Professional Documents
Culture Documents
Wa0000
Wa0000
BAB I
PENDAHULUAN
A. Latar Belakang
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.
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 :
2. Dispersi Data
3. Kegunaan Ukuran Penyebaran Data
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).
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
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.
a. Mengumpulkan data/informasi.
b. Mengolah data hasil pengumpulan.
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.
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.
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. Rumus Pearson:
Atau
Keterangan :
α = Pearson
Mod = Modus
Med = Median
2. Rumus Momen:
- Data Berkelompok
Keterangan :
Jika α3 = 0 distribusi data simetris α3 < 0 distribusi data miring ke kiri α3 > 0 distribusi data miring
ke kanan
3. Rumus Bowley:
Keterangan :
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
Keruncingan Distribusi Data merupakan derajat atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya data. Keruncingan distribusi data ini disebut juga
kurtosis.
c) Platikurtis : distribusi data yang puncaknya terlalu rendah dan terlalu mendatar
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.
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.
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.
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.
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:
pertimbangan:
1. Pusat data (rata2, median dan modus) hanya memberi informasi yang
sangat terbatas.
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
Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.
Ismail di 09.06
Berbagi
Diberdayakan oleh Blogger.