistika deskriptif adalah kegiatan pengumpulan
data, pengolahan data, dan penyajian data yang
digambarkan dalam bentuk tabel, grafik, diagram,
dan pengukuran numerik tanpa berupaya untuk
menyimpulkan kondisi keseluruhan.
2. Statistika Inferensia (Statistika Induktif)
Statistika inferensia adalah metode statistik yang
digunakan sebagai alat untuk mencoba menarik
kesimpulan yang bersifat umum dari sekumpulan
data yang telah disusun dan diolah.
Data Tunggal Data Kelompok

Pengukuran terpusat Pengukuran terpusat

•Mean •Mean
•Median •Median
•Modus •Modus

Pengukuran Penyebaran Pengukuran Penyebaran

•Range •Range
•Quartile deviation •Quartile deviation
•Vaiance •Vaiance
•Standard deviation •Standard deviation
•Skewness (Kemiringan) •Skewness (Kemiringan)
•Kurtosis (Keruncingan) •Kurtosis (Keruncingan)

Gambar Bagan Statistika Deskriptik

Pengukuran terpusat
 Rata-rata hitung (Mean)

 Median

 Modus (Modus pada data tunggal adalah data yang paling

sering muncul).

Pengukuran penyebaran
 Range (Selisih antara nilai maksimum dan minimum.
Jangkauan data dapat menunjukkan kualitas suatu data.
Semakin kecil jangkauan suatu data, maka kualitas data
semakin baik, dan sebaliknya).
 Jangkauan Quartil

 Variansi (Rata – rata kuadrat selisih atau kuadrat simpangan

dari semua nilai data terhadap rata – rata hitung.).
 Standar deviasi (Standar deviasi adalah akar pangkat dua dari
variansi. Standar deviasi merupakan ukuran dispersi yang
dianggap paling baik sehingga sering digunakan dalam
analisis data ).
 Kemiringan (Skewness)
Kemiringan adalah derajat ketidaksimetrisan suatu distribusi.
Kemiringan atau Skewness dapat juga disebut ukuran
distribusi data di mana skewness biasanya digunakan untuk
mengetahui apakah data terdistribusi normal atau tidak
dengan menghitung rasio skewness dengan standard error of
skewness dari output software SPSS. Kriteria yang digunakan,
yaitu jika rasio skewness antara -2 sampai 2 maka data
terditribusi normal.
 Keruncingan (Kurtosis)
Kurtosis adalah derajat keruncingan suatu distribusi (biasa
diukur relatif terhadap distribusi normal). Kurtosis sama
halnya dengan skewness, di mana Kurtosis digunakan untuk
mengukur distribusi data. Dengan menggunakan software
SPSS untuk mengetahui apakah data terdistribusi normal atau
tidak, maka dihitung rasio Kurtosis dengan standard error
Kurtosis. Kriteria yang digunakan, yaitu jika rasio Kurtosis
diantara -2 sampai 2, maka data berdistribusi normal.
 Apabila data cukup banyak, maka data dikelompokkan dalam
beberapa kelompok. Kelompok-kelompok data disebut dengan
kelas dan banyaknya data pada setiap kelas disebut frekuensi kelas.
Selang yang memisahkan kelas yang satu dengan yang lain disebut
interval kelas. Besarnya interval kelas untuk semua kelas harus
sama. Suatu tabel yang menyajikan data yang telah dikelompokkan
pada kelas-kelas beserta frekuensi kelasnya disebut tabel distribusi
frekuensi. Ada beberapa hal yang perlu diperhatikan agar suatu
tabel distribusi frekuensi dapat memberikan informasi yang baik,
antara lain sebagai berikut:
1. Jumlah kelas pada suatu tabel distribusi frekuensi jangan terlalu
banyak atau jangan terlalu sedikit.
2. Hindari adanya suatu kelas yang tidak dapat menampung data
(frekuensi kelas nol).
3. Semua data harus dapat ditampung ke dalam tabel distribusi
frekuensi tersebut dan tiap kelas frekuensinya tidak boleh memuat
data yang ada pada kelas frekuensi lain.
Pengukuran terpusat
 Rata-rata hitung (Mean)

 Median

 Modus (Modus pada data tunggal adalah data yang paling

sering muncul).

Pengukuran penyebaran
 Range (Selisih antara nilai maksimum dan minimum.
Jangkauan data dapat menunjukkan kualitas suatu data.
Semakin kecil jangkauan suatu data, maka kualitas data
semakin baik, dan sebaliknya).
 Jangkauan Quartil

 Variansi (Rata – rata kuadrat selisih atau kuadrat simpangan

dari semua nilai data terhadap rata – rata hitung.).
 Standar deviasi (Standar deviasi adalah akar pangkat dua dari
variansi. Standar deviasi merupakan ukuran dispersi yang
dianggap paling baik sehingga sering digunakan dalam
analisis data ).
 Kemiringan (Skewness)
Kemiringan adalah derajat ketidaksimetrisan suatu distribusi.
Kemiringan atau Skewness dapat juga disebut ukuran
distribusi data di mana skewness biasanya digunakan untuk
mengetahui apakah data terdistribusi normal atau tidak
dengan menghitung rasio skewness dengan standard error of
skewness dari output software SPSS. Kriteria yang digunakan,
yaitu jika rasio skewness antara -2 sampai 2 maka data
terditribusi normal.
 Keruncingan (Kurtosis)
Kurtosis adalah derajat keruncingan suatu distribusi (biasa
diukur relatif terhadap distribusi normal). Kurtosis sama
halnya dengan skewness, di mana Kurtosis digunakan untuk
mengukur distribusi data. Dengan menggunakan software
SPSS untuk mengetahui apakah data terdistribusi normal atau
tidak, maka dihitung rasio Kurtosis dengan standard error
Kurtosis. Kriteria yang digunakan, yaitu jika rasio Kurtosis
diantara -2 sampai 2, maka data berdistribusi normal.
 WINDOWS SPSS
Pada SPSS ini terdapat 4 window yaitu:
1.Data Editor
Window ini akan terbuka secara otomatis ketika spss dijalankan, window ini
berfungsi untuk input data. Menu yang ada pada data editor adalah:
File
Menu file berfungsi untuk menangani hal-hal yang berhubungan dengan file
seperti: membuka file baru, menyimpan file, mencetak file dll.
Edit
Menu edit berkaitan dengan operasi perbaikan ataupun perubahan nilai data.
View
Fungsinya untuk mengatur toolbars dan menentukan huruf yang akan
dipakai.
Data
Menu data berfungsi untuk mengubah data secara keseluruhan seperti:
mengurutkan data, menandai data berdasarkan kriteria tertentu,
menggabungkan data dll.
 Transform
Digunakan untuk merubah variabel yang dipilih dengan berdasarkan criteria
tertentu.
Analyze
Menu analyze merupakan tahapan inti dari SPSS gunanya untuk menganalisis
data statistika (uji nonparametrik, time series, regresi, analisis ragam, dll).
Graph
Menu graph gunanya untuk menampilkan grafik untuk menunjang analisis
data statistika.
Utilities
Merupakan menu pendukung yang digunakan untuk:
-Memberikan informasi mengenai isi variabel tertentu.
-Mengatur penampilan menu-menu yang lain.
Window
Menu window digunakan untuk perpindahan dari satu window ke window
lainnya.
Help
Menu help digunakan untuk memberikan bantuan berupa pemberian
informasi yang diperlukan.
2. Window Output Viewer (Viewer)
Apabila menu data editor untuk input data, maka window output
Viewer (VIEWER) adalah untuk menampilkan hasil proses analisis
data. Menu pada viewer hamper sama dengan menu editor, pada
window viewer ini ada tambahan menu yaitu:
Insert
Berfungsi untuk menyisipkan judul, grafik, teks atau objek tertentu
dari suatu aplikasi lain.
Format
Berfungsi untuk merubah tata letak huruf output.
3. Menu Syntax Editor
Menu syntax untuk digunakan perhitungan analisis statistika apabila
alat yang ingin dipakai tidak tersedia pada menu SPSS.
4. Menu Script Editor
Menu script digunakan untuk melakukan kegiatan SPSS secara
otomatis, seperti: eksport CHART, penyesuaian bentuk output, dll.
1.2 SPSS DATA EDITOR
Data editor mempunyai dua fungsi utama yaitu:
Input data yang akan diolah SPSS.
Proses data yang telah di input dengan proses statistika
tertentu.
Pada SPSS terdapat sepuluh menu utama yaitu: FILE, EDIT,
VIEW, DATA TRANFORM, ANALYZE, GRAPHS, UTILITIES,
WINDOWS, dan HELP. Berikut ini dibahas satu persatu di bagi
menjadi beberapa modul
1.2.1 MENU FILE
1. Membuat Variabel dan Mengisi data
Pada SPSS ini terdapat kolom dan baris:
▪ Kolom, pada kolom ini ditandai nama var pada tiap kolomnya,
berfungsi untuk diisi variabel tertentu misalkan tinggi badan,
gender atau nama responden.
▪ Baris, ditandai 1, 2, dst dipakai untuk mengisi kasus (baris)
seperti: budi, tinggi badan, dan gendernya.
Nomor Nama Gender Tinggi Badan Bidang
1 Abraham Pria 185 Produksi
2 Bush Junior Pria 170 Riset
3 Imaniar Perempuan 154 Akuntannsi
4 Jack Soon Pria 165 Produksi
5 Jimmy M Pria 180 Marketing
6 Jose Rizal Pria 170 Akuntansi
7 Kurnia Sari Perempuan 170 Marketing
8 Lani Perempuan 155 Marketing
9 Marni Perempuan 150 Riset
10 Marselina Perempuan 175 Riset
11 Nayadi B Pria 170 Riset
12 Onetia Perempuan 145 Akuntansi
13 Susan Imoet Perempuan 165 Produksi
14 Susanti M Perempuan 185 Akuntansi
15 Ujang Rohman Pria 164 Produksi