LECTURE NOTES

Introduction to Statistical
Programming

Week 2
Descriptive Statistics

Introduction to Statistical Programming

 LEARNING OUTCOMES

1. Peserta diharapkan mampu menjelaskan konsep dasar statistik deskriptif dan inferensial.

2. Peserta diharapkan mampu menghitung pengukuran statistik yang berkaitan dengan

statistik deskriptif dan inferensial

3. Peserta diharapkan mampu menggunakan SPSS dan SmartPLS untuk melakukan analisis
statistik

4. Peserta diharapkan mampu menginterpretasikan hasil output analisis statistik

OUTLINE MATERI (Sub-Topic):

1. Statistik Deskriptif

2. Jenis Distribusi Frekuensi

3. Ukuran Pemusatan Data Berkelompok

Introduction to Statistical Programming

 ISI MATERI

A. Statistika Deskriptif
Distribusi Frekuensi yaitu pengelompokan data ke dalam beberapa kelompok (kelas)
dan kemudian dihitung banyaknya data yang masuk kedalam tiap kelas.
1. Distribusi Frekuensi Kualitatif
Tabel 1 50 orang pembeli Komputer
Toshiba Samsung Samsung Toshiba Toshiba
Samsung Samsung Hp Dell HP
Apple Apple Toshiba Apple Samsung
Hp Samsung Samsung Toshiba Hp
Dell Apple Apple Hp Samsung
Toshiba Apple Apple Hp Hp
Apple Apple Samsung Dell Samsung
Hp Toshiba Dell Samsung Aple
Hp Toshiba Hp Samsung Hp
Dell Apple Toshiba Apple Aple
Sumber : (Supranto, 2016)

Data pada tabel 1 merupakan data kualitatif 50 orang paembeli komputer dari
lima jenis perusahaan komputer. Dari data tersebut kesulitan untuk mengetahui
dengan cepat, jenis komputer, mana yang paling banyak diminati pembeli.
Untuk itu perlu disajikan dalam distribusi frekuensi.

Tabel 2 Dsitribusi Frekuensi Pembelian Komputer dari 5 merk

Merk Laptop Frekuensi
Apple 13
Samsung 12
Dell 5
Toshiba 9
Hp 11
Jumlah 50
Sumber: (Supranto, 2016)

Tabel 2 menyajikan hasil distribusi frekuensi yang dilakukan. Dari

tampilan tabel 2 dapat diketahui dengan cepat bahwa Apple merupakan
jenis komputer yang paling banyak peminatnya.

Introduction to Statistical Programming

2. Distribusi Frekuensi data kuantitatif
Ada tiga hal yang perlu di perhatikan dalam menentukan kelas bagi distribusi
frekuensi untuk data kuantitatif, yaitu jumlah kelas, lebar kelas dan batas kelas.
a. Jumlah kelas
Jumlah kelas sebaiknya antara 7 dan 15 . Rumus untuk menentukan
banyaknyakelas sebagai berikut :
k = 1 + 3,322 log n
dimana k = banyak nya kelas
n = banyaknya nilai observasi

Rumus tersebut diberi nama Kriterium Sturge dan merupakan suatu

perkiraan tentang banyaknya kelas. Misalnya, data dengan n = 100, maka
banyaknya kelas kadalah sebagi berikut :
k = 1 + 3,322 log 100
= 1 + 3, 322 (2)
= 7,644
Jadi, banyaknya kelas sebaiknya 7

b. Interval Kelas
Disarankan interval atau lebar kelas adalah sama untuk setiap kelas. Untuk
menentukan besarnya kelas (panjang interval) digunakan rumus :
c = Xn – X1
k
Dimana : c = perkiraan besarnya (class width, class size, class length)
k = banyaknya kelas

Xn = Nilai observasi terbesar X1 = Nilai observasi terkecil

Introduction to Statistical Programming

75 86 66 86 50 78 66 79 68 60
80 83 87 79 80 77 81 92 57 52
58 82 73 95 66 60 84 80 79 63
80 88 58 84 96 87 72 65 79 80
86 68 76 41 80 40 63 90 83 94
76 66 74 76 68 82 59 75 35 34
65 63 85 87 79 77 76 74 76 78
75 60 96 74 73 87 52 98 88 64
76 69 60 74 72 76 57 64 67 58
72 80 72 56 73 82 78 45 75 56

• Jumlah kelas
k = 1 + 3,322 log 100
= 1 + 3, 322 (2)
= 7,644
Jadi, banyaknya kelas sebaiknya 7

• interval kelas c = 98 – 34 = c = 9,14 (9)

7

c. Menentukan Batas Kelas (Class Limits)

Batas Kelas adalah nilai-nilai terluar (terendah) atau tertinggi dari suatu kelas.
Langkah pertama dalam pembentukan kelas adalah menentukan batas-batas
kelas dari kelas terbawah (kelas pertama). Kelas-kelas yang akan kita buat
dalam distribusi frekuensi tersebut harus memuat seluruh data observasi yaitu
nilai observasi terendah akan masuk dalam kelas pertama dan nilai tertinggi
dari observasi tersebut akan masuk dalam kelas terakhir dari distribusi
frekuensi
Kelas ke Batas Kelas Modal (Jumlah Rp) Frekuensi
1 30 – 39 2
2 40 – 49 3
3 50 – 59 11
4 60 – 69 20

Introduction to Statistical Programming

 5 70 – 79 32
6 80 – 89 25
7 90 – 99 7

Pembatas-pembatas Kelas (Class Boundaries)

Pembatas-pembatas kelas adalah nilai nilai khusus sepanjang sebuah skala
pengukuran yang memisahkan dua kelas yang berdampingan.
Tbk = bbk – 0,5 (skala terkecil) Tak = bak + 0,5 (skala terkecil)

Tbk = Tepi batas kelas

Bbk = batas bawah kelas
Tak = Tepi atas kelas
Bak = Batas atas kelas
Kelas ke Batas Kelas Modal (Jumlah Rp) Pembatas-pembatas kelas
1 30 – 39 29,5 – 39,5
2 40 – 49 39,5 – 49,9
3 50 – 59 49,5 – 59,5
4 60 – 69 59,5 – 69,5
5 70 – 79 69,5 – 79,5
6 80 – 89 79,5 – 89,5
7 90 – 99 89,5 – 99,5

B. Jenis Distribusi Frekuensi

1. Distribusi Frekuensi Kumulatif
Adalah suatu daftar yang memuat frekuensi-frekuensi kumulatif, jika ingin
mengetahui banyaknya observasi yang ada diatas atau dibawah suatu nilai tertentu
2. Distribusi Frekuensi Relatif
Adalah perbandingan daripada frekuensi masing-masing kelas dan jumlah frekuensi
seluruhnya dan dinyatakan dalam persen.
3. Distribusi Frekuensi komulatif kurang dari (dari atas) adalah suatu total
frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah kelas pada masing-
masing interval kelasnya

Introduction to Statistical Programming

 4. Distribusi Frekuensi komulatif lebih dari (dari bawah) adalah suatu total
frekuensi dari semua nilai-nilai yang lebih besar dari tepi bawah kelas pada masing-
masing interval kelasnya

C. Ukuran Pemusatan Data Berkelompok

Rata-rata hitung
Rumusnya : x = ∑fiMi
∑ fi
f = frekuensi
m = titik tengah
contoh :
Berat badan 100 orang mahasiswa Fakultas Ekonomi Universitas tahun 2013
disajikan dalam tabel berikut :
Berat Badan (kg) Banyaknya
Mahasiswa (f)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 – 74 8
Sumber : (Supranto, 2016)
Hitunglah rata-rata perkiraan berat per mahasiswa.
Berat Badan (kg) M f Mf
60 - 62 61 5 305
63 - 65 64 18 1.152
66 - 68 67 42 2.814
69 - 71 70 27 1.890
72 - 74 73 8 584
Jumlah ∑f = 100 ∑Mf = 6.745
Sumber : (Supranto, 2016)
M1 = 60 + 62 = 61, ......, M5 = 72 + 74 = 73
2 2
x = ∑fiMi
∑ fi
= 6.745

Introduction to Statistical Programming

D. Statistika Deskriptif dengan SPSS
1. Frequencies
Menu ini membahas beberapa penjabaran ukuran statistic deskriptif seperti Mean,
Median, Kuartil, Persentil, Standar Deviasi dan lainnya.

Output

Introduction to Statistical Programming

 SIMPULAN
Dari materi ini kita bisa memahami bahwa Statistik deskriptif merupakan bidang ilmu
statistika yang mempelajari cara-cara pengumpulan, penyusunan, dan penyajian data suatu
penelitian. Statistik deskriptif adalah bagian dari ilmu statistik yang meringkas, menyajikan
dan mendeskripsikan data dalam bentuk yang mudah dibaca sehingga memberikan informasi
tersebut lebih lengkap. Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena,
dengan kata lain hanya melihat gambaran secara umum dari data yang didapatkan. Statistika
deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu
data sehingga memberikan informasi yang berguna (Walpole, 1995). Statistik deskriptif
berfungsi untuk mendeskripsikan atau memberi gambaran terhadap objek yang diteliti
melalui data sampel atau populasi (Sugiyono, 2007). Data yang disajikan dalam statistik
deskriptif biasanya dalam bentuk ukuran pemusatan data (Kuswanto, 2012). Salah satu
ukuran pemusatan data yang biasa digunakan adalah mean (Fauzy, 2009). Selain dalam
bentuk ukuran pemusatan data juga dapat disajikan dalam bentuk salah satunya adalah
diagram pareto dan tabel.

Introduction to Statistical Programming

 DAFTAR PUSTAKA

1. Hayter, Anthony.J, (2012), Probabilty and Statistics for Engineers and Scientiest 4th
edition,Cengage Learning, Chapter 1
2. http://www.mysmu.edu/faculty/zlyang/STAT151-10/LectureMat.htm

Introduction to Statistical Programming