z
z
STATISTIK DESKRIPTIF
Statistik deskriptif lebih berhubungan dengan pengumpulan data,
peringkasan data, dan penyajian hasil peringkasan tersebut.
Untuk mendapatkan gambaran yang lebih jelas tentang data, selain dengan
tabel dan diagram, masih diperlukan ukuran-ukuran lain yang merupakan
wakil dari data tersebut. Ukuran yang dimaksudkan dapat berupa:
MEAN
Mean merupakan teknik penjelasan kelompok yang
didasarkan atas nilai rata-rata dari kelompok yang dimaksud.
Rata-rata didapat dengan menjumlahkan data seluruh
individu dalam kelompok kemudian dibagi dengan jumlah
individu yang ada pada kelompok tersebut.
1. Data Tidak Berkelompok
X X 2 ... X n xi
X 1
n
Atau X
n
n = banyak data : xi = harga data
2. Data Berkelompok
X
fi.xi Xi = titik tengah dalam interval kelas
x0 = nilai arbriter dalam xi
fi i = interval kelas
ui = xi – x0
Cara panjang i
X x0
fi.ui
.i
fi
Cara pendek
Contoh
z soal 1
Dik :
Data = 8, 5, 7,10, 5
n = banyak data = 5
Σxi
x
n
= 35
= 7
5
2. MEDIAN
Median atau nilai tengah adalah
salah satu ukuran pemusatan
data, yaitu, jika segugus data
Untuk data berkelompok
diurutkan dari yang terkecil n
sampai yang terbesar atau yang -F
terbesar sampai yang terkecil, Med L 0 c 2
f
nilai pengamatan yang tepat di
tengah-tengah bila jumlah
datanya ganjil, atau rata-rata L 0 batas bawah kelas median
kedua pengamatan yang di
F jumlah frekuensi semua kelas sebelum
tengah bila banyaknya
pengamatan genap kelas yang mengandung median
f frekuensi kelas median
Contoh Median
Contoh: tentukan Median dari Data
1. 6, 7, 3, 4, 8, 9, 4
2. 5, 6, 3, 7, 5, 5, 9, 8
Jawab:
1. Data diurutkan menjadi 3, 4, 4, 6, 7, 8, 9
Nilai yang ditengah adalah 6, maka Me = 6
2. Data diurutkan menjadi 3, 5, 5, 5, 6, 7, 8, 9
Nilai yang ditengah adalah 5 dan 6, maka Median
Me = 5 + 6 = 5,5
2
Modus
Modus adalah nilai yang sering
muncul. Jika kita tertarik pada
data frekuensi, jumlah dari suatu
nilai dari kumpulan data, maka Dengan : Mo = Modus
kita menggunakan modus. Modus L = Tepi bawah kelas yang memiliki frekuensi
sangat baik bila digunakan untuk tertinggi (kelas modus) i = Interval kelas
b1 = Frekuensi kelas modus dikurangi
data yang memiliki sekala frekuensi kelas interval terdekat sebelumnya
kategorik yaitu nominal atau b2 = frekuensi kelas modus dikurangi
frekuensi kelas interval terdekat sesudahnya
ordinal.
z Contoh Modus
Contoh:
Dari dua belas pelajar sekolah lanjutan tingkat atas yang diambil
secara acak dicatat berapa kali mereka menonton film selama sebulan
lalu. Data yang diperoleh adalah 2, 0, 3, 1, 2, 4, 2, 5, 4, 0, 1 dan 4.
Dalam kasus ini terdapat dua modus, yaitu 2 dan 4, karena 2 dan 4
terdapat dengan frekuensi tertinggi. Distribusi demikian dikatakan
bimodus.
Ukuran
z Tendensi Sentral dalam Aplikasi SPSS
2. Setelah itu buat nama variable serta data dari tipe variable
tersebut dengan melakukan klik pada button Variable View,
dalam hal ini variable yang dibutuhkan adalah BeratBadan
dengan tipe data numeric serta TinggiBadan dengan tipe data
numeric.
z
3. Selanjutnya lakukan entry data pada variable
yang telah dibuat dengan mengklik button Data
View kemudian mulai melakukan entry data.
z
Input data di
Data View
4. Untuk melakukan analisis data deskriptif terhadap
data tersebut, maka dilakukan dengan melakukan klik
pada menu Analyze → Descriptive Statistics →
Frequencies kemudian pindahkan variable
BeratBadan dan TinggiBadan dengan mengklik
tanda (>) dan centang pada Display Frequency
Tables. .
z
z
5. Selanjutnya klik pada button Statistics dan ceklis pada Quartiles,
Percentile
z (s): (25, 50, 75), Mean, Median, Mode, Sum. Std. deviation,
Variance, Range, Minimum, Maximum, S.E. mean, Skewness dan
Kurtosis, selanjutnya klik Continue
6. Selanjutnya
z
klik pada button Charts, pilih Histograms: dan
ceklis pada Show normal curve on histogram serta klik
Continue
7. Klikz Ok, sehingga muncul tampilan output
seperti gambar berikut:
z
z
interpretasi
z
Pada output Statistics di atas ditampilkan hasil dari perhitungan atau analisis
deskriptif yang terdiri dari 4 kelompok yaitu:
Tujuan dari variansi adalah melihat keberagaman data suatu instrument yang dibuat, sehingga data
atau variable tersebut dapat dinilai validitasnya (layak atau tidaknya diikutsertakan dalam
instrument penelitian). Semakin besar angka variansi maka semakin beragamlah datanya dan
semakin kecil nilai variansi maka semakin homogenlah datanya.
Standard Error (of mean) adalah indeks yang menggambarkan sebaran rata-rata sampel
terhadap rata-rata dari rata-rata keseluruhan kemungkinan sampel (rata-rata populasi),
pengukuran ini berguna terutama untuk menjawab pertanyaan seberapa baik rata-rata yang kita
dapatkan dari data sampel dapat mengestimasi rata-rata populasi.
• Distribution, untuk mengetahui skewness dan kurtosis pada distribusi data.
z
Skewness merupakan suatu besaran statistic yang menunjukkan kemiringan
data. Skewness ini menunjukkan datanya cenderung berada di tengah atau
miring di satu sisi.
• Statistik ini dapat digunakan untuk melihat sebaran data normal yaitu rasio
skewness, data dikatakan normal ketika nilai rasio skewness berada pada
rentang nilai (-2) sampai (2), pada hasil analisis tinggi dan berat badan
tersebut tersebut nilai skewness menunjukkan angka 0,453 dan -0,649 berarti
data tersebut normal.
• Sedangkan kurtosis dapat digunakan untuk menentukan nilai keruncingan
distribusi data. Jika nilai kurtosis dekat nol maka data cenderung normal,
apabila nilai kurtosis negative berarti datanya tumpul atau cenderung melebar
ke bawah, sebaliknya jika positif maka datanya bersifat runcing atau
cenderung mengelompok (homogen). Dilihat dari data kurtosis BB dan TB
yaitu 0,275 dan 1,569, maka data tersebut cenderung homogen.
Keempat
Selain keempat
z
kelompok tersebut output statistics
diatas juga dapat menerangkan N atau jumlah data
serta data yang valid (terbaca dengan baik) dan data
yang missing (hilang/ corrupt).