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, serta
menampilkan grafik.

Contoh Kasus
Seorang peneliti ingin 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
Percentile masukkan 90 Add setelah itu klik Continue.
6. Setelah itu klik tab Chart dan pilih Histograms untuk keseragaman data. Saat
Histograms di klik, maka akan muncul With Normal Curve. Kemudian
klikWith 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 digunakan , yaitu jika rasio kurtosis
diantara -2 sampai 2, maka distribusi normal. Dalam hal ini data berdistribusi
normal.
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.
Hari ke Total Aset Hari ke Total Aset
1 31,07
16 62,41

2 24,22 17 54,69
3 20,28 18 44,85
4 19,63 19 32,48
5 11,20 20 21,40
6 7,64 21 16,03
7 5,40 22 12,61
8 31,94
23 66,94
9 26,83
24 63,97
10 21,83
25 54,23
11 23,52
12 27 48,67
15,11
13 9,58 28 32,48
14 7,80 29 22,04
15 4,66 30 17,07
 Latihan, Lakukan uji Frequencies dan Descriptive?
Dan tentukan nilai:
•N
• Mean
• Median
• Mode
• Std Deviation
• Minimum
• Maximum
• Range