Download - Laporan Srk Modul 1 Kelompok 23 Revisi Acc
BAB IPENDAHULUAN
1.1 Latar Belakang
Statistik adalah sekumpulan data dalam bentukangka maupun non angka yang disusun
dalam tabel atau diagram yang menggambarkan tentang suatu keadaan, sedangkan statistika
adalah ilmu yang mempelajar tentang statistik berupa metode-metode untuk menyederhanakan,
meringkas, dan mengorganisir data serta menarik kesimpulan tentang populasi berdasarkan
data sampel yang diambil dari populasi tersebut. Kegiatan statistika sering dijumpai di
kehidupan seperti pengecekan barang yang baru datang, pengecekan inventory gudang, dll.
Statistik deskriptif sendiri merupakan perkembangan dari statistik, dimana statistik
deskriptif mampu mengumpulkan data, mengolah data, danmenyajikan data secara informatif
dengan berbagai jenis pembagian data berdasarkan bentuk data, sifat data, sumber data, skala
pengukuran dan waktu serta adanya perhitungan data standart seperti mean, median, modus,
standart deviasi, dan variansi, maka ilmu statistik deskriptif dapat digunakan dalam praktikum
ini.
Melalui statistik deskriptif, kita dapat mengaplikasikannya dalam penyelesaian masalah
statistik yang ada di sekitar kita. Misal pengolahan data tentang diameter bola-bola plastisin
yang diukur dari tiga sisi. Hasil pengukuran akan menunjukkan data-data yang dapat kita olah
dan menyajikannnya sehingga memberikan informasi yang jelas. Sama halnya dengan studi
kasus tentang Lembaga Negeri tiap-tiap provinsi di Indonesia. Dengan statistik deskriptif kita
dapat mengetahui informasi tentang persentase, rata-rata dan lain-lain tentang lembaga negeri
di Indonesia melalui pengolahan data yang dilakukan.
1.2 Batasan Praktikum
Batasan-batasan yang digunakan selama praktikum ini adalah :
1. Data yang diambil untuk plastisin adalah data primer.
2. Data Studi kasus adalah data eksteren berupa data statistik dari badan statistik.
3. Data eksteren hanya menggunakan 1 variabel.
4. Banyaknya data eksteren yang diambilminimal 30 data.
5. Pengukuran diameter plastisin dilakukan pada tiga sisi yang berbeda.
6. Banyaknya data subgroup adalah 30 data.
1.3 TujuanPraktikum
Tujuan dari pelaksanaan praktikum ini adalah:
1. Memahami statiskik deskriptif secara teori maupun dalam bentuk pengolahan datanya.
2. Memahami pengambilan data secara eksteren.
3. Mengetahui secara pembagian sub grup berdasarkan data mentah.
4. Mampu melakukan pengolahan data dan menyajikannyasecara terstruktur dan informatif.
1.4 ManfaatPraktikum
Manfaat yang dapat diperoleh dari pelaksanaan praktikum ini adalah :
1. Praktikan mampu menguasai statistik deskriptif secara teori maupun pengolahan datanya.
2. Praktikan mampu mengetahui cara pengambilan data secara interen dan eksteren.
3. Praktikan mampu mengetahui cara pembagian sub grup berdasarkan data mentah.
4. Praktikan mampu melakukan pengolahan data dan menyajikannya secara informatif
BAB IITINJAUAN PUSTAKA
2.1 Definisi Statistik dan Statistika
Kata statistik berasal dari kata Latin yaitu status yang berarti “negara” (dalam bahsa Inggris
adalah state). Pada awalnya kata statistik diartikan sebagai keterangan-keterangan yang
dibutuhkan oleh negara dan berguna bagi negara (Anto Dajan, Pengantar Metode Statistik).Misal
keterangan mengenai jumlah keluarga penduduk suatu negara, keterangan, mengenai pekerjaan
penduduk suatu negara dan sebagainya. Perkembangan lebih lanjut menunjukkan bahwa
pengertian statistik merupakan suatu kumpulan angka-angka. Misalnya statistik kelahiran,
statistik hasil pertanian, statistik penduduk dan sebagainya.
Statistika merupakan ilmu yang mempelajari metode – metode untuk menyederhanakan,
meringkas dan mengorganisir data, serta menarik kesimpulan tentang populasi berdasarkan
sampel yang diambil dari populasi tersebut (Montogomery & Runger, page 3)
2.2 Pembagian Jenis Data
Data statistik adalah hasil pengukuran yang bisamemberikan gambaran suatu
keadaanpembagian data. Data adalah sekumpulan informasi yang di dapat dari sebuat observasi
terhadap suatu obyek, data diklasifikan dalam berbagai jenis yang di dasakan pada bentuk data,
sifat data, sumber data, skala pengukuran dan waktu.
2.2.1 Berdasarkan Bentuk
Berdasarkan bentuknya data dibagi menjadi dua, yaitu :
1. Data Diskrit adalah data yang disajikan dalam bentuk angka-angka bilangan bulat, misalnya
jumlah mahasiswa, jumlah penduduk.
2. Data Kontinyu adalah data yan disajikan dalam bentuk angka tetapi dalam bentuk pecahan.
misalnya tinggi badan, berat badan.
2.2.2 Berdasarkan Sifat Data
Berdasarkan sifatnya, data dibagi menjadi dua, yaitu :
1. Data kualitatif secara sederhana dapat disebut data yang bukan berupa angka. Misalnya,
warna, jenis kelamin, status perkawinan.
2. Data kuantitatif dapat disebut sebagai data berupa angka dalam arti sebenarnya. Misalnya
tinggi,umur.
2 2.3 Berdasarkan Sumber Data
Berdasarkan sumbernya, data dibagi menjadi dua, yaitu :
1. Data Interen adalah data yang diperoleh atau berasal dari dalam suatu instansi (lembaga
atau instansi) (Rasdiyan Rasyad, page 8)misalnya, mahasiswa Teknik Industri UB meminta
data dosen pada recording.
2. Data Eksteren adalah data yang diperoleh atau bersumber dari luar suatu instansi. Data ini
dibagi menjadi dua, yaitu data primer dan data sekunder.
a. Data Primer, yaitu data yang diperoleh sendiri berdasarkan perhitungan di lapangan.
(Rasdiyan Rasyad, page 8) Misalnya,mengambil data melalui kuisoner.
b. Data Sekunder, yaitu data dyang diperoleh dari referensi – referensi yang sudah ada.
(Rasdiyan Rasyad, page 8) Misalnya, mengambil data dari badan pusat statistik.
2.2.4 Berdasarkan Skala Pengukuran Data
Bedasarkan skalanya, data dibagi menjadi empat, yaitu :
1. Data Nominal adalah data skala yang mempunyai ciri untuk membedakan skala ukur yang
satu dengan skala ukur yang lain. Contoh : jenis kelamin
2. Data Ordinal adalah data skala yang selain mempunyai ciri membedakan juga mempunyai
ciri mengurutkan pada rentangan tertentu. Contoh : tingkat pendidikan.
3. Data Interval adalah skala yang mempunyai ciri membedakan, mengurutkan dan juga
memiliki ciri jarak yang samaa. Akan tetapi, zeropoint sifatnya berubah-ubah tergaantung
dari skala yang dipakai.Contoh : 0° pada thermometer bukan berarti tidak ada suhu.
4. Data Rasio adalah data dengan tingkat pengukuran paling tinggi diantara jenis data lainnya,
mempunyai ciri jarak yang sama, serta memiliki nilai nol (zeropoint) yang nilainya
absolut.Contoh : berat badan, panjang benda, jumlah satuan benda.
2.2.5 Berdasarkan Waktu Pengumpulan Data
Berdasarkan waktu pengumpulan data, data dibagi menjadi dua, yaitu :
1. Data Time Series
Data yang dikumpulkan dari waktu ke waktu pada satu obyek dengan tujuan untuk
menggambarkan perkembangan.Contoh : pergerakan kurs nilai tukar rupiah 1 tahun
terakhir.
2. Data cross Section
Data yang dikumpulkan pada satu waktu ke waktu tertentu pada beberapa obyek dengan
tujuan untuk menggambarkan keadaan.Contoh : jumlah perusahaan ramah lingkungan
2013
2.3 Statistik Deskriptif
Statistik Deskriptif merupakan bidang ilmu statistka yang mempelajari cara-cara
pengumpulan, penyusunan, dan penyajian data suatu penelitian sehingga memberikan informasi
(organisasi, kesimpulan, ataupun penyajian data).
2.3.1 Ukuran Lokasi
Ukuran lokasi adalah suatu ukuran sepanjang garis horizontalyang letaknya ditengah
distribusi data.Ukuran lokasi sekumpulan data adalah nilai yang presentatif bagi keseluruhan
nilai data atau dapat menggambarkan distribusi data itu, khususnya dalam hal letaknya
(lokasinya). Ukuran lokasi terdiri dari Mean, Median, Modus, Pensentil, dan Kuartil. (Rasdiyan
Rasyad, page 42).
1. Mean
Rata-rata hitung (Mean) adalah nilai rata-rata dari data-data yang ada. Mean dirumuskan :
Data Tunggal
(2-1)Sumber: Hasan (2001:72) Dengan :
Data Kelompok
(2-2)Sumber: Hasan (2001:72)Dengan :
2. Modus
Modus adalah nilai yang paling sering muncul dalam data. Modus sering ditulis singkat atau
disimbolkan dengan Mo. Sejumlah data bisa tidak mempunyai modus, Mempunyai satu
modus (unimodal), Mempunyai dua modus (Bimodal), atau mempunyai lebih dari dua
modus (Multimodal). Rumus Modus dibedakan antara data tunggal dan data berkelompok,
berikut rumus-rumus modus :
Data Tunggal
Analisis manual nilai yang sering muncul.
Data Berkelompok
(2-3)
Sumber: Hasan (2001:80)Dengan :
Mo = Modus
L = Tepi bawah kelas modus
C = panjang interval kelas
3. Median
Median adalah nilai tengah dari data yang ada setelah data diurutkan. Median merupakan
rata-rata apabila ditinjau dari segi kedudukannya dalam urutan data. Median sering pula
disebut rata-rata posisi. Median ditulis singkat atau disimbolkan Me atau Md. Cara mencari
median dibedakan antara Data tunggal dan data berkelompok, berikut rumus-rumusnya :
Data Tunggal
(2-4)Sumber: Hasan (2001:78)Dengan :
Me = Median
n = Jumlah data
Data Berkelompok
(2-5)Sumber: Hasan (2001:78)Dengan :
Me = Median
B = Tepi bawah kelas median
4. Kuartil
Ketika suatu data diminta untuk menjadi empat bagian, maka bagian data tersebut di sebut
dengan kuartil.Untuk kuartil pertama disimbolkan dengan q1 yang memiliki nilai 75% dari
data.(Montgomery & Runger, page 200)
5. Persentil
Persentil adalah nilai yang membagi distribusi data menjadi seratus bagian yang sama besar
atau berada dibawah dari nilai tersebut atau berada diatas nilai tersebut.(Montgomery &
Runger, page 201)
2.3.2 Ukuran Variabilitas
Ukuran variabilitas adalah suatu ukuran yang mengukur sebaran data.Karena yang diukur
adalah seberapa jauh data menyimpang dari rata-ratanya, maka ukuran variabilitas sering
disebut sebagai ukuran penyimpangan. Ukuran variabilitas terbagi atas :
1. Variansi
Variansi adalah salah satu statistik yang digunakan untuk mengukur sebaran (variansi)
data, notasinya (s2).Rumus untuk variansi populasi dan sampel sedikit berbeda. Populasi
adalah total dari seluruh pengamatan. Variansi (s2) dapat ditulis dalam bentuk rumus
berikut :
( 2-8 )
Sumber: Suryana. 2008. statistikaterapan.wordpress
Untuk sampel kecil
( 2-9 )
Sumber: Suryana. 2008. statistikaterapan.wordpressDimana:
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
2. Standar DeviasiNilai standar deviasi merupakan nilai akar dari variansi.Untuk menghitung standart deviasi
dapat menggunkan rumus :
( 2-10 )
Dimana:
x = data ke n
x bar = x rata-rata = nilai rata-rata sampel
n = banyaknya data
3. RangeRange adalah selisih dari nilai max dan nilai min.
Range = nilai max – nilai min ( 2-11)Sumber: Suryana. 2008. statistikaterapan.wordpress
2.3.3 Ukuran BentukUkuran bentuk adalah ukuran yang digunakan untuk mengetahui bentuk kurva dari data
yang telah atau diproses.Berdasarkan bentuknya, data dibagi menjadi dua, yaitu Skewness dan
Kurtosis. (Montgomery & Runger, page 206)
1. Skewness
Skewness adalah derajat ketidaksimetrisan suatu distribusi. Skewness juga sering disebut
sebagai derajat kemiringan atau kemencengan.Jika kurva frekuensi suatu distribusi
memiliki ekor yang lebih memanjang ke kanan (dilihat dari meannya) maka dikatakan
menceng kanan (positif) dan jika sebaliknya maka menceng kiri (negatif).Batas nilai
skewness adalah ± 2, saat nilainya +2 maka kurva menceng ke kanan, saat nilainya -2 kurva
menceng ke kiri, dan kurava normal saat nilai skewness = 2.
Gambar 2.1 Grafik skewnessSumber: Statistik. Supranto.2008: 150
Untuk sampel besar
Rumus:
atau
2. Kurtosis
Kurtosis adalah derajat kelancipan dari suatu distribusi dibandingkan terhadap distribusi
normal. Kurva yang lebih runcing dari distribusi normal disebut leptokurtik, yang lebih
datar disebut platikurtik dan distribusi normal disebut mesokurtik. Distribusi normal
memeiliki kurtosis = 3,distribusi leptokurtik memiliki kurtosis > 3, dan distribusi platikurtik
memiliki kurtosis < 3.
Gambar 2.2 Grafik kurtosisSumber: Statistik. Supranto.2008: 150
Rumus:
atau
2.3.4 Penyajian Data
Secara garis besar ada dua cara penyajian data yaitu dengan table dan grafik / diagram
( Rasdiyan Rasyad, page 8 )
Berikut merupakan contoh penyajian data dengan tabel, yaitu :
1. Penyajian data dengan tabel
a. Tabel Arah Tunggal (One-Way Table)
Yaitu tabel yang memuat keterangan mengenai satu hal atau satu data saja.
Contoh:
Tabel 2.1 Jenis Kayu
Sumber: Statistik. Supranto.2008: 38
b. Tabel Arah Majemuk (Multi-Way Table), yang terdiri dari dua macam, yaitu :
1) Tabel dua arah (Two-Way Table)
Yaitu daerah yang menunjukkan hubungan dua hal atau dua data yang berbeda.
Contoh:
Tabel 2.2 Agama Mahasiswa tiap Fakultas
Sumber: Statistik. Supranto.2008: 38
2) Tabel tiga arah (Three-Way Table)
Tabel yang menunjukkan hubungan tiga hal atau tiga data yang berbeda. Contoh:
Tabel 2.3 Jumlah Mahasiswa Persada Menurut Tingkat
Sumber: Statistik. Supranto.2008: 38
Berikut merupakan contoh penyajian data dengan grafik, yaitu :
1. Grafik Lingkaran (Pie Chart)
Yaitu grafik yang berfungsi untuk mengetahui perbandingan nilai karakteristik yang satu
dengan yang lain secara keseluruhan. ( Supranto, page 49 )
Gambar 2.3 Grafik lingkaranSumber: Statistik. Supranto.2008: 53
2. Histogram
Yaitu grafik yang digunakan untuk frekuensi yang terdapat dalam interval kelas dan untuk
mengetahui pada interval mana yang memiliki frekuensi terbesar.( Dr. Eko Budiarto, page
54 )
Gambar 2.4 Grafik histogramSumber : Prof. Mike Nasab. 2005. Chapter 2 Organizing and Summarizing Data
3. Ogive
Yaitu grafik yang digunakan untuk mengetahui banyaknya pengamatan yang terletak diatas
atau dibawah nilai tertentu. (Robert D.Manson & Douglas A.Lind, page 50 )
Gambar 2.5 Grafik ogiveSumber : Prof. Mike Nasab. 2005. Chapter 2 Organizing and Summarizing Data
4. Scatter chart
Yaitu grafik yang dihasilkan dari titik koordinat dan merupakan grafik korelasi karena
fungsinya untuk mengetahui hubungan kedua variable.( Dr. Eko Budiarto, page 64 )
Gambar 2.6 Grafik scatter chartSumber : http://www.advsofteng.com/images/scattertrend_g.png
5. Stock Chart
Stock chart dipakai untuk mengilustrasikan fluktuasi harga saham. Tapi, tidak menutup
kemungkinan dipakai untuk menampilkan data ilmiah.
Gambar 2.7 Stock ChartSumber : Novrianto.2008
6. Poligon Frekuensi
Poligon Frekuensi merupakan grafik garis dari distribusi frekuensi. Poligon frekuensi
dibuat dengan cara menarik garis dari satu titik tengah batang histogram ke titik tengah
batang histogram yang lain. Agar diperoleh poligon tertutup, harus dibuat 2 kelas baru
dengan panjang kelas sama dengan frekuensi nol pada kedua ujungnya. Pembuatan dua
kelas baru itu diperbolehkan karena luas histogram dan poligon yang tertutup sama.
Gambar 2.8 Poligon FrekuensiSumber : Hasan (2001:48)
BAB IIIMETODOLOGI PRAKTIKUM
3.1 Diagram Alir Praktikum
Berikut diagram alir praktikum data sampel dan studi kasus.
Gambar 3.1 Diagram alir praktikum statistik deskriptif
3.2 Prosedur Praktikum
Langkah – langkah yang harus dilakukan oleh praktikan adalah sebagai berikut :
3.2.1 Prosedur Praktikum Platisin
Berikut ini adalah langkah – langkah yang harus dilakukan pada praktikum, yaitu :
1. Mengidentifikasi masalah dari suatu obyek penelitian yang telah ditentukan.
2. Mengumpulkan 30 data diameter plastisin.
3. Melakukan pengolahan data mengenai statistic deskriptif secara manual dan spss serta
penyajian secara subgroup.
4. Menganalisis dan menginterpretasi data.
5. Mendapatkan hasil data.
6. Menarik kesimpulan.
3.2.2 Studi Kasus
Berikut ini adalah langkah – langkah yang harus dilakukan pada praktikum, yaitu :
1. Mengidentifikasi masalah dari suatu obyek penelitian yang telah ditentukan.
2. Mengumpulkan data eksteren.
3. Melakukan pengolahan data mengenai statistic deskriptif secara manual dan spss serta
penyajiannya.
4. Menganalisis dan mengintrepretasi data.
5. Menarik kesimpulan.
BAB IVHASIL DAN PEMBAHASAN
4.1 Pengumpulan Data
Menurut George Therry serangkaian operasi atas informasi yang direncanakan guna
mencapai tujuan atau hasil yang diinginkan.
4.1.1 Pengumpulan Data Plastisin
Data yang dikumpulkan pada praktikum ini adalah data plastisin yang dibulatkan dan
diukur diameternya dari tiga sisi yang berbeda secara acak setiap plastisinnya. Data yang
diambil sebanyak 30 data yang akan diolah dan dianalisa, baik secara manual maupun
menggunakan software SPSS 20.0.
Tabel 4.1 Data PlastisinREPLIKASI
DIAMETERMEAN
SISI A SISI B SISI C1 2,865 2,940 2,700 2,8352 3,200 2,860 2,970 3,0103 3,010 2,940 3,250 3,0674 3,025 2,745 2,820 2,8635 2,880 2,790 3,100 2,9236 2,670 2,870 2,640 2,7277 3,175 3,150 3,240 3,1888 2,770 2,940 2,790 2,8339 2,950 3,160 2,940 3,017
10 2,860 2,740 2,970 2,85711 2,830 2,725 2,980 2,84512 3,010 2,910 2,815 2,91213 2,660 3,020 2,700 2,79314 3,190 2,960 3,230 3,12715 2,900 2,870 2,960 2,91016 2,810 3,030 2,840 2,89317 2,720 2,830 2,790 2,78018 2,900 2,865 2,760 2,84219 2,370 2,870 2,830 2,69020 3,050 2,830 3,250 3,04321 3,100 3,150 3,120 3,12322 2,860 3,025 2,830 2,90523 2,750 3,200 3,220 3,05724 2,940 3,050 2,940 2,97725 3,040 2,960 2,980 2,99326 2,820 3,110 2,840 2,92327 3,030 2,720 3,020 2,92328 3,060 2,610 3,060 2,91029 3,050 2,790 2,980 2,94030 2,895 2,760 2,740 2,798
4.1.2 Pengumpulan Data Studi Kasus
Data untuk studi kasus kali ini menggunakan data eksteren sekunder yang mencari dari
sumber terpercaya. Data yang didapat adalah jumlah perguruan tinggi negeri pada setiap
provinsi di Indonesia pada tahun 2009/2010 sebanyak 33 data. Data tersebut kemudian untuk
diolah dan dianalisa, baik secara manual maupun menggunakan software SPSS 20.0.
Tabel 4.2 Data Studi KasusNo. Provinsi Negeri No. Provinsi Negeri1 DKI Jakarta 5 18 Kalimantan Tengah 12 Jawa barat 7 19 Kalimantan Selatan 23 Banten 1 20 Kalimantan Timur 34 Jawa Tengah 6 21 Sulawesi Utara 35 DI Yogyakarta 3 22 Gorontalo 16 Jawa Timur 11 23 Sulawesi Tengah 17 Aceh 3 24 Sulawesi Selatan 48 Sumatera Utara 3 25 Sulawesi Barat 09 Sumatera Barat 5 26 Sulawesi Tenggara 110 Riau 1 27 Maluku 311 Kepulauan Riau 0 28 Maluku Utara 112 Jambi 1 29 Bali 413 Sumatera Selatan 2 30 Nusa Tenggara Barat 114 Bangka Belitung 0 31 Nusa Tenggara Timur 315 Bengkulu 1 32 Papua 116 Lampung 2 33 Papua Barat 117 Kalimantan Barat 2 INDONESIA 83
4.2 Pengolahan Data
Berikut ini adalah pengolahan data secara manual dan SPSS untuk data Plastisin dan Data
Studi Kasus
4.2.1 Pengolahan Data Plastisin
Berikut ini merupakan pengolahan Data Plastisin secara manual dan SPSS.
4.2.1.1 Perhitungan Manual Berikut ini adalah pengolahan Data Plastisin secara manual dengan menggunakan
perhitungan data tunggal.
Tabel 4.3 Mean Data PlastisinData ke-
Mean Data ke-
Mean Data ke-
Mean Data ke-
Mean Data ke-
Mean Data ke-
Mean
1 2,835 6 2,727 11 2,845 16 2,893 21 3,123 26 2,9232 3,01 7 3,188 12 2,912 17 2,78 22 2,905 27 2,9233 3,067 8 2,833 13 2,793 18 2,842 23 3,057 28 2,914 2,863 9 3,017 14 3,127 19 2,69 24 2,977 29 2,945 2,923 10 2,857 15 2,91 20 3,043 25 2,993 30 2,798
Tabel 4.4 Pengolahan Data Tunggal PlastisinKeterangan Data TunggalMean
= 2,9234StandarDeviasi
S= = =0,06674 ≈ 0,067
Variansi V= = 0,0044Median
= = 2,911Modus Data yang seringmunculadalah 2,923
Kuartil
Kuartil 1 = data ke = data ke 8 = 2,842
Kuartil 3 = data ke = data ke 23 = 3,010Persentil
Persentil 25 = data ke = = data ke 7,75 = data ke 7 + 0,75 (data ke 8 - data ke 7) = 2,835 + 0,75(0,007) = 2,840
4.2.1.2 Pengolahan Dengan SPSS
Langkah-langkah pengolahan data menggunakan SPSS adalah sebagai berikut:
1. Pada menu SPSS, klik Analyze – Descriptive Statistics – Frequencies.
2. Pada jendela Frequencies, masukkan variabel Rata_rata pada Variable(s), klik Statistics,
kemudian centang seperti pada gambar.
Gambar 4.1 Langkah SPSS
3. Lalu muncullah output seperti berikut.
Tabel 4.5 Output SPSSStatistics
Mean
NValid 30
Missing 0Mean 2.9235Median 2.9108Mode 2.92Std. Deviation .11937Variance .014Skewness .291Std. Error of Skewness .427Kurtosis -.204Std. Error of Kurtosis .833Range .50
Percentiles
15 2.7966
20 2.8337
25 2.8400
40 2.8980
50 2.9108
60 2.9233
75 3.0117
80 3.0380
Berdasarkan hasil output SPSS, diperoleh mean (rata-rata) dari data diameter plastisin yang
diolah secara subgrup sebesar 2,9235, median sebesar 2,9108, modus sebesar 2,92, standar
deviasi sebesar 0,11937serta persentil 50, 60, 75, dan 80 sebesar 2,9108; 2,9233; 3,0117; dan
3,0380.
Berdasarkan pengolahan data plastisin secara manual data tunggal dan SPSS terdapat
kesamaan. Contohnya terdapa pada nilai mean dimana mean yang diperoleh di pengolahan data
manual secara data tunggal memiliki mean yang sama dengan SPSS yaitu 2,9235.
Dari hasil SPSS, diperoleh nilai Skewness sebesar 0.291 dan Std. Error of Skewness sebesar
0.427.Sedangkan nilai Kurtosis sebesar -0,204 dan Std. Error of Kurtosis sebesar 0.833.Dari hasil
tersebut kita dapat menentukan apakah data terdistribusi normal atau tidak.
Karena Skewness bernilai -2 ≤ x ≤ 2 dan Kurtosis bernilai -3 ≤ y ≤ 3, maka data ini
berdistribusi normal dan jenis kurtosisnya adalah mesokurtik.
4.2.1.3 Penyajian Data Plastisin
Grafik 4.1 Stock Chart Data Plastisin
Dari grafik stock chart dapat diperoleh data tertinggi, data terendah, dan rata – rata pada
setiap plastisin. Contoh, Data 1 Sisi Tertinggi adalah sisi B 2,940 dan terendah adalah sisi C
2,700 dan rata – rata 2,835.
4.2.2 Pengolahan Data Studi Kasus
Berikut ini adalah pengolahan data studi kasus.
4.2.2.1 Perhitungan Manual
Berikut ini adalah pengolahan data plastisin secara manual.
Tabel 4.6 Data Studi Kasus Lingkup PulauPulau NegeriJawa 33
Sumatera 18Sulawesi 10
Kalimantan 8Maluku 4
Bali 4Nusa Tenggara 4
Papua 2Total 83
Jumlah kelas = 1 + 3,3 log nJumlah kelas = 1 + 3,3 log 33 = 6,0111 7
Interval =
Interval =
Interval = = 1,833 2
Tabel 4.7 Hasil Pengolahan Data Jumlah Perguruan Tinggi Negeri di IndonesiaInterval Nilai Tengah
(Xi)Frekuensi
(fi)Frekuensi Kumulatif
(fK)
Xi . fi (Xi – x)2 fi(Xi – x)2
0 – 1 0,5 15 15 7,5 3,3051 49,57652 – 3 2,5 11 26 27,5 0,0331 0,34214 – 5 4,5 4 30 18 4,7611 19,04446 – 7 6,5 2 32 13 17,4891 34,97828 – 9 8,5 0 32 0 38,2171 0
10 – 11 10,5 1 33 10,5 66,9451 66,9451
Tabel 4.8 Hasil Pengolahan Data BerkelompokKeterangan Data Berkelompok
Mean (nilai rata-rata)
Mean = = = 2,318
Standar Deviasi
S =
= = 2,3109Variansi V = S2= 5,3402Median
Median= + L = 1,5+ 2 = 1,7727
ModusModus = + L
= -0,05 + 2 = 1,528Kuartil
Kuartil 1 = + L
= - 0,5 + 2 = 0,6
Kuartil 3 = + L
= 1,5 + 2= 3,272
Persentil
Persentil 80 = L
= 3,5 2= 4,3
Dari data interval dapat diambil contoh bahwa pada interval 0-1 data tertinggi berada di Pulau
Sulawesi.
4.2.2.2 Pengolahan Dengan SPSS
Berikut ini adala output SPSS dari data “Jumlah Lembaga Pendidikan Negeri tiap
Provinsi”
Tabel 4.9 Output SPSS Studi KasusStatistics
Jumlah
N Valid33
Missing 0Mean 2.52Median 2.00Mode 1Std. Deviation 2.307Variance 5.320Skewness 1.874Std. Error of Skewness .409Kurtosis 4.696Std. Error of Kurtosis .798
Percentiles
25 1.00
30 1.00
50 2.00
75 3.00
Berdasarkan hasil output SPSS, diperoleh mean (rata-rata) 2,52 dari data jumlah perguruan
tinggi negeri di Indonesia , median sebesar 2,00, modus sebesar 1, standar deviasi sebesar 2,307
serta persentil 25, 30, 50, dan 75 sebesar 1,00; 1,00; 2,00; dan 3,00.
Berdasarkan pengolahan data plastisin secara manual data berkelompok dan SPSS terdapat
perbedaan. Contohnya mean pada data manual 2,318 sedangkan pada SPSS 2,52.
Dari hasil SPSS, diperoleh nilai Skewness sebesar 1,874 dan Std. Error of Skewness sebesar
0,409. Sedangkan nilai Kurtosis sebesar 4,696 dan Std. Error of Kurtosis sebesar 0,798. Dari hasil
tersebut kita dapat menentukan apakah data terdistribusi normal atau tidak.
Karena Skewness tidak bernilai -2 ≤ x ≤ 2 dan Kurtosis tidak bernilai -2 ≤ y ≤ 2, maka data ini
tidak berdistribusi normal. Karena nilai skewness >2 maka kurva menceng ke kanan(posotif),
dan karena kurtosis >3 maka jenis kurtosisnya adalah leptokurtik.
4.2.2.3 Penyajian Data Studi Kasus
Berikut ini adalah penyajian dari data “Jumlah Lembaga Pendidikan Negeri tiap Provinsi”
Grafik 4.2 Pie Chart Data Studi Kasus
Dari pie chart diperoleh bahwa jumlah perguruan tinggi negeri terbanyak terdapat dipulau Jawa.
BAB VKESIMPULAN DAN SARAN
5.1 Kesimpulan
1. Praktikan melakukan pengambilan data diameter bola plastisin yang diolah secara subgrup
dan data jumlah perguruan tinggi negeri di Indonesia yang datanya berasal dari website
Perguruan Tinggi Negeri di Indonesia. Pengolahan data dilakukan secara data tunggal,
berkelompok, dan SPSS.
2. Pengolahan data yang dilakukan dibagi menjadi dua, yaitu pada Data Plastisin dilakukan
perhitungan manual dengan sub grup data tunggal dan diolah dengan menggunakan SPSS.
Sedangkan Studi Kasus menghitung data kelompok secara manual dan menggunakan SPSS.
3. a. Data Plastisin
Hasil dari pengolahan data statistik plastisin manual data tunggal mean = 2,9235 dan
hasil mean dari SPSS = 2,9235. Dalam hal ini terdapat kesamaan hasil antara data tunggal
dan SPSS maka hasilnya benar. Penyajian data dilakukan dengan stock chart untuk
menunjukkan data secara keseluruhan. Dan hasilnya menunjukkan bahwa misal pada
palstisin 1 nilai tertinggi = 2,940 , nilai terendah = 2,700 dan nilai rata-rata = 2,835.
b. Data Studi Kasus
Hasil dari pengolahan data statistik Jumlah Perguruan Tinggi Negeri di Indonesia manual
data berkelompok mean = 2,318 dan mean SPSS = 2,52. Terdapat perbedaan hasil antara
data manual berkelompok dan SPSS. Penyajian data dilakukan dengan pie chart untuk
menunjukkan persentase jumlah PTN setiap pulau. Dan hasilnya menunjukkan bahwa
persentase terbesar terdapat di pulau Jawa.
5.2 Saran
1. Diharapkan adanya pengembangan praktikum tentang statistik deskriptif baik dalam
bentuk teori ataupun perhitungan.
2. Praktikan diharapkan dapat mengimplementasikan atau mengaplikasikan pelajaran tentang
statistik deskriptif dalam penyelesaian masalah di lingkungan atau kehidupan sehari-hari.