ANALISIS DATA &

STATISTIK SOSIAL
DOSEN :
RESMAN MUHARUL T. SE, Msi.
 MATERI KULIAH ANALISIS DATA & STATISTIK SOSIAL
Pertemuan 1
 Pengertian Statistik
 Fungsi dan peran Statistik
 Jenis Statistik
 Jenis data
Pertemuan 2
 Diagram/Grafik
 Tabel
 Distribusi Frekuensi
 Histogram
 Poligon
 Ogive (Frekuensi Kumulatif)
 Analisa Kasus/Praktekum
Pertemuan 3-4-5
 Central Tendency (Mean,
Modus, Median)
 Tabel (Variasi Data (Range,
Standar Deviasi, Varians)
 Distribusi Bentuk Data
(Skewness & Kurtosis)
 Letak/Posisi data (Kuartil,
Desil, Persentil)
 Analisa Kasus/Praktekum
Pertemuan 6
 Dasar Penggunaan Statistik
Inferensial
 Contoh Penggunaan Statistik
Inferensial
 Jenis dan kegunaan
Probabilitas
 Sampel probabilitas
 Analisa Kasus/Praktekum
Pertemuan 7
 Pengertian Uji Hipotesis
 Bentuk Rumusan Hipotesis
 Dua Kesalahan dalam Uji
Hipotesa
 Langkah pengujian Hipotesa
 Analisa Kasus/Praktekum
Pertemuan 8
UTS
Pertemuan 9-10
 Tujuan Uji t & z
 Syarat Uji t & z
 Langkah pengujian Uji t
 Analisa Kasus/Praktekum
Pertemuan 11-12
 Tujuan & Kegunaan Uji Korelasi
 Syarat Uji Korelasi
 Arti angka Korelasi & Signifikan hasil Korelasi
 Jenis uji Korelasi
 Analisa Kasus/Praktekum
Pertemuan 13
 Tujuan dan kegunaan Uji Regresi
 Syarat-syarat Uji Regresi
 Arti Koefisien regresi
 Model-model uji Regresi
 Analisa Kasus/Praktekum
Pertemuan 14
 Tujuan Chi square
 Syarat uji Chi Square
 Langkah Pengujian Hipotesis dgn uji Square
 Jenis Uji Chi Square
 Analisa Kasus/Praktekum
Pertemuan 15
 Uji Validitas dan Reliablitas
 Design kuesioner
 Analisa kasus/Praktekum
Pertemuan 16
UAS
DISTRIBUSI BENTUK DATA
(Skewness – Kurtosis)
PERTEMUAN 5

3
BENTUK/SEBARAN DATA
(SKEWNESS & KURTOSIS)
 SKEWNESS
Skewness: ukuran ketidaksimetrisan (kemen-cengan) distribusi. Distribusi
yang ekor kurvanya lebih panjang kekanan disebut menceng
kekanan atau positive skewness. Begitu juga sebaliknya.
PENGUKURAN KEMENCENGAN
Skewness mendefinisikan :
1. Nilai yang menunjukkan seberapa jauh distribusi itu menyimpang
dari simetris
2. Nilai mean cenderung bergeser kearah
3. Nilai-nilai yang terlalu besar / kecil.
4. Makin menceng distribusi, makin besar jarak antara mean dan
modus, jarak inilah yang dipakai sebagai harga yang mengukur
kemencengan distribusi.
KOEF. SKEWNESS
 Koef. Pearson I:

 Koef. Pearson II:

Diperhatikan bila distribusinya normal maka
koefisien skewness bernilai nol.
Koefisien skewness lainnya:
• koef. kuartil skewness:

• koef. skewness 10-90% percentile:

• koef.moment skewness:
  xj  x 
3
n
Formula skewness pada excel:  
(n  1)( n  2)  s 


skew1 = 0.024097, 20

skew2 = 0.072292 15

skew excel = 0.171207 10

0
60 65 70 75 80 85 90 95 100
Ukuran Kecondongan - Skewness
 Ukuran kecondongan – kemencengan
 Kurva tidak simetris
 Pada kurva distribusi frekuensi
diketahui dari posisi modus, rata-rata
dan media
 Pendekatan : Jika
 Rata-rata = median = modus : Simetris
 Rata-rata < median < modus : Menceng ke kiri
 Rata-rata > median > modus : Menceng ke kanan
 Varians dan Standar Deviasi data di kelompokan
 Varians  Standar deviasi
f. (x - x )2
s 2= S =  s²
n -1
Contoh Kasus
Titik tengah
Kelas Interval Kelas f (x) f.x |x - X| |x - X|² f.|x - X|²
1 16 24 10 20 200 13.68 187.1424 1871.424
2 25 33 18 29 522 4.68 21.9024 394.2432
3 34 42 14 38 532 4.32 18.6624 261.2736
4 43 51 4 47 188 13.32 177.4224 709.6896
5 52 60 2 56 112 22.32 498.1824 996.3648
6 61 69 2 65 130 31.32 980.9424 1961.885

Total 50 255 1684 89.64 1884.254 6194.88

Rata - rata (X) 33.68

Varians : Standar deviasi :
s²= (∑f.|x - X|²)/ n – 1 S =  s²
 Median : 32
= 6194.88 / 49 = 126.4261 =  126.4261 = 11.2439
Koefisien Skewness
 Sk = [µ - Mo ] /  atau = 3.[µ - Md] / 

Contoh kasus data dikelompokan µ = Nilai rata – rata hitung

Mo = Nilai modus
µ = 33.68 Md = Nilai median
Mo = 18  = Standar deviasi
Md = 32
 = 11.2439
Sk = {3. [ 33.68 – 32]}
Sk = [33.68- 18 ] / 11.2439 11.2439
Sk = 15.68 / 11.2439 Sk = 5.04 / 11.2439
Sk = 1.394 Sk = 0.4482
 Kemungkinan hasil Kemencengan :
1. Simetris ( km = 0 ) = “Luas kurva disebelah kiri nilai rata rata sama dengan
luas kurva sebelah kanan”

Km = Koefisien Pearson
Mean - Modus
Km =
Deviasi Standar

2. Menceng ke kiri ( km = negative ) = “Nilai observasi yang berfrekuensi rendah

lebih banyak dikiri dari rata rata / “ekor” ke kiri”

3. Menceng ke kanan ( km = positif ) = “Nilai observasi yang berfrekuensi rendah

lebih banyak di kanan dari rata rata”
 3 ( rata rata – median )
Atau dengan rumus Km =
Deviasi standar
3 Kemungkinan hasil kemencengan :

1. Kemencengan = 0
( rata rata = modus = median )

2. Kemencengan negative
( rata rata  modus dan rata rata  median )

x md mo

3. Kemencengan positif
( rata rata  mo dan rata rata  median )

x md mo
Hasil kedua rumus berbeda karena md  mo
Menurut Bowley, kemencengan dapat di
hasilkan dari hubungan k1, k2 dan k3
K3 + K1 – 2 K2
Km =
K3 – K1
3 Kemungkinan hasil :
1. km = 0 distribusi simetris
2. km =  0,1 Distribusi menceng secara tidak
berarti
3. km   0,3 Distribusi menceng secara
berarti
 KURTOSIS
 Kurtosis : Ukuran kelancipan distribusi data
dimana distribusi normal sbg pembanding.
 Macam-macam ukuran kurtosis:
 koef. moment kurtosis:

 kurtosis
thd kuartil dan percentil:
 pada excel:

 n(n  1)  xi  x 
4

 3(n  1) 2
   s  
 (n  1)( n  2)( n  3)
  (n  2)( n  3)


 kurtosis positif  distribusi lancip

 kurtosis negatif  distribusi tumpul
Ukuran Keruncingan - Kurtosis
 Keruncingan disebut juga ketinggian kurva
 Pada distribusi frekuensi di bagi dalam
tiga bagian :
 Leptokurtis = Sangat runcing
 Mesokurtis = Keruncingan sedang
 Platykurtis = Kurva datar
Koefisien Kurtosis
 Bentuk kurva keruncingan – kurtosis
 Mesokurtik 4 = 3
 Leptokurtik 4 > 3
Nilai data
 Platikurtik 4 < 3
 Koefisien kurtosis (data tidak
dikelompokan)
1/n ∑(x - ) 4
4 = 4
Koefisien Kurtosis
 Koefisien kurtosis (data dikelompokan)

1/n ∑ f. (X - )4
4 = 4

Jumlah Frekuensi

Standar deviasi Nilai rata – rata hitung

Nilai tengah kelas

 Ukuran Keruncingan / kurtosis
Kurtosis adalah derajat kelancipan suatu distribusi jika dibandingkan dengan
Distribusi normal

Untuk menghitung tingkat keruncingan suatu kurva

(koefisien kurtosis) dapat Digunakan rumus :
Q3  Q1
KK =
2( P90  P10 )
Keterangan :
Jika nilai KK > 3 kurva leptokurtis (puncaknya runcing sekali)
KK < 3 kurva platikurtis (puncaknya agak mendatar)
KK = 0 kurva mesokurtis (puncaknya tidak begitu runcing atau
distribusi normal)
 Contoh SOAL KURTOSIS :
Dari sekelompok data yang disusun dalam tabel distribusi frekuensi
diketahui nilai Q1 = 55,24 ; Q3 = 73,64 ; P10 = 44,5 ;P90 = 82,5. Besarnya
koefisien kurtosis kurva data tersebut adalah….
Jawab :
Q3  Q1 73,64  55, 24
KK =
2( P90  P10 )
= 2 (82,5  44,5)

18,4
= 2(38)

= 0,242

Karena KK < 3 maka kurva distribusi tersebut platikurtik.

Jawab :
KK = 73,64  55, 24
2 (82,5  44,5)
18,4
=
2(38)

= 0,242

Karena KK < 3 maka kurva distribusi tersebut platikurtik.