Laporan Hasil Praktikum Statistik Deskriptif

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012
Kelompok IV _ Laporan Praktikum Statistik Deskriptif 1

LAPORAN AKHIR
PRAKTIKUM STATISTIK

Diajukan untuk Melengkapi Tugas Mata Kuliah
Praktikum Statistik
Pada Program Studi Teknik Industri

Disusun Oleh :

Kelompok 4

Rudini Mulya (41610010035)
Dessy Diardito Miranda (41610010040)
Ihsan Maulana (41610010010)
Yoel Octavianus (41610010043)

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS MERCU BUANA
JAKARTA
2012

Diperiksa dan disetujui oleh :

Asisten Praktikum


LAPORAN PRAKTIKUM
STATISTIK DESKRIPTIF
BAB I
PENDAHULUAN

1.1 Latar belakang

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda
dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang
statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data;
ini dinamakan statistika deskriptif. Sebagian besar penggunaan konsep dasar statistika
mengasumsikan teori probabilitas. Di industri penggunaan ilmu terapan statistic memilki
Beberapa istilah ilmu statistika antara lain: populasi, sampel, unit sampel, dan probabilitas.

Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam
(misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi),
maupun di bidang bisnis, perdagangan ekonomi, dan industri. Statistika juga digunakan
dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk merupakan salah satu
prosedur yang paling dikenal. Aplikasi statistika lainnya yang sekarang popular adalah
prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan umum),
serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count. Di bidang komputasi,
statistika dapat pula diterapkan dalam pengenalan pola maupun kecerdasan buatan.

Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya hal
terlihat banyak digunakannya uji statistika yang mengambil dasar pada sebaran peluang.
Sedangkan matematika statistika merupakan cabang dari matematika terapan yang
menggunakanteori probabilitas dan analisis matematika untuk mendapatkan dasar-dasar teori
statistika.


Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika
deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians
dari data mentah adapun bentuk statistik diantaranya :
Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan
dideskripsikan) atau disimpulkan, baik secara numerik (misalnya menghitung rata-
rata dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik).
Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis,
melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi), membuat
permodelan hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.

1.2 Tujuan Praktukum.
1.2.1 Dapat menyajikan data data statistika dalam bentuk
- Tabel Statistik.
- Grafik Statistik.
- Diribusi Frekuensi.
1.2.2 Mampu melakukan perhitungan untuk:
- Ukuran lokasi atau ukuran kecendrungan.
- Ukuran deviasi.

1.3 Alat alat yang digunakan.
Peralatan dan bahan yang digunakan selama praktikum antara lain;
- Data pengamatan.
- Lembar pengamatan, alat tulis dan alat hitung.

1.4 Pelaksanaan Praktikum.
Praktikum Statistik ini dimulai dari bulan April 2011 sampai dengan bulan Juni 2011,
selama kurang lebih 4 pertemuan dan bertempat di Lab. Komputer Teknik Industri
Universitas Mercu Buana gedung D.208. Selama praktek, kami mempelajari tentang Statistik
deskriptis (Menyajikan data data yang meliputi table , grafik ,dan ukuran lokasi dan
deviasi).


BAB II
LANDASAN TEORI

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,
menganalisis, menginterpretasi, dan mempresentasikan data. Statistika merupakan ilmu yang
berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan
algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk
menyimpulkan atau mendeskripsikan data, ini dinamakan statistika deskriptif.

Statistika terbagi menjadi 2 jenis, yaitu statistika deskriptif dan statistika inferensial.
- Statistika deskriptif (descriptive statistics) berkaitan dengan penerapan metode
statistik untuk mengumpulkan, mengolah, menyajikan dan menganalisis data
kuantitatif secara deskriptif.

- Statistika Infrensial : serangkaian teknik yang digunakan untuk mengkaji,
menaksir dan mengambil kesimpulan sebagian data (data sampel) yang dipilih
secara acak dari seluruh data yang menjadi subyek kajian.

Dalam statistika, terdapat istilah-istilah dasar yang harus dipahami. Istilah-istilah dasar
tersebut adalah:
1. Populasi merupakan sekumpulan orang atau objek yang sedang diteliti
2. Sensus adalah pengumpulan data pada seluruh populasi
3. Sampel adalah sebagian dari populasi yang apabila diambil dengan benar,
merupakan representasi
4. Parameter merupakan ukuran deskriptif dari populasi
5. Statistik yaitu ukuran deskriptif dari sampel

Data adalah keterangan mengenai sesuatu / hasil pengamatan/ hasil pengukuran.Data
adalah bentuk jamak dari datum (single/satu).
Jenis-Jenis data:
- Data Primer : data yang diperoleh langsung dari sumbernya baik melalui
observasi/pengukuran/pengamatan langsung.
- Data Sekunder: data yang diperoleh dari pihak ketiga/ data yg telah dipublikasikan.

Bentuk Data:
- Data Kuantitatif (data berupa angka-angka/numerical data hasil observasi atau
pengukuran)
- Data Kualitatif (serangkaian observasi dimana setiap observasi tergolong kepada
salah satu kelas yang eklusif., contoh: pendapat konsumen terhadap suatu produk
adalah: sangat bagus, bagus, biasa, buruk, sangat buruk. Opini masysrakat terhadap
suatu kebijakan.

Cara Pengumpulan Data:
- Wawancara
- Angket/kuesioner
- Observasi/pengamatan
- Penelitian lab/eksperimen/percobaan
- Studi literatur

Ukuran Pemusatan Data adalah nilai tunggal dari data yang dapat memberikan gambaran
yang lebih jelas dan singkat mengenai pemusatan data, yang juga mewakili seluruh data. Ada
beberapa macam ukuran pemusatan data seperti mean, median, dan modus.
- Mean adalah ukuran rata-rata yang merupakan penjumlahan dari seluruh nilai dibagi
jumlah datanya.

- Median
Median merupakan nilai tengah dari data yang telah diurutkan.

- Modus
Modus merupakan nilai yang paling sering muncul dalam data.


Distribusi Frekuensi

Pengelompokan data ke dalam beberapa kelas, dan menghitung banyaknya
pengamatan yang masuk, lalu disajikan dalam bentuk tabel disebut dengan distribusi
frekuensi. Tabel distribusi frekuensi membagi data dalam jumlah besar ke dalam beberapa
kelas/kelompok frekuensi.
Ukuran penyebaran data menggambarkan bagaimana terpencarnya data. Beberapa
ukuran penyebaran yang terkenal adalah jankauan/range, variansi dan simpangan baku
(standar deviasi).
- Range adalah ukuran variasi yang paling sederhana, dapat diperoleh dari nilai data
maksimum dikurangi dengan nilai data minimum.
R = x (terbesar) x (terkecil)
Dimana R adalah range dan x adalah variabel. Semakin besar nilai R maka data makin
tidak seragam, semakin kecil nilai R maka makin seragam data tersebut.

- Varians adalah ukuran variasi yang menunjukkan seberapa jauh data tersebar dari
mean (rata-ratanya).

Semakin bervariasi data tersebut maka semakin jauh data tersebar di sekitar meannya.
Simpangan baku/standar deviasi merupakan akar dari variansi.

- Standar Deviasi atau Simpangan Baku
Standar deviasi atau simpangan baku adalah standar penyimpangan data dari rata-
ratanya dan memiliki satuan yang sama dengan satuan data aslinya. Nilai dari standar
deviasi diperoleh dari akar varians atau:


BAB III
PENGUMPULAN DAN PENGOLAHAN DATA
3.1 Langkah Pengumpulan Data
Pada suatu Perguruan Tinggi yaitu di Universitas Mercubuana mempunyai mahasiswa
program studi Teknik Industri yang jumlahnya cukup banyak. Dari kumpulan mahasiswa
tersebut akan dilakukan pengukuran tinggi, dan berat badan berdasarkan jurusan dan
angkatan yang diwakili oleh 100 orang mahasiswa. Kemudian data hasil pengukuran tersebut
dicatat pada lembar pengamatan yang telah disediakan.

3.2 Penyajian Data
Seluruh data yang telah dikumpulkan kemudian diproses kembali dalam bentuk yang
lebih baik menggunakan media komputer. Data-data tersebut disajikan dalam tabel statistik
dan tabel distribusi frekuensi. Sebelumnya data-data tersebut dihitung dan dianalisa secara
seksama. Data yang disajikan bukan rekayasa, akan tetapi hasil dari pengumpulan data dan
perhitungan data yang akurat.


BAB IV
PEMBAHASAN DAN ANALISA
4.1 Pembahasan
4.1.1 Data Tinggi badan dan Berat badan mahasiswa teknik industri sebanyak 100
mahasiswa seperti tampak pada tabel berikut ini :
No Nama Usia Berat Badan Tinggi Badan
(Tahun) (Kg) (Cm)
1 Fery Prabowo 20 50 176
2 Dodi Indaryana 26 56 168
3 Hery Kuswanto 19 55 170
4 Nurul Fathia 20 60 160
5 Eka Bayu Saputra 19 50 176
6 Nanda Pratama 19 53 175
7 Rocky Himawan 19 72 182
8 Dhika Prasetyo 20 77 175
9 Lutfy Januari E. P. 18 59 176
10 Indra Nugraha 19 55 175
11 Firman Hermawan 19 59 165
12 Joko Akhiriyanto 19 56 168
13 Panji Kusuma Yudha 19 75 175
14 Arip Mustakim 19 59 176
15 Abdul Rahman 20 48 168
16 M. Aditya 19 75 170
17 Yanuar Ardiansyah 19 71 177
18 Endah Woro Wardani 19 47 162
19 Wiyoga Nur Alamsyah 18 54 160
20 Angga Sodikin 19 58 173
21 Anton Nimus 20 52 165
22 Ahmad Mathuri 19 45 168
23 Irfan Widiarto 19 90 170
24 Eko Setiawan 19 60 169
25 Anton Giardhi Bramanto 19 55 165
26 Wahyu Sugar Ibrahim 21 54 165
27 Ade Pratama 19 57 187
28 M. Syawal Setiawan 20 95 173
29 Soerja Julianto 20 58 175
30 Diah Utami 19 45 160
31 Kukuh W Dias Utami 19 49 160
32 Al Bayhaki 19 46 173

33 Rambu Naha Tarap 19 49 158
34 Dwi Endartanto 19 69 166
35 Martin 19 60 170
36 M. Arif Maulana 20 62 173
37 Fachturrizki Ramadhan 20 75 175
38
Febriana Purwandari
22 80 170
39
Sidik Dwi Saputra
19 55 170
40
Andy Irawan
19 60 169
41
Rafli
19 55 166
42
Novian
19 50 168
43 Firmansyah 20 75 165
44 Novrian Riyadi 18 57 173
45 Adizty Suparno 18 53 160
46 Dini Maulina 17 45 155
47 M. Yusuf 19 63 160
48 Amalda Zulkarnaen 18 68 168
49 Fortunatus Pake 17 62 162
50 Zamaludin 17 55 170
51 M. Kasroniyanto 20 50 169
52 Azis M. A. 18 79 175
53 Isma 18 50 170
54 Ezra Lisfiani 17 40 160
55 Fauzan Septia M. 18 50 180
56 Yoel Octavianus 18 50 173
57 M. Radityo R. 17 60 175
58 Herlian Saputra 18 100 180
59 Ihsan Maulana 19 60 175
60 Nur Muhammad 18 80 173
61 Wisnu Sudaryanto 17 65 172
62 Denny Permana 18 57 172
63 Dessy Diardito Miranda 17 57 176
64 M. Wahyu S. 18 50 164
65 Aron Mangatas 18 65 175
66 Stefany S. 18 69 170
67 Aliftia S. 18 57 172
68 Yodi Ramadhoni 19 73 170
69 Herman Santoso 20 55 168
70 Aziz Kurniawan 19 48 169
71 Eren Yudy P. 18 44 171
72 Arie Yones 18 60 170
73 Rudini Mulya 20 57 169
74 Faisal Umar N. 18 65 170
75 Ikhwan H. 17 54 175

76 Ryan Nurhuda 18 57 171
77 Agus Raif 20 50 160
78 Adhitama Febrianto 19 60 162
79 Andri Muliyawan 23 60 173
80 Iwan Sutiyono 20 55 160
81 Eko Suriyanto 20 55 170
82 Dede Permana 20 49 175
83 Achmad Adnan Kasogi 19 58 168
84 Panji Aryo Priyadi 20 55 160
85 Steven Miky Pangkey 22 48 165
86 Ibnu Malik 20 50 168
87 Chandra Adi Putra 20 55 173
88 Yovan Arifin 20 50 176
89 Ricky Reza Adhavi 20 49 167
90 Ria Qori'ah 20 53 155
91 Anisah H 20 50 165
92 Ian Danarko 21 60 172
93 Heri Nurmansyah 22 60 170
94 Irwan Yosia 22 55 171
95 Lucyana 21 48 170
96 Eka Rachmatillah 22 60 169
97 Wawan 22 64 170
98 Baskoro 22 65 169
99 Bagus 20 68 169
100
Ossa Sutaarga
22 50 168

4.1.2 Perhitungan Distribusi Frekuensi dari Berat Badan Mahasiswa Data sebelum
dikelompokkan

MEAN
Mean = X1 + X2 + X3 + . . . +X100
N
Mean = 40 + 44 + 45 + ....+ 100 = 5867 = 58,67
100 100

MEDIAN
Median = Data ke-50 + Data ke-51 = 57 + 57 = 57
2 2
MODUS
Modus = Nilai yang paling sering muncul
= 50 kg = 13 kali muncul


KWARTIL
Kwartil = K1 = i ( n + 1 )
4
K1 = 1(100 + 1) = 25,25
4
K2 = 2(100 + 1) = 50,5
4
K3 = 3(100 + 1) = 75,75

4

SIMPANGAN KWARTIL (Q)

Q = K3 K1 = 75,75 25,25 = 25,25
2 2

4.1.3 Perhitungan Distribusi Frekuensi dari Berat Badan Mahasiswa Data Sesudah
Dikelompokkan
Perhitungan Distribusi Frekuensi dari Berat Badan Mahasiswa
Range (R) =Xmax Xmin = 100 40 = 60
Jumlah data (n) = 100
Langkah pembuatan :
1. Jumlah kelas
a. (k) = 1 +3.3 log n
k = 1+3,3 log 100
= 7,6

2. Panjang kelas interval c =
7
51
=
k
R
= 7,28

7
8
7
8

3. Batas selang kelas bawah = 40 (data yang terkecil)
4. Batas kelas bawah = 43 0,5 = 39,5
5. Batas kelas atas = 39,5 + 8 = 47,5
6. Batas selang kelas atas = 47,5 + 0,5 = 48
Tabel distribusi frekuensi Berat Badan Mahasiswa/i Tenik Industri

MEAN =
n
f x
x
i i
.
=
=
100
6020
= 60,20
MEDIAN =
(

+ = xh
f
C n
l X
2 /

=
(

+ = 8
40
30 2 / 100
5 , 54 x X = 58,5
NO
SELANG
KELAS
BATAS
KELAS
TITIK
TENGAH ( X )
FREKUENSI
( f )
f.x
1 39 46 38,5 46,5 42,5 5 212,5
2 47 54 46,5 54,5 50,5 30 1515
3 55 62 54,5 62,5 58,5 40 2430
4 63 70 62,5 70,5 66,5 11 731,5
5 71 78 70,5 78,5 74,5 8 596
6 79 86 78,5 86,5 82,5 3 247,5
7 87 94 86,5 94,5 90,5 1 90,5
8 95 - 102 94,5 102,5 98,5 2 197
JUMLAH 564 100 6020

MODUS =
(
+
+ 8
29 40
40
5 , 54 x = 59,13
AMK =
n
x
2
1

=
100
318096
= 56,4
Q1 =
(
(

+ xh
f
C
n
l
4

=
(

+ 8
5
0 4 / 100
5 . 38 x = 78,5
Q2 =
(
(

+ xh
f
C n
l
4
2

=
(

+ 8
30
35 4 / 200
5 , 46 x = 50,5

Q3 =
(
(
(

+ xh
f
C n
l
4
3

=
(

+ 8
40
75 75
5 , 54 x = 54,7

SIMPANG QUARTIL = Q3 Q1
= 54,7 78,5 = -23,8

VARIANS = S
2
=

100
x
i
x fi

= 59,598

SIMPANGAN BAKU = S =

100
. x x fi
i

= 7,71

MAS =
n
x x

1

=
100
8 , 503
= 50,38
DESIL : D1 =
(

+ xh
f
C n
l
10 / 1

=
(

+ 8
30
5 10
5 , 46 x = 47,8
D3 =
(
(
+ xh
f
C
n
l
10
3

=
(

+ 8
30
5 30
5 , 46 x = 50,5
D5 =
(
(
+ xh
f
C
n
l
10
5

=
(

+ 8
40
35 50
5 , 54 x = 57,5
D7 =
(
(
+ xh
f
C
n
l
10
7

=
(

+ 8
40
35 70
5 , 54 x = 61,5

D9 =
(
(
+ xh
f
C
n
l
10
9

=
(

+ 8
8
86 90
5 , 70 x = 74,5
PERSENTIL : P1 =
(
(
+ xh
f
C
n
l
100
1

=
(

+ 8
5
0 1
5 , 38 x = 40,1
P25 =
(
(
+ xh
f
C
n
l
100
25

=
(

+ 8
30
5 25
5 , 46 x = 51,8
P50 =
(
(
+ xh
f
C
n
l
100
50

=
(

+ 8
40
35 50
5 , 54 x = 57,5
P75 =
(
(
+ xh
f
C
n
l
100
75

=
(

+ 8
40
35 75
5 , 54 x = 57,5
P99 =
(
(
+ xh
f
C
n
l
100
99

=
(

+ 8
2
98 99
5 , 94 x = 98

4.1.4 Perhitungan Distribusi Frekuensi dari Tinggi Badan Mahasiswa Data Sebelum
Dikelompokkan

MEAN

Mean = X1 + X2 + X3 + . . . +X100
N
Mean = 155 + 155 + 158 + .... + 187 = 16944 = 169,44
100 100

MEDIAN
Median = Data ke-50 + Data ke-51 = 169 + 169 = 169
2 2

MODUS
Modus = Nilai yang paling sering muncul
= 170 = 16 kali muncul

KWARTIL
Kwartil = K1 = i ( n + 1 )
4
K1 = 1(100 + 1) = 25,25
4
K2 = 2(100 + 1) = 50,5
4
K3 = 3(100 + 1) = 75,75
4

SIMPANGAN KWARTIL (Q)

Q = K3 K1 = 75,75 25,25 = 25,25
2 2


4.1.5 Pengolahan data Distribusi Frekuensi dari Tinggi Badan Mahasiswa Sesudah
Dikelompokkan

Range (R) = Xmax Xmin = 187-155
= 32
Jumlah data (n) = 100

Langkah pembuatan :

1. Jumlah kelas
a. (k) = 1 +3.3 log n
k = 1+3,3 log 100
= 7,6

2. Panjang kelas interval c =
8
32
=
k
R

= 4

3. Batas selang kelas bawah = 155 (data yang terkecil)

4. Batas kelas bawah = 155 0,5 = 154,5

5. Batas kelas atas = 154,5 + 5 = 159,5

6. Batas selang kelas atas = 159,5 - 0,5 = 159

7
8
4
5

Tabel Distrbusi Frekuensi Tinggi Badan Mahasiswa

MEAN =
n
f x
x
i i
.
=
=
100
17015
= 170,15
MEDIAN =
(

+ = xh
f
C n
l X
2 /

=
(

+ = 5
32
45 2 / 100
5 , 169 x X = 170,28
MODUS =
(
+
+ 5
13 4
4
5 , 169 x = 170,67

AMK =
n
x
2
1

=
100
1874161
= 136,9

NO
SELANG
KELAS
BATAS
KELAS
TITIK
TENGAH ( X )
FREKUENSI
( f )
f.x
1 155 159 154,5 159,5 157 3 471
2 160 164 159,5 164,5 162 14 2268
3 165 169 164,5 169,5 167 28 4676
4 170 174 169,5 174,5 172 32 5504
5 175 179 174,5 179,5 177 19 3363
6 180 184 179,5 184,5 182 3 546
7 185 - 189 184,5 189,5 187 1 187
JUMLAH 1369 100 17015

Q1 =
(
(

+ xh
f
C
n
l
4

=
(

+ 5
28
17 4 / 100
5 , 164 x = 165,92
Q2 =
(
(

+ xh
f
C n
l
4
2

=
(

+ 5
32
45 4 / 200
5 , 169 x = 170,28

Q3 =
(
(
(

+ xh
f
C n
l
4
3

=
(

+ 5
32
45 75
5 , 169 x = 174,18

SIMPANG QUARTIL = Q3 Q1
= 174,18 165,92 = 8,26

VARIANS = S
2
=

100
x
i
x fi

= 168,44
SIMPANGAN BAKU = S =

100
. x x fi
i

= 12,97

MAS =
n
x x

1

=
100
5 , 1198
= 11,985


DESIL : D1 =
(

+ xh
f
C n
l
10 / 1

=
(

+ 5
14
3 10
5 . 159 x = 162

D3 =
(
(
+ xh
f
C
n
l
10
3

=
(

+ 5
28
17 30
5 , 164 x = 168,5
D5 =
(
(
+ xh
f
C
n
l
10
5

=
(

+ 5
32
45 50
5 , 169 x = 170.28
D7 =
(
(
+ xh
f
C
n
l
10
7

=
(

+ 5
32
45 70
5 , 169 x = 174,18
D9 =
(
(
+ xh
f
C
n
l
10
9

=
(

+ 5
19
77 90
5 , 174 x = 177,92
PERSENTIL : P1 =
(
(
+ xh
f
C
n
l
100
1

=
(

+ 5
3
0 1
5 , 154 x = 156,16


P25 =
(
(
+ xh
f
C
n
l
100
25

=
(

+ 5
28
17 25
5 , 164 x = 165,92
P50 =
(
(
+ xh
f
C
n
l
100
50

=
(

+ 5
32
45 50
5 , 169 x = 170,28

P75 =
(
(
+ xh
f
C
n
l
100
75

=
(

+ 5
32
45 75
5 , 169 x =170,28
P99 =
(
(
+ xh
f
C
n
l
100
99

=
(

+ 5
3
96 99
5 , 179 x = 184,5

4.2 Analisa Hasil
Setiap kegiatan yang berkaitan dengan statistik, selalu berhubungan dengan penarikan
data. Data adalah bentuk jamak dari datum. Datum adalah keterangan atau informasi yang
diperoleh dari suatu pengamatan sedangkan data adalah segala keterangan atau informasi
yang dapat memberikan gambaran tentang suatu keadaan. Sehingga tujuan dari dari
pengumpulan data adalah:
a. Untuk memperoleh gambaran suatu keadaan
b. Untuk dasar pengambilan keputusan
Untuk memperoleh kesimpulan yang tepat dan benar maka data yang dikumpulkan
dalam pengamatan harus nyata dan benar, demikian sebaliknya. Syarat data yang baik adalah:
a. Data harus obyektif (sesuai dengan keadaan sebenarnya)

b. Data harus mewakili (representative)
c. Data harus up to date
d. Data harus relevan dengan masalah yang akan dipecahkan

Data yang kami peroleh merupakan data primer yaitu data yang dikumpulkan
langsung oleh peneliti. Kemudian sifat data yang kami peroleh merupakan data kuantitatif
yaitu data dalam bentuk angka dan bersifat kontinu yaitu data yang diperoleh berdasarkan
hasil pengukuran.
Dalam pengambilan data dapat dilakukan dengan dua cara yaitu dengan penarikan
sampel dan populasi. Sampel merupakan serangkaian observasi yang dilakukan terhadap
sebagian dari obyek dan tujuan dari penarikan sampel adalah untuk memperoleh gambaran
mengenai obyek itu sendiri. Sedangkan populasi merupakan sesuatu yang diketahui, yaitu
data memberikan gambaran tentang suatu keadaan atau persoalan.
Parameter yang digunakan dalam penarikan sampel adalah konsep, kualitas,
karakteristik, atribut, atau sifat-sifat dari suatu objek (orang, benda, tempat, dll) yang nilainya
berbeda-beda antara satu objek dengan objek lainnya dan sudah ditetapkan oleh peneliti
untuk dipelajari dan ditarik kesimpulannya. Sedangkan parameter yang digunakan dalam
populasi adalah hasil dari pengolahan sensus (data yang sebenarnya).
Dalam analisa statistik data-data selalu dikelompokan dengan tujuan untuk
memudahkan pengamatan data dan memperoleh gambaran analisisnya serta dapat
menghasilkan data dalam bentuk yang lebih ringkas dan mudah dilihat. Dari tabulasi, analisis
data dapat dilakukan dengan secara sederhana, yaitu dengan menggunakan prinsip analisis
deskripsi, yaitu mencari jumlah skor, nilai rerata, standar penyimpangan, dan variasi
penyebarannya.
Setelah melakukan pengelompokan data kemudian data diolah dengan mengukur
tendensi sentral, mengukur variabilitas, mengukur hubungan, dan mengukur perbandingan
yang digunakan untuk mengukur nilai tengah, kuartil, persentil, desil, dan lain-lain. Dalam
mengukur nilai tengah populasi berdasar data yang telah diambil sampelnya parameter yang
digunakan yaitu dengan cara pengukuran tendensi sentral.
Yang termasuk mengukur sentral tendensi adalah untuk penghitungan:

1. Modus atau skor yang paling sering muncul dibanding skor-skor lainnya
2. Median atau merupakan titik atau skor yang posisinya membagi 50 persen di atas dan 50
persen di bawah
3. Mean merupakan rata-rata skor dari data yang ada.
Setelah mengukur sentral tendensi kemudian dilakukan pengukuran variabilitas atau
jarak penyebaran surat skor terhadap garis mean tersebut. Yang termasuk mengukur variabilitas
itu termasuk di antaranya mengukur Standar deviasi.
1. Varian adalah peubah acak atau ukuran yang menunjukkan dispersi statistik (seberapa
jauh data tersebar di sekitar rata-rata. Varians atau ragam merupakan ukuran
penyebaran dari data. Varians merupakan salah satu parameter dari suatu populasi,
untuk data contoh, digunakan istilah simpangan baku. Simpangan baku ini merupakan
penduga tak biasa bagi varians atau ragam.
2. Quartil adalah nilai yang memisahkan tiap-tiap 25 persen frekuensi dalam distribusi atau
nilai-nilai yang membagi segugus pengamatan menjadi 4 bagian sama besar.
3. Desil adalah nilai yang memisahkan setiap 10 persen dari distribusi kelompok atau nilai-
nilai yang membagi segugus pengamatan menjadi 10 bagian sama besar.
4. Persentil adalah nilai-nilai yang membagi segugus pengamatan menjadi 100 bagian sama
besar.


BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
Setelah melakukan pengambilan data kasar yang berasal dari lapangan kemudian data
diolah/dianalisis secara sistematis. Langkah sebelum analisis pada umumnya, termasuk
melakukan skoring dan melakukan tabulasi. Yang termasuk kegiatan analisis data dapat
dikelompokkan ke dalam dua kegiatan, yaitu:
1. mendeskripsikan data sesuai dengan variabelnya,
2. melakukan uji statistika atau menggunakan statistika inferensial.
Kemudian dalam kegiatan analisis deskripsi adalah kegiatan mengukur sentral
tendensi termasuk mencari mean, median, mode, persentil, desil, dan kuartil. Untuk data yang
jumlahnya besar, maka perlu juga dihitung simpangan baku dan variabilitas, skewness,
standar skewness, dan bentuk kurtosis. Setelah melakukan penghitungan lalu untuk
memudahkan peneliti membaca penampilan data maka setiap variabel yang digunakan perlu
digambarkan dalam bentuk tabel dan diagramnya.
Dengan kata lain suatu kelompok data dapat disajikan dalam bentuk yang lebih
praktis, yaitu dalam bentuk tabel ditribusi frekuensi. Dimana dengan tabel tersebut kita dapat
menentukan nilai-nilai statistik dari data tersebut.

5.2 Saran
Sebaiknya tetap di pertahankan seperti ini karena sudah mencakup sebagaimana
mestinya laporan yang tidak di tulis tangan sebab yang terpenting dari statistika adalah data,
angka, dan sampel bukan teori-teori saja. Selain itu, pendalaman mengenai materi pratikum
harus diperjelas agar lebih terarah tujuan pratikumnya.

Laporan Hasil Praktikum Statistik Deskriptif

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Laporan Hasil Praktikum Statistik Deskriptif

Uploaded by

Copyright:

Available Formats

RUDINI MULYA _ TEKNIK INDUSTRI UNIVERSITAS MERCU BUANA 2012

Kelompok IV _ Laporan Praktikum Statistik Deskriptif 1

You might also like