STATISTIK DESKRIPTIF

Kuliah -2
Ira Devi Sara
ira.sara@unsyiah.ac.id
Magister Teknik Industri – Universitas Syiah Kuala
Apa itu statistik?
• Statistik = angka, data

• Adalah prosedur untuk mengorganisir, menyimpulkan dan

mengartikan suatu informasi tertentu.
Mengapa kita memerlukan statistik?
• Statistik diperlukan untuk menganalisa data agar informasi
yang ditelah kumpulkan memiliki arti tertentu
Pembagian Statistik:

• Menggunakan statistik untuk

memberikan gambaran tentang
Deskriptif
data (informasi) yang telah
dikumpulkan

• Menggunakan statistik untuk

Inferential menarik kesimpulan dan
mengeneralkan informasi dari
data yang terkumpul
Perbedaan kedua statistik:
Statistik deskriptif: Statistik inferential:
 Mengorganisir/ • Mengeneralkan
mengatur sampel
 Menyimpulkan • Pengujian hipotesa
 Menyederhanakan • Relasi diantara
 Menampilkan data variabel

Menggambarkan data Membuat prediksi

Statistik Deskriptif
• Deskriptif = Gambaran

• Sebagai alat untuk menganalisa data.

• Menggambarkan karakteristik umum dari distribusi data

yang telah dikumpulkan.
Alat yang digunakan dalam deskriptif statistik

1. Tabel
2. Grafik
Data numerik (kuantitatif): kontinu dan diskrit
Data dengan kategori tertentu (kualitatif):
 Susunan data
 Frekuensi
 Table

3. Ukuran kecenderungan (Central tendency)

4. Ukuran variasi (Variability)
Contoh:
• Distribusi nilai matematika siswa kelas satu SD X.
Data
Istilah penting dalam statistik:
• Populasi
• Kumpulan dari individu, objek atau pengukuran

• Sampel
• Suatu bagian dari populasi

• Variabel
• Suatu karakteristik yang bisa mengandung nilai yang berbeda

• Data
• Jumlah pengukuran yang dikumpulan

• Parameter
• Suatu karakteristik dari suatu populasi
Contoh kasus:
Bagaimana kita mengolah data dari hasil survey
kependudukan pada suatu kota berikut?
Pengelompokan data/informasi dari
contoh kasus
• Usia
• Jenis Kelamin
• Asal negara
• Pekerjaan Variabel
• Penghasilan
• … dst
Pengumpulan Data
Akurasi dan presisi:
• Akurasi adalah derajat kesesuaian yang diukur atau
hitung dengan nilainya yang sebenarnya (actual/true
value).

• Presisi disebut juga dengan reprodusibilitas (bisa

dihasilkan kembali) atau repeatibilitas, yaitu derajat
pengukuran atau perhitungan akan menunjukkan nilai
yang sama.
Contoh:
• Akurasi tinggi tapi presisi rendah

• Akurasi rendah tapi presisi tinggi

Yang diinginkan:
• Akurasi tinggi, presisi tinggi
Kesalahan dalam pengumpulan data
Sistimatis
• Akurasi yang buruk
• Penyebabnya tertentu
• Berulang

Random
• Ketelitian (presisi) yang buruk
• Penyebabnya tidak spesifik
• Tidak berulang
Macam-macam grafik
• Grapik untuk data numerik:
Histograms
Frequency polygons
Pie

• Grapik untuk data berkategori:

Bar graphs
Pie
Contoh:
•Jika data sudah terkumpul, maka apa
langkah berikut?
•Bagaimana menganalisa data?
Pertanyaan:
• Dimana nilai tengah dari Data?
(“mengukur lokasi”)
• Sejauh mana Data bervariasi?
(“mengukur variabilitas”)
Ukuran untuk menggambarkan distribusi data
1. Ukuran kecenderungan nilai tengah (measure of
central tendency)
2. Ukuran variasi (measure of variability)
Ukuran kecenderungan nilai tengah
• Mode – nilai yang paling banyak muncul atau terjadi
• Median – nilai tengah dari suatu data
• Mean – nilai rata
Mean/nilai rata-rata
Contoh mean:

X  [1,2, 3,4, 5,6,7, 8, 9,10]

 X / n  5.5
Median:
• Nilai yang berada paling tengah atau di tengah.
• Nilai ini memisahkan distribusi menjadi dua
bagian yang sama besar
Contoh median:
Jika jumlah n ganijl, maka nilai tengah dari urutan
(deret) angka X adalah:
• Jika X = [1,2,4,6,9,10,12,14,17]
• Maka 9 adalah median
Jika jumlah n genap, maka nilai tengah dari urutan
(deret) angka X adalah nilai rata-rata dari dua angka
yang berada ditengah:
• Jika X = [1,2,4,6,9,10,11,12,14,17]
• Maka 9.5 adalah median karena dua angka di
tengah (9+10)/2
Mode
• Adalah nilai yang paling banyak muncul
(frekuensi terbanyak).
• Mode bisa lebih dari satu
• Mode tidak dipengaruhi oleh nilai yang paling
ekstrim.
• Sering digunakan untuk menggambarkan data
kualitatif seperti gender, warna mata, warna
rambut, suku, agama, dan lain-lain.
Contoh Mode:
• Jika X = [1,2,4,7,7,7,8,10,12,14,17]
• Maka 7 adalah mode
Mean, Median, Mode

Mean Mean Mean

Mode Mode
Median
Median Mode Median

Negatively Symmetric Positively

Skewed (Not Skewed) Skewed
Ukuran Variasi dari Data
1. Range: perbedaan antara nilai tertinggi dan terendah
dalam suatu distribusi data
2. Varian: ukuran variasi dari data
3. Standar deviasi (STD): ukuran penyebaran data
dari nilai rata-rata
Penyebaran data (Dispersi)
Contoh Dispersi
• Dispersi menunjukkan sejauhmana data
tersebar atau bervariasi.

• Data set 1: [0,25,50,75,100]

• Data set 2: [48,49,50,51,52]

• Kedua data memiliki nilai mean 50, tetapi data

set 1 memiliki variabilitas jauh lebih besar dari
data set 2.
Dispersi: Jangkauan (Range)
• Penyebaran data bisa diungkapkan dengan
‘Range’
• Range adalah perbedaan antara nilai maximum
dan minimum dari satu set data

• RANGE = (Xlargest – Xsmallest) + 1

Contoh Range
• Data set 1: [1,25,50,75,100]; R: 100-1 +1 = 100
• Data set 2: [48,49,50,51,52]; R: 52-48 + 1= 5
Quartiles
• Bagi Data menjadi 4 Quarters

Quartil pertama Quartil Quartil ketiga

kedua=Median
Interquartile Range (IQRT)
Perbedaan antara Quartiles pertama dan ketiga
• Interquartile Range = Q3 - Q1

Tersebar ditengah 50%

VARIAN
• Ukuran penyebaran data.

s 
2  ( X  X ) 2


n 1
Standar deviasi (STD)
• Standar deviasi sample

s 
(X  X ) 2


n 1
• Standar deviasi populasi

   ( x   ) 2

N
Contoh:
• 1. Hitung STD dari nilai berikut: {10,10,10,10,10}
• 2. Hitung STD dari nilai berikut: {13,14,15,12,13,14,13,9}
Nilai Standar (z)
• Nilai standar digunakan untuk membandingkan nilai dari
data yang distribusinya berbeda.
• Nilai standar yang sering digunakan adalah z:

• Dimana X: nilai yang ingin dibandingkan

• nilai rata-rata (mean)
• s: standar deviasi
Symmetry (Distribusi Normal)
Kurtosis – Tinggi rendah nilai tengah
Asymmetry
Skew: Kecenderungan pergeseran data
Referensi:
• http://onlinestatbook.com/2/introduction/descriptive.html