Statistik Deskriptif I

Aplikom Biostatistik
 Pengantar
Statistik Deskriptif lebih berhubungan dengan
pengumpulan dan peringkasan data, serta penyajian
hasil peringkasan tersebut.
Data-data statistik –yang dapat diperoleh dari hasil
sensus, survei, atau pengamatan lainnya- umumnya
masih acak, ‘mentah’ dan tidak terorganisir dengan
baik (raw data).
Statistik deskriptif berkaitan dengan penerapan
metode statistik untuk mengumpulkan, mengolah,
menyajikan, dan menganalisis data kuantitatif secara
deskriptif (penjelasan).
 Pengantar
Pengambilan
Data Mentah

Penyajian Data
Input Data Koding/Kategori secara
Deskriptif

Dengan Statistika deskriptif, kumpulan data bisa tersaji dengan ringkas dan rapi
serta mampu memberikan informasi inti dari kumpulan data yang ada.
Informasi yang diperoleh dari statistika deskriptif ini antara lain ukuran
pemusatan data, ukuran penyebaran data, serta kecenderungan suatu gugus
data.
 Ukuran Pemusatan
Data
Ukuran pemusatan adalah suatu sembarang ukuran
yang menunjukkan pusat dari sekelompok data yang
telah diurutkan dari nilai terkecil hingga nilai terbesar
atau sebaliknya. Terdapat beberapa ukuran
pemusatan namun yang paling sering digunakan ada
tiga yaitu mean, median dan modus. Ketiganya
memiliki ciri-ciri dan perbedaan yang dapat
dijelaskan secara matematis.
 Mean
• Mean adalah ukuran yang digunakan secara luas
tendensi sentral, yang didefinisikan sebagai rata-
rata dari himpunan nilai.
• Rerata ini sama dengan jumlah semua pengamatan
dibagi dengan jumlah pengamatan dalam dataset.
Jika nilai yang diasumsikan oleh variabel sama,
artinya juga akan sama.
• nilai rata-rata dari keseluruhan data yang didapat.
 Median
• Median adalah ukuran penting lain dari tendensi
sentral, yang digunakan untuk membagi nilai
menjadi dua bagian yang sama, yaitu separuh
sampel yang lebih besar, populasi atau distribusi
probabilitas dari bagian bawah.
• Ini adalah nilai paling tengah, yang dicapai ketika
pengamatan diurutkan dalam urutan tertentu, baik
urutan naik atau turun.
• Median adalah suatu nilai yang terletak di tengah
kelompok data yang telah diurutkan dari nilai
terkecil sampai terbesar atau sebaliknya.
 Modus
• salah satu ukuran pemusatan yang paling sering
digunakan dengan menggunakan karakter data
yang paling sering muncul dalam suatu kelompok
data adalah modus dari kelompok tersebut.
Berbeda dengan median, penentuan modus tidak
perlu melakukan pengurutan terhadap kelompok
data, melainkan cukup menggunakan pengamatan
terhadap data yang paling sering muncul dalam
kelompok.
 Skala Pengukuran
1. Nominal
Data nominal merupakan data yang paling rendah levelnya
karena data nominal hanya menghasilkan satu kategori saja,
dan data dianggap setara. Misalnya jenis kelamin seseorang.
Jika dia bukan seorang laki-laki, berarti dia seorang
perempuan, begitu juga sebaliknya. Antara laki-laki dan
perempuan mempunyai kedudukan yang setara, yaitu sebagai
penunjuk jenis kelamin seseorang. Data nominal termasuk
data kualitatif, yaitu data yang hasilnya tidak berupa angka
dan tidak bisa dilakukan operasi matematika seperti
penjumlahan, pengurangan, dan sebagainya. Jika data berupa
data nominal maka data tersebut diubah menjadi
bilangan. Bilangan yang digunakan hanya sebagai simbol.
Misal: 1, Laki-laki dan 2, Perempuan.
 Skala Pengukuran
2. Ordinal
• Data ordinal memiliki level lebih tinggi dibandingkan dibanding data
nominal. Pada data nominal data dianggap setara sedangkan data
ordinal terdapat tingkatan data. Data ordinal termasuk data kualitatif,
jika data berupa data ordinal maka data diubah menjadi bilangan.
Bilangan yang digunakan adalah bilangan bulat dan sudah mengenal
urutan tinggi rendah, besar dan kecil.
• Contohnya adalah data tentang minat belajar mahasiswa. Minat belajar
mahasiswa ada yang tinggi, sedang, rendah, dan rendah sekali. Jadi
terdapat tingkatan data dan tidak bisa disamakan. Sama seperti data
nominal, data ordinal juga tidak bisa dilakukan operasi matematika,
seperti 1 sebagai simbol tinggi, 2 sebagai simbol sedang, 3 sebagai
simbol rendah, dan 4 sebagai simbol rendah sekali. Jadi, tidak bisa
dikatakan 1+2=3 (tinggi + sedang = rendah).
 Skala Pengukuran
3. Interval
• Data interval memiliki level yang lebih tinggi daripada data ordinal. Data interval
termasuk data kuantitatif, yaitu data yang hasilnya berupa angka yang
sebenarnya dan bisa dilakukan operasi matematika. Data interval merupakan
data hasil pengukuran yang bisa berbentuk bilangan numerik bulat dan pecahan.
Pada data interval tidak memiliki nilai nol mutlak. Artinya walaupun suatu data
menghasilkan nol, maka data tersebut bernilai nol.
• Contohnya data pengukuran suhu.
4. Rasio
Data rasio merupakan data yang paling tinggi levelnya diantara ketiga data yang
lain. Data rasio termasuk kuantitatif, data yang berupa angka sebenarnya. Data
rasio merupakan data hasil pengukuran yang bisa berbentuk bilangan numerik
bulat dan pecahan. Data rasio memiliki nilai nol mutlak. Nilai nol mutlak disini
artinya adalah jika datanya nol, berarti data tersebut tidak memiliki kuantitas.
Misalnya jumlah mahasiswa yang hadir adalah 0, berarti tidak ada mahasiswa yang
datang. Sama seperti data interval, data rasio bisa dilakukan operasi matematika.
Yang membedakan data interval dengan data rasio adalah nilai nol mutlak.
Skala Pengukuran
 Input Data
Buka file pada praktek sebelumnya yang akan dilakukan analisis deskriptif.
Pada SPSS terdapat colomn Data view untuk tempat munculnya data dan
variable view untuk nama setiap variable, menentukan skala data dll.

1. Pastikan data pada data dan variable view telah terisi. Pada variabel
tertentu, silahkan menggunakan simbol atau kategori, misal laki-laki 1,
perempuan 2, dll.
 Merubah Skala Pengukuran
1. Cek skala pengukuran pada variable view -> Measure.

2
 Merubah Skala Pengukuran
2. Ubah skala pengukuran sesuai dengan variabel yang ada, misal: Variabel
jenis kelamin menjadi Nominal, dll.

1
 Penjelasan Data/Variabel
Kategorik.
Data kategorik adalah data yang menjelaskan karakteristik dari data tersebut.
Misalnya jenis kelamin, Bahasa, Kewarganegaraan, dan lain sebagainya. Data
kategorik juga dapat menggunakan nilai numerik. Data kategorik dibagi menjadi dua
yaitu data nominal dan data ordinal.
Data nominal merupakan data diskrit, digunakan untuk memberi label pada suatu
variabel, dan tidak memiliki nilai kuantitatif. Data nominal tidak memiliki tingkatan.
Contohnya angka 1 untuk wanita dan angka 0 untuk pria. Angka 0 dan 1 hanya
melambangkan jenis kelamin saja, bukan sebuah tingkatan atau urutan jadi kita bisa
mengubah labelnya, angka 1 untuk laki-laki dan angka 0 untuk perempuan.
Jenis data kategorik yang kedua adalah data ordinal. Data ordinal adalah data diskrit
yang mengandung urutan. Data ordinal hampir sama dengan data nominal, namun
label yang ada pada data ordinal mengandung tingkatan. Misalnya tingkat
pendidikan seseorang. Angka 1 merupakan label untuk lulusan SD, angka 2
merupakan label untuk lulusan SMP, dan angka 3 merupakan label untuk lulusan
SMA. Angka 1, 2, dan 3 merupakan sebuah label tingkatan lulusan SD, SMP, dan
SMA (dari dasar sampai menengah atas).
Data ordinal biasanya digunakan untuk mengukur data non-numerik seperti
kebahagiaan, kepuasan pelanggan, dan lain sebagainya.
 Membuat deskripsi variabel
kategorikal
Variabel yang dapat dikategorikal yaitu : Jenis Kelamin, Pendidikan Terakhir.
1. Klik analyze -> descriptive statistics -> frequencies

2. Akan muncul menu baru (menu Frequencies) klik variabel kategorikal yang akan
dilakukan analisis deskriptif, dan pastikan telah terpindah pada tampilan variable
(s):
 Membuat deskripsi variabel
kategorikal
3. Klik analyze -> descriptive statistics -> frequencies

4. Akan muncul menu baru (menu Frequencies: Staistics) centang pilihan

pada central tendency (mean, median, mode dan sum), kemudian klik
continue
 Membuat deskripsi variabel
kategorikal
5. Kemudian akan kembali pada menu frequencies, lalu klik ok :
 Membuat deskripsi variabel
kategorikal
Output yang dihasilkan dan cara membacanya :

Jawaban Valid (30), tidak ada yang kosong

(missing=0).
Mode/Modus, data yang paling sering muncul
ialah 2, atau perempuan.

responden yang memiliki jenis kelamin sebagai

laki-laki yaitu 4 orang atau 13,3 % dan
perempuan sebanyak 26 orang atau 86,7 %
 Penjelasan Teknis Pengerjaan
Laporan Praktikum
• Tuliskan kembali hasil pengerjaan pada praktek hari ini
1. memastikan skala pengukuran telah sesuai dengan variabel
2. melakukan analisis deskriptif pada variabel kategorikal/mean atau
median atau modus atau frequency atau persentase, pilih minimal
2 hasil untuk dijelaskan outputnya misal penjelasan menggunakan
frekuensi dan persentase)
• Ketentuan Penulisan Laporan:
1. Laporan menggunakan Format PDF
2. Format Laporan telah tersedia di Kulino
3. Pengumpulan Laporan paling lama 1 minggu setelah tugas diberikan.
4. Gunakan bahasa yang anda pahami dalam menuliskan langkah/cara-
cara dalam pengerjaan praktikum.
TERIMAKASIH