Laporan Praktikum Statistika Deskriptif Senin 09 B HutStat
LAPORAN
STATISTIK DESKRIPTIF
Oleh:
Muhamad Dzaki Siregar (2205110010018)
Program Studi Kehutanan, Fakultas Pertanian,
Universitas Syiah Kuala
Darussalam, Banda Aceh
I. Tinjauan Pustaka
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
menganalisis 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.
Hal-hal yang mungkin dikerjakan dalam statistika
deskripif adalah mengurutkan data berdasarkan ukuran, memasukkan data kedalam
bentuk tabel, menyajikan data dalam bentuk grafik atau meringkasnya dalam
bentuk kesimpulan parameter yang berarti dan sebagainya. Hal penting yang
dipertimbangkan dalam statistik deskriptif adalah jenis variabel. Jenis
variabel tertentu mungkin akan baik apabila dideskripsikan dalam bentuk grafik
atau dalam bentuk tabel. Analisis teoretik-deskriptif dalam statistika
deskriptif yang menekankan analisisnya pada data-data numerik yang diolah
dengan metode statistika. Metode analisis data yang digunakan untuk menguji
hipotesis adalah analisis deskriptif melalui sum dan mean dengan
alat bantu SPSS. Statistika deskriptif ditujukan untuk mencari proporsi maupun
frekuensi dari karakteristik subyek penelitian (Rachmini, 2001).
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.
Menurut Husaini Usman (2003), statistik deskriptif
atau statistik dalam arti sempit, ialah 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 pusat (rata-rata hitung, rata-rata ukur, rata-rata
harmonik, dan modus), simpangan baku, angka baku, kurva normal, korelasi, dan
regresi linier.
Berbagai metode statistik memungkinkan kita dapat
melihat, mencari dan menyimpulkan hal-hal yang jauh diluar data yang
dikumpulkan dan dapat masuk kebagian pengambilan keputusan melalui generalisasi
dan peramalan. Perkembangan teknologi informasi melahirkan perangkat lunak
paket-paket metode statistik yang sangat membantu da mempermudah menghitung,
meramal serta menganalisis masalah yang akan dipecahkan (Rahmini, 2001).
Langkah-langkah pengolahan data pada SPSS sangat
praktis karena hanya menginput data tanpa menghitung dengan rumus-rumus
statistika. Setelah data diinput pada SPSS editor kemudian kita mencari alat
analisis yang diperlukan, memasukkan variabel dan lain-lain, kemudian klik ok,
setelah itu proses olah data dilakukan dengan sangat cepat, singkat, akurat,
cermat, handal dan keluarlah output data SPSS (Bisono, 2013).
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.
1.Range
Range atau rentang merupakan selisih dari nilai
terbesar dan nilai terkecil yang kita miliki. Range merupakan hal yang paling
sederhana dan paling mudah dimengerti dalam ukuran penyebaran. Range
menunjukkan seberapa jauh sebaran dengan mengabaikan bentuk distribusinya.
2. 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.
3.
Persentil
Persentil merupakan ukuran penyebaran yang membagi
data menjadi 100 bagian yang sama besar.
4.
Desil
Desil merupakan ukuran penyebaran yang membagi data
menjadi 10 bagian sama besar.
5.
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.
6.
Standar deviasi
Standar deviasi merupakan ukuran lain dari 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
bagaimana sebaran data terhadap rata-rata.
7. 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 (negatif)
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).
II. 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 suatu data di SPSS, tahap
pertama yang harus dipersiapkan adalah memiliki datanya terlebih dahulu di
excel agar lebih mudah, seperti pada Gambar 1. dibawah ini :
III. 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, dimana pada 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 pertama kali keluar pada saat pertama kali dioperasikan SPSS for window. Window ini berwujud kotak-kotak persegi sejenis tampilan spreadsheet yang berfungsi sebagai sarana pemasukan data, penghapusan, pengurutan dan berbagai pengolahan data aslinya.
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 pelengkap dalam pengoperasian SPSS, seperti menampilkan informasi variabel, mendefinisikan dan menampilkan variabel data, etc.
b. Variable View
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:
o Nama variabel maksimal 8 karakter.
o 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.
o Nama tidak bisa berakhir dengan titik dan tidak harus diakhiri dengan garis bawah “_”.
o Nama variabel harus unik; duplikasi tidak diperbolehkan.
o 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
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”
variabel: ”Y” kita beri label ”Ramalan Permintaan”
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
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.
Setelah mengetahui ketentuan disetiap menunya, kemudian data yang di Excel disalin ke SPSS yaitu pada Data View.
Variabel Pertama
Nama Variabel : Responden
Type : String (karena pada variabel ini menggunakan huruf bukan angka)
Width : 12 ( jumlah karakter terbanyak yaitu 12)
Decimal : 0 (Tidak menggunakan desimal pada data type string)
Label : Pada data ini tidak menggunakan label.
Value : None
Missing : None
Coloum : 12 (disesuaikan dengan jumlah karakter terbanyak)
Align : Left (akan lebih baik jika data yang bertype 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)
Coloum : 8 (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 decimal pada data ini)
Label : -
Value : None (tidak ada pengkodean)
Missing : None (data informasinya diketahui)
Coloum : 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 decimal)
Label : -
Value : "1" untuk SD, "2" untuk SLTP, "3" untuk SLTA, "4" untuk D3, "5" untuk S1
Missing : None (data informasi diketahui)
Coloum : 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)
Coloum : 8
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)
Coloum : 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:
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 outpun window.
IV. PENUTUP
Dengan menggunakan metode Statistik SPSS makadapat memberikan informasi inti dari kumpulan data, seperti ukuran pemusatan data (mean dan median), ukuran penyebaran (rannge, interquartil range, standar deviasi, varians, minimum, dan maksimum), ukuran kurtosis, dan skewness serta representasi piktorialnya.
VIDEO
Komentar
Posting Komentar