10/02/2020
1
www.pusdiklat.bps.go.id 1
www.pusdiklat.bps.go.id
TUGAS INDIVIDU (1 JAM)
VISUALKAN (CHART) DATA INFLASI 4 KOTA DI
INDONESIA TAHUN 206-2019. PERHATIKAN
VISUAL DATA TERSEBUT DAN TULISKAN YANG
ANDA PEROLEH. KEMUDIAN KIRIM KE
DATA BERADA DI TAUTAN INI
s.bps.go.id/inf4k
www.pusdiklat.bps.go.id
Tuliskan Harapan Anda !!!
10/02/2020
2
www.pusdiklat.bps.go.id
1. mampumenganalisispola sertasebaran data tunggal
4. Mampu menganalisissisaan dari suatupersamaan
2. mampumenganalisispola sertasebaran data berpasangan
3. Mampu menganalisisapakah suatu data berpasanganmempunyai pola yang linier sehingga dapatdibentuk menjadipersamaan linier
TUJUAN
www.pusdiklat.bps.go.id
IPemeriksaan Data Variabel Tunggal
IIIPemeriksaan Pola
Sisaan
IIPemeriksaan Data
Variabel Berpasangan
SISTEM PENYAJIAN
www.pusdiklat.bps.go.id
Eksplorasi
DataMemahami karakterstik data
Mengetahui informasi penting dansifat khas dari data
Metode pada statistikadeskriptif untuk
penyajian data yang bermanfaat menjadi
informasi yang berguna
PENDAHLUAN
www.pusdiklat.bps.go.id
Ukuran Pemusatan
Ukuran Penyebaran
Pola Sebaran
Data
www.pusdiklat.bps.go.id
DATA INFORMASIMENGOLAH
www.pusdiklat.bps.go.id
Objektif
Representatif
Relevan
Standar error
kecil
Tepat waktu
Data yg baik
10/02/2020
3
www.pusdiklat.bps.go.id www.pusdiklat.bps.go.id
www.pusdiklat.bps.go.id
Tabel 1. Penduduk Indonesia menurut Agama,
Tahun 2010
Agama Jumlah
(1) (2)
Islam 207.176.162
Kristen 16.528.513
Katolik 6.907.873
Hindu 4.012.116
Budha 1.703.254
Khong Hu Chu 117.091
Lainnya 299.617
Tidak Terjawab 139.582
Tidak Ditanyakan 757.118
Jumlah 237.641.326
Sumber: Sensus Penduduk 2010, BPS
www.pusdiklat.bps.go.id
www.pusdiklat.bps.go.id
Nilai Banyaknyaperawat
IstimewaBaikRata-rataKurangKurang sekali
62825170
Tabel 3. Penilaian Komandan Grup
www.pusdiklat.bps.go.idChap 1-18
10/02/2020
4
www.pusdiklat.bps.go.id www.pusdiklat.bps.go.id
Ukuran Pemusatan
Rata-rata
MedianModus
www.pusdiklat.bps.go.id
Jenis datanya numerik
(interval/rasio)
Sebaran datanya
simetrik
Tidak ada data pencilan
(outlier)
Digunakan Jika:
x
n
= Rata-rata
= Jumlah data
= Banyaknya data
Rata-Rata
1
n
iix
xn
i = 1, 2, …, n
1
n
iix
www.pusdiklat.bps.go.id
Pengeluaran rata-rata perbulan dari 6 rumah tangga di suatu
daerah adalah sebagai berikut
Contoh 1
Daerah 1 2 3 4 5 6
Perdesaan A 2.000.000 2.300.000 1.600.000 2.000.000 2.400.000 1.700.000
Perkotaan B 800.000 5.000.000 700000 800.000 1.200.000 3.500.000
2 2,3 1,6 2,0 2,4 1,72( )
6A
xx juta
n
0,8 5 0,7 0,8 1,2 3,52( )
6B
xx juta
n
www.pusdiklat.bps.go.id
Gambar 1. Ilustrasi letak nilai rata-rata
pada Perdesaan A
Gambar 2. Ilustrasi letak nilai rata-rata
pada Perkotaan B
Gambaran data diatas adalah:
www.pusdiklat.bps.go.id
Rata - rata tak memenuhi
syarat pada data berjenis
interval/rasio
Tidak ada data pencilan
(outlier)
Digunakan Jika:
Data tidak simetrik
inferensia jika sebaran data
tidak normal dengan
selang kepercayaan
Me = Median
1
2
nx
2
nx
12
nx
= Data ke1
2
n
= Data ke 2
n
= Data ke 12
n
Median
10/02/2020
5
www.pusdiklat.bps.go.id
Contoh 2
Hitunglah median dari nilai ujian matematika kelas 3 SMU berikut ini:
8; 4; 5; 6; 7; 6; 7; 7; 2; 9
Mengurutkan data: 2; 4; 5; 6; 6; 7; 7; 7; 8; 9
posisi Me = ½(10+1) = 5,5 (antara data ke-5 dan ke-6)
jadi Median = ½ (6+7)
= 6,5
(rata-rata dari 2 data yang terletak pada urutan ke-5 dan ke-6)
n = 10
www.pusdiklat.bps.go.id
untuk tujuan deskriptif
karena tidak
mempertimbangkan
sebaran data Jika nilai pengamatan
sangat bervariasi dari
nilai pusatnya, modus
tidak cocok untuk
mengambarkan ukuran
pemusatan
Digunakan:
Modus
www.pusdiklat.bps.go.id
Data tanggal setiap bulan mengenai kemunculan para buronan
yang direkam selama 2 tahun adalah sebagai berikut:
6 5 5 5 6 6 9 5 5 7 8 5 7 5 7 5 5 7 7 5 6 5 10 5
Contoh 3
Kemunculan nilai terbanyak : 5 (12 kali)
Dengan demikian, pada bulan ini pihak kepolisian akan melakukan
penggerebekan terhadap para buronan tepat pada tanggal 5
Contohnya, seorang intelijen Negara member informasi pada
kepolisian bahwa buronan yang dicari sering muncul bersama-
sama antara tanggal 5-10 tiap bulan. Dalam satu bulan,
buronan hanya muncul 1 kali bersama-sama untuk
konsolidasi. Pihak kepolisian harus memutuskan sebuah
tanggal untuk melakukan penggrebekan.
www.pusdiklat.bps.go.id
Perbandingan rata-rata, median, dan modus
Ukuran Pemusatan Kelebihan Kekurangan
Rata-rata 1. Mempertimbangkan semua
nilai
2. Menggambarkan mean
populasi
3. Variasinya stabil
4. Data homogen
1. Mudah terpengaruh oleh
nilai ekstrim
2. Kurang baik untuk data
heterogen
Median 1. Tidak terpengaruh oleh nilai
ekstrim
2. Cocok untuk data heterogen
1. Tidak mempertimbangkan
semua nilai
2. Kurang menggambarkan
mean populasi
Modus 1. Tidak terpengaruh oleh nilai
ekstrim
2. Cocok untuk data homogen
maupun heterogen
1. Kurang menggambarkan
mean popuasi
2. Modua bias lebih dari satu
www.pusdiklat.bps.go.id
Rata-rata = Median = Modus
Rata-rata > Median > Modus
Rata-rata < Median < Modus
)Med3Mod X(X
Hubungan empiris
antara rata-rata,
median, dan
modus:
Perbandingan rata-rata,
median, dan modus
www.pusdiklat.bps.go.id
Ukuran Penyebaran
Ukuran penyebaran
A
Range
C
BD Standar
Deviasi
Varians
Koefisien
Variasi
10/02/2020
6
www.pusdiklat.bps.go.id
Dari contoh 1, didapatkan
range pedesaan A = 8
Range tidak cocok digunakan bila ada nilai ekstrem
Carilah range data berikut!
Pengeluaran rata-rata perbulan (dalam
ratusan ribu) dari 6 rumah tangga di
suatu daerah
Range
dan range perkotaan B = 43.
Contoh 4
www.pusdiklat.bps.go.id
Populasi Sampel
Diberikan data mengenai hasil perolehan nilai pada 2 Quiz yg berbeda, sebagai berikut ini :
Simpangan Baku dan Varian
Contoh 5
www.pusdiklat.bps.go.id
Quiz I: rata-rata =18.27
Quiz 2: rata-rata = 10.82
Quiz ke-2 lebih bervariasi
dibandingkan dengan Quiz ke-1.
www.pusdiklat.bps.go.id
Perhatikan gugus data di bawah ini:
Jawab:
Kelompok A: Rata-rata = 6.1; s = 2.0
Kelompok B: Rata-rata = 8.7; s = 2.7
Koefisien Variansi
Contoh 6
www.pusdiklat.bps.go.id
Indeks Wiliamson
Untuk mengukur ketimpagan antar wilayah digunakan alat
Indeks Williomson
Keterangan:
Yi = PDRB per kapita di kabupaten/kota i
Y = PDRB per kapita provinsi
fi = Jumlah penduduk di kota/kabupaten i
n = Jumlah penduduk Kabupaten i
Jika IW semakin kecil / mendekati nol menunjukan ketimpangansemakin kecil/semakin merata
Jika IW semakin jauh dari nol menunjukan ketimpangan semakinmelebar
www.pusdiklat.bps.go.id
Eksplorasi
Data
Steam and
Leaf
Box PlotKuantil
Menggunakan
SPSS
teknik untuk
menggambarkan pola
sebaran bagi data yang
berukuran kecil
untuk melihat
ketidaksimetrisan
data kuantitatif
yang berskala besar
representasi grafik
dari sekelompok
data yang memuat 5
ringkasan data:
median, Q1, Q3,
minimum dan
maksimum
10/02/2020
7
www.pusdiklat.bps.go.id
10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67
10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67
10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67
1Q
2Q
3Q
Kuantil
www.pusdiklat.bps.go.id
Box Plot
www.pusdiklat.bps.go.id
Berikut 20 data penelitian
tentang penggunaan
microcomputer selama
seminggu (dalam jam) oleh
mahasiswa pada jurusan
matematika di suatu
perguruan tinggi:
12, 16, 12, 13, 16, 14, 15,
15,16, 17, 18, 14, 18, 19, 11,
15, 13, 15, 17, 14
microcomputer
20.00
18.00
16.00
14.00
12.00
10.00
Nilai minimum = 11
Nilai maksimum = 19
Median= = 152Q
= 13
= 16
1Q
3Q
Contoh 8
www.pusdiklat.bps.go.id
Box Plot
www.pusdiklat.bps.go.id
Box Plot
www.pusdiklat.bps.go.id
Box Plot
10/02/2020
8
www.pusdiklat.bps.go.id
Aktifkan data
Analyze
Descriptive statistics
Eksplore
1
2
Eksplorasi data
dengan SPSS for windows
www.pusdiklat.bps.go.id
Daftar variabel yang akan
dianalisis
daftar variabel yang akan
mengelompokkan output
dari variabel yang dianalisis
isian variabel yang
akan ditampilkan
pada output untuk
masing-masing data
bisa dipilih salah satu dari
tiga opsi yang ada, yaitu:
Both, Statistics, dan Plots
www.pusdiklat.bps.go.id
Statistics
menampilkan output mean, median,
modus, 5% trimmed mean, standar
error, variancs, standar deviasi,
minimum, maksimum, range,
interquartile range, skewness, standar
error skewness, kurtosis dan standard
error kurtosis
menampilkan output
robust maximum-
likelihood estimators of
central tendency
menampilkan output lima
data terkecil dan lima data
terbesar. Pada outputnya
akan ditampilkan nilai
extreme
akan menampilkan output persentil:
5, 10, 25, 50, 75, 90, 95 dan Tukey's
hinges
www.pusdiklat.bps.go.id
Plots organisasi output boxplot
boxplot dikelompokkan
berdasarkan faktor
boxplot dikelompokkan
berdasarkan dependent
variabel untuk faktor yang
sama
tidak menampilkan boxplot
menampilkan plot descriptive
menampilkan output uji
kenormalan
www.pusdiklat.bps.go.id
Option
missing value tidak
diikutkan dalam analisis
output menyertakan hasil
analisis dengan missing value
dan tidak dengan missing
value
mendefinisikan missing
value sebagai data
tersendiri
www.pusdiklat.bps.go.id
Workshop
Hitung Nilai Minimum, Q1, Median, Q3 dan Nilai Maksimum dari Data Inflasi 4
Kota di Indonesia Tahun 2016-2019 dengan menggunakan SPSS. Kemudian
Interpretasikan Data tersebut
10/02/2020
9
www.pusdiklat.bps.go.id
Workshop
Hitung Nilai Minimum, Q1, Median, Q3 dan Nilai Maksimum dari Data di
s.bps.go.id/pert Dengan spss dan lakukan analisa
terhadap data tersebut
www.pusdiklat.bps.go.id
Pendahuluan
Transformasi Data
Pemeriksaan Pola Data Berstruktur
Tunggal
Data Berpasangan dan Persamaan Garis
Lurus
Pemeriksaan Sisa dan Kenormalan
1
2
3
4
5
Eksplorasi
Data
www.pusdiklat.bps.go.id
Data
Berpasangan
dan
Persamaan
Garis Lurus
Pola Data
Berpasangan
Pemeriksaan
Ketepatan
Model
Garis
Resisten
Iterasi dalam
Garis Resisten
www.pusdiklat.bps.go.id
Data berpasangan
x dan y
Pola pencaran
titik-titik (x,y)
Pola Data berpasangan
www.pusdiklat.bps.go.id www.pusdiklat.bps.go.id
BUATLAH SCATTER DIAGRAM DARI DATA IPM DAN IDI DI
TAUTAN INI s.bps.go.id/ipmid
10/02/2020
10
www.pusdiklat.bps.go.id
Tipologi Klassen
www.pusdiklat.bps.go.id
Garis lurus yang terdapat dalam
diagram pencar yang memperlihatkan
hubungan antar variabel
Garis Resisten
Pola pencaran
membentuk garis lurus?Pemeriksaan
3 titik perwakilan yg
dihubungkan dengan
garisRasio Koefisien b
Garis resisten =
garis regresi
www.pusdiklat.bps.go.id
Prosedur penghitungan koef.a,
koef.b dan rasio koef.b :
Urutkan data (x,y) menurut nilai xi, sehingga x1 < x2 < … <
xn
Cari titik yang dapat menjadi wakil dari tiap kelompok,
gunakan nilai median x dan median y dari tiap kelompok
sebagai koordinat titik-titik tersebut, yaitu: (xB,yB), (xT,yT),
(xA,yA)
Bagi kelompok data menjadi 3 bagian yang sama banyaknya
(bagian bawah, tengah, dan atas)
1
2
3
www.pusdiklat.bps.go.id
Koefisien b dihitung berdasarkan dua buah titik yang mewakili
kelompok B dan A, sehingga mencerminkan rentangan nilai x
yang paling lebar.
Koefisien a ditetapkan sehingga diharapkan garis tersebut dapat
melalui bagian data yang berada di kelompok tengah (T).
Nilai a ditentukan sebagai rata-rata dari :
aB = yB – b xB
aT = yT – b xT
aA = yA – b xA
a = (aB + aT + aA )/3
b = (yA - yB)/(xA - xB)
5
4
6
www.pusdiklat.bps.go.id
Jika rasio menyimpang jauh dari nilai 1 akan menunjukkan
kelengkungan
bAbB
= yA − yTxA − xT
yT − yBxT − xB
Menghitung rasio koef b, dengan cara :7
www.pusdiklat.bps.go.id
Contoh :
Data berpasangan x dan y :
x 2 3 4 4 4 4 5 5
y 31 37 42 46 48 48 30 44
x 5 5 6 6 6 6 6 7
y 47 54 49 50 51 56 68 77
Karena sudah urut, langkah selanjutnya adalah membentuk 3 kelompok
Atas, Tengah, dan Bawah
Contoh 9
10/02/2020
11
www.pusdiklat.bps.go.id
x y x y x y
2 31,1 5 30,1 6 48,9
3 36,9 5 44,4 6 50,1
4 41,6 5 46,8 6 51,2
4 46,1 5 54 6 56,5
4 48,4 6 68,4
4 48,4 7 77,1
Me. X 4 5 6
Me. Y 43,8 45,6 53,8
B (Bawah) T (Tengah) A (Atas)Kelompok
www.pusdiklat.bps.go.id
Dapat dihitung :
Koefisien b:
b = (yA – yB)/(xA – xB) = 10,0/2,0 = 5,0
Koefisien a:
a = {(yB + yT + yA) – b (xB + xT + xA)}/3
= {143,2 – 5 (15)}/3 = 68,2/3 = 22,7
Sehingga persamaan garis yang dimaksud adalah :
ŷ = 22.7 + 5.0 x
www.pusdiklat.bps.go.id
bAbB
= yA − yTxA − xT
yT − yBxT − xB
=
53,8− 45,66− 5
45,6− 43,85− 4
= 4,55
Nilai rasio koefisen b:
Berdasarkan rasio kedua nilai b terkesan bahwa pola
garis tersebut melengkung dan menaik tajam
www.pusdiklat.bps.go.id 64
Pemeriksaan Ketepatan Model
1. Plot antara sisaan dengan nilai x atau dengan nilai dugaan
Pemeriksa ketepatan model, diperlukan komponen ,y -ŷ (sisaan).
Pemeriksaan ketepatan model dilakukan dengan cara :
2. Diagram batang-daun atau box-plot dari nilai sisaan
untuk memeriksa kesimetrisan bentuk sebarannya
www.pusdiklat.bps.go.id
x y ŷ y-ŷ
2 31,1 32,7 -1,6
3 36,9 37,1 -0,8
4 41,6 42,7 -1,1
4 46,1 42,7 3,4
4 48,4 42,7 5,7
4 48,4 42,7 5,7
5 30,1 47,7 -17,6
5 44,4 47,7 -3,3
5 46,8 47,7 -0,9
5 54 47,7 6,3
6 48,9 52,7 -3,8
6 50,1 52,7 -2,6
6 51,2 52,7 -1,5
6 56,5 52,7 3,8
6 68,4 52,7 15,7
7 77,1 57,7 19,4
Hasil analisis garis resisten (dari contoh sebelumnya):
www.pusdiklat.bps.go.id
-25
-20
-15
-10
-5
0
5
10
15
20
0 2 4 6 8
Res
idu
als
X Variable 1
X Variable 1 Residual Plot
Plot data x dan sisaan Box Plot sisaan
10/02/2020
12
www.pusdiklat.bps.go.id
Pendahuluan
Transformasi Data
Pemeriksaan Pola Data Berstruktur
Tunggal
Data Berpasangan dan Persamaan Garis
Lurus
Pemeriksaan Sisa dan Kenormalan
1
2
3
4
5
Eksplorasi
Data
www.pusdiklat.bps.go.id
Pemeriksaan
Sisa dan
Kenormalan
Pemeriksaan
terhadap Model
Kegunaan dan Tujuan
Pemeriksaan Sisa
Pemeriksaan
Kenormalan
www.pusdiklat.bps.go.id
didefinisikan sebagai ei = yi - ŷ iSisa
Informasi dari data awal yang tidak terserap oleh model
Sisa
berbentuk
Acak
Jika sisa sudah berbentuk acak asumsi tentang
kenormalan dan kesamaan varians terpenuhi
Makin besar sisa, makin jauh data menyimpang dari model
Pendahuluan
www.pusdiklat.bps.go.id
Pemeriksaan terhadap Model
Kelayakan Model dapat dilihat dengan:
• Melihat hasil pengujian kecocokan model dengan F-Test
• Membandingkan R2 dari model yang berlainan
• Melakukan pengujian hipotesis mengenai koefisien
regresinya
www.pusdiklat.bps.go.id
Tujuan pemeriksaan sisa
Apakah sisa berpola acak
Apakah asumsi kenormalan dilanggar
Apakah varians dianggapidak berubah (sama)
Apakah ada pencilan
Apakah variabel yg masuk ke dalam model tidak berbentuk linear
Apakah variabel yg berpengaruh telah masuk ke dalam model
www.pusdiklat.bps.go.id
Contoh 10Tabel 4. Data tinggi (x) dan berat badan (y)
10/02/2020
13
www.pusdiklat.bps.go.id
Penghitungan dengan
dan tanpa pencilan
www.pusdiklat.bps.go.id
Sebelum outlier dikeluarkan
Setelah outlier dikeluarkan
www.pusdiklat.bps.go.id
Pemeriksaan Kenormalan
cara yang sederhana memeriksa kenormalan sisa ialah
dengan melihat apakah persentase sisa memenuhi :
antara –s dan s sekitar 68%
antara –2s dan 2s sekitar 95%
antara –3s dan 3s sekitar 99,7%
www.pusdiklat.bps.go.id
Diagram batang daun yang ideal adalah yang diagramnya setangkup,
berpuncak tunggal, dan kedua ujungnya tidak terlalu tebal
Pemeriksaan kenormalan merupakan tahapan yang penting, karena
mayoritas analisis statistik untuk penarikan kesimpulan mengharuskan
data yang normal.
Cara yang paling umum dilakukan dengan menggambar plot sisa dalam diagram batang daun.
www.pusdiklat.bps.go.id
Frequency Stem & Leaf
2,00 -2 . 59
2,00 -2 . 00
2,00 -1 . 69
,00 -1 .
1,00 -0 . 8
2,00 -0 . 12
2,00 0 . 23
1,00 0 . 6
1,00 1 . 0
1,00 1 . 5
1 , 0 0 E x t r e m e s (>=10, 6)
Stem width: 1,00
Each leaf: 1 case(s)
Grafik batang-daun saat terdapat outlier
Frequency Stem & Leaf
1,00 -2 . 7
2,00 -1 . 02
4,00 -0 . 3388
4,00 0 . 5789
2,00 1 . 03
1,00 2 . 0
Stem width: 1,00Each leaf: 1 case(s)
Grafik batang-daun satelah outlier
dihilangkan
www.pusdiklat.bps.go.id
Pendahuluan
Transformasi Data
Pemeriksaan Pola Data Berstruktur
Tunggal
Data Berpasangan dan Persamaan Garis
Lurus
Pemeriksaan Sisa dan Kenormalan
1
2
3
4
5
Eksplorasi
Data
10/02/2020
14
www.pusdiklat.bps.go.id
Transformasi
data
Outliers
untuk
memperoleh
sebaran data
yang relatif
normal
Data tidak memiliki
sebaran normal dan
Varian heterogen
www.pusdiklat.bps.go.id
4
3
2
1 Mengamati diagram batang-daun dan box plot
data x dan y
Memilih transformasi untuk x dan y
Menentukan regresi linear x terhadap y
Jika regresi x terhadap y memberi nilai R2 yg
sudah memuaskan, maka permodelan selesai
Jika belum memuaskan, ulangi langkah 2 dan
3
5
Langkah-langkah melakukan transformasi data
www.pusdiklat.bps.go.id
Transformasi
Logaritma
Akar kuadrat
data yg standar deviasinya
berbanding dengan rataan,
pengaruhnya kelipatan atau
memiliki hubungan fungsi.
untuk bilangan bulat yang kecil,
misalnya data yang diperoleh
pada kejadian yang jarang
www.pusdiklat.bps.go.id
digunakan bila
data berkaitan
dengan waktu
dan rata-
ratanya
mengikuti rata-
rata geometrik
bila rata-rata suatu
perlakuan semakin
besar, maka
variannya juga
semakin besar
Transformasi Logaritma
Maka dengan mengganti tiap
pengamatan dengan logaritmanya
akan dihasilkan varian yang
hampir sama
www.pusdiklat.bps.go.id
Transformasi Akar kuadrat
Banyaknya tanaman terserang suatu hama dalam
suatu petak
Transformasi
akar kuadrat
Jika data
mengikuti
sebaran
poisson
Dengan ciri-ciri
Rata-rata data hasil
pengamatan masing-
masing perlakuan
hampir sama dengan
variannya
Data dalam persen
(persentase sangat kecil)
atau peluang
kejadiannya sangat kecil
Untuk bilangan bulat yang
kecil, misalnya data yang
diperoleh pada kejadian yang
jarang
www.pusdiklat.bps.go.id
Contoh 11
Tabel .. Lamanya seseorang melaksanakan training dengan
performance score yang didapat
10/02/2020
15
www.pusdiklat.bps.go.id
Scatter plot
Gambar 24. Perbandingan garis regresi linier dan
www.pusdiklat.bps.go.id
Descriptives
Statistic Std. Error
performance_score Mean 89.7000 8.83308
95% Confidence
Interval for Mean
Lower
Bound
69.7182
Upper
Bound
109.6818
5% Trimmed Mean 90.1667
Median 95.5000
Variance 780.233
Std. Deviation 27.93266
Minimum 46.00
Maximum 125.00
Range 79.00
Interquartile Range 48.25
Skewness -.389 .687
Kurtosis -1.155 1.334
Persamaan garis barunya = -11.69 + 85.53 X’
www.pusdiklat.bps.go.id
Curve Estimation pada SPSS
Aktifkan data
Analyze
1
2
Regression
Curve Estimation
www.pusdiklat.bps.go.id
www.pusdiklat.bps.go.id www.pusdiklat.bps.go.id
Daftar Pustaka
10/02/2020
16
www.pusdiklat.bps.go.id
TERIMA KASIH
Permintaan modul/video/bahan pelatihan dapatmenghubungi:
Kepala Pusat Pendidikan dan PelatihanBadan Pusat Statistik
c.q Kepala Bidang Diklat Teknis dan Fungsional
d.a Jalan Raya Jagakarsa No. 60, Lenteng AgungJakarta Selatan
Telp: 021 – 7873781/ 021 – 7873782/ 021 – 7873783