Lapres Statistika 1

7/24/2019 Lapres Statistika 1

1/32

I. PENDAHULUAN1.1 Latar Belakang

Statistik adalah suatu kerangka teori-teori dan metode-metode yang telah dikembangkan

untuk melakukan pengumpulan, analisis, dan pelukisan data sampel guna memperoleh

kesimpulan-kesimpulan yang bermanfaat. Adapun satatistika adalah ilmu tentang cara-cara

mengumpulkan, menggolongkan, menganalisis, dan mencari keterangan yang berhubungan

dengan pengumpulan data yang penyelidikan dan kesimpulannya berdasarkan bukti-bukti yang

berupa angka-angka.

Secara umum kedudukan statistika memiliki beberapa manfaat, antara lain:

1. Menyajikan data secara ringkas dan jelas, sehingga lebih mudah dimengerti oleh para

pengguna.

2. Menunjukkan trend atau tendensi perkembangan suatu masalah.

. Melakukan penarikan kesimpulan secara ilmiah.

Statistika deskriptif berkenaan dengan bagaimana data yang dapat

digambarkan!dideskripsikan baik secara numerik "misal menghitung rata # rata dan de$iasi

standar% atau secara grafis "dalam bentuk tabel atau grafik% untuk mendapatkan gambaran

sekilas mengenai data tersebut sehingga lebih mudah dibaca dan dipahami. &al yang

melatarbelakangi perlunya mempelajari Statistika 'eskriptif adalah untuk menginterpretasikan

output!keluaran dari data untuk mendapatkan gambaran sehingga data akan lebih mudah dibaca

dan bermakna. (aket program S(SS merupakan salah satu soft)are yang sangat besar

kontribusinya sebagai media pengolahan data statistik. Soft)are ini menyediakan berbagai

jenis perintah yangmemungkinkan proses pemasukan data, manipulasi data, pembuatan grafik

dan berbagai analisis statistik.

1.2 Tujuan Praktikum

*ujuan praktikum ini adalah :

1. Mengenal program S(SS.

2. Mengidentifikasi jenis skala pengukuran.

. Membuat file data.


2/32

1.3 Manfaat Praktikum

1. Memperluas pengetahuan tentang statistika deskriptif.

2. Mahasis)a mendapat skillbaru dalam pengolahan data statistik menggunakan software

S(SS .

. Mengaplikasikan program S(SS dalam penelitian.


3/32

II. TINJAUAN PUTA!A

2.1 Pengertian "an Peranan tati#tika

+lmu statistik "Statistika% memiliki perkembangan sejarah yang sangat panjang, mulai dari

adanya peradaban manusia, sampai pada aman teknologi informasi sekarang ini. (ada aman

dahulu, data statistik yang dipergunakan oleh suatu negara untuk menghitung basil pertanian,pajak penghasilan, dan bahkan untuk menghitung logistik perang. Seiring dengan

perkembangan aman, ilmu statistik juga makin berkembang, mulai dari metode statistik,

hingga analisa data statistik "Saparita, 21%.

2.1.1 Pengertian tati#tika

Menurut alpole "1//0%, Statistika adalah ilmu yang mempelajari bagaimana

merencanakan, mengumpulkan, menganalisis menginterpretasi dan mempresentasikan data.

Statistika merupakan ilmu yg berkenaan dgn data sedang statistik adalah data informasi atau

hasil penerapan algoritma statistika pada suatu data. eberapa istilah statistika antara lain:

populasi sampel unit sampel dan probabilitas. Sedangkan, ilmu statistik atau statistika dapat

diartikan sebagai metode ilmiah yang terdiri dari proses pengumpulan data, mengorganisasi

data tersebut sehingga lebih berarti, menyajikan data, melakukan analisis dengan metode

tertentu, serta menarik kesimpulan dari analisis yang dilakukan "Santoso, 2%.

Menurut alpole "1//0%, statistika dibagi menjadi dua, yaitu :

1. Statistika 'eskriptif:

Menggunakan metode numerik dan grafik untuk mencari pola suatu kumpulan data,

Meringkas informasi yang terkandung di dalam kumpulan data,

Menghadirkan informasi dalam bentuk yang diinginkan

2. Statistika +nferensia:

Statistika yang menggunakan data sampel untuk membuat estimasi, prediksi, keputusan

dan generalisasi terhadap data yang besar


4/32

2.1.2 Peranan tati#tika

Menurut Amir "21%, Statistika memiliki banyak peran di dalam kehidupan

manusia, diantaranya :

Aktuaria "penerapan statistika dalam bidang asuransi%

iostatistika atau biometrika "penerapan statistika dalam ilmu biologi%

Statistika bisnis

3konometrika

(sikometrika "penerapan dalam bidang psikologi%

Statistika Sosial

Statistika *eknik atau *eknometrika

4isika Statistik

'emografi "penerapan dalam bidang dinamika kependudukan manusia%

Analisis proses dan kemometrika "untuk analisis data kimia analis dan teknik kimia%

'll

2.2 P 1$5ntuk penelitian yang menggunakan analisis statistik, pasti memerlukan bantuan soft)are

statistik untuk melakukan pangolahan data. *erdapat berbagai macam soft)are statatistik yang

dapat disesuaikan dengan kebutuhan penelitian. Setiap soft)are memiliki kelebihan dan

kekurangan masing-masing. Salah satu soft)are yang sering digunakan untuk pengolahan data

statistik adalah soft)are S(SS.

S(SS adalah soft)are statistik yang dibuat oleh 6orman & 6ie, &adlai &ull dan 'ale &

ent dari Stanford 5i$ersity pada tahun 1/78. S(SS yang merupakan kepanjangan dari

Statistical Package for Social Science, pada mulanya memang digunakan untuk menganalisis

data-data sosial kemasyarakatan. (rogram olah data S(SS ini telah digunakan di berbagai

bidang persoalan seperti riset pasar, pengendalian dan perbaikan mutu, serta riset-riset sains.

(rogram S(SS ini sangat populer karena sering kali dijadikan sebagai alat untuk mempermudah

proses pengolahan data. Sampai saat ini, program S(SS masih tetap dipakai dalam berbagai

bidang seperti ilmu keuangan, telekomunikasi, retail, farmasi, militer, broadcasting, riset

pemasaran, database marketing, penilaian kredit, peramalan bisnis, penilaian kepuasan

konsumen, dan lain sebagainya. (rogram olah data S(SS ini sangat membantu dalam proses

pengolahan data, sehingga hasil olah data yang dicapai juga dapat dipertanggungja)abkan dan

terpercaya. 'alam bidang kelautan, contoh penggunaan program S(SS adalah dalam analisis

korelasi suhu permukaan laut terhadap curah hujan "(erti)i, et al, 210%.

erdasarkan sudut pandang statistik, terdapat dua jenis data yang dapat diolah menggunakan

program S(SS, yaitu data kualitatif dan data kuantitatif. 'ata kualitatif merupakan data yang

dapat dinyatakan dalam bentuk bukan angka, misalnya jenis pekerjaan seseorang yang meliputi

nelayan, petani, pega)ai, dan lain-lain. Selain itu bisa juga data gender "pria atau )anita%,

tingkat kepuasan seseorang mulai dari tidak puas, cukup puas, dan sangat puas, dan data lain

yang berbentuk bukan angka. 'ata kualitatif seperti ini harus dikuantifikasi terlebih dahulu


5/32

agar dapat diolah dengan statistik. 9ara mengkuantifikasikan data kualitatif ini yaitu dengan

cara memberi skor tertentu ")anita diberi skor 1, pria diberi skor 2%, memberi rangking "tidak

puas 1, cukup puas 2, dan sebagainya%, atau memberi pendapat "a 1, *idak 2%. +ni akan

memudahkan data untuk diolah dengan program S(SS.

Sedangkan data kuantitatif merupakan suatu data yang dapat dinyatakan dalam bentuk

angka, misalnya tinggi badan seseorang, usia seseorang, jumlah penjualan dalam satu bulan,

jumlah bakteri dalam suatu percobaan, dan lain sebagainya. ;arena data ini sudah berbentuk

angka, maka akan mudah untuk diaplikasikan ke dalam olah data S(SS.

;elebihan yang dimiliki olehsoftwareS(SS adalah mampu mengakses data dari berbagai

macam format yang tersedia, seperti pada dase,


6/32

. Output! hasil analisis

Setelah proses analisis data dilakukan, kemudian akan muncul hasil analisis pada

jendela output. &asil analisis dapat berupa angka yang tersusun dalam tabel maupun grafik

sesuai jenis analisis yang digunakan.

2.3 tati#tika De#kr%tif

Statistika 'eskriptif merupakan bidang ilmu statistika yang mempelajari tatacara

penyusunan dan penyajian data yang dikumpulkan dalam suatu penelitian. Statistika deskriptif

berkenaan dengan mendeskripsikan data, misalkan dengan menghitung rata-rata dan $arians

dari data mentah> mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah

lebih mudah ?dibaca@ dan lebih bermakna "alpole, 1//0%.

2.3.1 Mean

Mean merupakan rata-rata hitung yang digunakan pada suatu data kuantitatif. Secara

sederhana, nilai mean dicari dengan membagi jumlah dari keseluruhan isi data dengan

jumlah datanya. erdasarkan bentuk datanya, mean dapat ditentukan melalui beberapa

cara diantaranya :

1. ata-rata hitung data sederhana

'isebut sederhana karena dalam perhitungan tidak memperhitungkan frekuensi data

dan bobotnya.

umus :

x=i=1

n

xi

n

'imana =i adalah data ke i dan n adalah jumlah data.

2. ata-rata hitung dengan frekuensi

(ada data yang memiliki frekuensi kemunculan tertentu, makan nilai mean ditentukan

dengan menggunakan rumus :

x=

i=

1

n

fi .xi

i=1

n

fi

'imana fiadalah frekuensi dari =


7/32

. ata-rata hitung dengan bobot

Selain memperhitungkan adanya frekuensi, pada data juga terdapat bobot yang

membedakan data satu dengan yang lainnya. Maka rumusnya adalah :

x=i=1

n

wi.xi

i=1

n

wi

'imana )i adalah bobot dari data =

"Santoso, 2%

2.3.2 Me"ian

Median merupakan pembagi dari sekumpulan data menjadi dua bagian sama besar.

Bleh karena itu median adalah nilai tengah suatu data yang telah diurutkan dari data yang

terkecil hingga data yang terbesar "Susetyo, 21%. Ada dua cara untuk menghitung

median yaitu, untuk data yang berkelompok dan tunggal.

1. Median 'ata *unggal

Me=0,5(n+1)

2. Median'ata erkelompok

f

i

n

2( fmf)

median=B+

'imana C atas ba)ah kelas median, f dan fm, frekuens kumulatif, + adalah

inter$al, n jumlah datanya.

2.3.3Skewness

Skewness adalah derajat ketidaksimetrisan suatu distribusi. Dika kur$a frekuensi

"poligon frekuensi yang dimuluskan% dari sebuah distribusi mempunyai ekor yang lebih

panjang ke arah kanan dari maksimum di pusat dibandingkan dengan ke arah kiri,

dikatakan bah)a distribusi itu menceng ke kanan, atau memiliki kemencengan positif

"positie skewness%, sebaliknya disebut menceng ke kiri, atau memiliki kemencengan

negatif "negatie skewness% "Santoso, 2%.

2.& Uji N'rmalita#

(engujian normalitas adalah pengujian tentang kenormalan distribusi data. 5ji ini

merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik. ;arena

data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik. Sedangkan

untuk data yang tidak mempunyai distribusi normal, maka analisisnya menggunakan tes non

parametric. 'ata yang mempunyai distribusi yang normal berarti mempunyai sebaranyang

normal pula. 'engan profit data semacam ini maka data tersebut dianggap bisa me)akili

populasi. 6ormal disini dalam arti mempunyai distribusi data normal. 6ormalitas dalam


8/32

statistik parametrik seperti regresi dan Ano$a merupakan syarat pertama.5ji normalitas

bertujuan untuk menguji apakah dalam model regresi, $ariabel penggangu atau residual

memiliki distribusi normal. Dika asumsi ini dilanggar, maka uji statistik menjadi tidak $alid

atau bias terutama untuk sampel kecil "Singgih, 21%.

2.( Uji H'm'genita#

5ji homogenitas merupakan uji perbedan antara dua atau lebih populasi. (engujian

homogenitas dimaksudkan untuk memberikan keyakinan bah)a sekumpulan data yang

dimanipulasi dalam serangkaian analisis memang berasal dari populasi yang tidak jauh berbeda

keragamannya. Semua karakteristik populasi dapat ber$ariasi antara satu populasi dengan yang

lain. 'ua di antaranya adalah mean dan $arian "selain itu masih ada bentuk distribusi, median,

modus, range, dll%.(enelitian yang selama ini baru menggunakan mean sebagai tolak ukur

perbedaan antara dua populasi. (ara peneliti belum ada yang melakukan pengujianatau

membuat hipotesis terkait dengan kondisi $arian diantara dua kelompok.(adahal ini

memungkinkan dan bisa menjadi kajian yang menarik. Misalnya saja sangat memungkinkan

suatu treatmen tidak hanya mengakibatkan perbedaan meantapi juga perbedaan $arian.

5ji homogenitas dilakukan untuk mengetahui apakah data dalam $ariabel E dan bersifat

homogen atau tidak.


9/32

2.$ )akt'r Pertum*u+an !erang

(ertumbuhan kerang sangatlah dipengaruhi oleh faktor-faktor alam sebagai parameternya

antara lain biologis, fisika dan kimia. eberapa faktor itu adalah :

1. Suhu perairan

Suhu memegang peranan yang sangat penting dalam pembentukan lapisan mutiara dan

pertumbuhan tiram itu sendiri. 'i beberapa 6egara, pertumbuhan tiram mutiara yang ideal

menunjukan kisaran suhu yang berbeda-beda. 'i jepang, misalnya, pertumbuhan yang terbaik

berkisar antara 2 9 # 20 9, sebab pada suhu di atas 28 9 menunjukan tanda-tanda yang

melemah. &al ini bisa dimengerti, karena rata-rata suhu harian di jepang masih relati$e rendah,

)alupun musim panas. Sedangkan di teluk ;lutch +ndia, pertumbuhan yang pesat dicapai pada

suhu anatara 2 9 # 2K 9.

5ntuk 6egara kita sendiri yang beriklim tropis, pertumbuhan yang terbaik dicapai pada suhu

antara 28 9 # 9. (ada iklim ini ternyata sangat menguntungkan untuk budidaya tiram

mutiara, sebab pertumbuhan lapisan mutiara dapat terjadi sepanjang tahun. Sedangkan 6egara

yang memiliki empat musim "iklim sub-tropis% biasanya pertumbuhan tiram mutiara tidak

terjadi sepanjang tahun, karena pada suhu air di ba)ah 1 9 "musim dingin% pelapisan mutiara

atau penimbunan at kapur akan terhenti.

2. Salinitas

;ualitas mutiara yang terbentuk dalam tubuh tiram dapat dipengaruhi oleh kadar salinitas

yang terlalu tinggi, )arna mutiara menjadi keemasan. Sedangkan pada kadar salinitas di ba)ah

1L atau di atas 00L dapat mengakibatkan kematian tiram yang dipelihara secara massal.

Sebenarnya tiram mutiara ini mampu bertahan hidup pada kisaran salinitas yang luas,yaitu

antara 2L # 0L. *etapi salinitas yang terbaik untuk pertumbuhan tiram mutiara adalah 2L

# 0L.

. Suplai makanan yang tidak cukup

*iram sebagai binatang yang tergolong filter feeder hanya mengandalakan makanan dengan

menyerap plankton dari perairan sekitar, sehingga keberadaan pakan alami memegang

peranan yang sangat penting. Sedangkan keberadaan pakan alami itu sendiri sangat berkaitan

erat dengan kesuburan suatu perairan.(ada kondisi perairan yang kurang subur "tercemar%, komposisi pakan alami jumlahnya akan

sangat sedikit, sehingga kurang mendukung untuk penyediaa pakan yang diperlukan tiram.

(adahal tiram yang dipelihara dalam laut, jelas tidak mungkin diberi pakan tambahan

sebagaimana ikan atau udang yang dipelihara dalam tambak. Bleh karena itu lokasi budidaya

pada kondisi perairan yang subur mutlak diperlukan


10/32

. 'asar (erairan

'asar perairan secara fisik maupun kimia berpengaruh besar terhadap susunan dan

kelimpahan organisme di dalam air termasuk bagi kehidupan kerang. Adanya perubahan tanah

dasar "sedimen% akibat banjir yang menyebabkan dasar perairan tertutup lumpur sering

menimbulkan kematian pada tiram terutama yang masih muda. Bleh karena itu dasar perairan

yang berpasir atau berlumpur tidak layak untuk lokasi budidaya tiram mutiara. 'asar perairan

yang cocok untuk budidaya untuk budidaya tiram mutiara ialah dasar perairan yang berkarang

atau mengandung pecahan-pecahan karang. isa juga dipilih dasar perairan yang terbentuk

akibat gugusan karang yang sudah mati atau gunungan-gunungan karang.

0. Arus

anyak sedikitnya kelimpahan plankton sebagai makanan alami tiram sangat tergantung

pada kuat tidaknya arus yang mengalir dilokasi tersebut. *iram mutiara memiliki sifat filter

feeder. Bleh karena itu tiram mutiara akan mudah kelaparan pada kondisi arus yang terlalu kuat

yang terjadi selama berjam-jam dalam sehari.


11/32

III. MATE,I DAN MET-DE

3.1 aktu Pelak#anaan

(raktikum dilaksanakan pada :

&ari, *anggal : Dumat, / Bktober 210aktu : 10. - selesai

*empat: uang 3 Nedung 3, 4(+;

3.2 Materi

(rogram S(SS 17

'ata kerang

3.2.1 Alat "an Ba+an Praktikum

6o

.

Alat!ahan 4ungsi

1.


12/32

3.3 Met'"e

3.3.1 Frequencies

1. uka soft)are S(SS lalu masukkan kelas data pada Variable View.

2. Masukkan data kerang padaData View


13/32

. ;lik menuAnalyzelaluDescriptie Statisticlalu!re"uencies.

. (indahkan data ke kolom Variable

0. (ilih Statisticslalu c#ecklistpada kotak dialog.


14/32

7. ;lik continue$pilih %#artlalu klik histogram. ;emudian klik %ontinue

K. ;lik Bk, maka outputakan muncul pada jendela Output


15/32

3.3.2Descriptive

1. (ada jendelaDataSet;lik menuAnalyzelaluDescriptie StatistickemudianDescriptie

2. (indahkan data ke kolom Variable&s'.

. ;lik Optionslalu c#ecklistkolom dialog Sum, Std. deiation, Variance$ (a)imum$

(inimum$ S.* mean$ +urtonis$ Skewness$ Variable ,ist. ;emudian klik%ontinue


16/32

. ;lik Bk, maka outputakan muncul pada jendela Output


17/32

3.3.3Explore

1. (ada jendelaDataSet;lik menuAnalyzelaluDescriptie Statistickemudian*)plore

2. (indahkan data ke kolomDependent ,ist.

. ;lik Statisticslalu klik %ontinue


18/32

. ;likPlotslalu klik!actor ,eels -og#eter$ Stem and ,eaf$ istogram, dan/ormality Plots

wit# -ests.;emudian klik %ontinue

0. ;lik Bk, maka outputakan muncul pada jendela Output


19/32

I/. HAIL DAN PEMBAHAAN

&.1 0ara Mem*aa Ha#il -ut%ut

&.1.1 Uji )rekuen#i

Statistics

panjang kerang lebar kerang tinggi kerang berat daging berat total

N Valid 154 154 154 154 154

Missing 0 0 0 0 0

Mean 2.8158 1.9881 1.7949 2.2437 6.4781

Std. rror o! Mean .03895 .03176 .03175 .06817 .23041

Median 2.6800 1.8700 1.6300 1.8800 5.1550

Mode 2.48 1.68 1.48 1.61 4.04

Std. "e#iation .48330 .39409 .39402 .84598 2.85935

Varian$e .234 .155 .155 .716 8.176

Mini%&% 1.98 1.33 1.08 .79 1.89

Ma'i%&% 3.93 3.30 2.86 4.86 15.54

S&% 433.63 306.16 276.41 345.53 997.62

(er$entiles 25 2.4650 1.6800 1.4800 1.6175 4.3725

50 2.6800 1.8700 1.6300 1.8800 5.1550

75 3.2075 2.3100 2.1100 2.9825 9.0900

*abel 1. 4reOuencies 'ata ;erang


20/32


21/32

&.1.2 Uji De#kri%#i

Descriptive Statistics

N Min Ma' S&% Mean Std. "e# Var Ske)ness *&rtosis

Statisti$ Statisti$ Statisti$ Statisti$ Std. rror Statisti$ Statisti$ Statisti$ Std. rror Statisti$ Std. rror

p kerang 154 1.98 3.93 433.63 .03895 .48330 .234 .391 .195 +.931 .389

l kerang 154 1.33 3.30 306.16 .03176 .39409 .155 .749 .195 .350 .389

, kerang 154 1.08 2.86 276.41 .03175 .39402 .155 .585 .195 +.599 .389

brt daging 154 .79 4.86 345.53 .06817 .84598 .716 .731 .195 +.171 .389

brt total 154 1.89 15.54 997.62 .23041 2.85935 8.176 .769 .195 +.320 .389

Valid N 154

&.1.3 Uji E%l're

Case Processing Summary

-ases

Valid Missing ,otal

N (er$ent N (er$ent N (er$ent

panjang kerang 154 100.0 0 .0 154 100.0

lebar kerang 154 100.0 0 .0 154 100.0

tinggi kerang 154 100.0 0 .0 154 100.0

berat daging 154 100.0 0 .0 154 100.0

berat total 154 100.0 0 .0 154 100.0


22/32

Descriptives

Statisti$ Std. rror

panjang kerang Mean 2.8158 .03895

95 -on!iden$e /nter#al !or

Mean

o)er o&nd 2.7388

pper o&nd 2.8927

5 ,ri%%ed Mean 2.8065

Median 2.6800

Varian$e .234

Std. "e#iation .48330

Mini%&% 1.98

Ma'i%&% 3.93

ange 1.95

/nter&artile ange .74

Ske)ness .391 .195

*&rtosis +.931 .389

lebar kerang Mean 1.9881 .03176


Mean

o)er o&nd 1.9253

pper o&nd 2.0508

5 ,ri%%ed Mean 1.9674

Median 1.8700

Varian$e .155


Mini%&% 1.33

Ma'i%&% 3.30

ange 1.97

/nter&artile ange .63

Ske)ness .749 .195

*&rtosis .350 .389

tinggi kerang Mean 1.7949 .03175


Mean

o)er o&nd 1.7321

pper o&nd 1.8576

5 ,ri%%ed Mean 1.7788

Median 1.6300

Varian$e .155


Mini%&% 1.08

Ma'i%&% 2.86

ange 1.78


23/32

Tests of Normality

*ol%ogoro#+S%irno#a Sapiro+ilk

Statisti$ d! Sig. Statisti$ d! Sig.

panjang kerang .126 154 .000 .950 154 .000

lebar kerang .140 154 .000 .943 154 .000

tinggi kerang .169 154 .000 .937 154 .000

berat daging .204 154 .000 .919 154 .000

berat total .225 154 .000 .902 154 .000

panjang kerang Stem-and-Leaf Plot

Frequency Stem & Leaf

2.00 19 . 88 .00 20 . !!8889

".00 21 . !888

.00 22 . !!#$89

1!.00 2! . 00!!!8888888

19.00 2" . 22!!###$88888888889

1$.00 2# . 01112!!!88888888

11.00 2 . 0011"88888

12.00 2$ . 01111#$99

!.00 28 . 188

.00 29 . 1119

$.00 !0 . 01!!888

8.00 !1 . 0!888999

$.00 !2 . 00!#889

.00 !! . 11!8

#.00 !" . 111!

1!.00 !# . 0111112!!!!88

".00 ! . !!9

!.00 !$ . 189

1.00 !8 . !

1.00 !9 . !

Stem %dt'( .10

)ac' leaf( 1 ca*e+*,


24/32

lear kerang Stem-and-Leaf Plot


".00 1! . !"88

$.00 1" . 1!88888

11.00 1# . 0##8888899

22.00 1 . 0011!!"88888888889999

1.00 1$ . 011112!!#$8888

22.00 18 . 00011112!!!!!88888

#.00 19 . 122!

9.00 20 . 12!!88889

9.00 21 . 11!888888

$.00 22 . 0118899

18.00 2! . 0111112!!!!"8899

11.00 2" . 0111!!!!!!8

".00 2# . !!!

2.00 2 . !

2.00 2$ . !8

2.00 28 . !!

.00 29 .

.00 !0 .

1.00 !1 . !

1.00 !2 . !

1.00 )treme* +/!.!0,

Stem %dt'( .10



25/32

tngg kerang Stem-and-Leaf Plot


2.00 10 . 88

.00 11 .

#.00 12 . 0#889

1".00 1! . !!!!#888889999

2!.00 1" . 1!!!!"""#88888888888899

2".00 1# . 011111222!####88888889

1#.00 1 . 01111222!!#889 !.00 1$ . 229

8.00 18 . 12!!888

9.00 19 . 112!!!899

9.00 20 . 112!!888

1".00 21 . 01111122888888

9.00 22 . 111122!!8

#.00 2! . 112!

#.00 2" . 1288

!.00 2# . 28

".00 2 . 12!

1.00 2$ . !

1.00 28 .

Stem %dt'( .10



26/32

erat dagng Stem-and-Leaf Plot


.00 0 . $88889

1#.00 1 . 2!!!!""""""""""

8.00 1 . ############$$$$$$$$$$$$$$$88888888888888889999999999

9

9.00 2 . 00012!""" 19.00 2 . ##$$$$88889999

2".00 ! . 0000000111112222!!!"""""

9.00 ! . ###$89

2.00 " . 2!

2.00 " . #8

Stem %dt'( 1.00



27/32


28/32

erat total Stem-and-Leaf Plot


1.00 1 . 8

#.00 2 . 012!#

1#.00 ! . 1!""#$$$$88899

"9.00 " . 0000011122222!!!!!"""#######$$$$88888899999

2!.00 # . 00000111222!!!!!!!"#89 ".00 . 22!8

$.00 $ . 12!#889

10.00 8 . 2!!!"#89

1$.00 9 . 0011222!!!""$$$$8

12.00 10 . 0012!$$9

#.00 11 . 012#8

!.00 12 . 02!

1.00 1! . 0

1.00 1" . 2

1.00 1# . #

Stem %dt'( 1.00



29/32

&.2 Inter%reta#i -ut%ut

SoftwareS(SS yang digunakan untuk mengolah data sehingga mudah dipahami. 'alam

praktikum kali ini, dilakukan pengolahan data sehingga memiliki output berupa fre"uencies$

descriptie$ dan e)plore.

&.2.1 Uji )rekuen#i

'alam ujifre"uencies$ outputyang keluar berupa table dan histogram tiap $ariabel data

"panjang kerang, lebar kerang, tinggi kerang, berat kerang, dan berat total%. 'ari histogram

yang ditampilkan, distribusi data tidak merata sehingga akan tampak bah)a data tersebut

sangat ber$ariasi dan menjauhi normal.

&.2.2 Uji De#kri%#i

(ada uji descriptie, output table yang dihasilkan lebih singkat dan langsung

menggambarkan keseluruhan $ariabel data. *abel outputpada tabel descriptiemenunjukkan

data mengenai nilai masing-masing jumlah pengukuran, nilai minimum, nilai maksimum, nilai

rata-rata, standar de$iasi, $ariasi$ skewnesshingga kurtosis$sehingga mempermudah pengguna

dalam melakukan pengamatan. Selain itu dari tabel output descriptie dapat diketahui data

tersebar atau terdistribusi normal atau tidak.

&.2.3 Uji E%l're

(ada uji e)plore, output yang dihasilkan berupa ringkasan data yang telah terproses,

deskripsi masing-masing $ariable data, uji normalitas data$ 00 plot "mendeskripsikan

persebaran data dengan bantuan garis lurus yang menggambarkan kondisi ideal data%,

Detrended /ormal 00 plot"menunjukkan selisih antara titik-titik dengan garis diagonal pada

grafik 00 plot% , Steam and ,eafplot$serta2o)plot.

&.3 Data N'rmal "an H'm'gen

'ata normal merupakan data yang distribusinya normal, artinya data tersebut mempunyai

sebaran merata sehingga benar-benar me)akili populasi. 6ormalitas suatu data diuji dengan

membandingkan antara data yang akan diteliti dengan data berdistribusi normal berdasarkan

mean dan standar de$iasi. Dika data berdistribusi normal maka analisis statistik dapat memakaipendekatan parametrik, sedangkan jika data tidak berdistribusi normal maka analisis

menggunakan pendekatan non-parametrik. 5ji normalitas data dilakukan sebelum data diolah

berdasarkan model-model penelitian.

'ata &omogen merupakan data dengan $arians yang sama besar. Sedangkan data dengan

$arians yang tidak sama besar dinamakan populasi dengan $arians yang heterogen. 4aktor-

faktor yang menyebabkan sampel atau populasi heterogen atau tidak homogen adalah proses

sampling yang salah, penyebaran yang kurang baik, bahan yang sulit untuk homogen, atau alat

untuk uji homogenitas rusak. Apabila sampel uji tidak homogen maka sampel tidak bisa

digunakan dan perlu die$aluasi kembali mulai dari proses sampling sampai penyebaran bahkan

bila memungkinkan harus diulangi sehingga mendapatkan sampel uji yang #omogeny


30/32

&.& Hu*ungan Data N'rmal "an H'm'gen

'ata normal dan data homogeny memiliki keterkaitan yang erat. &omogenistas data yang

tinggi dapat mengindikasikan data itu semakin normal dan penyebarannya merata pada tiap

kelas. 6ilai normalitas dan homogenitas data sangat berguna untuk keakuratan informasi data

yang didapat sehingga presentase ketimpangan data itu semakin kecil.


31/32

/. PENUTUP

(.1 !e#im%ulan

;esimpulan yang dapat diambil dari (raktikum ini adalah :

1. S(SS "Statistical Product and Serice Solution% merupakan sebuah soft)are yang memiliki

kemampuan untuk menganalisis data statistik dengan akurasi yang tinggi, serta penyajiandan penarikan kesimpulan yang mudah dipahami.

2. Skala pengukuran pada pengolahan data statistik deskriptif dalam praktikum ini meliputi

analisis frekuensi, deskriptif, dan eksplore

(.2 aran

(raktikum ini diharapkan menjadi dasar dalam penggunaan soft)are S(SS yang selanjutnya

dapat diaplikasikan dalam penelitian serta analisis data dalam penelitian tersebut.


32/32

DA)TA, PUTA!A

Amir, 4aishol. 21.Peranan (atematika Dan Statistika Dalam Pertanian Industrial 3ntuk

(ewu4udkan +eta#anan Pangan /asional. Fol. 1 "1%

(erti)i, Monica A. 210.A/A,ISIS +O5*,ASI S33 P*5(3+AA/ ,A3- -*5ADAP %35A

36A/ D*/7A/ (*-OD* P*/7I/D*5AA/ 6A3 -A3/ 8918891:. Fol "1%

Santoso, Singgih. 2. S-A-IS-I+ D*S+5IP-I!; +onsep dan Aplikasi dengan (S *)cel dan

SPSS. A6'+ : ogyakarta

Saparita, achmini. 21. P*/773/AA/ S-A-IS-I+A D*S+5IP-I! 3/-3+ (*,IA-

DIS-5I23SI PO,A DA-A

Lapres Statistika 1

Documents

Transcript of Lapres Statistika 1