Statistika Deskriptif(1).docx

MAKALAH STATISTIKA DESKRIPTIF Untuk memenuhi salah satu tugas mata kuliah Statistika

Penulis: Reza Firdha Reiyana (16302244008) Zulkaisi Dwi Pangarso (16302244010)

JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM 2018

KATA PENGANTAR

Alhamdulillah, segala puji bagi Allah SWT yang telah memberikan kemudahan, kelancaran, serta kesehatan bagi kami penulis sehingga dapat menyelesaikan makalah “Statistika Deskriptif”Semoga dengan adanya makalah ini dapat membantu masyarakat pada umumnya dan proses belajar semua mahasiswa/mahasiswi khususnya yang sedang mempelajari atau mendalami materi statistika deskriptif supaya dapat membantu memahami statistika deskriptif dan membantu menyelesaikan penelitian dengan cepat dan tepat. Penulis ucapkan terima kasih atas dukungan, kritik serta saran dari teman-teman sehingga makalah ini dapat diselesaikan dengan baik. Penulis ucapkan terima kasih kepada dosen pengampu matak kuliah statistika karena berkat bimbingan, kritik, saran dan kepercayaan beliau kami bisa mendapatkan banyak dorongan dan pengalaman untuk membuat makalah ini. Mohon maaf jika makalah ini masih memiliki banyak kekurangan dalam penulisan, dan kami harapkan kritik serta saran dari pembaca.

Yogyakarta, September 2018

Penulis

i

DAFTAR ISI

KATA PENGATAR ......................................................................................................... i DAFTAR ISI ................................................................................................................... ii BAB I PENDAHULUAN .................................................................................................1 A. Latar Belakang ..................................................................................................... 1 B. Rumusan Masalah .................................................................................................2 C. Tujuan .................................................................................................................. 2 BAB II PEMBAHASAN ................................................................................................. 3 A. Statistika dalam Penelitian .................................................................................. 3 B. Statistika Deskriptif ............................................................................................. 4 C. Mengolah Data Statistik Deskriptif di SPSS ..................................................... 17 BAB III PENUTUP ....................................................................................................... 29 A. Kesimpulan ........................................................................................................ 29 B. Saran .................................................................................................................. 29 DAFTAR PUSTAKA .................................................................................................... 30

ii

BAB I PENDAHULUAN

A. Latar Belakang Dalam kehidupan sehari-hari, suatu data sangat diperlukan dalam berbagai bidang seperti pemerintahan, perusahaan, penelitian, pendidikan, dan lain-lain untuk

mengetahui

berapa

banyak

data

yang

diperoleh,

bagaimana

menginterpretasikannya, serta menganalisis masalah yang dihadapi, menyajikan, dan menginformasikannya. Untuk melakukan hal tersebut, ilmu statistika adalah jawaban untuk membantu semua hal tersebut. Statistika adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan dan pengolahan data, penarikan serta pembuatan keputusan yang cukup beralasan berdasarkan fakta(Partino, 2009:4). Berbeda dengan statistik, dalam KBBI menyatakan statistika adalah data berupa angka yang dikumpulkan, ditabulasi, digolong-golongkan sehingga dapat memberi informasi yang berarti mengenai suatu masalah atau gejala. Jadi, statistik adalah produk dari statistika. Ilmu yang berkenaan dengan data ini banyak digunakan dalam kehidupan sehari-hari. Dalam dunia pemerintahan, statistika digunakan untuk menganalisis hasil program kerja masa lalu dan juga untuk membuat program kerja baru. Dalam bidang ekonomi, sebuah perusahaan menggunakan statistika untuk melakukan tindakan-tindakan yang perlu dalam menjalankan tugasnya, seperti analisis kebutuhan jumlah pegawai baru, analisis kebutuhan dan keadaan mesin di pabrik, berapa produksi barang atau jasa yang dihasilkan dengan yang digunakan oleh konsumen, dan lain-lain. Dalam dunia pendidikan seperti sekolah, statistika digunakan untuk mengumpulkan data guru, data pegawai, data siswa, data sarana sekolah, mengolah data nilai siswa, dan sebagainya Statistika juga banyak digunakan dalam dunia ilmu alam seperti fisika, kimia, biologi, dan lain-lain. Eksperimen atau percobaan yang dilakukan pasti mendapatkan sebuah data yang nantinya harus dianalisis dan diolah sebelum menemukan nilai akhir yang dicari dengan bantuan ilmu statistika. Dunia penelitian atau riset di mana pun telah menganggap statistika harus digunakan dalam metode penelitian. Penelitian yang dilakukan di laboratorium, atau penelitian yang

1

dilakukan di lapangan, perlu diadakan penilaian dengan statistika. Untuk mahasiswa S1 biasanya diwajibkan untuk melaksanakan penelitian sebagai tugas akhir yang berbentuk skripsi. Biasanya dalam skripsi, ada instrumen penelitian yang harus divalidasi sebelum instrumen tersebut digunakan dalam penelitian, sekali lagi harus menggunakan statistika untuk melakukan hal tersebut. Dari semua hal yang telah disebutkan di atas, maka statistika harus dipahami oleh siapa pun dan apa pun bidang yang mereka minati. Mata kuliah statistika selalu ada di semua program studi karena memang statistika sangat bermanfaat dan membantu memahami dan mengkaji ilmu yang mereka dalami. B. Rumusan Masalah a.

Apa manfaat statistika dalam penelitian?

b.

Apakah yang dimaksud dengan statistika deskriptif?

c.

Apa saja cara untuk menyajikan data?

d.

Bagaimana cara menganalisis data menggunakan ukuran pemusatan data dan ukuran penyebaran data?

C. Tujuan a.

Memahami fungsi statistik dalam penelitian

b.

Mampu menyajikan data secara komunikatif

c.

Mampu menganalisis data menggunakan ukuran pemusatan data dan ukuran penyebaran data.

2

BAB II PEMBAHASAN

A. Statistika dalam Penelitian Penelitian adalah tindakan yang umumnya dilakukan oleh peneliti untuk menemukan jawaban dari sebuah permasalahan yang ia temui. Menurut Sugiyono(2015), penelitian dilakukan secara ilmiah sehinggal langkahlangkahnya sistematis. Supaya peneliti lebih terarah dalam melakukan penelitiannya sesuai lingkup permasalahan, peneliti harus berteori supaya bias mendapatkan kerangka pemikiran dan menjawab permasalahan. Jawaban terhadap permasalahan yang baru menggunakan teori tersebut dinamakan hipotesis(Sugiyono, 2015:18). Hipotesis juga sering disebut sebagai jawaban sementara karena jawaban tersebut masih berdasarkan teori. Setelah membuat hipotesis, peneliti harus melakukan pengumpulan data dari sampel yang mewakili sebuah populasi. Lalu, data dikumpulkan oleh peneliti dari sampel yang telah ditentukan tadi. Supaya pengumpulkan data bisa dilakukan dengan benar, maka harus didahului oleh penyusunan dan pengujian instrumen pengumpulan data yang akan digunakan(Sukmadinata, 2013:11). Instrumen penelitian yang digunakan harus valid dan reliabel. Valid artinya instrumen penelitian benar-benar tepat mengukur suatu aspek yang akan diukur, sedangkan reliabel artinya instrumen tersebut akan mengukur dan mendapatkan data yang sama sekalipun diukur berulang kali. Instrumen penelitian yang valid dan reliabel akan menghasilkan data yang valid dan reliabel pula. Statistika akan membantu menguji validitas dan reliabilitas instrumen. Data yang didapatkan selanjutnya akan dideskripsikan melalui penyajian data, supaya mudah dipahami oleh si peneliti sendiri maupun orang lain. Statistika yang akan digunakan untuk penyajian data adalah statistika deskriptif. Setelah itu, data dianalisis untuk menjawab rumusan masalah dan menguji hipotesis. Untuk menguji hipotesis, maka akan memerlukan ilmu statistika khusus untuk teknik menguji hipotesis. Setelah analisis dilakukan, peneliti melakukan pembahasan hasil analisis penelitiannya dengan menggunakan berbagai sumber referensi yang ada supaya lebih mudah diyakini oleh semua orang. Setelah itu, diambil

3

kesimpulan dari penelitian yang merupakan jawaban dari masalah yang telah diteliti dan saran-saran dari hasil penelitiannya. Berdasarkan pembahasan tadi, statistika sangat penting sekali dalam penelitian, yaitu penghitung jumlah sampel yang diambil untuk diteliti, menguji validitas dan reliabilitas instrumen, alat untuk menganalisis data yang sudah diambil, dan menyajikan data hasil penelitian. B. Statistika Deskriptif Statistika deskriptif adalah statistika yang digunakan untuk memberikan gambaran atau deskripsi tentang suatu hal. Jadi, statistika ini berfungsi untuk memberikan gambaran pada orang lain terhadap obyek atau sampel yang telah diteliti dan menyajikan data secara komunikatif. Sebagai bandingan, ada satu jenis lagi yaitu statistika interferensi, yaitu statistika yang digunakan untuk pengambilan kesimpulan (Partino, 2009:5). Statistika interferensi akan menggeneralisasikan sampel yang telah diteliti dengan populasi. Jadi, perbedaannya adalah tidak adanya penarikan kesimpulan umum pada sampel untuk statistika deskripsi. Pada statistika deskriptif ini akan menjelaskan teknik penyajian data, ukuran pemusatan data, dan ukuran penyebaran data. a.

Penyajian Data Data dari hasil penelitian dapat disajikan atau ditampilkan dalam berbagai macam bentuk. Cara penyajiannya bisa berbentuk tabel, tabel distribusi frekuensi, atau berbagai jenis diagram. 1.

Tabel Biasanya tabel terdiri dari kolom(vertikal) dan baris(horizontal). Jumlah baris dan kolom bisa disesuaikan dengan kebutuhan. Contohnya tabel 2 x 2 adalah tabel yang terdiri dua baris dan dua kolom, atau tabel 2 x 3 terdiri dari 2 kolom dan 3 baris. Gabungan dari satu kolom dan satu sel adalah sel. Berikut contoh tabel.

4

2.

Tabel Distribusi Frekuensi Tabel distribusi frekuensi digunakan jika data yang akan ditampilkan sangat banyak sekali, karena jika menggunakan tabel bisa maka tidak efisien dan kurang komunikatif atau akan sulit untuk membacanya. Berikut contoh tabel distribusi frekuensi. No 1 2 3 4 5

Kelas Interval 10-19 20-29 30-39 40-49 50-59

Jumlah 1 6 9 31 42

5

6 7 8

60-69 70-79 80-89

32 17 10

9

90-100 JUMLAH

2 150

Biasanya, tabel seperti ini mempunyai sejumlah kelas, pada contoh tersebut jumlah kelasnya ada 9, dari no 1 sampai 9. Setiap kelas mempunyai kelas interval, yaitu batas atas(nilai tertinggi) dan batas bawah(nilai terendah) dari kelas tersebut. Selisih antara batas atas dan batas bawah disebut panjang kelas. Setiap kelas juga memiliki frekuensi atau jumlah. Contoh pada kelas ke-5 memilik 42 kelas.

Ada beberapa langkah dalam membuat tabel distribusi frekuensi dengan contoh data nilai mahasiswa yang ada di atas, yaitu: 1) Menentukan jumlah kelas interval Untuk menentukan jumlah kelas interval dengan mudah, cukup menggunakan rumus Sturges: K = 1 + 3,3 log n dengan: K

= jumlah kelas interval

6

n

= jumlah data

Misalkan jumlah data pada tabel diatas adalah 150, maka jumlah kelas intervalnya adalah K = 1 + 3,3log(150) = 8,19. Berdasarkan hasil perhitungan, jumlah kelas interval bisa 8 atau 9, kita ambil contoh 9 saja. 2) Menghitung rentang data Data terbesar pada kumpulan data di atas dikurangi oleh data terkecilnya lalu ditambah 1. Pada data tersebut hasilnya adalah 93 13 + 1 = 81 3) Menentukan panjang kelas Panjang kelas ditentukan dengan cara menghitunga rentang data dibagi dengan jumlah kelas. Pada data di atas, hasilnya adalah 81 : 9 = 9. Walaupun hasilnya 9, tapi pada panjang kelas yang digunakan adalah 10, suoaya lebih mudah dipahami daripada dengan panjang kelas 9. 4) Menyusun interval kelas Pada data di atas, angka terkecil adalah 13. Tapi, pada penyususn interval kelas akan dimulai dari angka 10 supaya lebih komunikatif. Lalu, masukan data diatas ke dalam kelas yang sesuai sehingga hasilnya seperti pada tabel berikut. No 1 2 3 4 5 6 7 8 9

3.

Kelas Interval 10-19 20-29 30-39 40-49 50-59 60-69 70-79 80-89 90-100 JUMLAH

Jumlah 1 6 9 31 42 32 17 10 2 150

Diagram

7

Dengan diagram, penyajian data akan terlihat menari secara visual dibandingkan dengan tabel. Ada beberapa jenis diagram, seperti diagram batang, diagram garis, dan diagram lingkaran. 1) Diagram batang Sering disebut juga seabgai grafik histogram. Diagram ini terdiri dari beberapa data yang divisualisasikan menjadi batang berbentuk persegi tinggi x lebar yang memiliki lebar yang sama dan variasi pada tinggi untuk menyatakan nilai data tersebut. Berikut contoh diagram batang.

2) Diagram garis Merupakan diagram yang divisualisasikan dengan beberapa titik antara data yang dihubungkan oleh garis. Diagram ini biasanya

8

cocok digunakan untuk menjelaskan perkembangan suatu data terhadap waktu yang telah dilalui. Berikut contoh diagram garis.

3) Diagram lingkaran Diagram lingkaran atau pie chart merupakan salah satu alternatif lain selain kedua diagram di atas. Dengan jenis diagram ini maka akan kelihatan perbandingan data dari berbagai kelompok sehingga sangat komunikatif. Berikut contoh diagram lingkaran.

9

b. Pengukuran gejala pusat (Central Tendency) Istilah gejala pusat (Central Tendency) digunakan untuk menggambarkan nilai atau ukuran yang mendekati titik konsentrasi seperangkat data hasil pengukuran. Ukuran gejala pusat seirng digunakan untuk menunjukan gambaran umum suatu fenomena. 1. Macam-macam Ukuran Gejala Pusat a) Modus Pada data distribusi tunggal, modus merupakan nilai variabel yang mempunyai frekuensi terbanyak dalam suatu distribusi. Sedangkan dalam distribusi bergolong, modus merupakan titik tengah interval nilai yang mempunyai frekuensi tertinggi dalam distribusi. Modus sering digunakan sebagai salah 10

satu pertimbangan dalam pengambilan keputusan di perusahaanperusahaan atau dunia bisnis (Partino,2009). Contoh modus pada data distribusi tunggal : Nilai (X)

Frekuensi (f)

4

26

3

31

2

23

1

7

0

3

Jumlah

90

Tabel diatas menggambarkan bahwa frekuensi yang paling banyak dalam distribusi tunggal diatas adalah 31 yang dimiliki oleh nilai 3. Maka, dapat dikatakan bahwa modus pada data diatas adalah nilai 3. Contoh modus pada data distribusi bergolong : Interval kelas

Titik Tengah (X)

Frekuensi (f)

45-49

47

6

40-44

42

10

35-39

37

12

30-34

32

17

25-29

27

14

20-24

22

9

15-19

17

6

10-14

12

6

Jumlah

80

Untuk menghitung modus pada data frekuensi bergolong, menggunakan rumus berikut: 𝒃𝟏 𝑴𝒐 = 𝒃 + ( ).𝒊 𝒃𝟏 + 𝒃𝟐 Ket :

11

Mo

= Modus Data Kelompok

𝑏

= Batas kelas interval dengan frekuensi terbanyak

𝑏1

= frekuensi pada kelas modus, dikurangi frekuensi kelas interval terdekat sebelumnya

𝑏1

= frekuensi pada kelas modus, dikurangi frekuensi kelas interval terdekat berikutnya

𝑓𝑑

= frekuensi kelas median

i

= interval kelas median

b) Median Median merupakan sebuah nilai data yang berada ditengahtengah dari rangkaian data yang telah diurutkan dari yang terkecil sampai yang terbesar, atau sebaliknya dari yang terbesar sampai yang terkecil. Jika terdapat data yang berjumlah ganjil, median sudah dapat ditentukan yaitu data yang terdapat ditengah tengah setelah data tersebut disusun secara berurutan. Perhatikan data berikut 12, 7, 20, 8, 14, 16, 19, 8, 10 Data tersebut disusun dari yang terkecil ke yang terbesar seperti berikut: 7, 8, 8, 10, 12, 14, 16, 19, 20 Data diatas berjumlah 9, maka dapat langsung ditentukan bahwa median merupakan yang berada di tengah-tengah yaitu nilai 12. Namun apabila datanya berjumlah genap, tentu median tidak dapat langsung ditentukan karena tidak memiliki nilai tunggal di tengah-tengah. Maka untuk menentukannya adalah dengan menjumlahkan dua data yang berada di tengah-tengah kemudian dibagi dua. Perhatikan data berikut: 12, 7, 20, 8, 14, 16, 19, 8, 10, 6 Data tersebut disusun dari yang terkecil ke yang terbesar seperti berikut: 6, 7, 8, 8, 10, 12, 14, 16, 19, 20

12

Data diatas berjumlah 10, maka dapat diselesaikan sebagai berikut: (10+12) : 2 = 22 :2 = 11. Jadi mediannya adalah 11. Contoh diatas merupakan data dengan jumlah sedikit, sehingga tidak menjadi kendala dalam menghitung median. Berbeda dengan data yang banyak dan rentang nilai yang besar. Data dengan jumlah banyak dan rentang yang besar perlu dikelompokkan dengan tujuan yakni menjadi tabel distribusi frekuensi bergolong. Sehingga memudahkan dalam menghitung median. Untuk menghitungnya dalam distribusi frekuensi bergolong menggunakan rumus berikut: 𝑵 − 𝒇𝒌𝒃 𝑴𝒆 = 𝑩𝒃 + ( 𝟐 ).𝒊 𝒇𝒅 Ket : Med

= Median Data Kelompok

𝐵𝑏

= Tepi Bawah Kelas Median

N

= Jumlah frekuensi

fkb

= frekuensi komulatif di atas kelas median

𝑓𝑑

= frekuensi kelas median

i

= interval kelas median

c) Rata-rata Hitung (Mean) Nilai rata-rata hitung (mean) adalah total dari semua data yang diperoleh dari jumlah seluruh nilai data dibagi dengan jumlah frekuensi yang ada. Rumus untuk mean adalah sebagai berikut: 𝑋̅ =

Ket:

∑𝑓𝑖 𝑋𝑖 𝑓1 𝑋1 + 𝑓2 𝑋2 + ⋯ 𝑓𝑘 𝑋𝑘 =( ) 𝑁 𝑓1 + 𝑓2 + … 𝑓𝑘

𝑋̅= mean f = frekuensi X = titik tengah N = jumlah data Untuk mencari mean berupa data tunggal dapat dengan menyusunnya dalam bentuk tabel dan mencari ∑𝑓𝑖 𝑋𝑖 𝑑𝑎𝑛 𝑁 nya.

13

Sedangkan untuk mencari mean dengan data berupa data bergolong, maka terlebih dahulu harus ditemukan titik tengah (X) dari masing-masing rentang. Cara menghitung titik tengah (X) adalah jumlah batas bawah dan batas atas tiap interval nilai dibagi dua. Kemudian mencari ∑𝑓𝑖 𝑋𝑖 𝑑𝑎𝑛 𝑁 dan akan didapatkan nilai meannya (Partino, 2009). d) Kuartil Pada prinsipnya, pengertian kuartil sama dengan median. Perbedaanya hanya terletak pada banyaknya pembagian kelompok data. Median membagi kelompok atas dua bagian, sedangkan kuartil membagi kelompok atas 4 bagian yang sama besar, sehingga akan terdapat 3 kuartil yaitu kuartil ke-1, kuartil ke-2 dan kuartil ke-3. Cara menghitung kuartil 1, 2, dan 3 data tunggal adalah dengan mengurutkan semua data dari yang terkecil ke yang terbesar.

𝑲𝟏 = 𝑲𝟐 =

𝟏 𝟒 𝟐 𝟒

(𝑵 + 𝟏) pada data ke . . . (𝑵 + 𝟏) pada data ke . . .

(dimana kuartil ke2 sama dengan median)

𝑲𝟑 =

𝟑 𝟒

(𝑵 + 𝟏) pada data ke . . .

Sedangkan untuk menghitung kuartil data kelompok sedikit berbeda dengan data tunggal, namun memiliki prinsip yang sama seperti menghitung median, yaitu sebagai berikut 𝑵 − 𝒇𝒌𝒃 𝑲𝟏 = 𝑩𝒃 + ( 𝟒 ).𝒊 𝒇𝒅 𝟐𝑵 − 𝒇𝒌𝒃 𝟒 𝑲𝟐 = 𝑩𝒃 + ( ).𝒊 𝒇𝒅

14

𝟑𝑵 − 𝒇𝒌𝒃 𝟒 𝑲𝟑 = 𝑩𝒃 + ( ).𝒊 𝒇𝒅 e) Desil Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi sepuluh bagian yang sama besar. Dalam menghitung desil, data harus diurutkan terlebih dahulu dari data yang terkecil ke data yang lebih besar. Untuk data tunggal menggunakan rumus sebagai berikut

𝑫𝒊 =

𝒊 (𝑵 + 𝟏) 𝟏𝟎

Sedangkan untuk distribusi data berkelompok berbeda dengan data tunggal. Untuk itu rumus dalam mencari desil pada distribusi data berkelompok adalah sebagai berikut. 𝒊𝑵 − 𝒇𝒌𝒃 𝑫𝒊 = 𝑩𝒃 + (𝟏𝟎 ) .𝑰 𝒇𝒅

f) Persentil Persentil adalah ukuran letak yang membagi suatu distribusi menjadi 100 bagian yang sama besar. Untuk distribusi data tunggal, dalam menentukan persentil sebagai berikut.

𝑷𝒊 =

𝒊 (𝑵 + 𝟏) 𝟏𝟎𝟎

Sedangkan untuk distribusi data berkelompok, menentukan persentil menggunakan rumus yang berbeda, yaitu sebagai berikut.

𝒊𝑵 − 𝒇𝒌𝒃 𝑷𝒊 = 𝑩𝒃 + (𝟏𝟎𝟎 ).𝒊 𝒇𝒅

15

Ket Kuartil, Desil, Persentel : 𝑄𝑖

= Quartil ke-i

𝐷𝑖

= Desil ke-i

𝑃𝑖

= Persentil ke-i

𝐵𝑏

= tepi bawah kelas kuartil, desil, persentil

𝑁

= Jumlah frekuensi

𝑓𝑘𝑏

= frekuensi komulatif dari atas pada kelas sebelum

𝑄𝑖 /𝐷𝑖 /𝑃𝑖 f

= frekuensi kelas kuartil, desil, persentil

i

= interval elas kuartil, desil, persentil

c. Pengukuran Variabilitas 1. Rentang dan Rentang Antar Kuartil Ukuran variasi yang paling sederhana adalah rentang (range). Istilah rentang dappat dibatasi sebagai jarak antara nilai atau skor tertinggi dan nilai terendah pada seperangkat data. Rumusnya adalah sebagai berikut: 𝑅 = 𝑋𝑡 − 𝑋𝑟 Keterangan: R = rentang 𝑋𝑡 = nilai tertinggi 𝑋𝑟 = nilai terendah Sedangkan untuk menghitung Rentang Antar Kuartil (RAK) adalah sebagai berikut: 𝑅𝐴𝐾 = 𝐾3 − 𝐾1 Keterangan: RAK = rentang antar kuartil 𝐾3

= kuartil ketiga

𝐾1

= kuartil pertama

2. Rata-rata simpangan

16

Rata-rata simpangan sering disebut sebagai Mean Deviasi (average deviation). Rata-rata simpangan diambil dari nilai-nilai variabel yang absolute atau mutlak. Dengan demikian simpangan yang bersifat negatif dipandang sebagai bernilai positif. Jadi, semua nilai yang dihasilkan akan berbentuk positif. Rumus yang digunakan untuk menghitung mean deviasi (MD) adalah sebagai berikut: 𝑀𝐷 =

Σf |𝑥| 𝑁

Keterangan: 𝑀𝐷

= Mean Deviasi

Σf |𝑥| = Jumlah deviasi dalam harga mutlaknya 𝑁

= Jumlah individu

Langkah-langkah untuk menghitung MD adalah sebagai berikut: a) Menghitung nilai rata-rata (Mean) b) Mengisi kolom simpangan baku, yakni |𝑥| = 𝑋 − 𝑋̅ c) Mengalikan |𝑥| dengan frekuensi d) Jumlah kan hasil kali f |𝑥| sehingga menjadi Σ𝑓|𝑥| e) Masukkan dalam rumus MD. 3. Standard Deviasi Standar Deviasi

(Deviation Standard) disingkat SD atau

simpangan baku merupakan ukuran simpangan yang paling banyak digunakan dalam statistika. Kuadrat Standar Deviasi disebut varians (variance). Cara menghitung deviasi menggunakan rumus berikut. 𝑁Σ𝑓𝑋 2 − (Σ𝑓𝑋)2 𝑆𝐷 = √ 𝑁(𝑁 − 1)

4. Varians Varians (variance) adalah kuadrat standar deviasi. Rumus yang digunakan sama dengan menghitung standar deviasi, perbedaannya terletak pada komponen dasar. Pada standar deviasi digunakan akar kuadrat, sedangkan pada varians tanpa akar kuadrat. 17

𝑉 = 𝑆𝐷2 =

𝑁Σ𝑓𝑋 2 − (Σ𝑓𝑋)2 𝑁(𝑁 − 1)

C. Mengolah Data Statistik Deskriptif di SPSS Biasanya, data yang diolah dalam statistika sangat banyak sekali. Sekalipun kita bisa mengolah data tersebut, namun akan memakan waktu yang sangat lama sehingga tidak efisien. Oleh karena itu, dengan bantuan aplikasi seperti SPSS, mengolah data akan lebih cepat dan tidak memakan waktu yang lama. a. Descriptives 1) Buatlah 50 buah di Data View seperti contoh di bawah

18

2) Setelah itu, klik Variable View disamping DataView. Disana kita bisa mengedit variabel datanya seperti name, type, decimals, measure, dan sebagainya.

3) Lalu pilih Analyze > Descriptive Statistic > Dercriptives

19

4) Pindahkan Data [data] ke Variabel(s) di sebelah kanan dengan klik panah yang mengarah ke kanan, lalu klik options

5) Setelah muncul klik Options, maka akan muncul pilihan untuk menganalisis data, seperti mean, std. deviation, range, dan lain-lain. Lalu klik Continue kalau sudah selesai

20

6) Lalu klik OK pada dialog Descriptives, setelah itu muncul Output atau hasil analisisnya pada window baru.

b. Frequency 1) Dengan menggunakan data yang sudah ada, klik Transform > Recode into Different Variables

21

2) Masukan Data [data] ke kolom sebelah kanan dengan klik panah yang mengarah ke kanan

22

3) Isilah Name dan Label pada dialog paling kanan, disini akan diisi Name = intData dan Label = Interval. Lalu klik Change

23

4) Lalu klik Old and New Values. Di sana, isilah batas bawah dan batas atas pada range sesuai pada datanya dan value(angka 1, 2, 3, …), lalu klik Add.

5) Ulangi langkah diatas untuk kelas interval yang lainnya, lalu klik Continue > Ok

6) Lalu, pindah ke variabel view, lalu klik None pada Value milik intData, maka akan muncul (…) dan klik (…)

24

7) Isilah Value dan Label sesuai dengan yang diisi di Record into Different Variables, lalu Add. Setelah terisi semua, klik OK.

7) Setelah interval sudah jadi, klik Analyze > Descriptive Statistic > Dercriptives

25

8) Masukan Interval[intData] ke kolom Variable(s)

26

9) Lalu, klik Statistics. Di sana kita bisa pilih jenis analisis data yang akan kita pilih. Kalau sudah, klik OK

10) Untuk memilih jenis penyajian data, klik Chart. Maka akan muncul pilihan chart yang diinginkan. Lalu klik continue.

11) Setelah itu, klik OK. Maka akan muncul outputnya pada window baru.

27

28

BAB III PENUTUP

A.

Kesimpulan Penelitian adalah tindakan yang umumnya dilakukan oleh peneliti untuk menemukan jawaban dari sebuah permasalahan yang ia temui. Statistika sangat membantu dalam penelitian untuk menghitung jumlah sampel yang diambil untuk diteliti, menguji validitas dan reliabilitas instrumen, alat untuk menganalisis data yang sudah diambil, dan menyajikan data hasil penelitian. Statistika deskriptif adalah salah satu bagian dari ilmu statistika yang digunakan untuk memberikan gambaran atau deskripsi tentang suatu hal. Statistika deskriptif menjelaskan teknik penyajian data, ukuran pemusatan data, dan ukuran penyebaran data. Penyajian data adalah cara untuk menyajikan data dari hasil penelitian dalam berbagai macam bentuk. Cara penyajiannya bisa berbentuk tabel, tabel distribusi frekuensi, atau berbagai jenis diagram. Pengukuran gejala pusat (Central Tendency) digunakan untuk menggambarkan nilai atau ukuran yang mendekati titik konsentrasi seperangkat data hasil pengukuran. Ukuran penyebaran data merupakan ukuran yang menunjukkan seberapa jauh data menyebar dari rata-rata. Dalam efisiensi waktu pengolahan data, SPSS digunakan supaya menjadi lebih efisien ketika melakukan pengolahan data.

B.

Saran Perhitungan secara manual tentunya juga diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan. Untuk itu, gunakan SPSS sebagai cara untuk membandingkan hasil keakuratan antara analisis manual dengan analisis di SPSS.

29

DAFTAR PUSTAKA

Partino, dan Idrus M.. (2009). Statistik Deskriptif. Yogyakarta: Safiria Insania Press. Sugiyono. (2009). Statistik untuk Penelitian. Bandung: Alfabeta. Sukmadinata, Nana Syaodih. (2009). Metode Penelitian Pendidikan. Bandung: Rosda.

30