kemiringan & keruncingan.docx

download kemiringan & keruncingan.docx

of 18

Transcript of kemiringan & keruncingan.docx

  • 8/10/2019 kemiringan & keruncingan.docx

    1/18

    PAPER

    STATISTIKA DESKRIPTIF

    Ukuran Penyebaran Data

    (Kemiringan dan Keruncingan)

    Diajukan guna memenuhi Nilai Ujian Akhir Semester

    DISUSUN OLEH KELOMPOK 5 :

    1. KURNIA NUR AINI (11131485)

    2. RIZKY LARASATI (11131956)

    3. SRI WAHYUNI (11131386)

    4. DESY SUWARNI (11132227)

    5. SRI MULYANI (11131882)

    Jurusan Komputer Akuntansi

    Akademi Manajemen Informatika & Komputer

    BINA SARANA INFORMATIKA

    JAKARTA

    Tahun 2014

  • 8/10/2019 kemiringan & keruncingan.docx

    2/18

    KATA PENGANTAR

    Dengan mengucapkan Alhamdulillah kehadirat Tuhan Yang Maha Esa, atas segala

    Rahmat,Hidayah dan bimbingan-Nya, sehingga kami penulis dapat menyelesaikan Makalah

    ini.

    Penulisan makalah ini digunakan untuk memenuhi salah satu syarat kelulusan mata kuliah

    STATISTIKA DESKRIPTIF sebagai nilai Ujian Akhir Semester (UAS).

    Pada Makalah ini, kami akan membahas hasil analisa studi yang berkenaan pada pembahasan

    makalah ini yaitu Kemiringan Distribusi Data, Keruncingan Distribusi Data, dan Angka

    Indeks. Oleh karena itu, kami mengucapkan rasa terima kasih kepada:

    1. Bapak Amrin S.SI, selaku Dosen Pada Mata Kuliah STATISTIKA DESKTIPTIF.

    2. Teman-teman semua yang telah mendukung dan memberi semangat kepada kami.

    Semoga bantuan dan dukungan yang telah diberikan kepada kami mendapat balasan sertakarunia dari Allah SWT.Kami menyadari penulisan makalah ini jauhdari sempurna, maka

    dari itu kami berharap saran dan kritik untuk kesempurnaanmakalah ini.Akhirnya kami

    berharap semoga makalah ini dapat memberi manafaatyang sebesar-besarnya bagi kami dan

    pihak yang memerlukan.

    Jakarta, 28 April 2014

    Penulis

  • 8/10/2019 kemiringan & keruncingan.docx

    3/18

    DAFTAR ISI

    Judul Halaman

    Kata Pengantar ................................................................................................ i

    Daftar Isi ................................................................................................................................. ii

    BAB I ...................................................................................................................................... 1PENDAHULUAN ................................................................................................................. 1

    A. Latar Belakang ................................................................................................................... 1

    B. Rumusan Masalah .............................................................................................................. 1

    C. Tujuan dan Manfaat ........................................................................................................... 1

    D. Metode Pengumpulan Data .. 2

    E. Sistematika Penulisan 2

    BAB II .................................................................................................................................... 3

    PEMBAHASAN .................................................................................................................... 3

    A. Pengertian Statistika Deskriptif ......................................................................................... 3

    B. Pengertian Dispersi Data .................................................................................................... 3

    C. Kegunaan Ukuran Penyebaran Data .................................................................................. 3D. Kemiringan dan Keruncingan Data ................................................................................... 4

    E. Analisa Ukuran Penyebaran Data Menggunakan MS. Excel ............................................ 11

    F. Cara Membaca Nilai Kurtosis dan Skewness .................................................................... 15

    G. Uji Normalitas Kurtosis dan Skewness ............................................................................. 16

    BAB III .................................................................................................................................. 18

    PENUTUP .............................................................................................................................. 18

    DAFTAR PUSTAKA .... iii

  • 8/10/2019 kemiringan & keruncingan.docx

    4/18

  • 8/10/2019 kemiringan & keruncingan.docx

    5/18

    2) Dengan dibuatnya makalah ini dapat membantu kita dalam memahami penganalisaan

    tentang data-data statistik dengan menggunakan Software Ms.Excel.

    3) Belajar membuat makalah tentang STATISTIKA DESKRIPTIF dalam materi Ukuran

    Penyebaran Data.

    Manfaat

    Penulis mengharapkan agar tulisan ini dapat dimengerti oleh pembaca. Selain itu pembaca

    dapat memahami seberapa pentingnya materi Ukuran Penyebaran Data (Kemiringan dan

    Keruncingan Data).

    D. Metode Pengumpulan Data

    1. Metode Browsing Internet.

    Dalam pembuatan makalah ini penulis melakukan penelitian melalui browsing ke internet

    supaya makalah ini dapat menjelaskan secara terperinci atau penambahan wawasan dalam

    materi yang bersangkutan yaitu Ukuran Penyebaran Data.

    2. Metode Kepustakaan.

    Pengumpulan data dengan cara membaca buku-buku yang berhubungan dengan masalah

    yang berkenaan dengan penulisan tugas makalah ini dapat disajikan sebagai bahan

    pertimbangan untuk mendekati dan meneliti kebenaran antara teori dengan praktek yang ada.

    E. Sistematika Penulisan

    Untuk mempermudah pembaca mengerti akan maksud dan 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 penulis menjelaskan tentang pengertian dari ukuran kemiringan dan

    ukuran keruncingan beserta dengan rumusrumus, contoh kasus dan penyelesaiannya.

    BAB III : Dalam bab ini penulis menguraikan tentang penutup yang meliputi kesimpulan dan

    saran berdasarkan atas pada bab pendahulu.

  • 8/10/2019 kemiringan & keruncingan.docx

    6/18

    BAB II

    PEMBAHASAN

    A. Pengertian Statistika Deskriptif

    Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data danmenampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini melibatkan

    proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistic 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 didalamnya. Tetapi dapatkah statistika deskriptif

    memberikan hasil yang bias 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 darikeberagaman 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. Pengertian Dispersi Data

    Penyebaran atau dispersi adalah perserakan dari nilai observasi terhadap nilai rata-ratanya.

    Rata-rata dari serangkaian nilai observasi tidak dapat diinterpretasikan secara terpisah dari

    hasil dispersi nilai-nilai tersebut sekitar rata-ratanya.

    Ukuran penyebaran suatu kelompok data terhadap pusat data disebut disperse atau variasi

    atau keragaman data. Dispersi data digunakan untuk membandingkan penyebaran duadistribusi data atau lebih.

    C. Kegunaan Ukuran Penyebaran 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 dalammenganalisa data.

  • 8/10/2019 kemiringan & keruncingan.docx

    7/18

    Kegunaan ukuran penyebaran 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 daripopulasi yang sama atau tidak.

    D. Kemiringan dan Keruncingan Data

    a. Kemiringan Distribusi Data

    Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan (asimetri) suatu distribusi data.

    Kemiringan distribusi data terdapat 3 jenis, yaitu :

    Simetris : menunjukkan letak nilai rata-rata hitung, median, dan modus

    berhimpit (berkisar disatu titik)

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

    Miring ke kiri : mempunyai nilai modus paling besar dan rata-rata hitung paling kecil

    Gambar 1: Grafik Kemiringan Distribusi Data

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

    lain:1. Memperhatikan hubungan antara rata-rata hitung, median dan modus.

    2. Menggunakan koefisien Pearson.

    3. Menggunakan Momen ketiga.

    4. Menggunakan kotak diagram garis.

    Rumus untuk menghitung derajat kemiringan distribusi data:

  • 8/10/2019 kemiringan & keruncingan.docx

    8/18

    i. Rumus Pearson:

    ii. Rumus Momen:

    - Data Tidak Berkelompok

    - Data Berkelompok

    Keterangan :

    3 = Derajat kemiringan

    Xi = Nilai data kei

    x = Nilai rata-rata hitung

    fi = Frekuensi kelas ke - i

    mi = Nilai titik tengah kelas kei

    S = Simpangan baku

    n = Banyaknya data

    Jika 3 = 0 distribusi data simetris3 < 0 distribusi data miring ke kiri

    3 > 0 distribusi data miring ke kanan

    iii. Rumus Bowley:

    Rumus ini menggunakan nilai kuartil :

    13

    213

    3 Q-Q

    Q-QQ

    Keterangan :

    Q1 = Kuartil pertama

    Q2 = Kuartil kedua

    Q3 = Kuartil ketiga

    Cara menentukan kemiringannya :

  • 8/10/2019 kemiringan & keruncingan.docx

    9/18

    Jika Q - Q = Q - Q sehingga Q + Q - 2Q = 0 yang mengakibatkan = 0,

    sebaliknya jika distribusi miring maka ada dua kemungkinan yaitu Q = Q atau Q = Q ,

    dalam hal Q1 = Q maka = 1, dan untuk Q = Q maka = -1

    Contoh Soal & Penyelesaian Kemiringan

    Contoh soal data tidak berkelompok :

    Tentukanlah derajat kemiringan dan jenisnya dari data berikut 8, 8, 3, 5, 4, 9, 4, 6, 8, 10

    Jawab :

    Data terurut : 3, 4, 4, 5, 6, 8, 8, 8, 9,10 maka diperoleh :

    5,6}10...43{10/1/1 xnx

    Median = Med = (6+8) = 7

    Modus = Mod = 8

    Standar deviasi diperoleh dari variansinya yaitu :

    83,5110

    )5,610(...)5,64()5,63(

    1

    )( 2222

    2

    n

    xxS

    Maka standar deviasinya =

    42,283,52

    SS

    Derajat kemiringan data menurut Pearson adalah

    62,042,2

    85,6

    S

    Modx

    62,042,2

    )75,6(3)(3

    S

    Medx

    Karena bertanda negatif, maka distribusi data miring ke kiri.

    Derajat kemiringan data dengan rumus Momen adalah

    0635,0

    725,141/}875,42625,15

    375,3375,3375,3

    )125,0()375,3()625,15()625,15(875,42{

    )42,2.(10

    )5,610(...)5,64()5,63()(3

    333

    3

    3

    3

    nS

    xx

    Karena bertanda negatif, maka distribusi data miring ke kiri.

    Derajat kemiringan data dengan rumus Bowley adalah

  • 8/10/2019 kemiringan & keruncingan.docx

    10/18

    13

    213

    QQ

    QQQ

    Data terurut : 30,35,40,45,50,55,60,65,70,80,85,95,100 dan

    n = 13

    Q1 = nilai ke 1(13 +1) / 4 = nilai ke 14 / 4 = nilai ke 3,5

    Maka :

    5,42)4045(5,040)(5,0 3431 xxxQ

    Q3 = nilai ke 3(13 +1) / 4 = nilai ke 42 / 4 = nilai ke 10,5

    Maka :

    5,82)8085(5,080)(5,0 1011103 xxxQ

    Data terurut : 30,35,40,45,50,55,60,65,70,80,85,95,100 dan n = 13

    Q2 = nilai ke 2(13 +1) / 4 = nilai ke 28 / 4 = nilai ke 7

    Maka :

    60)(0,0 7872 xxxQ

    Derajat kemiringan data dengan rumus Bowley adalah

    13

    213

    QQ

    QQQ

    625,140

    65

    5,425,82

    605,425,82

    Karenabertanda positif maka distribusi data miring ke kanan.

    Contoh soal data berkelompok :

    Tentukanlah derajat kemiringan dan jenisnya dari data berikut ini :

    Maka :

  • 8/10/2019 kemiringan & keruncingan.docx

    11/18

    525,14040

    5621.

    f

    mfx

    64,20739

    9741,8097

    1

    )( 2

    2

    n

    xxfS

    Maka simpangan baku atau standar deviasinya adalah

    410,1464,2072

    SS

    Derajat kemiringan data kelompok dengan rumus Momen adalah

    Maka Derajat kemiringan data kelompok dengan rumus Momen adalah

    1115,0)410,14.(40

    9013,13348)(33

    3

    3

    nS

    xmf

    Karenabertanda positif maka distribusi data miring ke kanan.

    B. Keruncingan Distribusi Data

    Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak suatudistribusi data terhadap distribusi normalnya data. Keruncingan distribusi data disebut juga

    kurtosis.

    Ada tiga jenis derajat keruncingan:

    1. Leptokurtis : Distribusi data yang puncaknya relatif tinggi

    2. Mesokurtis : Distribusi data yang puncaknya normal

    3. Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu mendatar.

    Grafik Keruncingan Distribusi Data

  • 8/10/2019 kemiringan & keruncingan.docx

    12/18

    Derajat keruncingan distribusi data 4 dapat dihitung berdasarkan rumus berikut :

    - Data Tidak Berkelompok :

    - Data Berkelompok :

    Keterangan :4 = Derajat keruncingan

    Xi = Nilai data kei

    X = Nilai rata-rata hitung

    fi = Frekuensi kelas ke - i

    mi = Nilai titik tengah kelas kei

    S = Simpangan baku

    n = Banyaknya data

    Jika 4 = 3 distribusi keruncingan data

    disebut mesokurtis4 > 3 distribusi keruncingan data

    disebut leptokurtis

    4 < 3 distribusi keruncingan data

    disebut platikurtis

    Contoh soal keruncingan dan penyelesaiannya

  • 8/10/2019 kemiringan & keruncingan.docx

    13/18

    Contoh soal keruncingan data tidak berkelompok :

    Tentukanlah derajat keruncingan dan jenisnya dari data berikut 8, 8, 3, 5, 4, 9, 4, 6, 8, 10

    Jawab :

    Data terurut : 3, 4, 4, 5, 6, 8, 8, 8, 9,10 maka diperoleh :

    5,6}10...43{10/1/1 xnx Standar deviasi diperoleh dari variansinya yaitu :

    83,5110

    )5,610(...)5,64()5,63(

    1

    )( 2222

    2

    n

    xxS

    Maka standar deviasinya =

    42,283,52 SS

    Derajat keruncingan data dengan rumus Momen adalah

    4

    444

    4

    4

    4)42,2.(10

    )5,610(...)5,64()5,63()(

    nS

    xx

    1,2760

    342,9742/}0625,150

    0625,390625,50625,50625,50625,0

    0625,50625,390625,390625,150{

    Karena kurang dari 3 maka distribusi keruncingan data disebut platikurtis

    Dari contoh soal terdahulu diperoleh hasil sebagai berikut :

    525,14040

    5621.

    f

    mfx

    64,20739

    9741,8097

    1

    )( 2

    2

    n

    xxfS

    410,1464,2072 SS

    Derajat keruncingan data kelompok dengan rumus Momen adalah

  • 8/10/2019 kemiringan & keruncingan.docx

    14/18

    Maka Derajat keruncingan data kelompok dengan rumus Momen adalah

    2,349)410,14.(40

    243,4051745)(44

    4

    4

    nS

    xmf

    Karena kurang dari 3 maka distribusi keruncingan data disebut platikurtis

    E. Analisa Ukuran Penyebaran Data Menggunakan Ms. Excel

    1. 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 adalahmomen ketiga terhadap mean. Distribusi normal dan distribusi simetris lainnya, misalnya

    distribusi t memiliki skewness 0.

    2. Analisa Keruncingan Distribusi Data (Kurtosis)

    Kurtosis adalah derajat keruncingan suatu distribusi (biasanya diukur relative 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.

    3. Analisa Ukuran Penyebaran Data

    Statistik Deskriptif adalah Statistik yang berfungsi untuk mendeskripsikan atau memberikan

    gambaran terhadap objek yang di teliti melalui data sampel atau populasi sebagaimana

    adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum.

    Dalam Statistik Deskriptif ini akan dikemukakan cara-cara penyajian data,dengan tabel biasa

    maupun distribusi frekuensi; grafik garis maupun batang; diagram lingkaran; histogram dll,

    dan menghitung ukuran penyebaran dan pemustan data seperti: Mean, Median, Mode,

    Standard Deviation, Variance, Kurtosis, Skewness, Range, Minimum, Maximum, Sum, dan

    Count.Menentukan Ukuran Statistik Deskriptif Dengan Excel

  • 8/10/2019 kemiringan & keruncingan.docx

    15/18

    Langkah-langkahnya:

    1.Masukkan data pada range tertentu, misal ( A2:A11)

    2.Pilih menu Data pada menu utama

    3.Pilih Data Analysis

    4.Pilih Deskriptive Statistics pada daftar Analysis Tools lalu klik OK

    Ketika Box Dialog muncul:

    Range, sorot pada range A2 : A11

    ada kotak Output Range, ketik C3

    da Summary Statistics, kemudian klik OK

    Contoh hasil perhitungannya sebagai berikut :

    Keterangan:

    Keterangan Analisa Statistika Deskriptif Penyebaran Data

    1. Mean aritmetik atau dikenal sebagai rata-rata.

    Sama seperti fungsi Rata-rata.

    2. Standar Error Perkiraan kesalahan dalam sampel Mean.

    3. Median Nilai di tengah, sama dengan fungsi Median.

    4. Mode Nilai yang paling umum.

    5.

    Standar Deviation6. Sebuah ukuran variabilitas data. Sama seperti fungsi STDEV.

    7. Sample Varians Kuadrat dari standar deviasi. Sama seperti fungsi VAR.

    8. Kurtosis Mengukur berat dari ekor distribusi. Sama sepertifungsi KURT.

    9. Skewness Indeks apakah nilai-nilai yang di salah satu ujung distribusi. Sama seperti

    fungsi SKEW.

    10.Range Perbedaan antara maksimum dan minimum.

    11.

    Minimum Nilai Terkecil.

    12.Maximum Nilai Terbesar.

    13.

    Sum Jumlah dari semua nilai. Sama seperti fungsi SUM.

    14.Count Jumlah total nilai. Sama seperti fungsi menghitung.

    F. Cara Membaca Nilai Kurtosis dan Skewness

  • 8/10/2019 kemiringan & keruncingan.docx

    16/18

    1. Nilai Skewness (Kemiringan)

    Skewness diartikan sebagai kemiringan distribusi data.Yang dimaksud dengan kemiringan

    data adalah besarnya pembagian data atau rata-rata sebaran data yang biasanya di wujudkan

    dengan bentuk lonceng, untuk data yang berdistribusi normal. Begitu juga jika kita terapkanpada 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 hamper normal.

    2. 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

  • 8/10/2019 kemiringan & keruncingan.docx

    17/18

    PENUTUP

    1. Kesimpulan

    Statistika dipelajari di berbagai bidang ilmu karena statistika adalah sekumpulan alat analisis

    data yang dapat membantu pengambil keputusan untuk mengambil keputusan berdasarkanhasil 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)

    2. Saran

    Dalam kehidupan sehari hari bahwa penggunaan aplikasi microsoft Excel dapat

    memberikan manfaat yang besar bagi suatu organisasi perusahaan maupun pendidikan yaitu

    waktu dapat menjadi lebih efisien ketika melakukan pengolahan data mentah menjadi data

    berkelompok yang nantinya menjadi informasi bagi organisasi tersebut dalam menentukan

    keputusan yang lebih baik di masa yang akan datang. Sebaliknya, jika sebuah organisasi

    perusahaan maupun pendidikan masih menerapkan penghitungan manual dalam pengolahan

    data statistik, maka waktu yang ada menjadi kurang efisien dan pengerjaan dalam mengolah

    data menjadi kurang efektif.

    Dan juga bila dibandingkan hasil dari pengolahan data secara manual dengan hasil

    pengolahan data secara otomatis yaitu dengan aplikasi microsoft excel, akan memperoleh

    hasil yang berbeda dari keduanya. Tingkat keakuratan pengolahan data secara otomatis lebih

    mendekati kebenaran daripada pengolahan data secara manual.

  • 8/10/2019 kemiringan & keruncingan.docx

    18/18

    DAFTAR PUSTAKA

    Modul BSI Statistik Deskriptif 2013.

    http://statistikakeruncingan.blogspot.com/

    http://muhamadgunawanccti.wordpress.com/2012/04/25/618/http://loveyousoo.blogspot.com/2012/03/ltm-ke-6.html

    http://achmadsyahlani.blogspot.com/p/statistika-deskriptif.html

    http://nidashafiyanti2.blogspot.com/2012/04/kemiringan-dan-keruncingan-kurva.html

    http://www.igcomputer.com/ukuran-pemusatan-dan-penyebaran-data-pada-statistik-

    deskriptif.html

    http://id.wikipedia.org/wiki/Statistika

    http://www.bsi.ac.id

    http://statistikakeruncingan.blogspot.com/http://muhamadgunawanccti.wordpress.com/2012/04/25/618/http://loveyousoo.blogspot.com/2012/03/ltm-ke-6.htmlhttp://achmadsyahlani.blogspot.com/p/statistika-deskriptif.htmlhttp://nidashafiyanti2.blogspot.com/2012/04/kemiringan-dan-keruncingan-kurva.htmlhttp://nidashafiyanti2.blogspot.com/2012/04/kemiringan-dan-keruncingan-kurva.htmlhttp://achmadsyahlani.blogspot.com/p/statistika-deskriptif.htmlhttp://loveyousoo.blogspot.com/2012/03/ltm-ke-6.htmlhttp://muhamadgunawanccti.wordpress.com/2012/04/25/618/http://statistikakeruncingan.blogspot.com/