LAPORAN RESMI
PRAKTIKUM STATISTIK
MODUL I
OLEH : KELOMPOK 7
Aderia Indah Warni 26020212130048
ASISTEN :
Rahadimas Giyan Setyadi
Fortina Qualifa
Marisa Dwikartika
Gizka Anindya Putri
Renaldy Ardianto
Martiana Yulfa
Mei Retno Arum
Wulan Romadhani
PROGRAM STUDI OSEANOGRAFI
JURUSAN ILMU KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
2013
LEMBAR PENILAIAN
MODUL I: PENGENALAN PAKET PROGRAM SPSS
Nama:
M. Hafidz Ibnu Khaldun 26020212130016
Anggita Kartikasari 26020212110033
Rizqi Ayu Farihah 26020212130044
Rizki Pri Indrawan 26020212130046
Oldy Erdian 26020212140050
NO KETERANGAN NILAI
1. Pendahuluan
2. Tinjauan Pustaka
3. Materi dan Metode
4. Hasil dan Pembahasan
5. Penutup
6. Daftar Pustaka
JUMLAH
Semarang, 14 November 2013
Mengetahui,
Koordinator Praktikum Asisten
Rahadimas Giyan Setiyadi Rahadimas Giyan Setiyadi
NIM. 26020211110074 NIM. 26020211110074
Tanggal Praktikum : 8 November 2013
Tanggal Pengumpulan: 14 November 2013
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistika merupakan alat bantu dalam mengambil keputusan pada penelitian kuantitatif.
Pada dasarya statistika penuh dengan perhitungan matematika sehingga diperlukan perangkat lunak
untuk mendukung akurasi, validitas dan kecepatan prosespengolahan data. Dengan berkembangnya
software komputer perhitungan data dan analisis statistika bukan lagi menjadi rumit sehinggga
berkembang juga analisis statistika aplikatif. Program paket SPSS (Statistical Product and Service
Solution) for windows merupakan salah satu software aplikasi statistik yang sering digunakan untuk
pengolahan data. SPSS for windows ini menawarkan banyak kemudahan dalam pengoperasian data
(data entry), mengedit data, trasformasi data, analisis data, dan masih banyak lagi. SPSS
menyediakan fasilitas analisa yang cukup lengkap seperti ordinary linear regression, logistis,
ANOVA, survival anaysis, dan lainnya.
Setelah memperoleh sekumpulan data, analisis statistika diawali dengan melakukan
eksplorasi terhadap data yaitu dengan membuat deskripsi berupa grafik dan ringkasan numerik.
Dari grafik yang diperoleh dapat digunakan untuk mempelajari perilaku dan pola sebaran data. Dari
grafik bisa dipakai untuk “menuntun” ke analisis statistika selanjutnya.
1.2 Tujuan Praktikum
Pada praktikum statistika modul kesatu ini bertujuan, agar mahasiswa mampu untuk:
a. Mengenal program SPSS
b. Mengidentifikasi jenis skala pengukuran
c. Membuat file data
d. Membuat ringkasan grafik dengan program SPSS
e. Membuat ringkasan numerik menggunakan SPSS
f. Menjelaskan hasil ringkasan grafik dan ringkasan numerik
1.3 Manfaat Praktikum
Pada praktikum statistika modul kesatu ini bermanfaat, agar mahasiswa mampu untuk:
a. Mengoperasikan program SPSS
b. Membuat file data
c. Membuat ringkasan grafik dari sekumpulan data dengan program SPSS
d. Membuat ringkasan numerik dari sekumpulan data dengan program SPSS
BAB II
TINJAUAN PUSTAKA
2.1 Statistika
2.1.1 Pengertian Statistik
Statistik berasal sari kata state Kata statistic bukan merupakan kata dari bahasa Indonesia
asli, secara etimologis kata "statistik" berasal dari kata status (bahasa latin) yang mempunyai
persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang dalam
bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata "statistik" diartikan sebagai
"kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif) maupun yang
tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang besar bagi
suatu negara. Namun, pada perkembangan selanjutnya, arti kata statistik hanya dibatasi pada
"kumpulan bahan keterangan yang berwujud angka (data kuantitatif)" saja; bahan keterangan yang
tidak berwujud angka (data kualitatif) tidak lagi disebut statistik (Harinaldi, 2005)
Seiring berjalannya waktu kata statistik tidak lagi dibatasi untuk kepentingan-kepentingan
Negara saja tapi sudah digunakan dalam keseharian untuk mempermudah masyarakat untuk
menganalisis sesuatu yang berkaitan dengan data-data. Sehingga setelah masyarakat memahami
statistic dan mulai mempergunakannya dalam kehidupan sehari munculah berbagai macam nama
statistic. Statistic yang menjelaskan sesuatu hal biasanya diberi nama statistic mengenai hal yang
bersangkutan didalamnya, contohnya kumpulan data yang membahas tentang tingkat produksi suatu
perusahaan dinamakan statistic produksi. Banyak persoalan baik itu seperti penelitian ataupun
pengamatan yang dinyatakan dalam bentuk bilangan atau angka-angka. Kumpulan angka-angka
disusun atau diatur dan disajikan dalam tabel (terkadang dilengkapi dengan gambarbaik berupa
iagrm maupun grafik, hal ini dilakukan bertujuan untuk mempermudah menjelaskan isi dari data)
seperti berikut mungkin bisa membantu anda memahami statistic lebih lanjut (Harinaldi, 2005).
Contoh daftar harga alat tulis menulis disuatu toko :
Tabel 2.1 Daftar Harga Alat tulis di Toko
NO NAMA BARANG HARGA
1 Pensil Rp. 2000,00
2 Penghapus Rp. 1000,00
3 Bulpoin Rp. 2500,00
4 Stipo (pemutih) Rp. 4000,00
5 Buku tulis Rp. 3000,00
6 Penggaris Rp. 1500,00
7 Buku gambar A4 Rp. 5000,00
8 Spidol Rp. 4000,00
Contoh tersebut merupakan contoh statistika kuantitatif. Data kuantitatif, merupakan data yang
berbentuk bilangan serta harganya berubah-ubah (bersifat variabel). Dari segi nilainya, data
kuantitatif dibagi menjadi dua golongan yaitu data dengan variabel diskrit (data diskrit), dan data
dengan variabel kontinu (data kontinu) (Harinaldi, 2005).
Selain data kuantitatif dalam statistika dikenal juga istilah data kualitatif, data kualitatif
merupakan data yang dikategorikan menurut lukisan kualitas objek yang diteliti atau dipelajari.
Contohnya ; seorang mahasiswa datang keruangan kejur untuk mencari nilai kepribadian.
Nilai kepribadian dikatakan data kualitatif dikarenakan hanya dinyatakan dengan kata yang didasari
oleh data kuantitatif (Harinaldi, 2005).
Maka dapat disimpulkan bahwa statistik merupakan kumpulan data baik berupa bilangan
maupun bukan bilangan yang disusun dalam table ataupun diagram yang melukiskan atau
menggambarkan suatu persoalaaan (Harinaldi, 2005).
Kata statistik bisa juga digunakan untuk menyatakan ukuran sebagai wakil dari kumpulan
data mengenai sesuatu hal. Ukuran ini didapat berdasarkan perhitungan menggunakan kumpulan
sebagian data yang diambil dari keseluruhan tentang persoalan tersebut (misal : persen dan rata-
rata) (Harinaldi, 2005).
2.1.2 Pengertian Statisika
Dari data hasil penelitian sering kali diminta suatu uraian, penjelasan atau kesimpulan
tentang persoaalan yang ditelit. Sebelum kesimpulan dibuat, keterangan data yang yang telah
terkumpul itu terlebih dahulu dipelajari, dianalisis atau diolahdan berdasarkan pengolahan ini baru
dibuat kesimpulan. Dari pernyataan diatas tersirat bahwa statistika merupakan pengetahuan yang
berhubungan dengan cara-cara pengumpulan data, pengolahan atau penganalisiannya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisian yang dilakukan. Maka dari definisi di
atas dapat kita simpulkan bahwa ruang lingkup sttistika lebih luas daripada statistik serta statistika
mencangkup statistik, atau dapat kita analogikan ibarat computer, suatu keutuhan computer
merupakan statistika sedangkan alat-alat penyusun dari computer ( LCD, mouse, CPU, keyboard,
dll) merupakan statistika.(Murray,2005)
2.1.3 Peranan Statistik
Di antara kegunaan Statistik sebagai ilmu pengetahuan adalah: (a) Untuk menggambarkan
keadaan, baik secara umum amupun secara khusus; (b) Untuk memperoleh gambaran tentang
perkembangan (pasang-surut) dari waktu ke waktu; (c) Untuk mengetahui permandingan
(membandingkan) antara gejala yang satu dengan gejala yang lain; (dalam) Untuk menilai keadaan
dengan jalan menguji perbedaan antara gejala yang satu dengan gejala yang lain; (e) Untuk menilai
keadaan dengan jalan mencari hubungan antara gejala yang satu dengan gejala yang lain; (f) Untuk
menjadi dasar atau pedoman, baik di dalam menarik kesimpulan, mengambil keputusan, serta
memperkirakan terjadinya sesuatu hal atas dasar bahan-bahan keterangan (data) yang telah berhasil
dihimpun, dan lain sebagainya.Statistik dipelajari di berbagai bidang ilmu karena statistik adalah
sekumpulan alat analisis data yang dapat membantu pengambil keputusan untuk mengambil
keputusan berdasarkan hasil kesimpulan pada analisis data dari data yang di kumpulkan. Selain itu
juga dengan statistik kita bisa meramalkan keadaan yang akan datang berdasakan data masa lalu
(Akhmad,2009).
2.1.4 Fungsi Statistik
Secara singkat dapat dikemukakan bahwa Statistik sebagai ilmu pengetahuan pada dasarnya
berfungsi sebagai ALAT BANTU. Misalnya: (a) Sebagai alat bantu untuk meringkas laporan, baik
laporan administratip maupun laporan hasil penelitian ilmiah, yang berupa atau terdiri dari angka-
angka atau bilangan-bilangan; (b) Sebagai alat bantu di dalam menyusun perencanaan, terutama
perencanaan yang memerlukan bahan-bahan keterangan yang berupa angka-angka; (c) Sebagai alat
bantu di dalam mengadakan evaluasi atau penilaian terhadap suatu gejala, peristiwa atau keadaan,
dan lain sebagainya (Akhmad,2009).
2.2 Spss 16
SPSS adalah sebuah program aplikasi yang memiliki kemampuan analisis statistik cukup
tinggi serta sistem manajemen data pada lingkungan grafis dengan menggunakan menu-menu
deskriptif dan kotak-kotak dialog yang sederhana sehingga mudah untuk dipahami cara
pengoperasiannya. Beberapa aktivitas dapat dilakukan dengan mudah dengan menggunakan
pointing dan clicking mouse. SPSS banyak digunakan dalam berbagai riset pemasaran,
pengendalian dan perbaikan mutu (quality improvement), serta riset-riset sains. SPSS pertama kali
muncul dengan versi PC (bisa dipakai untuk komputer desktop) dengan nama SPSS/PC+ (versi
DOS). Tetapi, dengan mulai populernya system operasi windows. SPSS mulai mengeluarkan versi
windows (mulai dari versi 6.0 sampai versi terbaru sekarang).Pada awalnya SPSS dibuat untuk
keperluan pengolahan data statistik untuk ilmu-ilmu social, sehingga kepanjangan SPSS itu sendiri
adalah Statistikal Package for the Social Sciens. Sekarang kemampuan SPSS diperluas untuk
melayani berbagai jenis pengguna (user), seperti untuk proses produksi di pabrik, riset ilmu sains
dan lainnya. Dengan demikian, sekarang kepanjangan dari SPSS Statistikal Product and Service
Solutions (Murray,2007).
Menurut Murray (2007) SPSS dapat membaca berbagai jenis data atau memasukkan data
secara langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data mentahnya, maka
data dalam Data Editor SPSS harus dibentuk dalam bentuk baris (cases) dan kolom (variables).
Case berisi informasi untuk satu unit analisis, sedangkan variable adalah informasi yang
dikumpulkan dari masing-masing kasus.Hasil-hasil analisis muncul dalam SPSS Output Navigator.
Kebanyakan prosedur Base System menghasilkan pivot tables, dimana kita bisa memperbaiki
tampilan dari keluaran yang diberikan oleh SPSS. Untuk memperbaiki output, maka kita dapat
mmperbaiki output sesuai dengan kebutuhan. Beberapa kemudahan yang lain yang dimiliki SPSS
dalam pengoperasiannya adalah karena SPSS menyediakan beberapa fasilitas seperti berikut ini:
a. Data Editor. Merupakan jendela untuk pengolahan data. Data editor dirancang sedemikian
rupa seperti pada aplikasi-aplikasi spreadsheet untuk mendefinisikan, memasukkan,
mengedit, dan menampilkan data.
Viewer. Viewer mempermudah pemakai untuk melihat hasil pemrosesan, menunjukkan atau
menghilangkan bagian-bagian tertentu dari output, serta memudahkan distribusi hasil
pengolahan dari SPSS ke aplikasi-aplikasi yang lain.
b. Multidimensional Pivot Tables. Hasil pengolahan data akan ditunjukkan dengan
multidimensional pivot tables. Pemakai dapat melakukan eksplorasi terhdap tabel dengan
pengaturan baris, kolom, serta layer. Pemakai juga dapat dengan mudah melakukan
pengaturan kelompok data dengan melakukan splitting tabel sehingga hanya satu group
tertentu saja yang ditampilkan pada satu waktu.
c. High-Resolution Graphics. Dengan kemampuan grafikal beresolusi tinggi, baik untuk
menampilkan pie charts, bar charts, histogram, scatterplots, 3-D graphics, dan yang lainnya,
akan membuat SPSS tidak hanya mudah dioperasikan tetapi juga membuat pemakai merasa
nyaman dalam pekerjaannya.
d. Database Access. Pemakai program ini dapat memperoleh kembali informasi dari sebuah
database dengan menggunakan Database Wizard yang disediakannya.
e. Data Transformations. Transformasi data akan membantu pemakai memperoleh data yang
siap untuk dianalisis. Pemakai dapat dengan mudah melakukan subset data,
mengkombinasikan kategori, add, aggregat, merge, split, dan beberapa perintah transpose
files, serta yang lainnya.
f. Electronic Distribution. Pengguna dapat mengirimkan laporan secara elektronik
menggunakan sebuah tombol pengiriman data (e-mail) atau melakukan export tabel dan
grafik ke mode HTML sehingga mendukung distribusi melalui internet dan intranet.
g. Online Help. SPSS menyediakan fasilitas online help yang akan selalu siap membantu
pemakai dalam melakukan pekerjaannya. Bantuan yang diberikan dapat berupa petunjuk
pengoperasian secara detail, kemudahan pencarian prosedur yang diinginkan sampai pada
contoh-contoh kasus dalam pengoperasian program ini. Akses Data Tanpa Tempat
Penyimpanan Sementara. Analisis file-file data yang sangat besar disimpan tanpa
membutuhkan tempat penyimpanan sementara. Hal ini berbeda dengan SPSS sebelum versi
11.5 dimana file data yang sangat besar dibuat temporary filenya.
h. Interface dengan Database Relasional. Fasilitas ini akan menambah efisiensi dan
memudahkan pekerjaan untuk mengekstrak data dan menganalisnya dari database
relasional.
i. Analisis Distribusi. Fasilitas ini diperoleh pada pemakaian SPSS for Server atau untuk
aplikasi multiuser. Kegunaan dari analisis ini adalah apabila peneliti akan menganalisis file-
file data yang sangat besar dapat langsung me-remote dari server dan memprosesnya
sekaligus tanpa harus memindahkan ke komputer user. Multiple Sesi. SPSS memberikan
kemampuan untuk melakukan analisis lebih dari satu file data pada waktu yang bersamaan.
j. Mapping. Visualisasi data dapat dibuat dengan berbagai macam tipe baik secara
konvensional atau interaktif, misalnya dengan menggunakan tipe bar, pie atau jangkauan
nilai, simbol gradual, dan chart
Statistik yang termasuk software dasar SPSS:
Statistik Deskriptif: Tabulasi Silang, Frekuensi, Deskripsi, Penelusuran, Statistik
Deskripsi Rasio
Statistik Bivariat: Rata-rata, t-test, ANOVA, Korelasi (bivariat, parsial, jarak),
Nonparametric tests
Prediksi Hasil Numerik: Regresi Linear
Prediksi untuk mengidentivikasi kelompok: Analisis Faktor, Analisis Cluster (two-
step, K-means, hierarkis), Diskriminan.
Berbagai fitur dalam SPSS dapat diakses melalui menu pull-down atau dapat diprogram
dengan bahasa perintah sintaks proprietary 4GL. Pemrograman perintah sintaks memiliki
keuntungan di bidang reproduktivitas serta pengendalian manipulasi data kompleks dan analisis.
Perhubungan menu pull-down juga menghasilkan sintaks perintah, walaupun pengaturan awalnya
harus diubah terlebih dahulu agar sintaks dapat dilihat oleh user. Program dapat berjalan secara
interaktif, atau tanpa pengendalian menggunakan Fasilitas Kerja Produksi. Sebagai tambahan,
bahasa makro juga dapat digunakan untuk menulis perintah subrutin dan ekstensi program Python
dapat mengakses informasi di dalam kamus data dan data, kemudian secara dinamis membuat
program perintah sintaks (Murray,2007).
Ekstensi program Phyton, yang diperkenalkan pada SPSS 14, menggantikan skrip SAX
Basic yang kurang fungsional, walaupun SAX Basic juga masih dapat digunakan. Ekstensi Phyton
menyebabkan SPSS dapat menjalankan statistik mana pun dalam paket free software R. Sejak versi
14 dan seterusnya, SPSS dapat diatur secara eksternal melalui Phyton pada program VB.NET
menggunakan “plug-ins” yang telah disediakan (Murray,2007).
SPSS meletakkan batasan-batasan pada struktur file internal, tipe data, pengolahan data dan
pencocokan file, yang memudahkan pemrograman. SPSS datasets memiliki struktur tabel 2 dimensi
dimana bagian baris menunjukkan kasus-kasus (seperti pribadi atau rumah tangga) dan bagian
kolom menampilkan ukuran-ukuran (seperti umur, jenis kelamin, pendapatan rumah tangga). Hanya
2 tipe data yang digambarkan : numerik dan teks (string). Seluruh pengolahan data dilakukan
berurutan kasus per kasus melalui file. File dapat dipasangkan satu per satu atau satu-banyak, tapi
tidak dapat banyak per banyak (Murray,2007).
User interface grafis memiliki 2 jenis tampilan yang dapat dipilih dengan cara meng-klik
salah satu dari dua tombol di bagian bawah kiri dari window SPSS. Tampilan ‘Data View’
menampilkan tampilan spreadsheet dari kasus-kasus (baris) dan variabel (kolom). Tampilan
‘Variable View’ menampilkan kamus metadata di mana setiap baris mewakili sebuah variabel dan
menampilkan nama variabel, label variabel, label nilai, lebar cetakan, tipe pengukuran dan variasi
dari karakteristik-karakteristik lainnya. Sel-sel di kedua tampilan dapat diedit secara manual,
memungkinkan pengaturan struktur file dan pemasukan data tanpa harus menggunakan sintaks
perintah. Hal ini cukup untuk dataset-dataset kecil. Dataset yang lebih besar, seperti survei statistik,
lebih sering dibuat menggunakan software data entry, atau dimasukkan selama computer-assisted
personal interviewing, dengan pemindaian dan menggunakan software pengenalan karakter optikal,
atau dengan pengambilan langsung dari kuesioner online. Dataset-dataset ini kemudian dimasukkan
ke dalam SPSS.
SPSS dapat membaca dan menulis data dari file teks ASCII (termasuk file hierarkis), paket statistik
lainnya, spreadsheets dan database. SPSS dapat membaca dan menulis ke dalam tabel database
eksternal relasional melalui ODBC dan SQL (Murray,2007).
Output statistik memiliki format file proprietary (file *.spo, men-support tabel poros) yang
mana, sebagai tambahan atas penampil dalam paket, disediakan pembaca stand-alone. Output
proprietary dapat diubah ke dalam bentuk teks atau Microsoft Word. Selain itu, output dapat dibaca
sebagai data (menggunakan perintah OMS), sebagai teks, teks dengan pembatasan tabulasi, HTML,
XML, dataset SPSS atau pilihan format image grafis (JPEG, PNG, BMP, dan EMP) (Murray,2007).
Modul-modul Add-on modules menyediakan kapabiliti tambahan. Modul-modul yang tersedia,
antara lain :
SPSS Programmability Extension (ditambahkan pada versi 14). Memungkinkan
pemrograman Phyton untuk mengontrol SPSS.
SPSS Validation Data (ditambahkan pada versi 14). Memungkinkan pemrograman
pengecekan logistik dan pelaporan nilai-nilai mencurigakan.
SPSS Regression Models – Regresi logistik, regresi ordinal, regresi logistik multinomial,
dan model campuran (multilevel models).
SPSS Advanced Models – GLM yang bervariasi dan ukuran-ukuran yang diulang
(dihapuskan dari basis sistem sejak versi 14).
SPSS Classification Trees. Membuat diagram klasifikasi dan keputusan untuk
mengidentifikasi kelompok dan memprediksi perilaku.
SPSS Tables. Memungkinkan kontrol user-defined atas output laporan.
SPSS Exact Tests. Memungkinkan tes statistik atas sample kecil.
SPSS Categories
SPSS Trends
SPSS Conjoint
SPSS Missing Value Analysis. Imputasi simpel berbasis regresi.
SPSS Map
SPSS Complex Samples (ditambahkan pada Versi 12). Diatur untuk stratifikasi dan
pengelompokkan serta pilihan pemilihan sample lainnya.
SPSS Server adalah sebuah versi dari SPSS dengan arsitektur pengguna/server. SPSS Server
memiliki beberapa fitur yang tidak tersedia pada versi desktop, seperti fungsi penilaian.
(Murray,2007)
2.3 Statistika Deskriptif
Menururt Usman (1995) Statistik dibedakan menjadi 2 yaitu statistik dalam arti sempit dan
dalam arti luas. Statistik dalam arti sempit atau statistik deskriptif adalah susunan angka yang
memberikan gambaran tentang data yang disajikan dalam bentuk-bentuk tabel, diagram, histogram,
poligon frekuensi, ozaiv (ogive), ukuran penempatan (median, kuartil, desil, dan persentil ), ukuran
gejala pemusaatan (rata-rata hitung, rata-rata ukur, rata-rata harmonik, dan modus), simpangan
baku, angka baku, kurva normal, korelasi, dan regresi linier. Sealiknya statistik dalma arti luas yaitu
salah satu alat untuk mengumpulkan data, mengolah data, menarik kesimpulan dan membuat
keputusan berdaasarkan analisis data yang dikumpulkna tadi. Statistik dalam arti luas ini meliputti
penyajian data, yang berati meliputi statistik dalam arti sempit tadi. Statistik dalam arti luas tadi
disebut juga statistika (statistik, statistik inferensial, statistik induktif, statistik probabilitas).
Contohnya adalah statistik parametrik dan nonparametrik.
2.3.1 Mean
Menurut Murray (2005) mean adalah total semua data dibagi jumlah data. Mean digunakan
ketika data yang kita miliki memiliki sebaran normal atau mendekati normal (berbentuk setangkup,
nilai yang paling banyak berada ditengah dan makin besar semakin sedikit, makin kecil makin
sedikit pula, nilai-nilai ekstrim yang besar maupun yang kecil hampir tidak ada)
Gambar 2.3.1 Mean
(Sumber : www.google.com)
2.3.2 Median
Menurut Murray, (2005) median adalah nilai yang berada ditengah-tengah data setelah
diurutkan dari yang terkecil sampai terbesar. Median cocok digunakan bila data yang kita miliki
tidak menyebar normal atau memiliki nilai yang berbeda-beda secara signifikan
Gambar 2.3.2 Median
(Sumber: www.google.com)
2.3.3 Tabel
Menurut Murray, (2005) tabel merupakan kumpulan angka-angka yang disusun menurut
kategori-kategori tertentu sehingga memudahkan pembuatan analisis data (Supranto, 2000).
Penyajian dengan tabel bisa memberikan angka-angka yang lebih teliti baik berupa hubungan satu
arah, dua arah, ataupun lebih.
Gambar 2.3.3 Tabel
(Sumber: www.google.com)
2.3.4 Grafik
Grafik merupakan gambar-gambar yang menunjukkan data berupa angka secara visual
(mungkin juga dengan simbol-simbol) serta biasanya berasal dari tabeltabel yang telah dibuat
(Supranto, 2000). Walaupun angka-angka yang disajikan melalui grafik kurang teliti dibandingkan
dengan tabel, namun grafik dapat membantu penulis untuk mengambil kesimpulan yang cepat.
Grafik garis dalam skripsi ini digunakan untuk menyajikan data yang berbentuk tren, sehingga
dapat diperoleh gambaran mengenai perkembangan suatu obyek tertentu atau lebih
Gambar 2.3.5 Grafik
(Sumber: www.google.com)
2.3.5 Diagram
Menurut Murray, (2005) diagram adalah lambang-lambang tertentu yang dapat digunakan
untuk menjelaskan sarana, prosedur serta kegiatan yang biasa dilaksanakan dalam suatu sistem
Gambar 2.3.6 Diagram Pie Chart
(Sumber:www.google.com)
2.3.6 Modus
Modus adalah nilai yang sering muncul. Jika kita tertarik pada data frekuensi, jumlah dari
suatu nilai dari kumpulan data, maka kita menggunakan modus. Modus sangat baik bila digunakan
untuk data yang memiliki sekala kategorik yaitu nominal atau ordinal
Gambar 2.3.6 Modus dan Rumus
(Sumber: www.google.com)
2.3.9 Kuartil
Menurrut Usman (1995) kuartil ialah jika sekumpulan data dibagi menjadi 4 bagian sama
banyaknya, setelah data disusun menurut nilai terkecil sampai terbesar. Ada 3 kuartil yaitu kuartil
pertama=K1, kuartil kedua=K2, kuartil ketiga=K3. Dan untuk meentukan nilai kuartil digunakan
rumus :
Gambar 2.3.9 Kuartil
(Sumber: www.google.com)
2.3.10 Desil
Menurrut Usman (1995) desil ialah jika sekumpulan data dibagi sepuluh bagian sama
banyaknya. Setelah disusun dari yang terendah hingga tertingg. Perhitungannya analog dengan
kuatil hanya saj rumusnya berbeda :
Gambar 2.3.9 Kuartil
(Sumber: Usman(1995) )
BAB III
MATERI DAN METODE
3.1 Waktu Pelaksanaan
Pada praktikum satistika modul kesatu dilaksanakan pada:
Hari / Tanggal : Jum’at, 08 November 2013
Jam : 14.40 – selesai
Tempat : Gedung E 304 Jurusan Ilmu Kelautan UNDIP
3.2 Materi
SPSS (Statistical Product and Service Solution) merupakan salah satu program aplikasi
statistik yang sering digunakan untuk pengolahan data. Pada saat pertama kali SPSS dibuka,
tampilan akan tampak SPSS data editor yang mempunyai dua tampilan dalam satu layer, yaitu
tampilan data view dan variable view. Menu yang dipakai adalah:
a. File : untuk membuat file baru, membuka file tertentu, mencetak isi editor, dan lain-lain.
Terdiri dari :
1. Open
2. Save & Save as
3. Display data info
4. Print
5. Exit
b. Editor : untuk memperbaiki atau mengubah nilai data.
Terdiri dari :
1. Undo & Redo
2. Cut & Clear
3. Copy & Paste
4. Find
5. Edit Option
c. View : untuk mengatur toolbar.
Terdiri dari :
1. Status Bar
2. Tool Bar
3. Fonts
4. Grid lines
5. Value Labels
d. Data : untuk mengurutkan data berdasarkan kriteria tertentu.
Terdiri dari :
1. Define dates
2. Insert variable
3. Insert case
4. Go to case
5. Sort case
6. Transpose
7. Merge files
8. Aggregate
9. Split file
10. Select case
11.Weight case
e. Transform : untuk membuat perubahan pada variabel yang telah dipilih.
Terdiri dari :
1. Compute
2. Random number seed
3. Count
4. Recode
5. Categorize variables
6. Rank cases
7. Automatic recode
8. Create time series
9. Replace missing value
f. Analyze : untuk melakukan semua prosedur perhitungan statistik.
Terdiri dari :
1. Reports
2. Descriptive statistic
3. Compare means
4. General linier models
5. Correlate
6. Regression
7. Loglinier
8. Classify
9. Data reduction
10.Scale
11.Non parametric test
12.Survival
13.Multiple response
g. Graph : untuk membuat berbagai jenis grafik untuk mendukung analisa.
Terdiri dari :
1. gallery
2. interactive
3. bar
4. line
5. area
6. pie
7. high low
8. pareto
9. control
10. boxplot
11. error bar
12. scatter
13. histogram
14. p – p
15. q –q
16. sequence
17. ROC curve
18. Time series
h. Utilities : untuk memberi informasi tentang variabel yang sedang dikerjakan.
Terdiri dari :
1. Variable
2. File info
3. Define sets
4. Auto nem case
5. Run script
i. Windows : untuk berpimdah diantara menu – menu yang lain.
Terdiri dari :
1. Minimize all windows
j. Help : untuk menyediakan bantuan informasi mengenai program SPSS.
Terdiri dari :
1. Topics
2. Tutorial
3. SPSS homepage
4. Syntax guide
5. Statistic coach
6. About
7. Register product
Selain data editor, menu lainnya adalah Menu output viewer (untuk menampilkan hasil
pengolahan data atau informasi), Menu syntax viewer (untuk menuliskan beberapa perintah atau
pilihan yang hanya dapat digunakan dengan SPSS (Command Language), dan Menu script editor
(untuk melakukan berbagai pengerjaan SPSS secara otomatis, seperti membuka dan menutup file,
export chart, dll).
3.2.1 Alat
Alat-alat yang diperlukan dalam melakukan praktikum modul kesatu adalah :
a. program software (perangkat lunak) SPSS 16.0
b. alat tulis
c. LCD
d. laptop
3.2.2 Bahan
Bahan-bahan yang diperlukan dalam praktikum modul kesatu adalah :
a. data pasang surut
3.3 Metode
1. Buka aplikasi SSPSS
2. Pada Variabel View, Mengisi varibel Name yaitu tanggal, jam dan data pasut secara berurut
sampai data pasut 5. Label diisi seperti di variabel Name kecuali pada tanggal dikosongkan.
3. Data View yang berada dibagian kiri bawah diklik, maka pada SPSS Data Editor akan
muncul beberapa kolom.
4. Buka data pasang surut dalam excel lalu copy data yang ada
5. Data Pasut kemudian dimasukkan pada Data View
6. Kemudian klik Analyze → Deskriptive Statistics → Frequencies
7. Pindahkan Data Pasut pada kolom Variable(s).
8. Klik Statistics kemudian Check list pada Persentile Value Quartiles yaitu Quartiles, pada
Central Tedency yaitu Mean, Median, dan Sum, sedangkan pada Despertion dan
Distribution Check list semua. Lalu klik Continue
9. Klik Chart → Check list Histograms dan With Normal Curve. Klik Continue → OK
10. Lalu akan muncul Frequencies pada Output
11. Klik Analyze → Deskriptive Statistics → Frequencies. Kemudian pindahkan kelompok
pada kolom Variable(s).
12. Klik Option → Check list pada Mean dan Media pada Display Order Check list Variabel
List dan pada Distribution dan Dispertion semua Check list. Klik Continue.
13. Kemudian akan muncul di Output
14. Uji Explore dengan mengklik Analyze pilih Deskriptive statistic dan klik Explore
15. Memindahkan data pasut dari kolom kiri ke kolom dependent list kemudian klik tanda
panah.
16. Klik Statistic kemudian beri tanda (v) pada descriptive, klik Continue.
17. Klik Plot pada boxplot pilih dependents together dan pada descriptive pilih stem and leaf
dan histogram. Klik Continue pada bagian display pilih both dan klik OK.
18. Kemudian akan muncul di Output
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
4.1.1 Data Statistik
Statistics
Data_Pasut_
0
Data_Pasut_
1
Data_Pasut_
2
Data_Pasut_
3
Data_Pasut_
4
Data_Pasut_
5
N Valid 31 31 31 31 31 31
Missing 0 0 0 0 0 0
Mean 36.5765 34.8023 33.5119 35.1248 38.3506 43.1894
Std. Error of Mean 2.85017 2.34658 2.19773 2.04443 1.96571 1.92425
Median 30.7700 30.7700 30.7700 30.7700 35.7700 40.7700
Std. Deviation 15.86909 13.06518 12.23647 11.38288 10.94463 10.71377
Variance 251.828 170.699 149.731 129.570 119.785 114.785
Skewness .899 1.340 1.352 1.511 1.200 .839
Std. Error of Skewness .421 .421 .421 .421 .421 .421
Kurtosis -.031 1.472 1.917 2.446 1.966 .302
Std. Error of Kurtosis .821 .821 .821 .821 .821 .821
Range55.00 50.00
50.0050.00 50.00 40.00
Minimum 15.77 20.77 20.77 20.77 20.77 30.77
Maximum 70.77 70.77 70.77 70.77 70.77 70.77
Sum 1133.87 1078.87 1038.87 1088.87 1188.87 1338.87
Percentiles 25 25.7700 25.7700 25.7700 30.7700 30.7700 35.7700
50 30.7700 30.7700 30.7700 30.7700 35.7700 40.7700
75 50.7700 40.7700 40.7700 40.7700 40.7700 50.7700
4.1.2 Statistik Deskriptif
Descriptive Statistics
N Range
Minimu
m
Maximu
m Sum Mean
Std.
Dev Var Skewness Kurtosis
Statisti
c
Statisti
c Statistic Statistic Statistic Statistic Std. Error Statistic Statistic Statistic
Std.
Error
Statisti
c
Std.
Error
Data_Pasut_031 55.00 15.77 70.77 1133.87 36.5765 2.85017
15.8690
9251.828 .899 .421 -.031 .821
Data_Pasut_131 50.00 20.77 70.77 1078.87 34.8023 2.34658
13.0651
8170.699 1.340 .421 1.472 .821
Data_Pasut_231 50.00 20.77 70.77 1038.87 33.5119 2.19773
12.2364
7149.731 1.352 .421 1.917 .821
Data_Pasut_331 50.00 20.77 70.77 1088.87 35.1248 2.04443
11.3828
8129.570 1.511 .421 2.446 .821
Data_Pasut_431 50.00 20.77 70.77 1188.87 38.3506 1.96571
10.9446
3119.785 1.200 .421 1.966 .821
Data_Pasut_531 40.00 30.77 70.77 1338.87 43.1894 1.92425
10.7137
7114.785 .839 .421 .302 .821
Valid N
(listwise)31
4.1.3 Skewness
4.1.4 Histogram
4.1.5 Stem and Leaf
Frequency Stem Leaf 2,00 8,00 10,00 2,00 6,00 ,00 3,00
1234567
5500005555000000000500
000005000
4.1.6 Box Plot
4.2 Pembahasan
4.2.1 Analisis Frekuensi
Analisis frekuensi sangat berguna untuk memperoleh ringkasan suatu variabel individual.
Berikut akan dipaparkan bagaimana melakukan peringkasan, baik untuk variabel dengan data
kategori maupun sklala. Analisis untuk data kategori memaparkan jumlah frekuensi dan proporsi
dalam persen suatu variabel data kategori.
a. Data Pasut 0
Pada data pasut 0 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_0
Frequency Percent Valid Percent
Cumulative
Percent
Valid 15.77 2 6.5 6.5 6.5
20.77 4 12.9 12.9 19.4
25.77 4 12.9 12.9 32.3
30.77 9 29.0 29.0 61.3
35.77 1 3.2 3.2 64.5
40.77 2 6.5 6.5 71.0
50.77 5 16.1 16.1 87.1
55.77 1 3.2 3.2 90.3
70.77 3 9.7 9.7 100.0
Total 31 100.0 100.0
b. Data Pasut 1
Pada data pasut 1 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_1
Frequency Percent Valid Percent
Cumulative
Percent
Valid 20.77 6 19.4 19.4 19.4
25.77 2 6.5 6.5 25.8
30.77 12 38.7 38.7 64.5
35.77 2 6.5 6.5 71.0
40.77 4 12.9 12.9 83.9
50.77 2 6.5 6.5 90.3
60.77 1 3.2 3.2 93.5
65.77 1 3.2 3.2 96.8
70.77 1 3.2 3.2 100.0
Total 31 100.0 100.0
c. Data Pasut 2
Pada data pasut 2 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_2
Frequency Percent Valid Percent
Cumulative
Percent
Valid 20.77 7 22.6 22.6 22.6
25.77 3 9.7 9.7 32.3
30.77 11 35.5 35.5 67.7
35.77 1 3.2 3.2 71.0
40.77 4 12.9 12.9 83.9
45.77 1 3.2 3.2 87.1
50.77 2 6.5 6.5 93.5
60.77 1 3.2 3.2 96.8
70.77 1 3.2 3.2 100.0
Total 31 100.0 100.0
d. Data Pasut 3
Pada data pasut 3 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_3
Frequency Percent Valid Percent
Cumulative
Percent
Valid 20.77 3 9.7 9.7 9.7
25.77 2 6.5 6.5 16.1
30.77 16 51.6 51.6 67.7
35.77 1 3.2 3.2 71.0
40.77 4 12.9 12.9 83.9
50.77 3 9.7 9.7 93.5
60.77 1 3.2 3.2 96.8
70.77 1 3.2 3.2 100.0
Total 31 100.0 100.0
e. Data Pasut 4
Pada data pasut 4 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_4
Frequency Percent Valid Percent
Cumulative
Percent
Valid 20.77 2 6.5 6.5 6.5
30.77 10 32.3 32.3 38.7
35.77 5 16.1 16.1 54.8
40.77 8 25.8 25.8 80.6
45.77 2 6.5 6.5 87.1
50.77 1 3.2 3.2 90.3
60.77 2 6.5 6.5 96.8
70.77 1 3.2 3.2 100.0
Total 31 100.0 100.0
f. Data Pasut 5
Pada data pasut 4 ini, dapat diketahui bila nilai frekuensi kumulatifnya sebesar:
Data_Pasut_5
Frequency Percent Valid Percent
Cumulative
Percent
Valid 30.77 7 22.6 22.6 22.6
35.77 3 9.7 9.7 32.3
40.77 9 29.0 29.0 61.3
45.77 3 9.7 9.7 71.0
50.77 4 12.9 12.9 83.9
55.77 2 6.5 6.5 90.3
60.77 1 3.2 3.2 93.5
65.77 1 3.2 3.2 96.8
70.77 1 3.2 3.2 100.0
Total 31 100.0 100.0
4.2.2 Analisis frekuensi untuk Data Skala
Pada tabel statistik yang didapatkan diperoleh informasi atau dipaparkan nilai-nilai yang
telah Anda pilih :
a. Data Pasut 0
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 36,5765
Median : nilai tengah data pasang surut 30,7700
Mode : nilai yang sering muncul
Standar deviasi : 15,86909
Skewness : 0,899 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = -0,321 => praktikurtik, keruncingan rendah
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi normal.
Percentile 25, tingkat pasang surut yang dibawah 25,7700
Percentile 75, tingkat pasang surut yang dibawah 50,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 25,77 – 50,77.
b. Data Pasut 1
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 34,8023
Median : nilai tengah data pasang surut 30,7700
Mode : nilai yang sering muncul
Standar deviasi : 13,06518
Skewness : 1,340 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = 1,427=> praktikurtik, keruncingan lebih tinggi pasut 1 dari pada pasut 0
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi normal.
Percentile 25, tingkat pasang surut yang dibawah 25,7700
Percentile 75, tingkat pasang surut yang dibawah 40,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 25,77 – 40,77.
c. Data Pasut 2
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 33,5119
Median : nilai tengah data pasang surut 30,7700
Mode : nilai yang sering muncul
Standar deviasi : 12,23647
Skewness : 1,352 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = 1,917=> praktikurtik, keruncingan lebih tinggi pasut 2 dari pada pasut 1
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi kurang normal.
Percentile 25, tingkat pasang surut yang dibawah 25,7700
Percentile 75, tingkat pasang surut yang dibawah 40,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 25,77 – 40,77.
d. Data Pasut 3
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 35,1248
Median : nilai tengah data pasang surut 30,7700
Mode : nilai yang sering muncul
Standar deviasi : 11,38288
Skewness : 1,511 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = 2,446=> praktikurtik, keruncingan lebih tinggi pasut 3 dari pada pasut 2
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi kurang normal.
Percentile 25, tingkat pasang surut yang dibawah 30,7700
Percentile 75, tingkat pasang surut yang dibawah 40,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 30,77 – 40,77.
e. Data Pasut 4
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 38,3506
Median : nilai tengah data pasang surut 35,7700
Mode : nilai yang sering muncul
Standar deviasi : 10,94463
Skewness : 1,200 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = 2,446=> praktikurtik, keruncingan lebih tinggi pasut 3 dari pada pasut 2
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi kurang normal.
Percentile 25, tingkat pasang surut yang dibawah 30,7700
Percentile 75, tingkat pasang surut yang dibawah 40,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 30,77 – 40,77.
f. Data Pasut 5
N : merupakan jumlah data pengamatan sebanyak 31, tanpa ada data missing.
Mean : rata-rata pasang surut 43,1894
Median : nilai tengah data pasang surut 40,7700
Mode : nilai yang sering muncul
Standar deviasi : 10,71377
Skewness : 0,839 bernilai positif. Jadi distribusi data menceng ke kanan
Perbandingan Skewness dengan standarError Skewness= 0,421. Nilai tersebut (x) dalam rentang -
2<x<2
Kurtosis = 0,302=> praktikurtik, keruncingan lebih rendah dibandingkan dengan data pasut 1,2,3,4
Melihat nilai perbandingan skewness dengan standar Error Skewness dan kurtosis dengan Std. Error
Kurtosis dapat disimpulkan data terdistribusi normal.
Percentile 25, tingkat pasang surut yang dibawah 30,7700
Percentile 75, tingkat pasang surut yang dibawah 50,7700
50% data terletak antara percentil 25%-75%. Sehinggga rentang antara 25%-75% pada data pasut
adalah 30,77 – 50,77
4.2.3 Analisis Deskriptif
Pada analisis deskriftif terdapat beberapa komponen yaitu terdiri dari jumlah sampel, range, nilai
maksimum dan minimum, sum, mean, standar deviasi, varian, skewness (nilai kemencengan) dan
kurtosis (nilai keruncingan). Komponen yang terdapat dalam analisa deskriftif ini adalah
komponen yang di pakai untuk menggambarkan box plot. Data pasut 0 memiliki nilai skewness
0.899, nilai ini menunjukan bahwa distribusi hampir normal tetapi agak menceng ke arah kanan.
Untuk data pasut 1 skewnessnya adalah 1.340 sama seperti data pasut 0 harga skewness inin
menunjukan bahwa distribusi data sangat menceng ke arah kanan. Untuk data pasut 2 nilai
skewness 1.352 menunjukan data pasut tidak terdistribusi normal dan menceng kanan. Data pasut 3
menunjukan nilai skewness 1.511 yaitu distribusi data tidak normal dan menceng kanan. Data pasut
4 memiliki nilai skewness 1.200, ini menunjukan bahwa distribusi data tidak normal dan menceng
kanan sedangkan pada data pasut 5 nilai skewnessnya 0.839 menunjukan bahwa distribusinya tidak
normal dan menceng kanan, hanya saja kemencengannya tidak begitu besar. Pada data pasut 0
diketahui nilai kurtosisnya adalah -0.031 hal ini menunjukan bahwa keruncingan pada grafiknya
tinggi. Pada data pasut 1,2,3 dan 4 menunjukan nilai kurtosis 1.472 ; 1.325 ; 2.446 dan 1.966
menunjukan platikurtik yaitu nilai keruncingan yang rendah pada grafik. Data pasut 5 memilikinilai
kurtosis 0.302 ini menunjukan bahwa pada grafik keruncingannya lumayan besar, tetapi tidak
seekstik keruncingan pada data pasut 0.
4.2.4 Histogram
Histrogram data pasut 0 diketahui bahwa frekuensi terbesar berada pada nilai data 40 yaitu
sebanyak 40 data. Pada data pasut 1 nilai frekuensi tertinggi ada di data 29 yaitu sebanyak 12 data.
Histogram pada data pasut 2 menunjukan frekuensi tertingginya ada di data pasut 30 yaitu sebanyak
11 data. Untuk data pasut 3 menunjukan frekuensi tertinggi berada nilai 30 yaitu sebanyak 16 data.
Histogram pada data pasut 4 menunjukan frekuensi tertinggi ada pada data pasut 30 sebanyak 10
data dan untuk histogram pada data pasut 5 menunjukan bahwa frekuensi data tertingginya berada
pada nilai 39 dengan jumlah data sebnyak 9 data.
Selain frekuensi tertinggi pada histogram juga terlihat data frekuensi paling rendah dari ke-6 data
pasut. Pada data pasut 0 nilai frekuensi terendahnya 20 sebanyak 2 data. Pada data pasut 1 nilai
frekuensi terendahnya 60 dan 70 sebanyak 2 data. Pada data data pasut 2 frekuensi terendahnya 60
dan 70 sebanyak 2 data. Pada data pasut 3 frekuensi terendahnya ada pada kisaran 60 dan 70
sebanyak 1 data. Pada data pasut 4 data terendah ada pada 60 dan 70 sebanyak 2 data dan pada data
pasut 5 terdapat frekuensi terendah pada data 60 dan 70 yaitu sebanyak 1 data.
4.2.5 Box plot
Dari Box Plot diketahui bahwa hanya Data Pasut 4 saja yang terdistribusi secara normal. Dari data
pasut 0, data pasut 1, data pasut 2 data pasut 3 dan data pasut 5 semua mengalami distribusi yang
tidak merata, yaitu cenderung menceng ke kanan. Pada data pasut 1 terdapat 3 nilai outlier yaitu
data ke- 5,6 dan 18 yaitu 40, 65 dan 30. Pada data pasut 2 hanya terdapat satu nilai outlier yaitu data
ke-6 yaitu 60. Pada data pasut 3 dan 4 terdapat dua nilai outlier yaitu 5 dan 6 yaitu 30 dan 60.
Sedangkan untuk data pasut 0 dan data pasut 5 tidak terdapat nilai outlier. Nilai outlier adalah nilai
yang melebihi dari kuartil tiga ditambah 2/3 nilai jarak antar kuartil untuk batas atasnya, sedangkan
untuk batas bawah outlier yaitu kuartil 1 dikurangi 2/3 jarak antar kuartil. Median/nilai tengah dari
data pasut 0 samapai data pasut 3 adalh sama kecuali pada data pasut 4 dan 5 memiliki nilai median
yang lebih tinggi.
BAB V
PENUTUP
5.1 Simpulan
1. Statistik deskriftif ialah metode statistik yang hanya menampilkan data agar lebih mudah
dibaca saja tanpa mengambil suatu hipotesis.
2. Dalam statististik deskriftif terdapat beberapa output yaitu skewness, kurtosis, histogram
dan box plot.
3. Skewness menunjukan kemencengan dari suatu distribusi.
4. Kurtosis menunjukan keruncingan dari grafik distribusi suatu data.
5. Histogram merupakan grafik dari statistik deskriftif yang digunakan untuk melihat
frequensi data dengan lebih mudah.
6. Box Plot merupakan grafik dari statistik deskriftif yang digunakan untuk memudahkan
dalam melihat sebaran data dan nilai tengah dari data tersebut.
7. Pada data pasut 0 dan 5 memiliki keruncingan yang sangat tinggi sedangkan pada data
pasut 2,3 dan 4 memiliki keruncingan yang rendah.
8. Pada data pasut 0, 1, 2, 3 dan 5 memiliki distribusi yang tidak merata yaitu menceng ke
arah kanan. Sedangkan pada data pasut 4 distribusi hampir normal.
DAFTAR PUSTAKA
Anonim.2013. Dapat diakses pada http://widiatama_nur.blogspot.com/q65815618-591664827357179872598616586/12/statistik deskriptif.html. diakses pada tanggal 12 Nvember 2013. 13.00 WIB.
Fauzy,Akhmad.2009.Statistik Industri.erlangga:Jogjakarta
Harinaldi.2005.Prinsip Statistika Untuk Teknik Dan Sains.Erlangga:Bandung
Spiegel.Murray. 2005.SEO Statistika.Erlangga;Jakarta
Spiegel.Murray.2007.Probilitas Statistika Ed 2.Erlangga:Jakarta
Usman, Husaini,dkk. 1995. Pengntar Statistika. PT. Bumi Aksara: Jakarta