Harapan - Pusdiklat BPS · 2020. 2. 10. · Eksplorasi data dengan SPSS for windows Daftar variabel...

10/02/2020

1

www.pusdiklat.bps.go.id 1

www.pusdiklat.bps.go.id

TUGAS INDIVIDU (1 JAM)

VISUALKAN (CHART) DATA INFLASI 4 KOTA DI

INDONESIA TAHUN 206-2019. PERHATIKAN

VISUAL DATA TERSEBUT DAN TULISKAN YANG

ANDA PEROLEH. KEMUDIAN KIRIM KE

[email protected]

DATA BERADA DI TAUTAN INI

s.bps.go.id/inf4k


Tuliskan Harapan Anda !!!

10/02/2020

2


1. mampumenganalisispola sertasebaran data tunggal

4. Mampu menganalisissisaan dari suatupersamaan

2. mampumenganalisispola sertasebaran data berpasangan

3. Mampu menganalisisapakah suatu data berpasanganmempunyai pola yang linier sehingga dapatdibentuk menjadipersamaan linier

TUJUAN


IPemeriksaan Data Variabel Tunggal

IIIPemeriksaan Pola

Sisaan

IIPemeriksaan Data

Variabel Berpasangan

SISTEM PENYAJIAN


Eksplorasi

DataMemahami karakterstik data

Mengetahui informasi penting dansifat khas dari data

Metode pada statistikadeskriptif untuk

penyajian data yang bermanfaat menjadi

informasi yang berguna

PENDAHLUAN


Ukuran Pemusatan

Ukuran Penyebaran

Pola Sebaran

Data


DATA INFORMASIMENGOLAH


Objektif

Representatif

Relevan

Standar error

kecil

Tepat waktu

Data yg baik

10/02/2020

3

www.pusdiklat.bps.go.id www.pusdiklat.bps.go.id


Tabel 1. Penduduk Indonesia menurut Agama,

Tahun 2010

Agama Jumlah

(1) (2)

Islam 207.176.162

Kristen 16.528.513

Katolik 6.907.873

Hindu 4.012.116

Budha 1.703.254

Khong Hu Chu 117.091

Lainnya 299.617

Tidak Terjawab 139.582

Tidak Ditanyakan 757.118

Jumlah 237.641.326

Sumber: Sensus Penduduk 2010, BPS



Nilai Banyaknyaperawat

IstimewaBaikRata-rataKurangKurang sekali

62825170

Tabel 3. Penilaian Komandan Grup

www.pusdiklat.bps.go.idChap 1-18

10/02/2020

4


Ukuran Pemusatan

Rata-rata

MedianModus


Jenis datanya numerik

(interval/rasio)

Sebaran datanya

simetrik

Tidak ada data pencilan

(outlier)

Digunakan Jika:

x

n

= Rata-rata

= Jumlah data

= Banyaknya data

Rata-Rata

1

n

iix

xn

i = 1, 2, …, n

1

n

iix


Pengeluaran rata-rata perbulan dari 6 rumah tangga di suatu

daerah adalah sebagai berikut

Contoh 1

Daerah 1 2 3 4 5 6

Perdesaan A 2.000.000 2.300.000 1.600.000 2.000.000 2.400.000 1.700.000

Perkotaan B 800.000 5.000.000 700000 800.000 1.200.000 3.500.000

2 2,3 1,6 2,0 2,4 1,72( )

6A

xx juta

n

0,8 5 0,7 0,8 1,2 3,52( )

6B

xx juta

n


Gambar 1. Ilustrasi letak nilai rata-rata

pada Perdesaan A

Gambar 2. Ilustrasi letak nilai rata-rata

pada Perkotaan B

Gambaran data diatas adalah:


Rata - rata tak memenuhi

syarat pada data berjenis

interval/rasio

Tidak ada data pencilan

(outlier)

Digunakan Jika:

Data tidak simetrik

inferensia jika sebaran data

tidak normal dengan

selang kepercayaan

Me = Median

1

2

nx

2

nx

12

nx

= Data ke1

2

n

= Data ke 2

n

= Data ke 12

n

Median

10/02/2020

5


Contoh 2

Hitunglah median dari nilai ujian matematika kelas 3 SMU berikut ini:

8; 4; 5; 6; 7; 6; 7; 7; 2; 9

Mengurutkan data: 2; 4; 5; 6; 6; 7; 7; 7; 8; 9

posisi Me = ½(10+1) = 5,5 (antara data ke-5 dan ke-6)

jadi Median = ½ (6+7)

= 6,5

(rata-rata dari 2 data yang terletak pada urutan ke-5 dan ke-6)

n = 10


untuk tujuan deskriptif

karena tidak

mempertimbangkan

sebaran data Jika nilai pengamatan

sangat bervariasi dari

nilai pusatnya, modus

tidak cocok untuk

mengambarkan ukuran

pemusatan

Digunakan:

Modus


Data tanggal setiap bulan mengenai kemunculan para buronan

yang direkam selama 2 tahun adalah sebagai berikut:

6 5 5 5 6 6 9 5 5 7 8 5 7 5 7 5 5 7 7 5 6 5 10 5

Contoh 3

Kemunculan nilai terbanyak : 5 (12 kali)

Dengan demikian, pada bulan ini pihak kepolisian akan melakukan

penggerebekan terhadap para buronan tepat pada tanggal 5

Contohnya, seorang intelijen Negara member informasi pada

kepolisian bahwa buronan yang dicari sering muncul bersama-

sama antara tanggal 5-10 tiap bulan. Dalam satu bulan,

buronan hanya muncul 1 kali bersama-sama untuk

konsolidasi. Pihak kepolisian harus memutuskan sebuah

tanggal untuk melakukan penggrebekan.


Perbandingan rata-rata, median, dan modus

Ukuran Pemusatan Kelebihan Kekurangan

Rata-rata 1. Mempertimbangkan semua

nilai

2. Menggambarkan mean

populasi

3. Variasinya stabil

4. Data homogen

1. Mudah terpengaruh oleh

nilai ekstrim

2. Kurang baik untuk data

heterogen

Median 1. Tidak terpengaruh oleh nilai

ekstrim

2. Cocok untuk data heterogen

1. Tidak mempertimbangkan

semua nilai

2. Kurang menggambarkan

mean populasi

Modus 1. Tidak terpengaruh oleh nilai

ekstrim

2. Cocok untuk data homogen

maupun heterogen

1. Kurang menggambarkan

mean popuasi

2. Modua bias lebih dari satu


Rata-rata = Median = Modus

Rata-rata > Median > Modus

Rata-rata < Median < Modus

)Med3Mod X(X

Hubungan empiris

antara rata-rata,

median, dan

modus:

Perbandingan rata-rata,

median, dan modus


Ukuran Penyebaran

Ukuran penyebaran

A

Range

C

BD Standar

Deviasi

Varians

Koefisien

Variasi

10/02/2020

6


Dari contoh 1, didapatkan

range pedesaan A = 8

Range tidak cocok digunakan bila ada nilai ekstrem

Carilah range data berikut!

Pengeluaran rata-rata perbulan (dalam

ratusan ribu) dari 6 rumah tangga di

suatu daerah

Range

dan range perkotaan B = 43.

Contoh 4


Populasi Sampel

Diberikan data mengenai hasil perolehan nilai pada 2 Quiz yg berbeda, sebagai berikut ini :

Simpangan Baku dan Varian

Contoh 5


Quiz I: rata-rata =18.27

Quiz 2: rata-rata = 10.82

Quiz ke-2 lebih bervariasi

dibandingkan dengan Quiz ke-1.


Perhatikan gugus data di bawah ini:

Jawab:

Kelompok A: Rata-rata = 6.1; s = 2.0

Kelompok B: Rata-rata = 8.7; s = 2.7

Koefisien Variansi

Contoh 6


Indeks Wiliamson

Untuk mengukur ketimpagan antar wilayah digunakan alat

Indeks Williomson

Keterangan:

Yi = PDRB per kapita di kabupaten/kota i

Y = PDRB per kapita provinsi

fi = Jumlah penduduk di kota/kabupaten i

n = Jumlah penduduk Kabupaten i

Jika IW semakin kecil / mendekati nol menunjukan ketimpangansemakin kecil/semakin merata

Jika IW semakin jauh dari nol menunjukan ketimpangan semakinmelebar


Eksplorasi

Data

Steam and

Leaf

Box PlotKuantil

Menggunakan

SPSS

teknik untuk

menggambarkan pola

sebaran bagi data yang

berukuran kecil

untuk melihat

ketidaksimetrisan

data kuantitatif

yang berskala besar

representasi grafik

dari sekelompok

data yang memuat 5

ringkasan data:

median, Q1, Q3,

minimum dan

maksimum

10/02/2020

7


10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67

10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67

10, 15, 16, 17, 18, 20, 21, 21, 22, 22, 23, 25, 26, 27, 30, 32, 44, 53, 67

1Q

2Q

3Q

Kuantil


Box Plot


Berikut 20 data penelitian

tentang penggunaan

microcomputer selama

seminggu (dalam jam) oleh

mahasiswa pada jurusan

matematika di suatu

perguruan tinggi:

12, 16, 12, 13, 16, 14, 15,

15,16, 17, 18, 14, 18, 19, 11,

15, 13, 15, 17, 14

microcomputer

20.00

18.00

16.00

14.00

12.00

10.00

Nilai minimum = 11

Nilai maksimum = 19

Median= = 152Q

= 13

= 16

1Q

3Q

Contoh 8


Box Plot


Box Plot


Box Plot

10/02/2020

8


Aktifkan data

Analyze

Descriptive statistics

Eksplore

1

2

Eksplorasi data

dengan SPSS for windows


Daftar variabel yang akan

dianalisis

daftar variabel yang akan

mengelompokkan output

dari variabel yang dianalisis

isian variabel yang

akan ditampilkan

pada output untuk

masing-masing data

bisa dipilih salah satu dari

tiga opsi yang ada, yaitu:

Both, Statistics, dan Plots


Statistics

menampilkan output mean, median,

modus, 5% trimmed mean, standar

error, variancs, standar deviasi,

minimum, maksimum, range,

interquartile range, skewness, standar

error skewness, kurtosis dan standard

error kurtosis

menampilkan output

robust maximum-

likelihood estimators of

central tendency

menampilkan output lima

data terkecil dan lima data

terbesar. Pada outputnya

akan ditampilkan nilai

extreme

akan menampilkan output persentil:

5, 10, 25, 50, 75, 90, 95 dan Tukey's

hinges


Plots organisasi output boxplot

boxplot dikelompokkan

berdasarkan faktor

boxplot dikelompokkan

berdasarkan dependent

variabel untuk faktor yang

sama

tidak menampilkan boxplot

menampilkan plot descriptive

menampilkan output uji

kenormalan


Option

missing value tidak

diikutkan dalam analisis

output menyertakan hasil

analisis dengan missing value

dan tidak dengan missing

value

mendefinisikan missing

value sebagai data

tersendiri


Workshop

Hitung Nilai Minimum, Q1, Median, Q3 dan Nilai Maksimum dari Data Inflasi 4

Kota di Indonesia Tahun 2016-2019 dengan menggunakan SPSS. Kemudian

Interpretasikan Data tersebut

10/02/2020

9


Workshop

Hitung Nilai Minimum, Q1, Median, Q3 dan Nilai Maksimum dari Data di

s.bps.go.id/pert Dengan spss dan lakukan analisa

terhadap data tersebut


Pendahuluan

Transformasi Data

Pemeriksaan Pola Data Berstruktur

Tunggal

Data Berpasangan dan Persamaan Garis

Lurus

Pemeriksaan Sisa dan Kenormalan

1

2

3

4

5

Eksplorasi

Data


Data

Berpasangan

dan

Persamaan

Garis Lurus

Pola Data

Berpasangan

Pemeriksaan

Ketepatan

Model

Garis

Resisten

Iterasi dalam

Garis Resisten


Data berpasangan

x dan y

Pola pencaran

titik-titik (x,y)

Pola Data berpasangan


BUATLAH SCATTER DIAGRAM DARI DATA IPM DAN IDI DI

TAUTAN INI s.bps.go.id/ipmid

10/02/2020

10


Tipologi Klassen


Garis lurus yang terdapat dalam

diagram pencar yang memperlihatkan

hubungan antar variabel

Garis Resisten

Pola pencaran

membentuk garis lurus?Pemeriksaan

3 titik perwakilan yg

dihubungkan dengan

garisRasio Koefisien b

Garis resisten =

garis regresi


Prosedur penghitungan koef.a,

koef.b dan rasio koef.b :

Urutkan data (x,y) menurut nilai xi, sehingga x1 < x2 < … <

xn

Cari titik yang dapat menjadi wakil dari tiap kelompok,

gunakan nilai median x dan median y dari tiap kelompok

sebagai koordinat titik-titik tersebut, yaitu: (xB,yB), (xT,yT),

(xA,yA)

Bagi kelompok data menjadi 3 bagian yang sama banyaknya

(bagian bawah, tengah, dan atas)

1

2

3


Koefisien b dihitung berdasarkan dua buah titik yang mewakili

kelompok B dan A, sehingga mencerminkan rentangan nilai x

yang paling lebar.

Koefisien a ditetapkan sehingga diharapkan garis tersebut dapat

melalui bagian data yang berada di kelompok tengah (T).

Nilai a ditentukan sebagai rata-rata dari :

aB = yB – b xB

aT = yT – b xT

aA = yA – b xA

a = (aB + aT + aA )/3

b = (yA - yB)/(xA - xB)

5

4

6


Jika rasio menyimpang jauh dari nilai 1 akan menunjukkan

kelengkungan

bAbB

= yA − yTxA − xT

yT − yBxT − xB

Menghitung rasio koef b, dengan cara :7


Contoh :

Data berpasangan x dan y :

x 2 3 4 4 4 4 5 5

y 31 37 42 46 48 48 30 44

x 5 5 6 6 6 6 6 7

y 47 54 49 50 51 56 68 77

Karena sudah urut, langkah selanjutnya adalah membentuk 3 kelompok

Atas, Tengah, dan Bawah

Contoh 9

10/02/2020

11


x y x y x y

2 31,1 5 30,1 6 48,9

3 36,9 5 44,4 6 50,1

4 41,6 5 46,8 6 51,2

4 46,1 5 54 6 56,5

4 48,4 6 68,4

4 48,4 7 77,1

Me. X 4 5 6

Me. Y 43,8 45,6 53,8

B (Bawah) T (Tengah) A (Atas)Kelompok


Dapat dihitung :

Koefisien b:

b = (yA – yB)/(xA – xB) = 10,0/2,0 = 5,0

Koefisien a:

a = {(yB + yT + yA) – b (xB + xT + xA)}/3

= {143,2 – 5 (15)}/3 = 68,2/3 = 22,7

Sehingga persamaan garis yang dimaksud adalah :

ŷ = 22.7 + 5.0 x


bAbB

= yA − yTxA − xT

yT − yBxT − xB

=

53,8− 45,66− 5

45,6− 43,85− 4

= 4,55

Nilai rasio koefisen b:

Berdasarkan rasio kedua nilai b terkesan bahwa pola

garis tersebut melengkung dan menaik tajam

www.pusdiklat.bps.go.id 64

Pemeriksaan Ketepatan Model

1. Plot antara sisaan dengan nilai x atau dengan nilai dugaan

Pemeriksa ketepatan model, diperlukan komponen ,y -ŷ (sisaan).

Pemeriksaan ketepatan model dilakukan dengan cara :

2. Diagram batang-daun atau box-plot dari nilai sisaan

untuk memeriksa kesimetrisan bentuk sebarannya


x y ŷ y-ŷ

2 31,1 32,7 -1,6

3 36,9 37,1 -0,8

4 41,6 42,7 -1,1

4 46,1 42,7 3,4

4 48,4 42,7 5,7

4 48,4 42,7 5,7

5 30,1 47,7 -17,6

5 44,4 47,7 -3,3

5 46,8 47,7 -0,9

5 54 47,7 6,3

6 48,9 52,7 -3,8

6 50,1 52,7 -2,6

6 51,2 52,7 -1,5

6 56,5 52,7 3,8

6 68,4 52,7 15,7

7 77,1 57,7 19,4

Hasil analisis garis resisten (dari contoh sebelumnya):


-25

-20

-15

-10

-5

0

5

10

15

20

0 2 4 6 8

Res

idu

als

X Variable 1

X Variable 1 Residual Plot

Plot data x dan sisaan Box Plot sisaan

10/02/2020

12


Pendahuluan

Transformasi Data


Tunggal


Lurus


1

2

3

4

5

Eksplorasi

Data


Pemeriksaan

Sisa dan

Kenormalan

Pemeriksaan

terhadap Model

Kegunaan dan Tujuan

Pemeriksaan Sisa

Pemeriksaan

Kenormalan


didefinisikan sebagai ei = yi - ŷ iSisa

Informasi dari data awal yang tidak terserap oleh model

Sisa

berbentuk

Acak

Jika sisa sudah berbentuk acak asumsi tentang

kenormalan dan kesamaan varians terpenuhi

Makin besar sisa, makin jauh data menyimpang dari model

Pendahuluan


Pemeriksaan terhadap Model

Kelayakan Model dapat dilihat dengan:

• Melihat hasil pengujian kecocokan model dengan F-Test

• Membandingkan R2 dari model yang berlainan

• Melakukan pengujian hipotesis mengenai koefisien

regresinya


Tujuan pemeriksaan sisa

Apakah sisa berpola acak

Apakah asumsi kenormalan dilanggar

Apakah varians dianggapidak berubah (sama)

Apakah ada pencilan

Apakah variabel yg masuk ke dalam model tidak berbentuk linear

Apakah variabel yg berpengaruh telah masuk ke dalam model


Contoh 10Tabel 4. Data tinggi (x) dan berat badan (y)

10/02/2020

13


Penghitungan dengan

dan tanpa pencilan


Sebelum outlier dikeluarkan

Setelah outlier dikeluarkan


Pemeriksaan Kenormalan

cara yang sederhana memeriksa kenormalan sisa ialah

dengan melihat apakah persentase sisa memenuhi :

antara –s dan s sekitar 68%

antara –2s dan 2s sekitar 95%

antara –3s dan 3s sekitar 99,7%


Diagram batang daun yang ideal adalah yang diagramnya setangkup,

berpuncak tunggal, dan kedua ujungnya tidak terlalu tebal

Pemeriksaan kenormalan merupakan tahapan yang penting, karena

mayoritas analisis statistik untuk penarikan kesimpulan mengharuskan

data yang normal.

Cara yang paling umum dilakukan dengan menggambar plot sisa dalam diagram batang daun.


Frequency Stem & Leaf

2,00 -2 . 59

2,00 -2 . 00

2,00 -1 . 69

,00 -1 .

1,00 -0 . 8

2,00 -0 . 12

2,00 0 . 23

1,00 0 . 6

1,00 1 . 0

1,00 1 . 5

1 , 0 0 E x t r e m e s (>=10, 6)

Stem width: 1,00

Each leaf: 1 case(s)

Grafik batang-daun saat terdapat outlier

Frequency Stem & Leaf

1,00 -2 . 7

2,00 -1 . 02

4,00 -0 . 3388

4,00 0 . 5789

2,00 1 . 03

1,00 2 . 0

Stem width: 1,00Each leaf: 1 case(s)

Grafik batang-daun satelah outlier

dihilangkan


Pendahuluan

Transformasi Data


Tunggal


Lurus


1

2

3

4

5

Eksplorasi

Data

10/02/2020

14


Transformasi

data

Outliers

untuk

memperoleh

sebaran data

yang relatif

normal

Data tidak memiliki

sebaran normal dan

Varian heterogen


4

3

2

1 Mengamati diagram batang-daun dan box plot

data x dan y

Memilih transformasi untuk x dan y

Menentukan regresi linear x terhadap y

Jika regresi x terhadap y memberi nilai R2 yg

sudah memuaskan, maka permodelan selesai

Jika belum memuaskan, ulangi langkah 2 dan

3

5

Langkah-langkah melakukan transformasi data


Transformasi

Logaritma

Akar kuadrat

data yg standar deviasinya

berbanding dengan rataan,

pengaruhnya kelipatan atau

memiliki hubungan fungsi.

untuk bilangan bulat yang kecil,

misalnya data yang diperoleh

pada kejadian yang jarang


digunakan bila

data berkaitan

dengan waktu

dan rata-

ratanya

mengikuti rata-

rata geometrik

bila rata-rata suatu

perlakuan semakin

besar, maka

variannya juga

semakin besar

Transformasi Logaritma

Maka dengan mengganti tiap

pengamatan dengan logaritmanya

akan dihasilkan varian yang

hampir sama


Transformasi Akar kuadrat

Banyaknya tanaman terserang suatu hama dalam

suatu petak

Transformasi

akar kuadrat

Jika data

mengikuti

sebaran

poisson

Dengan ciri-ciri

Rata-rata data hasil

pengamatan masing-

masing perlakuan

hampir sama dengan

variannya

Data dalam persen

(persentase sangat kecil)

atau peluang

kejadiannya sangat kecil

Untuk bilangan bulat yang

kecil, misalnya data yang

diperoleh pada kejadian yang

jarang


Contoh 11

Tabel .. Lamanya seseorang melaksanakan training dengan

performance score yang didapat

10/02/2020

15


Scatter plot

Gambar 24. Perbandingan garis regresi linier dan


Descriptives

Statistic Std. Error

performance_score Mean 89.7000 8.83308

95% Confidence

Interval for Mean

Lower

Bound

69.7182

Upper

Bound

109.6818

5% Trimmed Mean 90.1667

Median 95.5000

Variance 780.233

Std. Deviation 27.93266

Minimum 46.00

Maximum 125.00

Range 79.00

Interquartile Range 48.25

Skewness -.389 .687

Kurtosis -1.155 1.334

Persamaan garis barunya = -11.69 + 85.53 X’


Curve Estimation pada SPSS

Aktifkan data

Analyze

1

2

Regression

Curve Estimation



Daftar Pustaka

10/02/2020

16


TERIMA KASIH

Permintaan modul/video/bahan pelatihan dapatmenghubungi:

Kepala Pusat Pendidikan dan PelatihanBadan Pusat Statistik

c.q Kepala Bidang Diklat Teknis dan Fungsional

d.a Jalan Raya Jagakarsa No. 60, Lenteng AgungJakarta Selatan

Telp: 021 – 7873781/ 021 – 7873782/ 021 – 7873783

Harapan - Pusdiklat BPS · 2020. 2. 10. · Eksplorasi data dengan SPSS for windows Daftar variabel...

Documents

Transcript of Harapan - Pusdiklat BPS · 2020. 2. 10. · Eksplorasi data dengan SPSS for windows Daftar variabel...