artikel statistik deskriptif

QUIZ STATISTIK DESKRIPTIF

halaman 1

Statistika deskriptif

Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang 

gugus induknya yang lebih besar.Contoh statistika deskriptif yang sering muncul adalah, tabel, diagram, grafik, dan besaran-besaran lain di majalah dan koran-koran.

Dengan Statistika deskriptif, 

kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang dapat diperoleh

dari statistika deskriptif ini antara lain ukuran pemutusan data,ukuran penyebar data , serta kecenderungan suatu gugus data.

Statistika adalah ilmu yang mempelajari bagaimana merencanakan mengumpulkan menganalisis menginterpretasi dan mempresentasikan data.

Statistika merupakan ilmu yg berkenaan dgn data sedang statistik adl data informasi atau hasil penerapan algoritma statistika pada suatu data. 

Beberapa istilah statistika antara lain: populasi sampel unit sampel dan probabilitas.

Ada dua macam statistika yaitu statistika deskriptif dan statistika inferensial.

Statistika deskriptif berkenaan dgn deskripsi data misal dari menghitung rata-rata dan varians dari data mentah; 

mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lbh mudah “dibaca” dan lbh bermakna. 

Sedangkan statistika inferensial lbh dari itu misal melakukan pengujian hipotesis melakukan prediksi observasi masa depan atau membuat model regresi.

Statistika deskriptif berkenaan dgn bagaimana data dapat digambarkan dideskripsikan) atau disimpulkan baik secara numerik

(misal menghitung rata-rata dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik) utk mendapatkan gambaran 

sekilas mengenai data tersebut sehingga lbh mudah dibaca dan bermakna.

halaman 2

Artikel Statistik Deskriptif

 

JENIS JENIS STATISTIK

Ada berbagai macam jenis statistika, dimana jenis statistika ini dapat digolongkan berdasarkan orientasi pembahasannya maupun berdasarkan tujuan analisisnya. Seringkali para peneliti ataupun praktisi statistika (khususnya yAng tidak memahami statistika secara mendalam) sering salah mendefinisikan jenis statistika yang sedang mereka gunakan. Contohnya saja sering kita temui para peneliti ataupun praktisi statistik yang menggolongkan statistika yang mereka pakai adalah ststistika deskriptif inferensial. Padahal jika kita tinjau dari definisinya, jelas penamaan  ststistika deskriptif inferensial ini tidak sesuai dengan definisi masing-masing jenis statistika (statistika deskriptif dan statistika inferensial) itu sendiri.

Untuk itu dibawah ini saya akan menjelaskan pengertian jenis-jenis statistika yang benar beserta definisinya.

.

Berdasarkan orientasi pembahasannya maka statistika dibedakan menjadi:

1. Statistika Matematik (mathematical statistic)
   Statistika matematik atau lebih dikenal dengan statistika teoritis yang lebih berorientasi pada pemahaman model dan teknik-teknik statistika secara matematis-teoriti.
2. Statistika Terapan (applied statistic)
   Statistika terapan lebih menekankan pembahasannya pada pemahaman intuitif atas konsep dan teknik-teknik statistika serta penggunaannya pada berbagai bidang ilmu.

halaman  3

Statistika adl ilmu yg mempelajari bagaimana merencanakan mengumpulkan menganalisis menginterpretasi dan mempresentasikan data. Statistika merupakan ilmu yg berkenaan dgn data sedang statistik adl data informasi atau hasil penerapan algoritma statistika pada suatu data. Beberapa istilah statistika antara lain: populasi sampel unit sampel dan probabilitas.

Ada dua macam statistika yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif berkenaan dgn deskripsi data misal dari menghitung rata-rata dan varians dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lbh mudah “dibaca” dan lbh bermakna. Sedangkan statistika inferensial lbh dari itu misal melakukan pengujian hipotesis melakukan prediksi observasi masa depan atau membuat model regresi.

Statistika deskriptif berkenaan dgn bagaimana data dapat digambarkan dideskripsikan) atau disimpulkan baik secara numerik (misal menghitung rata-rata dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik) utk mendapatkan gambaran sekilas mengenai data tersebut sehingga lbh mudah dibaca dan bermakna.

Statistika inferensial berkenaan dgn permodelan data dan melakukan pengambilan keputusan berdasarkan analisis data misal melakukan pengujian hipotesis melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi) membuat permodelan hubungan (korelasi regresi ANOVA deret waktu) dan sebagainya.

halaman 4

Pengertian Statistik Deskriptif, Tabel, dan Grafik

Statistik deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna (Walpole, 1995).

Tabel merupakan kumpulan angka-angka yang disusun menurut kategori-kategori tertentu sehingga memudahkan pembuatan analisis data (Supranto, 2000). Penyajian dengan tabel bisa memberikan angka-angka yang lebih teliti baik berupa hubungan satu arah, dua arah, ataupun lebih.

Grafik merupakan gambar-gambar yang menunjukkan data berupa angka secara visual (mungkin juga dengan simbol-simbol) serta biasanya berasal dari tabeltabel yang telah dibuat (Supranto, 2000). Walaupun angka-angka yang disajikan melalui grafik kurang teliti dibandingkan dengan tabel, namun grafik dapat membantu penulis untuk mengambil kesimpulan yang cepat. Grafik garis dalam skripsi ini digunakan untuk menyajikan data yang berbentuk tren, sehingga dapat diperoleh gambaran mengenai perkembangan suatu obyek tertentu atau lebih.

halaman 5

Histogram

Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi dan disajikan dalam bentuk diagram yang disebut histogram. Jika pada diagram batang, gambar batang-batangnya terpisah maka pada histogram gambar batang-batangnya berimpit. Histogram dapat disajikan dari distribusi frekuensi tunggal maupun distribusi frekuensi bergolong. Untuk lebih jelasnya, perhatikan contoh berikut ini.

Data banyaknya siswa kelas XI IPA yang tidak masuk sekolah dalam 8 hari berurutan

sebagai berikut.

Poligon Frekuensi

Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan batangbatangnya

dihapus, maka akan diperoleh poligon frekuensi. Berdasarkan contoh di atas

dapat dibuat poligon frekuensinya seperti gambar berikut ini.

contoh soal:

Hasil pengukuran berat badan terhadap 100 siswa SMP X digambarkan dalam distribusi

bergolong seperti di bawah ini. Sajikan data tersebut dalam histogram dan poligon frekuensi.

Penyelesaian

Histogram dan poligon frekuensi dari tabel di atas dapat ditunjukkan sebagai berikut.

Poligon Frekuensi Kumulatif

Dari distribusi frekuensi kumulatif dapat dibuat grafik garis yang disebut poligon frekuensi kumulatif. Jika poligon frekuensi kumulatif dihaluskan, diperoleh kurva yang disebut kurva ogive. Untuk lebih jelasnya, perhatikan contoh soal berikut ini.

Hasil tes ulangan Matematika terhadap 40 siswa kelas XI IPA digambarkan dalam tabel di samping.

a. Buatlah daftar frekuensi kumulatif kurang dari dan lebih dari.

b. Gambarlah ogive naik dan ogive turun.

b. Ogive naik dan ogive turun

Daftar frekuensi kumulatif kurang dari dan lebih dari dapat disajikan dalam bidang

Cartesius. Tepi atas (67,5; 70,5; …; 82,5) atau tepi bawah (64,5; 67,5; …; 79,5)

diletakkan pada sumbu X sedangkan frekuensi kumulatif kurang dari atau frekuensi

kumulatif lebih dari diletakkan pada sumbu Y. Apabila titik-titik yang diperlukan

dihubungkan, maka terbentuk kurva yang disebut ogive. Ada dua macam ogive,

yaitu ogive naik dan ogive turun. Ogive naik apabila grafik disusun berdasarkan

distribusi frekuensi kumulatif kurang dari. Sedangkan ogive turun apabila berdasarkan

distribusi frekuensi kumulatif lebih dari.

Ogive naik dan ogive turun data di atas adalah sebagai berikut.

halaman 6

Data hasil penelitian dapat dikelompokkan menjadi dua: kualitatif dan kuantitatif. Data kualitatif adalah data yang berbentuk kalimat, kata, atau gambar. Sedangkan Data kuantitatif adalah data yang berbentuk angka, atau kualitatif yang diangkakan.

Data kuantitatif dapat juga dikelompokkan menjadi dua: diskrit dan kontinum. Data diskrit adalah data yang diperoleh dari menghitung, bukan mengukur. Data ini sering disebut dengan data nominal. Sementara data kontinum dikelompokkan menjadi tiga: ordinal, interval, dan rasio. Data ordinal adalah data yang berjenjang dan berbentuk peringkat. Data ordinal ini dapat dibentuk dari data interval atau rasio. Data interval adalah data yang jaraknya sama tetapi tidak mempunyai nol absolut. Sementara data rasio adalah data yang jaraknya sama dan mempunyai nol absolut.

Bermacam data seperti di atas dapat digambarkan seperti di bawah ini:

Contoh data dalam skala pengukuran nominal dan ordinal:

No Skala Penguk. Data Kualitatif Kategori

01 Nominal Suku    1. Sunda 2. Jawa

3.Madura 4. Lainnya

Kepemilikan motor  1. ya 2. tidak

02 Ordinal

Pendidikan             1. PT    2. SMA

3. SMP 4. SD

Jabatan Dosen       1. Guru Besar 2. Lektor Kepala

3. Lektor        4. Asisten Ahli

Nilai Akhir Mata Kuliah 1. A 2. B

3. C 4. D

5. E

Contoh data dalam skala pengukuran interval dan rasio:

Data Kuantitatif Skala Pengukuran

Suhu (Celcius atau Fahrenheit) interval

penanggalan (Masehi atau Hijriah) interval

tinggi (meter) rasio

berat (kilogram) rasio

Umur (tahun atau hari) rasio

halaman 7

Sumber data dalam penelitian adalah subyek dari mana data dapat diperoleh. Apabila peneliti menggunakan kuesioner atau wawancara dalam pengumpulan datanya, maka sumber data disebut responden (= orang yang merespon atau menjawab pertanyaan-pertanyaan peneliti, baik pertanyaan tertulis maupun lisan). Apabila menggunakan observasi, maka sumber datanya bias berupa benda, gerak atau proses sesuatu. Apabila peneliti menggunakan dokumentasi, maka dokumen atau catatan yang menjadi sumber data.

Sehubungan dengan wilayah sumber data yang dijadikan subyek penelitian, maka dikenal 3 jenis penelitian yaitu :

1. Penelitian Populasi
2. Penelitian Sample
3. Penelitian Kasus.

Populasi dan sample

Populasi adalah :

Wilayah generaliasasi yang terdiri atas : obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulan.

Dilihat dari jumlahnya, populasi terbagi 2 bagian :

1. Jumlah terhingga (terdiri dari elemen dengan jumlah tertentu)
2. Jumlah tak hingga ( terdiri dari elemen yang sulit dicari batasannya)

Apabila peneliti ingin mengetahui semua elemen yang ada dalam wilayah penelitian, maka penelitiannya merupakan penelitian populasi / studi sensus/ studi populasi. Penelitian populasi hanya dapat dilakukan bagi populasi terhingga dan subyeknya tidak terlalu banyak.

Skema penelitian populasi :

Sampel adalah :

Bagian dari jumlah dan karakteristik yang dimiliki oleh populasi tersebut.

Syarat sample : mampu mewakili karakteristik populasi.

Jika kita akan meneliti sebagian dari populasi, kemudian hasil penelitian tersebut dimaksudkan untuk mengenaralisasikannya untuk populasi, maka penelitian tersebut disebut Penelitian sample. Penelitian sample dapat dilakukan apabila keadaan subyek di dalam populasi benar-benar homogen, apabila tidak homogen maka hasil/kesimpulan penelitian tidak dapat digeneralisasi untuk populasinya.

Beberapa keuntungan jika menggunakan sample :

1. Subyek lebih sedikit, sehingga tidak ada subyek yang terlewatkan.
2. Menghindari bias karena subyek yang banyak.
3. Lebih efisien (waktu, uang dan tenaga)

Teknik Sampling (Pengambilan Sample)

1. Probability Sampling

Adalah teknik pengambilan sample yang memberikan peluang yang sama bagi setiap unsur populasi untuk dipilih menjadi anggota sample.

1. Simple random sampling

Pengambilan sample dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi. Cara ini dilakukan karena anggota populasi homogen.

2. Proportionate Stratified Random Sampling

Digunakan bila populasi mempunyai anngota / unsur yang tidak homogen dan berstrata secara proporsional. Suatu organisasi yang mempunyai 

pegawai dari latarbelakang pendidikan yang berstrata, maka populasi pegawai tersebut berstrata.

3. Disproportionate Stratified Random Sampling

Digunakan manakala populasi berstrata tetapi kurang proporsional.

4. Cluster Sampling (Area Sampling)

Digunakan untuk menentukan sample bila obyek yang akan diteliti atau sumber data sangat luas. Teknik ini dilakukan dengan 2 tahap yaitu :

a. Tahap pertama, menentukan sample daerah

b.Tahap kedua menentukan subyek sample pada daerah tersebut.

2. Nonprobability Sampling

Adalah teknik pengambilan sample yang tidak memberi peluang / kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sample.

1. Sampling sistematis

Pengambilan sample berdasarkan urutan dari anggota populasi yang telah diberi nomor urut. Contoh bila populasi terdiri dari 100 orang kemudian diberi nomor 1 – 100, kemudian sample diambil berdasarkan nomor ganjil, genap atau urutan tertentu.

2. Sampling kuota

Menentukan sample dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah/kuota yang diinginkan.

3. Sampling aksidentak

Penentuan sample berdasarkan kebetulan, yitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sample, bila dipandang orang tersebut cocok sebagai sumber data.

4. Sampling purposive

Penentuan sample dengan maksud dan pertimbangan tertentu. Contoh : bila akan melakukan penelitian terhadap kualitas makanan, maka sample sumber datanya adalah ahli makanan, ahli gizi dan lain-lain.

5. Sample jenuh

Penentuan sample bila semua anggota populasi digunakan sebagai sample, karena populasi relatif kecil / kurang dari 30. (= penelitian sensus).

6. Snowball sampling

Penentuan sample yang mula-mula jumlahnya kecil, kemdian membesar. Contoh: si A dijadikan sample, kemudian si A menunjuk 2 orang lain sebagai sample, yaitu B dan C, setelah selesai B dan C diminta menunjuk 2 orang lagi. B menunjuk D dan E, sementara C menunjuk F dan G dan seterusnya.

halaman 8

Hasil pengukuran yang kita peroleh disebut dengan data mentah. Besarnya hasil pengukuran yang kita peroleh biasanya bervariasi. Apabila kita perhatikan data mentah tersebut, sangatlah sulit bagi kita untuk menarik kesimpulan yang berarti. Untuk memperoleh gambaran yang baik mengenai data tersebut, data mentah tersebut perlu di olah terlebih dahulu.

Pada saat kita dihadapkan pada sekumpulan data yang banyak, seringkali membantu untuk mengatur dan merangkum data tersebut dengan membuat tabel yang berisi daftar nilai data yang mungkin berbeda (baik secara individu atau berdasarkan pengelompokkan) bersama dengan frekuensi yang sesuai, yang mewakili berapa kali nilai-nilai tersebut terjadi. Daftar sebaran nilai data tersebut dinamakan dengan Daftar Frekuensi atau Sebaran Frekuensi (Distribusi Frekuensi).

Dengan demikian, distribusi frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang sudah dikelompokkan ke dalam selang interval tertentu) yang disertai dengan nilai frekuensi yang sesuai.

Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri penting data tersebut dapat segera terlihat. Daftar frekuensi ini akan memberikan gambaran yang khas tentang bagaimana keragaman data. Sifat keragaman data sangat penting untuk diketahui, karena dalam pengujian-pengujian statistik selanjutnya kita harus selalu memperhatikan sifat dari keragaman data. Tanpa memperhatikan sifat keragaman data, penarikan suatu kesimpulan pada umumnya tidaklah sah.