Laporan Praktikum Deskriptif Statistik
Laporan Praktikum Deskriptif Statistik
Oleh:
Nama : Habib Faturrahman
Nomor Komputer : 14
PROGRAM STUDI PETERNAKAN FAKULTAS PERTANIAN
UNIVERSITAS SYIAH KUALA
BANDA ACEH
BAB I
PENDAHULUAN
1.1 Latar Belakang
Statistik merupakan salah satu
cabang dari ilmu matematika yang di dalamnya mempelajari suatu pengukuran,
observasi dan analisis. Statistik mempunyai arti dasar yaitu suatu data
ringkasan yang berbentuk angka. Sebagai contoh kecil adalah mengenai data tentang
penduduk, data tentang guru-guru atau data tentang mahasiswa di perguruan
tinggi. Dalam arti yang lebih dalam, statistik adalah suatu ilmu yang
mempelajari mengenai bagaimana cara mengumpulkan data, mengolah data,
menyajikan data dan menganalisi data dengan mempertimbangkan unsur
ketidakpastian berdasarkan konsep probabilitas.
Statistik sendiri berasal dari
kata “status” dalam bahasa latin, yang sama artinya dengan kata “state” (bahasa
inggris) yang berarti adalah negara. Awal mula suatu kata statistik, diartikan
mengenai suatu kumpulan keterangan yang berupa angka ataupun non angka tetapi
memiliki arti yang penting dan berguna untuk negara. Setelah berkembangnya
suatu ilmu, maka statistik dijadikan sebagai kumpulkan keterangan yang hanya
berupa angka dan memberikan gambaran mengenai keadaan, peristiwa atau gejala
tertentu.
Statistik
deskriptif adalah salah satu bagian dari ilmu statistika yang berhubungan
dengan aktivitas penghimpunan, penataan, peringkasan dan penyajian data dengan
harapan agar data lebih bermakna, mudah dibaca dan mudah dipahami oleh pengguna
data. Statistik deskriptif hanya sebatas memberikan deskripsi atau gambaran
umum tentang karakteristik objek yang diteliti tanpa maksud untuk melakukan
generalisasi sampel terhadap populasi. dalam statistik deskriptif meliputi
pengumpulan, pengelompokan dan pengolahan data yang selanjutnya akan
menghasilkan ukuran-ukuran statistik seperti frekuensi, pemusatan data,
penyebaran data, kecenderungan suatu gugus data dan lain-lain. Selain itu, agar
data lebih mudah dibaca dan dipahami maka data dapat diringkas dalam bentuk
tabulasi atau disajikan dalam bentuk grafik atau diagram. Penggunaan grafik dan
diagram dimaksudkan agar data yang disajikan lebih menarik dan lebih
komunikatif.
Statistik deskriptif, yang lazim dikenal pula dengan istilah statistik deduktif, statistik sederhana, dan descriptive statistics, adalah statistik yang tingkat pekerjaannya mencakup cara-cara menghimpun, menyusun, atau mengatur, mengolah, menyajikan, dan menganalisis data angka, agar dapat memberikan gambaran yang teratur, ringkas, dan jelas mengenai suatu gejala, peristiwa, atau keadaan. Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisis data, angka, agar dapat memberikan gambaran secara teratur, ringkas, dan jelas, mengenai sesuatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.
1.2 Tujuan Praktikum
Praktikum ini
bertujuan agar mahasiswwa dapat mengetahui cara mengelolah dan menganalisa data
menggunakan SPSS.
BAB II
TINJAUAN PUSTAKA
Pangestu Subagyo (2003:1)
menyata- kan: Yang dimaksud sebagai statistika des- kriptif adalah bagian
statistika mengenai pengumpulan data, penyajian, penentuan nilai-nilai
statistika, pembuatan diagram atau gambar mengenai sesuatu hal, disini data
yang disajikan dalam bentuk yang lebih mudah dipahami atau dibaca.
Sudjana (1996:7) menjelaskan:
Fase statistika dimana hanya berusaha melukiskan atau mengalisa kelompok yang
diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok
yang lebih besar dinamakan statistika deskriptif.
Statistik deskriptif adalah
statistik yang bertujuan untuk mendeskripsikan atau menggambarkan data
(Junaidi, 2014). Pendapat lainnya mengatakan bahwa, statistik deskriptif atau
statistik deduktif adalah bagian dari statistik mempelajari cara pengumpulan data
dan penyajian data sehingga muda dipahami (Hikmah, 2017). Statistik deskriptif
hanya berhubungan dengan hal menguraikan atau memberikan keterangan-keterangan
mengenai suatu data atau keadaan atau fenomena. Maka dapat disimpulakan bahwa
statistika deskriptif adalah ilmu statistik yang bertujuan untuk mengumpulkan,
mengolah dan menyaji dan menganalisis data kuantitatif secara deskriptif.
Secara umum statistika deskriptif digunakan untuk menyederhanakan data dan
memudahkan untuk membaca informasi dari sebuah data.
BAB III
PEMBAHASAN
1. Ukuran pemusatan
Ukuran pemusatan adalah metode
paling lazim yang digunakan dalam analisis deskriptif. Metode ini fokus untuk
menggambarkan kondisi data di titik pusat.
Mean merupakan rata-rata dari
sekumpulan data yang kita miliki. Formulanya sangat sederhana. Anda hanya perlu
menjumlah nilai dari seluruh data yang dimiliki dan membaginya dengan jumlah
data tersebut.
Median adalah nilai tengah dari
sebuah data. Bila kita memiliki sekumpulan data, kita bisa mengurutkan data
tersebut dari nilai terkecil hingga terbesar. Jika kita memiliki jumlah data
ganjil, maka nilai tengah data tersebut akan langsung menjadi median. Namun
bila kita memiliki data genap, kita perlu menemukan nilai rata-rata dari nilai
tengah data tersebut.
Modus adalah nilai yang paling
sering muncul dalam sekelompok data. Kita hanya perlu melihat nilai mana yang
paling sering muncul dalam kelompok tersebut. Bila jumlah frekuensi setiap data
sama, maka nilai modus tidak ada.
2. Ukuran keragaman
Ukuran keragaman merupakan
ukuran untuk menyajikan bagaimana sebaran dari data tersebut. Ukuran keragaman
menunjukkan bagaimana kondisi sebuah data menyebar di kelompok data yang kita
miliki. Hal ini memungkinkan kita untuk menganalisis seberapa jauh data-data
tersebut tersebar dari ukuran pemusatannya. Bila sebaran datanya rendah, ini
menunjukkan bahwa data tersebar tidak jauh dari pusatnya. Bila sebarannya jauh
ini menunjukkan bahwa data tersebar jauh dari pusatnya.
3. Range
Range atau
rentang merupakan selisih dari nilai terbesar dan nilai terkecil yang kita
miliki. Range merupkan hal yang paling sederhana dan paling mudah dimengerti
dalam ukuran penyebaran. Range menunjukkan seberapa jauh sebaran dengan
mengabaikan bentuk distribusinya.
4. Quartiles Range
Rentang Quartiles atau rentang kuartil merupakan ukuran penyebaran yang membagi data menjadi 4 bagian. Sesuai dengan namanya, kuartil membagi data menjadi 25 persen di setiap bagiannya.
Ada 3 jenis nilai kuartil yang perlu kita tahu :
- Q1 atau kuartil bawah yang memuat 25
persen dari data dengan nilai terendah
- Q2 atau kuartil tengah, yang membagi data
menjadi 2 bagian sama besar 50 persen terkecil dan 50 persen terbesar. Q2
juga memiliki nilai yang sama dengan median.
- Q3 atau kuartil atas yang memuat 25
persen dari data dengan nilai tertinggi.
5.
Persentil
Persentil merupakan ukuran penyebaran yang membagi data menjadi 100 bagian yang sama besar.
6. Desil
Desil merupakan ukuran penyebaran yang membagi data menjadi 10 bagian sama besar.
7. Varians
Varian merupakan ukuran seberapa jauh menyebar dari nilai rata-ratanya. Semakin kecil nilai varians, maka semakin dekan sebaran data dengan rata-rata. Dan semakin besar nilai varian, maka semakin besar sebaran data terhadap nilai rata-ratanya.
8. Standar
deviasi
Standar deviasi merupakan ukuran laindari sebaran data terhadap rata-ratanya. Bila anda menggunakan varians, maka nilai yang anda dapatkan sangatlah besar. Nilai ini tidak mampu menggambarkan bagaimana sebaran data yang sebenarnya terhadap rata-rata. Untuk mendapatkan nilai yang lebih mudah diinterpretasikan, standar deviasi adalah ukuran yang paling tepat. Standar deviasi menghasilkan nilai yang lebih kecil dan mampu menjelaskan bagaiman sebaran data terhadap rata-rata.
9. Skewness
Skewness merupakan ukuran yang
menunjukkan bagaimana kemencengan sebuah data terhadap rata-ratanya. Skewness
juga bisa dikatakan sebagai ukuran ketidaksimetrisan sebuah data.
- Sk > 0 artinya kurva dikatakan menceng
kanan (positif)
- Sk = 0 artinya kurva normal
- Sk < 0 artinya menceng kiri (negat
8. Kurtosis
Kurtosis merupakan
ukuran yang menunjukkan bagaimana keruncingan sebuah data di dalam
distribusinya. Kurtosis biasa disebut juga sebagai derajat keruncingan.
Kurtosis dihitung dengan formula momen keempat dari rata-rata.
- Nilai kurtosis = 3, artinya data memiliki
distribusi normal
- Nilai kurtosis > 3, artinya data
memiliki distribusi leptokurtic (lebih runcing)
- Nilai kurtosis < 3 artinya data
memiliki distribusi platikurtik /lebih rata (Yuva, 2019).
Microsoft
Excel
Microsoft Excel adalah sebuah program atau aplikasi yang merupakan bagian
dari paket instalasi Microsoft Office, berfungsi untuk mengolah angka
menggunakan spreadsheet yang terdiri dari baris dan kolom untuk mengeksekusi
perintah. Microsoft Excel telah menjadi software pengolah data / angka terbaik
di dunia, selain itu Microsoft Excel telah didistribusikan secara
multi-platform. Microsoft Excel tidak hanya tersedia dalam platform Windows,
Microsoft Excel juga tersedia di MacOS, Android dan Apple.
Menurut Susandra (2010), “Microsoft Excel merupakan program aplikasi
spreasheet (lembar kerja elektronik). Fungsi dari Microwsoft Excel adalah untuk
melakukan operasi perhitungan serta dapat mempresentasikan data ke dalam bentuk
tabel.” Menurut Musyafa (2014), “Microsoft Excel 2007 adalah sebuah program
aplikasi lembar kerja spreadsheet yang dibuat dan didistribusikan oleh
Microsoft Corporation untuk sistem operasi Microsoft Windows dan Mac OS.” Aplikasi
ini memiliki fitur kalkulasi dan pembuatan grafik yang berupa pengolah angka.
Microsoft Excel secara fundamental menggunakan spreadsheet untuk
manajemen data serta melakukan fungsi-fungsi Excel yang lebih dikenal dengan
formula Excel. Excel merupakan program spreadsheet elektronik. Spreadsheet
adalah kumpulan dari Sel yang terdiri atas baris dan kolom tempat anda
memasukkan angka pada Microsoft Excel. Jumlah sel Microsoft Excel 2016 terdiri
dari 1.048.576 baris dan 16.384 kolom atau 17.179.869.184 sel.
Untuk melakukan pengolahan data di SPSS, tahap pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di exel agar lebih mudah, seperti pada Gambar 1. di bawah ini:
Data Deskriptif
SPSS
SPSS adalah sebuah program aplikasi yang memiliki kemampuan untuk
analisis statistik cukup tinggi serta sistem manajemen data pada lingkungan
grafis dengan menggunakan menu-menu deskriptif dan kotak-kotak dialog yang
sederhana sehingga mudah dipahami untuk cara pengoperasiannya. Beberapa
aktivitas dapat dilakukan dengan mudah yaitu 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 sistem
operasi windows. SPSS mulai mengeluarkan versi windows (mulai dari versi 6.0
sampai versi terbaru sekarang).
Untuk menginput data, buka Program SPSS melalui
Start - Programs- IBM SPSS Statistic. Maka setelah itu muncul tampilan yang
belum ada datanya, dimanapada tampilan tersebut terdapat 2 menu tampilan yaitu
data view dan variabel view, seperti pada Gambar 2 dan Gambar 3.
SPSS Data
Editor
Data editor adalah window yang
bersama output window pwertama kali keluar pada saat pertama kali dioperasikan
SPSS for window. Window ini berwujud kotak-kotak peregi sejenis tampilan
spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusan,
pengurutan dan berbagai pengolahan data aslinya. SPSS Data
Editor terdiri dari dua tab sheet, yaitu: Data
View dan Variable View.
A. Data View
Gambar 2. Tampilan Data View
Data View adalah tab sheet yang
menampilkan nilai data yang sebenarnya atau label nilai yang didefinisikan.
Pada tab sheet inilah, anda mengentri data ke SPSS. Diatasnya
terdapat menu-menu seperti File, Edit, View, Windows,
dan Help seperti halnya menu-menu umum pada aplikasi under Windows
lainnya. Menu-menu utama SPSS adalah:
1. Data
Menu ini menampilkan submenu untuk melakukan
perubahan-perubahan data, seperti mengurutkan data, memisahkan
isi file dengan kriteria tertentu, menggabungkan data, etc.
2. Transform
Menu untuk transformasi data, seperti menghitung
variabel data, mengubah data, merangking data, etc.
3. Analyze
Menu yang menjadi pusat pengolahan data, seperti
mengolah statistik deskriptif, regresi, korelasi, etc.
4. Graphs
Menu untuk menampilkan data dan hasil pengolahan data dalam bentuk
grafik dan chart, seperti bar
charts, histogram, scatter diagram, etc.
5. Utilities
Menu peengkap dalam pengoperasian SPSS, seperti menampilkan
informasi variabel, mendefinisikan dan menampilkan variabel data, etc.
B. Variable View
Gambar 3. Tampilan Variabel View
Variable View adalah tab
sheet yang menampilkan kamus metadata di mana setiap baris
mewakili sebuah variabel dan memperlihatkan nama variabel, jenis data
(misal: numeric, string, date), lebar cetak, dan berbagai
karakteristik lain. Menu yang tersedia dalam Variabel View diantaranya:
1. Name.
Kolom ini untuk memberikan informasi tentang nama variabel data. Nama variabel yang kita tuliskan di sini akan muncul pada Data View. Beberapa aturan penamaan variabel:
- Nama variabel maksimal 8 karakter.
- Nama diawali dengan huruf (tidak bisa
dimulai dengan angka), sisanya dapat berisi huruf, angka, titik, atau
simbol @, #, _, atau $. Kosong dan karakter khusus lain (misal: ! , ? , ‘
, dan *) tidak dapat digunakan.
- Nama tidak bisa berakhir dengan titik dan
tidak harus diakhiri dengan garis bawah “_”.
- Nama variabel harus unik; duplikasi tidak
diperbolehkan.
- Nama-nama variabel tidak case sensitif,
“Nama”, “nama”, dan “naMa” semua dianggap sama.
2. Type
Kolom ini untuk memberikan jenis variabel data yang
digunakan, apakah Numeric, String (data berupa karakter, misal
“Nama”), Date, etc. Klik ikon dalam
kolom Type maka akan muncul dialog box Variable Type.
Pada dialog box ini, kita dapat mengubah jenis data dan juga lebar
kolom (Width) dan jumlah angka desimal (Decimal Places). Secara default, SPSS
memberikan jenis data numeric dengan lebar 8 digit dan 2 angka
desimal di belakang koma.
3. Label
Kolom ini menunjukkan tambahan informasi dengan memberi label pada variabel data yang kita inginkan, misalnya variabel: ”barang” kita beri label: ”nama barang”, variabel: ”X” kita beri label ”Permintaan”, dan variabel ”Y” kita beri label ”Ramalan Permintan”. Pemberian label dapat membantu dalam interpretasi hasil analisis (output) karena definisi output lebih jelas.
4. Value.
Kolom ini untuk memberikan label string yang
diterapkan untuk nilai numeric tertentu, biasanya untuk data yang
bersifat ordinal dan interval, misal angka 1 untuk
laki-laki dan angka 2 untuk perempuan. Klik ikon pada
kolom Values maka akan muncul dialog box Value Labels.
Misalnya untuk variabel ”gender” kita akan mendefinisikan ”jenis kelamin”
dengan memberi label: Isi [Value] dengan angka 1 dan [Label] dengan
“Laki-laki” lalu klik [Add], kemudian ulangi langkah-langkah
tersebut untuk jenis kelamin “Perempuan“—lihat Gambar 6. Nantinya pada
variabel gender, kita tidak perlu menuliskan laki-laki dan perempuan
melainkan cukup mengisi 1 untuk laki-laki dan 2 untuk perempuan.
5. Missing
Kolom ini menunjukkan nilai yang hilang (missing
value) dalam data (jika ada). Responden dapat menolak untuk menjawab pertanyaan
tertentu, mungkin tidak tahu jawabannya, atau mungkin menjawab dalam bentuk
lain. Jika anda tidak mengidentifikasi data ini, analisis anda mungkin tidak
memberikan hasil yang akurat. Klik ikon pada
kolom Missing maka akan muncul dialog box Missing Values.
Pada form Discrete, isi angka yang akan dijadikan
pengganti missing value, misal: 9, 99, 999, etc. Jika kita memilih angka
9, maka setiap ada data yang tidak diisi (missing value) angka 9 yang harus
diisikan, jangan dibiarkan kosong.
6. Columns
Kolom ini menunjukkan lebar kolom. baik jenis
data numeric maupun string, lebar maksimal 255 digit.
7. Align
Kolom ini menunjukkan posisi data pada
tiap cell. Terdapat tiga pilihan posisi data,
yaitu: left, right, dan center.
8. Measure
Kolom ini menunjukkan jenis ukuran data yang digunakan.
Terdapat tiga pilihan atas, yaitu: Scale, Nominal, dan Ordinal.
9. Role
Kolom ini digunakan untuk menentukan peranan variabel dalam
melakukan analisis data, yang mana terdapat 5 pilihan yaitu Input,
Target, None, Partition dan Split.
Gambar 4. Tampilan Variabel View setelah diisi data
Gambar 5. Data Excel yang sudah disalin ke SPSS
Variabel Pertama
Nama
Variabel :
Responden
Type
: String (karena pada variabel ini menggunakan huruf bukan angka)
Width
: 30 ( jumlah karakter terbanyak yaitu 30)
Decimal
: 0 (Tidak menggunakan desimal pada data type string)
Label
: Pada data ini tidak menggunakan label.
Value
: None
Missing
: None
Colomns
: 21 (disesuaikan dengan jumlah karakter terbanyak)
Align
: Left (akan lebih baik jika data yang ber-type string dibuat rata kiri)
Measure
: Nominal (untuk data string dipilih measure nominal atau
bisa disesuaikan)
Variabel
Kedua
Nama
Variabel :
Jenis Kelamin
Type
: Numeric
Width
: 8 (bisa disesuaikan dengan jumlah karakter)
Decimal
: 0 (pada data ini tidak menggunakan desimal)
Label
: -
Value
: "1" untuk Laki-Laki dan "2" untuk Perempuan
Missing
: None ( informasi mengenai jenis kelamin diketahui)
Colomns
: 11 (bisa disesuaikan)
Align
: Center (lebih baik data bertipe numerik di buat rata tengah)
Measure
: Nominal (Untuk measure jenis kelamin termasuk data skala dan nominal)
Variabel
Ketiga
Nama
Variabel :
Umur
Type
: Numeric
Width
: 8
Decimal
: 0 (tidak menggunakan desimal pada data ini)
Label
: -
Value
: None (tidak ada pengkodean)
Missing
: None (data informasinya diketahui)
Colomns
: 8 (bisa disesuaikan)
Align
: Center
Measure
: Scale ( karena umur merupakan data berskala ratio)
Variabel
Keempat
Nama
Variabel :
Pendidikan
Type
: Numeric
Width
: 8 (bisa disesuaikan)
Decimal
: 0 (data ini tidak menggunakan desimal)
Label
: -
Value
: "1" untuk SD, "2" untuk SLTP, "3" untuk
SLTA, "4" untuk D3, "5" untuk S1
Missing
: None (data informasi diketahui)
Colomns
: 8 (bisa disesuaikan)
Align
: Center
Measure
: Ordinal (karena pendidikan merupakan skala ordinal)
Variabel
Kelima
Nama
Variabel :
Pendapatan
Type
: Numeric
Width
: 8
Decimal
: 0
Label
: -
Value
: None
Missing
: 9999 (informasi data pendapatan ada yang tidak diketahui)
Colomns
: 9
Align
: Center
Measure
: Scale
Variabel
Keenam
Nama
Variabel :
Konsumsi
Type
: Numeric
Width
: 8
Decimal
: 0
Label
: -
Value
: None
Missing
: 9999 (informasi data konsumsi ada yang tidak diketahui)
Colomns
: 8 (bisa disesuaikan)
Align
: Center
Measure
: Scale
Setelah semua data sudah sesuai kemudian untuk
mendapatkan data output maka diklik Analyze - Descriptive Statistics -
Descriptive. Maka akan muncul tampilan seperti Gambar 6 berikut:
Gambar 6. Descriptive data variabel yang akan
dihitung
Pilih data variabel mana yang akan dihitung yaitu variabel umur,
pendapatan dan konsumsi.
Gambar 7. Option descriptive
Terdapat beberap pilihan pada option descriptif yang inin dihitung outputnya yaitu Mean, Sum, Std. deviasi, variance, Range, Minimum, maximum, S.E mean, Kurtosis dan Skewness. Kemudian klik Continue -OK. Maka akan muncul data output seperti pada gambar berikut:
Output Analisis Deskriptif
Gambar 8. Hasil data output
Setelah
tampilan seperti diatas sudah muncul seperti yang diinginkan maka data
outputnya sudah berhasil kemudian anda dapat menyimpan data tersebut ke
file. Output window adalah text window yang merupakan media tampilan dari
hasil proses yang dilakukan oleh SPSS prosesor. Seluruh hasil proses pengolahan
data, pengolahan grafik, penganalisaan data maupun perjalanan menu utilities
akan ditampilkan pada output window.
BAB IV
PENUTUP
Komentar
Posting Komentar