Modul 2

Statistik Deskriptif
Frequencies & Descriptive
Langkah Statistik Deskriptif
Pertanyaan yang harus dijawab
Mengumpulkan data
Menata data
Menyajikan data
Kesimpulan
Distribusi Frekuensi
Distribusi frekuensi
Pengelompokan data ke dalam beberapa
kategori yang menunjukan banyaknya data
dalam setiap kategori dan setiap data tidak
dapat dimasukan ke dalam dua atau lebih
kategori
Tujuan
Data menjadi informatif dan mudah dipahami
Frequencies atau analisis
frekuensi dipakai untuk
menghitung frekuensi
data pada variabel untuk
analisis statistik seperti
mean, median, kuartil,
persentil, standar
deviasi,
Contoh Kasus serta
menampilkan
Seorang grafik. ingin
peneliti
menganalisis statistika
(frekuensi) tentang berat
badan sampel sebanyak 20
orang. Berikut ini adalah
data berat badan 20 orang
yang dijadikan sampel
peneliti.
A. Tabel Frekuensi untuk Berat Badan

Langkah-langkah Penyelesaian
1.Buka software SPSS lalu klik Variable View dan
definisikan kedua variabel. Baris pertama
definisikan variabel Berat Badan dan baris
kedua untuk mendefinisikan Gender. Untuk tipe
data pastikan Numeric. Pada kolom Measure,
pilih Scale untuk variabel Berat Badan dan pilih
Nominal untuk variabel Gender.
Selanjutnya klik Data View, copy data Berat Badan dari Gender
dari microsoftexcel kemudian paste di masing-masing kolom
variabel. Ingat , SPSS tidak bisa mengolah data yang
bersifat string seperti ”P” atau “L”. Oleh karena itu,
kita harus mengkodekan data tersebut ke dalam bentuk
1 = Laki-laki dan 2 = perempuan.
3. Selanjutnya, klik Analyze >> Descriptive Statistics >>
Frequencies
4. Setelah itu, kotak dialog Frequencies akan tampil
sebagai berikut:
5. Karena ingin membuat frekuensi dari variabel Berat Badan,
maka klik variabel Berat_Badan, kemudian klik tanda ,
maka variabel Berat Badan akan berpindah ke kolom
Variable(s). Kemudian klik pilihan Statistics, maka akan
muncul tampilan berikut.

Kemudian cheklist semua bagian Central Tendency,

Dispersion, dan Distribution. Lalu, klik Quartiles dan
Percentile(s), masukkan angka 10  Add. Klik lagi
6. Setelah itu klik tab Chart dan pilih Histograms untuk
keseragaman data. Saat Histograms di klik, maka
akan muncul With Normal Curve. Kemudian klik With
Normal Curve lalu klik Continue.

7. Klik OK dan akan

muncul Output
seperti berikut:
 Statistics
Berat Badan
N Valid 20
Missing 0
Mean 54.9500
Std. Error of Mean 1.67564
Median 52.0000
Mode 49.00
Std. Deviation 7.49368
Variance 56.155
Skewness .883
Std. Error of Skewness .512
Kurtosis .414
Std. Error of Kurtosis .992
Range 29.00
Minimum 45.00
Maximum 74.00
Sum 1099.00
Percentiles 10 47.1000
25 49.0000
50 52.0000
75 60.0000
90 64.8000
Analisis
Output Statistics
 N adalah jumlah data; dalam hal ini jumlah data
yang valid ada 20 buah dan tidak ada data yang
hilang(missing).
 Mean adalah rata-rata; rata-rata berat badan
adalah 54,95 kg.
 Standard error of mean, yaitu standar kesalahan
untuk populasi yang diperkirakan dari sampel
dengan menggunakan ukuran rata-rata. Nilai
sebesar 1,676 kg
 Median adalah titik tengah, yaitu semua data
diurutkan dan dibagi dua sama besar. Nilai median
adalah 52,00
 Mode adalah modus data, yaitu sebesar 49.
 Std Deviation, yaitu ukuran penyebaran data dari rata-
ratanya. Nilainya sebesar 7,494 kg.
 Minimum adalah nilai terendah dalam hal ini adalah 45.
 Maximum adalah nilai tertinggi dalam hal ini adalah 74.
 Range adalah jarak data, yaitu data maksimum dikurangi
data minimum. Nilai range adalah 29.
 Interquartile Range, yaitu selisih antara nilai persentil
yang ke-25 dan 75. Nilai sebesar 11 kg.
 Skewness, yaitu ukuran distribusi data. Untuk
mengetahui apakah data terdistribusi normal atau tidak,
maka dihitung rasio skewness dengan standard error of
skewness atau 0,883/0,512 = 1,725. Kriteria yang
digunakan, yaitu jika rasio skewness antara -2 sampai 2,
maka distribusi data normal. Karena nilai rasionya 1,725 ,
maka data berdistribusi normal.
 Kurtosis; sama halnya dengan skewness, kurtosis juga
digunakan untuk mengukur distribusi data. Untuk
mengetahui apakah data terdistribusi dengan normal atau
tidak, maka dihitung rasio kurtosis dengan standard error
of kurtosis atau 0,414/0,992 = 0,417. Kriteria yang
Statistik Deskriptif
Descriptive
 Menu ini berfungsi untuk mengetahui skor-z dari suatu
distribusi data dan menguji apakah data berdistribusi
normal atau tidak. Untuk contoh kasus diambil dari
data Berat Badan yang telah didapatkan dari
contoh kasus sebelumnya.
Langkah-langkah Penyelesaian:
 Klik Analyze Descriptive Statistics
Descriptives. Kemudian klik variabel
Berat_Badan, kemudian klik tanda , maka
variabel Berat Badan akan berpindah ke kolom
Variable(s). Kemudian akan muncul tampilan
berikut ini.
Klik Oprtions, kemudian klik Mean, Std. Deviation,
Maximum, Minimum dan klik Continue. Maka akan
muncul tampilan berikut ini.
Cheklist kotak Save standardized value as variable
kemudian klik OK seperti tampilan berikut ini.
Setelah klik OK, maka akan muncul Output
sebagai berikut.
Lihat kembali Data View SPSS. Selain Berat_Badan
dan gender, sekarang muncul variabel baru,
yaitu Zberat_Badan seperti tampilan berikut.

Karena SPSS pada

umumnya menggunakan
selang kepercayaan 95%,
maka batas nilai z-nya,
yaitu -1,96 hingga 1,96.
Jika terdapat nilai z di
luar batas tersebut, maka
data tersebut merupakan
data outlier. Berdasarkan
data Zberat_Badan
terdapat 1 buah data
outlier, yaitu data ke-19
karena Zberat_Badannya
adalah 2,54214.
 Latihan, Lakukan uji Deskriptive

Nomor Nama Bekal (x100.000) Jenis Turis

1 John 120 Asing
2 Andrew 500 Asing
3 Ibro 2 Domestik
4 Stefani 300 Asing
5 William 200 Asing
6 Cecep 5 Domestik
7 Marni 7 Domestik
8 George 450 Asing
9 Euis 10 Domestik
10 Clinton 600 Asing
11 Ety 8 Domestik
12 James 325 Asing
13 Dewi 12 Domestik
14 Hilary 275 Asing
15 Ratna 11 Domestik
16 Chelse 425 Asing
17 Made 15 Domestik
18 Carolin 475 Asing
19 Aji 12 Domestik
20 Rooney 500 Asing
Output Statistics
•N adalah jumlah data; dalam hal ini jumlah data yang valid ada 20
buah dan tidak ada data yang hilang(missing).
•Mean adalah rata-rata; rata-rata berat badan adalah 54,95 kg.
•Standard error of mean, yaitu standar kesalahan untuk populasi yang
diperkirakan dari sampel dengan menggunakan ukuran rata-rata. Nilai
sebesar 1,676 kg
•Median adalah titik tengah, yaitu semua data diurutkan dan dibagi dua
sama besar. Nilai median adalah 52,00
•Mode adalah modus data, yaitu sebesar 49.
•Std Deviation, yaitu ukuran penyebaran data dari rata-ratanya.
Nilainya sebesar 7,494 kg.
•Minimum adalah nilai terendah dalam hal ini adalah 45.
•Maximum adalah nilai tertinggi dalam hal ini adalah 74.
•Range adalah jarak data, yaitu data maksimum dikurangi data
minimum. Nilai range adalah 29.
•Interquartile Range, yaitu selisih antara nilai persentil yang ke-25 dan
75. Nilai sebesar 11 kg.
•Skewness, yaitu ukuran distribusi data. Untuk mengetahui apakah
data terdistribusi normal atau tidak, maka dihitung rasio skewness
dengan standard error of skewness atau 0,883/0,512 = 1,725. Kriteria
yang digunakan, yaitu jika rasio skewness antara -2 sampai 2, maka
distribusi data normal. Karena nilai rasionya 1,725 , maka data
berdistribusi normal.