Statistik deskriptif

1

Statistik Deskriptif:

• Pokok Bahasan :

- Frequencies

- Descriptives

- Explore

2

Statistik

Berhubungan dengan banyak angka

Numerical description

Contoh: pergerakan IHSG, jumlah penduduk di suatu wilayah.

Dunia usaha sekumpulan data: pergerakan

tingkat inflasi, biaya promosi bulanan.

Statistika juga dipakai untuk melakukan berbagai analisis terhadap data, contoh : forecasting, uji hipotesis.

3

Aplikasi ilmu statistik dalam bisnis dibagi 2 bagian :

• Statistik Deskriptif : Menjelaskan atau menggambarkan berbagai karakteristik data, seperti berapa rerata, seberapa jauh data bervariasi.

• Statistik Induktif (Inferensi) : Membuat berbagai inferensi terhadap sekumpulan data yang berasal dari suatu sampel. Inferensi Melakukan perkiraan,

peramalan, pengambilan keputusan.

4

• Contoh :

• Data tentang penjualan mobil merek ‘ABC’ perbulan di suatu show room mobil di Malang selama tahun 2011. Dari data tersebut pertama akan dilakukan deskripsi terhadap data, misalnya menghitung rerata penjualan dan berapa standar deviasinya.

• Kemudian, baru dilakukan berbagai inferensi terhadap hasil deskripsi, misal perkiraan penjualan mobil tsb bulan Januari tahun berikut, perkiraan rerata penjualan mobil tsb di seluruh Indonesia.

5

Elemen Statistik : • Populasi masalah dasar dari persoalan

statistik. Definisi : Sekumpulan data yang mengidentifikasi suatu fenomena

• Sampel : Sekumpulan data yang diambil atau diseleksi dari suatu populasi

• Statistik Inferensi : Suatu keputusan, perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel.

Skala

Pengukuran

Pengertian Skala

• Skala adalah suatu alat atau

mekanisme yang dapat digunakan

untuk membedakan individual-

individual ke dalam variabel-

variabel yang akan digunakan di

dalam riset.

Skala Pengukuran

• Tipe skala pengukuran terdiri atas:

1. Skala Nominal (nominal scale)

2. Skala Ordinal (ordinal scale)

3. Skala Interval (interval scale)

4. Skala rasio (ratio scale)

Skala Nominal (nominal scale)

• Adalah skala pengukuran yang menyatakan kategori, kelompok, atau klasifikasi dari variabel.

• Misalnya, jenis kelamin (gender) merupakan variabel yang terdiri atas dua kategori, yaitu pria dan wanita.

• Skala pengukuran jenis kelamin dapat dinyatakan dengan angka, yaitu: 1 (pria) dan 2 (wanita).

• Skala nominal bersifat mutually exclusive.

• Nilai variabel dengan skala ini hanya menjelaskan kategori, tetapi tidak menjelaskan nilai peringkat, jarak, atau perbandingan.

Contoh Skala Nominal:

Variabel Bentuk Perusahaan

Skor yang mungkin

PT

CV

Perorangan

1 3 2

2 2 1

3 1 3

Skala Ordinal • Adalah skala pengukuran yang tidak

hanya menyatakan kategori, tetapi juga menyatakan peringkat variabel yang diukur.

• Peringkat nilai menunjukkan suatu urutan penilaian atau tingkat preferensi.

• Skala ini lebih baik daripada skala nominal karena menyatakan kategori dan peringkat.

Contoh Skala Ordinal: Variabel Sikap Skor yang mungkin

Sangat setuju

Setuju

Kurang setuju

Tidak setuju

4 1

3 2

2 3

1 4

Skala Interval • Merupakan skala pengukuran yang menyatakan

kategori, peringkat, dan jarak variabel yang diukur.

• Skala ini dapat dinyatakan dengan angka 1 sampai dengan 5 atau angka 1 sampai dengan 7.

• Skala pengukuran ini menggunakan konsep jarak atau interval yang sama karena tidak menggunakan angka 0 sebagai titik awal perhitungan.

• Tetapi jika menggunakan angka 0, angka 0 tersebut tidak mutlak.

• Misalnya, angka 0 pada IP setara dengan < 44 untuk skala nilai 1 – 100.

Contoh Skala Interval:

Variabel IP

Variabel Suhu (0C)

0 1 2 3 4

0 10 20 30 40

Skala Rasio

• Merupakan skala pengukuran yang menunjukkan kategori, peringkat, jarak, dan perbandingan.

• Skala ini menggunakan nilai absolut sehingga memperbaiki kelemahan skala interval yang menggunakan nilai relatif.

• Dalam skala ini, angka 0 bersifat mutlak sehingga rationya bermakna.

Contoh Skala Ratio: Variabel

Pendapatan ($) Variabel Panjang

Jalan (km)

1500

3000

4500

5250

350

500

600

700

17

Statistik dan Komputer

• Statistik menyediakan metode/cara pengolahan data, komputer menyediakan sarana pengolahan datanya.

• Dengan bantuan komputer, pengolahan data statistik hingga dihasilkan informasi yang relevan menjadi lebih cepat dan akurat dibutuhkan bagi para pengambil keputusan.

• Dengan keunggulan kecepatan, ketepatan dan keandalan komputer dibutuhkan untuk mengolah data statistik.

18

• Program komputer statistik :

1. Membuat sendiri; dengan bahasa pemrograman, misal BASIC, PASCAL

2. Sebagai Add Ins dari Program lain, contoh: Microsoft Excell

3. Program khusus Statistik, contoh: Microstat, SAS, SPSS

Statistik Deskriptif Dengan SPSS

• Statistik deskriptif dapat dilakukan dengan

SPSS memilih menu Analize, Descriptive

Statistics.

• Menu ini memiliki beberapa submenu,

antara lain Frequencies, Descriptives, dan

Explore.

19

• Frequencies

Submenu ini digunakan untuk memperoleh

penjabaran ukuran statistik deskriptif,

misalnya Mean, Median, Kuartil, Persentil,

Standar Deviasi.

• Descriptives

Submenu ini digunakan untuk mengetahui

skor z dari suatu distribusi data dan

menguji apakah data berdistribusi normal

atau tidak.

20

• Explore

– Submenu ini digunakan untuk

memeriksa lebih teliti sekelompok data.

Alat utama yang digunakan adalah Box-

Plot dan Stem and Leaf plot.

– Submenu ini juga dapat digunakan untuk

melakukan uji normalitas data.

21

Contoh Frequencies

• Buat file deskriptif.sav.

• Pilih menu utama Analyze, Descriptives

Statistics, dan Frequencies.

• Pilih variable tinggi untuk dibuatkan

frequensinya.

22

23

24

25

26

27

Analisis :

• Jumlah Data valid = 25 buah

• Mean /rerata tinggi badan = 169.4 cm, standar error 0,993 cm. Standar error : memperkirakan besar rerata populasi dari sampel. Rerata populasi tinggi badan = 169,4(2x0,993) = 167,414 – 171,386 cm

• Median, menunjukkan bahwa 50% tinggi badan adalah 168,9 ke atas dan 50%nya 168,9 ke bawah.

28

• Standar deviasi untuk melihat dispersi rerata dari sampel.

Rerata tinggi badan menjadi :

169,4 (2x4,963) = 159,474 -179,326 cm

• Jika rasio skewness dan kurtosis di antara –2 sampai 2, distribusi normal. Jadi, dapat dikatakan distribusi data adalah normal.

• Data maksimum dan minimum berbeda tipis dari rerata tinggi badan sebaran data

baik.

• Percentiles atau angka persentil:

– Rerata tinggi badan 10% responden < 162,62

– Rerata tinggi badan 25% responden < 167,20

– Rerata tinggi badan 50% responden < 168,90

– Rerata tinggi badan 75% responden < 172,50

– Rerata tinggi badan 90% responden < 175,70

29

30

• Pada tabel frekuensi diperlihatkan banyaknya responden pada setiap tinggi badan mencapai 100% kumulatif.

Terdapat hubungan yg erat antara persentase kumulatif dengan percentil.

• Terlihat pada grafik mempunyai kemiripan dengan bentuk kurva normal. Hal ini membuktikan bahwa distribusi tersebut sudah dapat dikatakan mendekati normal.

Contoh Deskriptif

• Buka deskriptif.sav.

• Pilih menu utama Analyze, Descriptives

Statistics, dan Descriptives.

• Pilih variable tinggi untuk dibuatkan

deskripsinya.

31

32

33

• Kolom ztinggi merupakan skor standar

yang digunakan untuk mengetahui secara

cepat nilai mana yang menyimpang cukup

jauh dari reratanya (outlier).

• Pada tingkat kepercayaan 95%, nilai kritis

adalah 1,96.

• Data outlier adalah tinggi badan 180,3 cm,

174, 5 cm, dan 159, 6 cm.

• Dari 25 data, hanya terdapat 3 data outlier

sehingga dapat disimpulkan distribusi data

adalah normal. 34

Contoh Explore

• Submenu ini digunakan untuk mengekplor

data secara lebih mendalam, misalnya

membuat Box-plot dan diagram

Stem&Leaf serta menguji normalitas data

dengan uji Shapiro Wilks dan Lilliefor.

• Untuk mengeksplor data, buka file

descriptive.sav.

• Klik Analyze, Descriptive Statistics, dan

Explore. 35

36

• Kolom Dependent List, masukkan

variabel tinggi, yang merupakan data

metrik.

• Kolom Factor List, masukkan variabel

gender, yang merupakan data nonmetrik.

• Pada pilihan Statistics, pilih juga M-

estimator dan outliers.

• Kemudian, klik Continue.

• Klik submenu Plot, kemudian muncul

tampilan Explore: Plot berikut ini.

37

38

• Pada pilihan Plots, pilih isian baku

(default).

• Pada pilihan Display, pilih Both.

• Kemudian, klik tombol OK untuk

mengeksekusi SPSS.

39

Tugas Statistik Deskriptif

• Gunakan data Data Survai.sav.

• Lakukan Frequencies, Descriptives, dan

Explore terhadap variabel X1 s.d. X5 saja.

• Hasil analisis statistik deskriptif harap

dikumpulkan dalam 1 CD (untuk seluruh

tugas mahasiswa).

• Kumpulkan pada hari Rabu.

40