Statistika Deskriptif

Sabtu, 23 Desember 2017

Kemiringan dan Keruncingan Data

BAB I
PENDAHULUAN

A.    Latar Belakang

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana mengumpulkan,

menganalisis dan menginterprestasikan data. Atau dengan kata lain Statistika menjadi semacam alat
dalam melakukan suatu riset empiris. Dalam menganalisis data, para ilmuan menggambarkan
persepsinya tentang suatu fenomena. Deskripsi yang sudah setabil tentang suatu fenomena
seringkali mampu menjelaskan suatu teori.

Penemuan teori baru merupakan suatu proses kreatif yang didapat dengan cara mereka ulang
informasi pada teori yang telah ada atau mengekstrak informasi yang diperoleh dari dunia nyata.

          Penggunaan Statistika sudah dikenal sebelum abad 18, pada saat itu negara-negara babilon,
mesir dan roma mengeluarkan catatan tentang nama, usia dan jenis kelamin, pekerjaan dan jumlah
anggota keluarga.

Di indonesia pengantar statistika telah dicantumkan dalam kurikulum matematika sekolah

dasar sejak tahun 1975. Hal itu disebabkan karena sekitar lingkungan kita berada selalu berkaitan
dengan statistik. Misalnya dikantor kelurahan kita mengenal statistik desa, didalamnya memuat
keadaan penduduk mulai dari banyaknya penduduk, pekerjaan penduduk, jumlah anak dan sebagai
ukuran penyebaran data.

B.     Rumusan Masalah

Dalam penulisan makalah ini, penulis mencoba menguraikan sedikit rumusan permasalahan
yang akan dibahas dari materi yang berkaitan dengan tema penulisan makalah diantara lain :

1.      Pengertian Statistika Deskriptif

2.      Dispersi Data
 3.      Kegunaan Ukuran Penyebaran Data

4.      Kemiringan dan Keruncingan Data

5.     Menganalisa Ukuran Penyebaran Data (Kemiringan dan Keruncingan)

6.     Cara Membaca Nilai Kemiringan dan Keruncingan (Kurtosis dan Skewnees)

C.     Tujuan dan Manfaat Penulisan

Tujuan

1.  Tujuan dari penulisan ini guna melengkapi dan memenuhi salah satu syarat untuk memperoleh nilai
UTS (Ujian Tengah Semester) Mata Kuliah Statistika Deskriptif

2.    Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan tentang data-
data statistik dengan menggunakan Microsoft Excel.

3.   Belajar membuat makalah tentang Statistika Desktiptif dalam materi Ukuran Penyebaran Data
(Kemiringan dan Keruncingan)

Manfaat

Penulis mengharapkan agar tulisan ini dimengerti oleh pembaca dan pembaca dapat memahami
seberapa pentingnya materi Ukuran Penyebaran Data (Kemiringan dan Keruncingan).

D.    Metode Pengumpulan Data

1.      Metode Browsing Internet.

Dalam pembuatan makalah ini penulis melakukan penelitian melalui browsing internet agar
makalah ini dapat menjelaskan secara terperinci atau penambahan wawasan dalam materi yang
bersangkutan yaitu Ukuran Penyebaran Data (Kemiringan dan Keruncingan).

  

E.     Sistematika Penulisan

Untuk mempermudah pembaca mengerti akan maksud dari isi makalah ini, maka penulis
mengadakan penggolongan secara garis besar sesuai dengan permasalahan yang akan dibahas
yaitu :

BAB I  : Dalam bab pendahuluan ini penulis mencoba menguraikan tentang Latar Belakang, Rumusan
Masalah, Tujuan dan Manfaat Penulisan, Metode Pengumpulan Data dan Sistematika Penulisan.
BAB II :   Dalam bab ini akan diuraikan mengenai teori yang dibahas serta pembahasan hasil Analisa penulis
dalam menganalisa Ukuran Penyebaran Data (Kemiringan dan Keruncingan). Dalam bab ini juga akan
dijelaskan tentang cara membaca nilai dari Ukuran Penyebaran Data.

BAB III :   Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan saran
berdasarkan atas pada bab pendahulu.

BAB II
PEMBAHASAN

A.    Pengertian Statistika Deskriptif

Statistika Deskriptif adalah teknik yang digunakan untuk mensarikan data dan

menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan proses
kuantifikasi dari penemuan suatu fenomena. Berbagai statistik sederhana, seperti rata-rata, dihitung
dan ditampilkan dalam bentuk tabel dan grafik. Statistika deskriptif dapat memberikan pengetahuan
yang signifikan pada kejadian fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di
dalamnya. Tetapi dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah?

Statistik merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada
karakteristik objek-objek yang berbeda. Objek yang belum dikenal tidaklah mewakili populasi objek
yang memiliki "quantifiabel feature" melalui penyelidikan. Namun demikian, keragaman bisa
menjadi hasil dari keberagaman yang lainnya (karena acak atau terkontrol). Pada ilmu fisika, yang
sangat berkaitan dengan ekstraksi dan formulasi persamaan matematik tidak menyisakan banyak
tempat untuk fluktuasi acak. Pada ilmu statistika, fluktuasi seperti itu dapat dijadikan model.
Hubungan relasi statistik selanjutnya merupakan hubungan relasi yang menerangkan suatu proporsi
perubahan stokastik yang pasti.

Statistika Deskriptif adalah ilmu yang mempelajari tentang cara:

a. Mengumpulkan data/informasi.
 b. Mengolah data hasil pengumpulan.

c. Menyajikan data hasil pengolahan.

d. Menganalisis data.

B.     Dispersi Data

Dispersi Data adalah data yang menggambarkan bagaimana suatu kelompok data menyebar
terhadap pusatnya data atau ukuran penyebaran suatu kelompok data terhadap pusatnya data.
Dispersi data sangat penting untuk membandingkan penyebaran dua distribusi data atau lebih. Pusat
data seperti rata-rata hitung, median dan modus hanya memberi informasi yang sangat terbatas
sehingga tanpa disandingkan dengan dispersi data menjadi kurang bermanfaat dalam menganalisa
data.

C.     Kegunaan Ukuran Penyebaran Data antara lain sebagai berikut :

a. Ukuran penyebaran dapat digunakan untuk menentukan apakah nilai rataratanya benar-benar
representatif atau tidak. Apabila suatu kelompok data mempunyai penyebaran yang tidak sama
terhadap nilai rata-ratanya, maka dikatakan bahwa nilai rata-rata tersebut tidak representatif.

b. Ukuran penyebaran dapat digunakan untuk mengadakan perbandingan terhadap variabilitas

data.

c. Ukuran penyebaran dapat membantu penggunaan ukuran statistika, misalnya dalam

pengujian hipotesis, apakah dua sampel berasal dari populasi yang sama atau tidak.

D.    Kemiringan dan Keruncingan Data

a. Kemiringan Distribusi Data

Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data. Tiga pola
kemiringan distribusi data adalah sebagai berikut:

Pengukuran kemiringan suatu distribusi data dapat diketahui dengan beberapa cara, antara lain:

1.      Menggunakan koefisien Pearson.

2.      Menggunakan Rumus Momen.

3.      Menggunakan Rumus Bowley.

4.      Menggunakan Grafik Kemiringan dan Keruncingan.

Rumus untuk menghitung derajat kemiringan distribusi data:

1.      Rumus Pearson:
 Atau

                        

Keterangan :

α          = Pearson

S          = Simpangan Baku

X         = Nilai Rata-Rata Hitung

Mod    = Modus

Med     = Median

2.       Rumus Momen:

-          Data Tidak Berkelompok

        

-          Data Berkelompok

                    

                      

          

Keterangan :

 α3       = Derajat kemiringan

Xi        = Nilai data ke – i 

 X         = Nilai rata-rata hitung

Fi         = Frekuensi kelas ke – i

Mi        = Nilai titik tengah kelas ke – I

S          = Simpangan baku

N         = Banyaknya data

Jika  α3 = 0 distribusi data simetris   α3 < 0 distribusi data miring ke kiri   α3 > 0 distribusi data miring
ke kanan

3.      Rumus Bowley:

         

Keterangan :

Q1       = Kuartil pertama

Q2       = Kuartil kedua

Q3       = Kuartil ketiga

Cara menentukan kemiringannya :

Jika Q3 - Q2 = Q2 - Q1 sehingga Q3 + Q1 - 2Q2 = 0 yang mengakibatkan α3  = 0, sebaliknya

jika distribusi miring maka ada dua kemungkinan yaitu Q1 = Q2 atau Q2 = Q3, dalam hal Q1 = Q2
maka α3  = 1, dan untuk Q2 = Q3 maka α3  = -1Rumus ini menggunakan nilai kuartil.

4.      Grafik Kemiringan dan Keruncingan

a.       Kemiringan Distribusi Data

Kemiringan Distribusi Data merupakan derajat atau ukuran dari ketidaksimetrisan (Asimetri) suatu
distribusi  data.
 Kemiringan distribusi data terdapat 3 jenis, yaitu :

a)      Simetris : menunjukkan letak nilai rata-rata hitung,  median, dan modus berhimpit (berkisar disatu
titik)

b)      Miring ke kanan : mempunyai nilai modus paling kecil dan rata-rata hitung paling besar

c)      Miring ke kiri : mempunyai nilai modus palingbesar dan rata-rata hitung paling kecil

GRAFIK KEMIRINGAN DISTRIBUSI DATA

Gambar 1.1 : Grafik Kemiringan Distribusi Data

b.      Keruncingan Distribusi Data

Keruncingan Distribusi Data merupakan derajat atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya data. Keruncingan distribusi data ini disebut juga
kurtosis.

Ada tiga jenis derajat keruncingan, yaitu :

a)      Leptokurtis      : distribusi data yang puncaknya relatif tinggi

b)      Mesokurtis      : distribusi data yang puncaknya normal

c)      Platikurtis        : distribusi data yang puncaknya terlalu rendah dan terlalu mendatar

GRAFIK KERUNCINGAN DISTRIBUSI DATA

                            

Gambar 1.2 : Grafik Keruncingan Distribusi Data

E.     Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel

a)      Analisa Kemiringan Distribusi Data (Skewness)

Skewness adalah derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu
distribusi memiliki ekor yang lebih memanjang ke kanan (mengacu dari meannya) maka disimpulkan
menceng kanan (positif) dan jika distribusi memiliki ekor yang lebih memanjang ke kiri maka dapat
disimpulkan menceng kiri (negatif). Secara perhitungan, skewness adalah momen ketiga terhadap
mean. Distribusi normal dan distribusi simetris lainnya, misalnya distribusi t memiliki skewness 0.

Cara penulisan rumus skewness di excel :

=Skew (number1, number2,...)

Dimana :

Number1, number2 ... berupa1-255 argumen yang Kita ingin hitung skewnessnya. Kita juga dapat
menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh koma.

               Gambar 1.3 : Analisa Kemiringan Distribusi Data menggunakan Excel

b)      Analisa Keruncingan Distribusi Data (Kurtosis)

Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relatif terhadap
distribusi normal). Kurva yang lebih runcing dari distribusi normal dinamakan Leptokurtik, yang lebih
datar Platikurtik dan distribusi normal disebut Mesokurtik. Kurtosis dihitung dari momen keempat
terhadap mean.

Cara penulisan rumus kurtosis di excel :

=Kurt (number1, number2,...)

Dimana :

Number1, number2, ... dapat berupa 1-255 argumen yang ingin dihitung kurtosisnya. Anda juga
dapat menggunakan array tunggal atau referensi ke array, bukan argumen yang dipisahkan oleh
koma.

Gambar 1.4 : Analisa Keruncingan Distribusi Data menggunakan Excel

F.      Cara Membaca Nilai Skewness dan Kurtosis

a.       Nilai Skewness

Skewness diartikan sebagai kemiringan distribusi data. Yang dimaksud dengan kemiringan data
adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan denan
bentuk lonceng, untuk data yang berdistribusi normal. Begitu juga jika kita terapkan pada Skewness.
Apabila skewness menunjukkan simetri maka dikatakan data membentuk distribusi normal, apabila
kemiringan distribusi data agak condong ke kanan ditunjukkan dengan nilai skewness yang negative,
selanjutnya apabila kemiringan distribusi data condong ke kiri yang ditunjukkan bahwa nilai
skewness positif. Apabila nilai sk = 0, maka menunjukkan data berdistribusi normal, sk < 0
kemiringan ke kanan, dan sk > 0 kemiringan ke kiri. Sebagai contoh, jika diperoleh nilai sk = -0,807
adalah artinya merupakan nilai negatif, akan tetapi tidak jauh dari nilai, Berarti data cenderung
berdistribusi normal atau hampir normal.

b.      Nilai Kurtosis

Kurtosis diartikan sebagai keruncingan distribusi data. Semakin runcing nilai kurtosis akan
menunjukkan data hampir mengumpul (homogen). Akan tetapi apabila nilai kurtosis 0 menunjukkan
data normal, dan apabila nilai kurtosis semakin kecil, maka menunjukkan data semakin tumpul
(semakin menyebar dikatakan data tidak homogen).

Jika nilai kurtosis dekat nol maka data cenderung normal, apabila nilai kurtosis negative
berarti datanya tumpul atau cenderung melebar ke bawah, sebaliknya apabila nilai kurtosis positif
maka datanya bersifat runcing atau cenderung mengelompok (homogen). Sebagai contoh misalnya,
Jika diketahui nilai ku = 1,06. Maka nilai kurtosis positif yang lebih besar dari nol dan cukup jauh dari
nol. Oleh karena itu, dikatakan datanya cenderung runcing atau dengan kata lain cenderung
homogen.

BAB III
PENUTUP

Statistika dipelajari di berbagai bidang ilmu karena statistika adalah sekumpulan alat analisis
data yang dapat membantu pengambil keputusan untuk mengambil keputusan berdasarkan hasil
kesimpulan pada analisis data dari data yang dikumpulkan. Selain itu juga dengan statistika kita bisa
meramalkan keadaan yang akan datang berdasarkan data masa lalu. Statistika Deskriptif
memberikan informasi yang terbatas, yaitu memberi informasi yang terbatas pada data apa adanya.
Oleh karenanya pemakai statistik deskriptif tidak dapat mengambil kesimpulan yang umum atas data
yang terbatas. Kesimpulan yang dapat diambil, terbatas atas data yang ada.
Kegunaan mempelajari ilmu Statistik adalah:

1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.

2. Untuk Penaksiran (Forecasting)

3. Untuk Pengujian (Testing Hypotesa)

Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2

pertimbangan:

1. Pusat data (rata2, median dan modus) hanya memberi informasi yang

sangat terbatas.

2. Kedua, dispersi data sangat penting untuk membandingkan penyebaran

dua distribusi data atau lebih.

DAFTAR PUSTAKA

      Statistika, (2000) kar. J. Supranto, jilid 1 Chap.6 edisi keenam, halaman 126 –145

     Statistika, Teori dan Aplikasi (2001), Bab 05, kar. Wayan Koster, edisi pertama, halaman 93-134
      Bambang Kustituanto dan Rudy Badrudin, Statistika I, Seri Diktat Kuliah, Penerbit Gunadarma,
Jakarta, 1994

      Haryono Subiyakto, Statistika 2, Seri Diktat Kuliah, Penerbit Gunadarma, Jakarta, 1994

        Levin, Richard dan David Rubin, Statistics for Management, Prentice Hall, New Jersey, 1991

     Ronald E Walpole, Pengantar Statistika, edisi terjemahan, PT Gramedia Jakarta, 1992

www.gudangmateri.com

        Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media

Komputindo. Jakarta.

MODUL BINA SARANA INFORMATIKA STATISTIKA DESKRIPTIF.

Ismail di 09.06
Berbagi

Tidak ada komentar:

Posting Komentar
‹
›
Beranda

Lihat versi web

Ta'aruf
Ismail

Lihat profil lengkapku

Diberdayakan oleh Blogger.