Upload
gde-ngurah-biw
View
10
Download
0
Embed Size (px)
DESCRIPTION
statistik
Citation preview
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