STATISTIK

Statistika dan Penyajian Data

 MATERI HARI INI

 Mengapa belajar statistika

 Perbedaan statistika deskriptif dan inferensi
 Istilah-istilah dasar dalam statistika
 Macam-macam variabel dan skala pengukuran
 Pengenalan aplikasi komputer: IBM SPSS 20
dan Ms. Excel
 Mengapa belajar statistika?

 Teknik-teknik statistika diperlukan untuk

membuat keputusan

Environmental Protection Agency (EPA) menuduh

perusahaan Shell Oil telah melakukan pencemaran
lingkungan di kilang minyak mereka yang terletak di Houston
selama tahun 2001. Aturan yang ada menyatakan bahwa
tingkat kebocoran yang ditoleransi maksimal adalah 100
gallon per hari. Denda yang akan dikenakan adalah
$1,000,000.
 Apa itu statistika ?
 Statistika adalah ilmu yang mempelajari
bagaimana cara mengumpulkan (collecting),
menyajikan (organizing), menganalisis
(analyzing), menginterpretasi (interpreting),
menyimpulkan (concluding), dan mengambil
keputusan atas fakta-fakta numerik dan non-
numerik yang disebut data.
 Statistik adalah nilai atau ‘ukuran’ yang
menggambarkan suatu data.
 Statistika dibedakan menjadi dua bagian yaitu
statistik desktiptif dan statistik inferensia.
 Statistika Deskriptif [1]

 Metode untuk mengatur, merangkum, dan

merepresentasikan data dengan cara yang
informatif
 
“ Data Kepolisian Negara Republik Indonesia tahun 2011-2013
menunjukkan, ada total 509 kasus TPPO. Mayoritas, 213 kasus,
adalah eksploitasi ketenagakerjaan; 205 adalah eksploitasi
seksual; 31 kasus bekerja tidak sesuai dengan perjanjian; dan 5
kasus bayi yang diperjualbelikan. Data menyebutkan, korban
terbanyak adalah perempuan dewasa berjumlah 418 orang,
disusul dengan 218 orang anak perempuan. Adapun korban laki-
laki berjumlah 115 orang dewasa dan tiga anak laki-laki.”
(Kompas, 24 Agustus 2015)
 Statistika Inferensia [1]

 Metode yang digunakan untuk mengestimasi

sifat populasi berdasarkan sampel
 Populasi dan Sampel
 Populasi  sekumpulan objek dengan
karakteristik tertentu yang menjadi pusat
perhatian
 Sampel  sebagian dari populasi
 Mengapa diperlukan sampel?

 Keterbatasan waktu, tenaga dan biaya

 Lebih cepat dan lebih mudah.
 Dapat ditangani lebih teliti.

Inferensi

Populasi
Sampel

Sampling
 Illustrasi Populasi dan Sampel
Terkait mekanisme Pemilihan
Kepala Daerah (Pilkada)
langsung, Lingkaran Survei
Indonesia (LSI) merilis hasil survei
terbarunya.
Seperti ditayangkan Liputan 6
Pagi SCTV, Rabu (11/2/2015),
jajak pendapat itu digelar pada 5
dan 6 Februari 2015 dengan
jumlah responden 1.200 orang.

 Populasi: 200 jutaan penduduk Indonesia

 Sample: 1200 responden
 Istilah dasar dalam statistika

 Elemen  entitas/individu yang menjadi objek

pengumpulan data
 Variabel karakteristik yang membedakan
antar elemen
 Observasi/pengamatan  sekumpulan hasil
pengukuran dari suatu elemen
 Macam-macam variabel

Kualitatif Kuantitatif

Diskrit Kontinu
 Variabel kualitatif (kategorik)  nama
atau label yang digunakan untuk
mengidentifikasi karakteristik suatu objek.
 contoh:
 merek motor

 jenis kelamin

 tempat lahir

 dll
• Variabel kuantitatif (numerik) 
menunjukkan banyaknya (kuantitas) dari
karakteristik yang diamati pada suatu objek.
 Diskrit, jika nilai-nilai variabel
merupakan bilangan bulat
 Kontinu, jika nilai-nilai variabel dalam
interval tertentu bersifat tak hingga
(bilangan riil)
 Skala Pengukuran
Skala Pengukuran

Nominal Ordinal Interval Rasio

Perbedaan Titik nol dan

Data hanya dapat Data antarnilai rasio antarnilai
diklasifikasikan diperingkatkan memiliki arti memiliki arti

• jenis kelamin • tkgt pendidikan • Temperatur • Jarak antarkota

• jurusan • Peringkat • Interval waktu • Tinggi badan
• merk motor kelas dalam sehari • Berat badan
 Deskripsi Secara Grafis

 Data ‘mentah’ (raw form) biasanya sulit

digunakan untuk membuat keputusan
 Beberapa tipe organisasi data
 Tabel

 Grafik

 Tipe grafik yang digunakan tergantung jenis

variabel
 Penyajian Data dengan Grafik

Variabel Variabel
Kualitatif Kuantitatif

• Tabel distribusi frekuensi • Tabel distribusi frekuensi

• diagram batang • Histogram and ogive
• diagram pie • Stem-and-leaf/ batang-daun
• Scatter plot
 Grafik dan Tabel: Variabel Kualitatif

 Distribusi data digunakan untuk

menggambarkan
 Nilai dari variabel yang diukur
 Seberapa sering (How often) nilai tersebut muncul
sebagai observasi
 Seberapa sering diukur dengan 3 cara
 Frekuensi
 Frekuensi relatif = frekuensi/n
 Persentase = frekuensi relatif x 100%
 Diagram batang dan pie digunakan untuk
variabel kualitatif
 Tinggi batang dan ukuran potongan pie
(juring) menunjukkan frekuensi dan
persentase untuk setiap kategori
 Contoh: Deskripsi grafis data kualitatif

 Contoh: frekuensi pembelian merk laptop di

cyber mall
Acer Acer Asus Lenovo Lenovo Lenovo Toshiba
Acer Asus Lenovo Acer Lenovo Lenovo Acer
Acer Acer Toshiba Lenovo Acer Lenovo
Lenovo Toshiba Asus Toshiba Toshiba Acer
Asus Toshiba Toshiba Asus Acer Acer
Toshiba Asus Asus Lenovo Lenovo Toshiba
Lenovo Toshiba Lenovo Toshiba Asus Toshiba
Lenovo Acer Lenovo Asus Toshiba Acer
 Tabel Frekuensi

Frekuensi
Merk Frekuensi Persentase
relatif
Acer 13 0.26 26.00%
Asus 9 0.18 18.00%
Lenovo 15 0.3 30.00%
Toshiba 13 0.26 26.00%
Diagram Batang dan Diagram Pie
 Aplikasi SPSS: Diagram Batang

 Graphs>Legacy Dialogs>Bar
Aplikasi SPSS : Diagram Batang (Lanj.)
 Aplikasi SPSS: Diagram Pie

 Graphs>Legacy Dialogs>Pie
Aplikasi SPSS: Diagram Pie (Lanj.)
 Grafik dan Tabel: Variabel Kuantitatif

Data kuantitatif

Distribusi frekuensi dan Stem-and-Leaf

kumulatif Plot

Histogram Ogive Polygon

 Distribusi Frekuensi

 Merupakan sebuah daftar atau tabel

 Mengandung pengelompokkan kelas (class
groupings)
 Serta frekuensi (corresponding frequencies)
banyaknya data yang ada dalam kelas
 Distribusi Frekuensi

 Untuk meringkas data

 Mengubah data mentah menjadi bentuk
yang lebih bermanfaat
 Memungkinkan interpretasi data secara
visual
 Interval Kelas dan Batas Kelas

 Setiap kelas memiliki lebar/interval yang sama

 Tentukan lebar kelas dengan cara
nilai terbesar  nilai terkecil
w  lebar kelas 
banyaknya kelas

 Gunakan minimal 5 kelas (rekomendasi: 5-20

kelas)
 Kelas tidak saling tumpang tindih (overlap)
 Bulatkan lebar kelas untuk mendapatkan
endpoint yang diinginkan
 Contoh: Distribusi Frekuensi

Contoh: Seorang pekerja pabrik mencatat

temperatur selama 20 hari (0C)

24, 35, 17, 21, 24, 37, 26, 46, 58, 30,
32, 13, 12, 38, 41, 43, 44, 27, 53, 27
 Contoh: Distribusi Frekuensi (lanj.)

 Urutkan data secara ascending (terkecilterbesar):

12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58
 Tentukan range: 58 - 12 = 46
 Pilih banyaknya kelas: 5
 Hitung lebar kelas: 10 (46/5 -- pembulatan)
 Tentukan batas kelas: 10 - <20, 20 - <30, . . . , 50 - <60
 Hitung banyaknya pengamatan untuk setiap kelas
 Contoh: Distribusi Frekuensi (lanj.)
Data Terurut
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58

FREKUENSI
KELAS FREKUENSI PERSENTASE
RELATIF
10 - <20 3 0.15 15%

20 – <30 6 0.30 30%

30 - <40 5 0.25 25%

40 - <50 4 0.20 20%

50 - <60 2 0.10 10%

Total 20
 Contoh: Distribusi Frekuensi (lanj.)
Data terurut:
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58

FREKUENSI
KELAS FREKUENSI PERSENTASE
RELATIF
10 - <20 3 0.15 15

20 – <30 6 0.30 30

30 - <40 5 0.25 25

40 - <50 4 0.20 20

50 - <60 2 0.10 10

Total 20 1.00 100

 Histogram

 Grafik dari distribusi frekuensi disebut

histogram
 Interval kelas sebagai sumbu horizontal
 Sumbu vertikal menunjukkan frekuensi,
frekuensi relatif, atau persentase
 Histogram Example

Kelas Frekuensi
His togram :Histogram
Daily High Te m pe rature
10 - <20 3
20 - <30 6
7 6
30 - <40 5 6 5
40 - <50 4
50 - <60 2 Frekuensi
Frequency 5 4
4 3
3 2
2
1 0 0
0
0 010 1020 2030 30
40 4050 50
60 60
70 Suhu
 Tabel Distribusi Frekuensi

 Transform>Visual Binning
 Tabel Distribusi Frekuensi dan Histogram
 Analyze>Descriptives Statistics>Frequencies
Tabel Distribusi Frekuensi dan Histogram
Polygon
 Latihan
 Seorang peneliti mempelajari pengguna Ipod oleh
mahasiswa. Ia menggunakan 27 sampel mahasiswa,
dan diperoleh data tentang banyaknya lagu yang
diputar sehari sebelumnya.

a. Berapa banyak kelas?

b. Berapa kelas interval?
c. Batas bawah kelas pertama
d. Buat distribusi frekuensi. Jelaskan.
e. Buat histogramnya