BAB I

PENDAHULUAN

Minitab adalah program komputer yang dirancang untuk melakukan

pengolahan statistik yang mengkombinasikan kemudahan penggunaan layaknya

Microsoft Excel dengan kemampuannya melakukan analisis statistik yang

kompleks. Minitab dikembangkan di Pennsylvania State University oleh

periset Barbara F. Ryan,Thomas A. Ryan, Jr., dan Brian L. Joiner pada tahun

1972. Minitab memulai versi ringannya OMNITAB, sebuah program analisis

statistik oleh NIST.

Penggunaan Minitab:

a. Mengelola data dan file - spreadsheet untuk analisis data yang lebih baik

b. Analisis regresi

c. Power dan ukuran sampel

d. Tabel dan grafik

e. Analisis multivariate - termasuk analisis faktor, analisis klaster, analisis

korespondensi dan lainnya

f. Tes Nonparametrics - berbagai tes termasuk test signal, run tes, friedman tes,

dan lainnya

g. Time Series dan Forecasting - membantu menunjukkan kecenderungan pada

data yang dapat digunakan untuk membuat dugaan. Time series plots,

exponential smoothing, trend analysis.

h. Statistical Process Control

i. Analisis sistim pengukuran

j. Analisis varians - untuk menentukan perbedaan antar data

Minitab mempunyai dua layar primer, yaitu Worksheet (lembar kerja) untuk

melihat dan mengedit lembar kerja, serta sesi Command yang merupakan layar

untuk menampilkan hasil. Perintah-perintah Minitab dapat diakses melalui menu,

kotak dialog maupun perintah interaktif.

Sebelum memulai bekerja dengan minitab, terlebih dahulu harus dikenali

menu-menu yang tersedia dalam paket program ini. Berikut akan disampaikan

beberapa penggunaan menu yang sering digunakan :

a. Menu File

New Project : Membuka project baru

New Worksheet : Membuka worksheet baru

Open Project : Membuka file project

Open Worksheet : Membuka file worksheet

Save Project : Menyimpan project

Save Worksheet : Menyimpan worksheet

b. Menu Edit

Undo : Membatalkan proses/perintah sebelumnya

Clear Cells : Menghapus isi cell tanpa merubah baris/kolom

Delete Cells : Menghapus isi cell

Copy Cells : Menggandakan isi cell

Cut Cells : Menghapus/memindah isi cell

Paste Cells : Menyisipkan isis cell

c. Menu Data

Sort : Mengurutkan data dalam satu kolom atau lebih

Rank : Menyimpan skor rangking dalam suatu kolom

Delete Rows : Menghapus baris-baris tertentu dari setiap kolom

Erase Variables : Menghapus variabel

Copy Columns : Menggandakan kolom

Stack : Menggabungkan beberapa kolom menjadi satu kolom

Unstack : Memecah satu kolom menjadi beberapa kolom

Concatenate : Menggabungkan beberapa kolom text dalam satu kolom

Code : Memberikan koding nilai pada suatu kolom

Change D. Type : merubah tipe kolom

Display Data : Menampilkan data dari worksheet ke sesi command.

d. Menu Calc

Calculator : Operasi aritmatika

Column Statistic : Perhitungan statistik berdasarkan kolom

Row Statistics : Perhitungan statistik berdasarkan baris

Standardize : Pemusatan dan penskalaan data dalam suatu kolom

Extract from Date/Time to Numeric/Text : mengekstrak kolom yang bertipe

date/time dan menyimpan dalam kolom dengan tipe

numerik/text

Random Data : Pembangkitan bilangan random untuk distribusi tertentu

Prob. Distri. : Menghitung peluang, peluang kumulatif dan invers

peluang kumulatif dari data kontinu.

Matrices : Perintah untuk operasi matriks.

e. Menu Stat

Basic Statistics : Perhitungan statistika dasar meliputi : deskripsi data, uji

hipotesis, korelasi dan uji normalitas

Regression : Perhitungan/uji untuk analisis regresi

ANOVA : Perhitungan/uji untuk analisis variansi.

DOE : Perhitungan/uji untuk rancangan percobaan

Multivariate : Perhitungan/uji untuk analisis multivariabel.

Data Minitab dapat berasal dari file atau dimasukkan dari keyboard. File

data dapat berupa file Minitab (mempunyai ekstension MTW) atau file ASCII

(mempunyai ekstension DAT). Data dalam minitab dikelompokkan dalam 3

kategori yaitu : konstanta (K1, K2, K3, ….), kolom (C1, C2, C3, …..) dan matriks

(M1, M2, M3, …..).

BAB II

DESKRIPSI KERJA

2.1. STUDI KASUS

Adapun kasus yang akan dikerjakan praktikan ialah sebagai berikut:

a. Dari data berikut buatlah Rank dari setiap variabelnya, kemudian

interpretasikan hasilnya.

PROVINSI PENGANGGURAN KEMISKINANAceh 6.75 881.25Sumatra Utara 5.94 1286.67Sumatra Barat 6.32 379.2Riau 4.99 499.88Jambi 2.5 263.8Sumatra Selatan 3.84 1100.83Bengkulu 1.62 320.95Lampung 5.08 1142.91Kep. Bangka Belitung 2.67 71.64Kep. Riau 5.26 127.8DKI Jakarta 9.84 393.98Jawa Barat 8.66 4327.07Jawa Tengah 5.45 4836.46DI Yogyakarta 2.16 544.87Jawa Timur 4.02 4786.79Banten 9.87 622.83Bali 1.37 185.2Nusa Tenggara Barat 5.3 820.82Nusa Tenggara Timur 1.97 994.67Kalimantan Barat 2.53 401.51Kalimantan Tengah 2.71 146.33Kalimantan Selatan 4.03 182.88Kalimantan Timur 8.89 253.6Kalimantan Utara 0.91 10.1Sulawesi Utara 7.27 208.23Sulawesi Tengah 2.92 392.65Sulawesi Selatan 5.79 864.3Sulawesi Tenggara 2.13 342.26Gorontalo 2.44 194.17Sulawesi Barat 1.6 153.89

Maluku 6.59 316.11Maluku Utara 5.65 82.64Papua Barat 3.7 229.43Papua 3.48 924.41

Tabel 2.1.1 Data pengangguran dan kemiskinan di Indonesia

b. Dari data pada tabel 2.1.1, tentukan statistika deskriptif dari setiap

variabelnya, kemudian interpretasikan hasilnya.

c. Dari data pada tabel 2.1.1, buatlah grafik Histogram dan Boxplot dari

setiap variabelnya, kemudian interpretasikan hasilnya.

d. Bagaimana Hubungan antara variabel pengangguran dengan variabel

kemiskinan yang ada pada tabel 2.1.1, carilah menggunakan scatterplot

lalu interpretasikan hasilnya.

2.2. Langkah Kerja

Pada laporan kali ini praktikan akan menjelaskan mengenai langkah-

langkah dalam menyelesaikan kasus melakukan operasi matematis dan

analisis statistika deskriptif menggunakan minitab. Berikut langkah kerjanya:

2.2.1 Open Minitab

Bukalah program aplikasi minitab melalui shortcut di desktop

atau klik Start-All Program-Minitab – Minitab 16 Statistical software.

Maka akan muncul lembar kerja minitab seperti pada gambar berikut,

Gambar 2.2.1.1 Lembar kerja minitab

Pada lembar kerja diatas masukkan nama variabel data yang

akan dimasukkan pada bagian atas kolom yang tidak diberi

penomoran. Pada sel pertama tuliskan nama variabel “PROVINSI”

pada kolom pertama, lalu variabel “PENGANGGURAN” untuk kolom

kedua dan “KEMISKINAN” pada kolom ketiga. Lalu input-kan data

berdasarkan data studi kasus sebelumnya. Data yang dimasukkan akan

tampak seperti pada gambar berikut,

Gambar 2.2.1.2 Meng-inputkan data

2.2.2 Menyimpan Data

Selanjutnya data yang telah dimasukkan disimpan dengan cara

klik file save project as lalu tentukan lokasi penyimpanan dan judul

dari project ini, simpan data dengan format “.MPJ” seperti pada

gambar berikut,

Gambar 2.2.2 Menyimpan data

2.2.3 Rank Data

Pada studi kasus pertama praktikan diperintahkan untuk me-

rank data dengan aplikasi minitab, untuk menyelesaikan kasus tersebut

langkah-langkah yang harus dilakukan ialah seperti berikut:

Gambar 2.2.3.1 Membuka rank

klik data rank , lalu akan muncul tampilan pengaturan rank seperti

gambar dibawah,

Gambar 2.2.3.2 Pengaturan rank

Pada gambar diatas, praktikan akan me-rank data

pengangguran, maka kolom rank data in diisi dengan nama variabel

dari data penggangguran yakni “PENGANGGURAN”, kemudian

kolom store ranks in diisi dengan nama variabel baru untuk untuk

tempat data pengangguran yang telah di rank, maka praktikan

memberi nama “RANKp” untuk variabel dari data pengangguran yang

telah di rank, untuk memasukkan variabel ke kolom yang dituju

caranya dengan klik variabel kemudian klik select. Begitupula halnya

untuk me-rank data kemiskinan, maka variabel yang dipilih untuk

dimasukkan pada kolom rank data in adalah “KEMISKINAN” dan

nama variabel baru untuk hasil data kemiskinan yang telah di-rank

“RANKk”. Kemudian klik OK setelah pengaturan selesai, hasilnya

dapat dilihat seperti pada gambar dibawah,

Gambar 2.2.3.3 Output rank

2.2.4 Statistika Deskriptif Data

Pada kasus kedua, praktikan akan diperintahkan untuk menentukan

statistika deskriptif pada data pengangguran dan kemiskinan. Untuk

membuka pengaturan statistika deskriptif data caranya klik menu Stat

Basic Statistics Display Descriptive Statistics, maka akan

muncul kotak pengaturan statistika deskriptif seperti pada gambar

berikut,

Gambar 2.2.4.1 Pengaturan statistika deskriptif

Berdasarkan gambar diatas, kolom Variables, diisi dengan

variabel yang memuat data penggangguran dan kemiskinan yakni

“PENGANGGURAN” dan “KEMISKINAN” yang ada di kotak

sebelah kiri lalu klik Select, Setelah itu klik Statistics maka akan

muncul kotak yang berisi jenis analisisnya yang akan keluar pada

output, centang pada bagian yang akan dianalisis, kemudian klik OK

seperti gambar berikut,

Gambar 2.2.4.2 Option output statistics

Pada gambar diatas, pratikan akan memilih mean, standar

deviasi, variansi, quartile1, quartile3, median, nilai minimum, nilai

maksimum, range, data terproses dan data yang hilang. kemudian klik

OK, maka hasil output akan keluar pada lembar session di mintab

seperti pada gambar berikut,

Gambar 2.2.4.3 Output statistika deskriptif

2.2.5 Grafik Histogram

Selanjutnya, klik menu Graph Histogram pilih grafik

Simple klik OK. Tampilan tampak seperti pada gambar beikut:

Gambar 2.2.5.1 Memilih jenis histogram

setelah di klik maka akan muncul kotak dialog Histogram-Simple.

Klik kolom Graph variables kemudian klik “PENGANGGURAN”

lalu klik Select, dan OK, seperti gambar berikut:

Gambar 2.2.5.2 Menentukan variabel grafik

Setelah melakukan langkah seperti gambar diatas, lanjutkan dengan

mengatur kebutuhan output dari grafik ini salah satunya dengan cara,

klik data view , maka akan muncul pengaturan seperti pada gambar

dibawah,

Gambar 2.2.5.3 Menentukan variabel grafik

Pengaturan diatas bertujuan untuk menambahkan garis normal pada

grafik histogram yang dibuat, setelah itu klik OK, kemudian output

grafik akan seperti pada gambar berikut,

Gambar 2.2.5.4 Output grafik histogram data pengangguran

Kemudian lakukan langkah yang sama untuk membuat grafik

histogram pada data kedua yakni “KEMISKINAN” yang output-nya

adalah seperti pada gambar berikut,

Gambar 2.2.5.5 Output grafik histogram data kemiskinan

2.2.5 Grafik Boxplot

Kemudian membuat grafik boxplot, langkah awal membuat grafik

Boxplot yakni klik menu Graph Boxplot. Kemudian akan muncul

kotak dialog seperti pada gambar dibawah seperti pop-up pada gambar

dibawah ini,

Gambar 2.2.5.1 Memilih Boxplot

Pilih grafik Simple One Y, yang mana agar grafik antara

variabel yang ditentukan tidak tergabung dalam 1 sheet namun

dipisahkan masing-masing. Untuk melanjutkan langkah berikutnya,

klik OK. Maka akan keluar pop-up, pengaturan seperti pada gambar

dibawah,

Gambar 2.2.5.2 Memilih Boxplot

. Untuk grafik pertama yaitu data variabel Pengangguran, maka

isi kolom graph variables dengan meng-klik variabel

“PENGANGGURAN” pada kolom sebelah kiri, lalu klik Select.

Kemudian untuk grafik variabel kemiskinan, masukkan pula variabel

“KEMISKINAN” kedalam kolom graph variables, lalu klik Select,

setelah itu klik OK untuk mengetahui output dari grafik tersebut.

Output grafik seperti gambar berikut,

Gambar 2.2.5.3 Output boxplot pengangguran

Q1=2,485Median=4,025Q3=6,035Range=8,960N=34

Gambar 2.2.5.4 Output boxplot kemiskinan

2.2.6 Grafik Scatterplot

Setelah membuat grafik histogram dan boxplot, selanjutnya

adalah menyelesaikan kasus ke-4 yakni mencari hubungan antara

variabel pengangguran dengan kemiskinan menggunakan grafik

scatterplot. Scatterplot adalah sebuah grafik yang biasa digunakan

untuk melihat suatu pola hubungan antara 2 variabel. Untuk bisa

menggunakan scatterplot, skala data yang digunakan haruslah skala

interval dan rasio. Langkah awal untuk membuat grafik ini adalah

dengan meng-klik menu Graph Scatterplot. Maka akan muncul

pop-up seperti pada gambar berikut,

Gambar 2.2.6.1 Memilih Grafik Scatterplot

Q1=192Median=386Q3=892Range=4826N=34

Kemudian pilih kurva Simple dan klik OK, maka akan muncul

pop-up berisi variabel kolom mana saja yang akan dijadikan grafik

seperti pada gambar berikut,

Gambar 2.2.6.2 Pengaturan variabel grafik scatterplot

Berdasarkan gambar diatas, terdapat kolom variabel Y dan kolom

variabel X, dimana variabel X adalah variabel yang mempengaruhi

sedangkan variabel Y merupakan variabel yang dipengaruhi. Maka isi

kolom X Variables dengan variabel “kemiskinan” lalu klik select,

selanjutnya isi Y Variables dengan variabel “Pengangguran”.

Kemudian sebelum klik OK, praktikan membuka pengaturan lanjutan

data view untuk menambahkan garis linear pada grafik scatterplot,

berikut pengaturan data view grafik,

Gambar 2.2.6.3 Memilih Grafik Scatterplot

Klik regression, lalu pilih model order – linear, kemudian klik OK

untuk melihat hasil, output grafik yang telah dibuat seperti pada

gambar berikut,

Gambar 2.2.6.2 Output grafik scatterplot hubungan pengangguran

dengan kemiskinan

BAB III

PEMBAHASAN

Pada kasus yang telah dipaparkan sebelumnya, praktikan diminta untuk

menyelesaikan kasus tersebut dengan menggunakan program aplikasi Minitab

kemudian menginterpretasikan hasil outputnya. Berikut rangkaian kasus beserta

pembahasan hasil output-nya.

3.1 Kasus Pertama

Praktikan diminta untuk mencari Rank dari tiap variabel yakni variabel

“pengangguran” dan “kemiskinan”, yang kemudian di interpretasikan. Pada

penyelesaian kasus pertama diatas, didapatkan hasil rank tiap variabel yang

masih teracak karena mengacu pada nama Provinsi, dengan begitu praktikan

masih kesulitan dalam menganalisinya, sebab data pada kasus ini tergolong

cukup banyak, maka praktikan memutuskan untuk mensortir atau

mengurutkan Provinsi berdasarkan peringkat nilai “pengangguran” dan

peringkat nilai “kemiskinan” menggunakan fungsi data sort, maka hasilnya

akan seperti pada tabel berikut,

PROVINSI RANKp PROVINSI RANKkKalimantan Utara 1 Kalimantan Utara 1Bali 2 Kep. Bangka Belitung 2Sulawesi Barat 3 Maluku Utara 3Bengkulu 4 Kep. Riau 4Nusa Tenggara Timur 5 Kalimantan Tengah 5Sulawesi Tenggara 6 Sulawesi Barat 6DI Yogyakarta 7 Kalimantan Selatan 7Gorontalo 8 Bali 8Jambi 9 Gorontalo 9Kalimantan Barat 10 Sulawesi Utara 10Kep. Bangka Belitung 11 Papua Barat 11Kalimantan Tengah 12 Kalimantan Timur 12Sulawesi Tengah 13 Jambi 13Papua 14 Maluku 14Papua Barat 15 Bengkulu 15Sumatra Selatan 16 Sulawesi Tenggara 16Jawa Timur 17 Sumatra Barat 17Kalimantan Selatan 18 Sulawesi Tengah 18Riau 19 DKI Jakarta 19Lampung 20 Kalimantan Barat 20Kep. Riau 21 Riau 21Nusa Tenggara Barat 22 DI Yogyakarta 22Jawa Tengah 23 Banten 23Maluku Utara 24 Nusa Tenggara Barat 24Sulawesi Selatan 25 Sulawesi Selatan 25Sumatra Utara 26 Aceh 26Sumatra Barat 27 Papua 27Maluku 28 Nusa Tenggara Timur 28Aceh 29 Sumatra Selatan 29Sulawesi Utara 30 Lampung 30Jawa Barat 31 Sumatra Utara 31Kalimantan Timur 32 Jawa Barat 32DKI Jakarta 33 Jawa Timur 33Banten 34 Jawa Tengah 34

PROVINSI RANKp PROVINSI RANKkKalimantan Utara 1 Kalimantan Utara 1Bali 2 Kep. Bangka Belitung 2Sulawesi Barat 3 Maluku Utara 3Bengkulu 4 Kep. Riau 4Nusa Tenggara Timur 5 Kalimantan Tengah 5Sulawesi Tenggara 6 Sulawesi Barat 6DI Yogyakarta 7 Kalimantan Selatan 7Gorontalo 8 Bali 8Jambi 9 Gorontalo 9Kalimantan Barat 10 Sulawesi Utara 10Kep. Bangka Belitung 11 Papua Barat 11Kalimantan Tengah 12 Kalimantan Timur 12Sulawesi Tengah 13 Jambi 13Papua 14 Maluku 14Papua Barat 15 Bengkulu 15Sumatra Selatan 16 Sulawesi Tenggara 16Jawa Timur 17 Sumatra Barat 17Kalimantan Selatan 18 Sulawesi Tengah 18Riau 19 DKI Jakarta 19Lampung 20 Kalimantan Barat 20Kep. Riau 21 Riau 21Nusa Tenggara Barat 22 DI Yogyakarta 22Jawa Tengah 23 Banten 23Maluku Utara 24 Nusa Tenggara Barat 24Sulawesi Selatan 25 Sulawesi Selatan 25Sumatra Utara 26 Aceh 26Sumatra Barat 27 Papua 27Maluku 28 Nusa Tenggara Timur 28Aceh 29 Sumatra Selatan 29Sulawesi Utara 30 Lampung 30Jawa Barat 31 Sumatra Utara 31Kalimantan Timur 32 Jawa Barat 32DKI Jakarta 33 Jawa Timur 33Banten 34 Jawa Tengah 34

Tabel 3.1 Ranking provinsi berdasarkan angka pengangguran dan

kemiskinan

Pada tabel diatas disajikan data nama Provinsi yang telah diurutkan

berdasarkan rank pengangguran dan rank kemiskinan, dari tabel tersebut

dapat diketahui perbandingan peringkat dan korelasi antara pengangguran

dengan kemiskinannya, secara keseluruhan jika diamati, tiap provinsi

sebagian besar tidak selalu berada pada peringkat yang berdekatan melainkan

sebagian besar provinsi memiliki peringkat yang jaraknya jauh berbeda,

sehingga hal tersebut menggambarkan bahwa korelasi diantara pengangguran

dan kemiskinan sangatlah rendah, bahkan tidak tidak ada korelasinya yang

dapat mempengaruhi tingkat kemiskinan. Namun khusus untuk provinsi

Kalimantan Utara memilki kesetaraan peringkat dan menduduki peringkat

awal karena Kalimantan Utara adalah provinsi termuda di Indonesia dan

masih menjalankan pembangunan serta belum pernah dilakukan sensus, jadi

hal itu wajar dan bukan termasuk dalam korelasi antara pengangguran dan

kemiskinan.

3.2 Kasus Kedua

Selanjutnya pada kasus kedua, praktikan diminta untuk menentukan

statistika deskriptif dari setiap variabelnya, yakni variabel “pengangguran”

dan “kemiskinan”, yang kemudian hasilnya akan diinterpretasikan. Sebelum

menginterpretasikannya lihat hasil statistika deskriptif dari variabel

“pengangguran” dan “kemiskinan” pada gambar dibawah,

Gambar 3.2 Output descriptive statistics

Pada gambar diatas dapat diketahui yakni tanggal dan waktu

memproses data yakni tanggal 12 bulan 10 tahun 2016, pada pukul 5 lewat 46

menit. Kemudian dapat diketahui bahwa yang menjadi variabel analisis

statistik deskriptif pada output diatas ialah variabel “pengangguran” dan

“kemiskinan”, lalu terdapat macam-macam analisis statistika deskriptif yang

dibawahnya tertera nilai dari tiap-tiap variabel yang selanjutnya akan

dijelaskan seperti berikut,

a. N merupakan banyak data yang terproses atau diproses, yakni

sebanyak 34 data, baik pada variabel pengangguran maupun kemiskinan,

jumlah data pada kedua variabel sama.

b. N* merupakan banyak data yang hilang atau tidak terproses, yakni

sebanyak 0 data, kedua variabel sama-sama tidak memiliki data yang tidak

terproses.

c. Mean merupakan rata-rata dari data variabel, untuk variabel

pengangguran rata-ratanya adalah 4,537 dan rata-rata untuk variabel

kemiskinan adalah 832.

d. SE Mean merupakan standart error rata-rata , untuk variabel

pengangguran nilainya 0,425 dan untuk variabel kemiskinan nilainya 215.

e. StDev adalah standar deviasi, yakni gunanya untuk menunjukkan

berapa banyak variasi atau "dispersi" ada dari rata-rata (mean, atau nilai

yang diharapkan), stdev untuk variabel pengangguran sebesar 2,478 dan

untuk variabel kemiskinan sebesar 1255.

f. Variance adalah variansi atau kuadrat dari standar deviasi, variabel

pengangguran memiliki variansi sebesar 6,142 sedangkan variabel

kemiskinan memiliki variansi sebesar 1575210

g. Minimum merupakan nilai terkecil dari suatu data, nilai terkecil dari

data pada variabel pengangguran ialah 0,910 dan data terkecil dari

variabel kemiskinan ialah 10.

h. Q1 merupakan nilai kwartil 1 dari urutan data pada variabel, kwartil 1

pada variabel pengangguran adalah 2,485 dan 192 untuk kwartil 1 pada

data kemiskinan.

i. Median merupakan nilai tengah dari data terurut pada variabel, median

data pengangguran adalah 4,025 dan median pada data kemiskinan adalah

386.

j. Q3 merupakan nilai kwartil 3 dari urutan data pada variabel, nilai

kwartil 3 pada variabel pengangguran ialah 6,035 dan 892 pada variabel

kemiskinan.

k. Maximum merupakan nilai terbesar dari data pada variabel, data

terbesar pada variabel pengangguran ialah 9,870 dan nilai terbesar dari

variabel kemiskinan ialah 4836.

l. Range merupakan jarak atau ukuran dispersi yang paling sederhana

pada suatu data numerik yang didapat dari nilai maksimum – nilai

minimum, jarak data yakni 8,960 untuk pengangguran dan 4826 untuk

kemiskinan.

3.3 Kasus Ketiga

Pada kasus ketiga, praktikan diminta untuk membuat grafik histogram dan

boxplot pada variabel pengangguran dan kemiskinan. Berdasarkan langkah

penyelesaian diatasm didapatkan hasil grafik yakni seperti pada gambar

dibawah,

Gambar 3.3.1 Output grafik histogram data pengangguran

Pada gambar grafik diatas, dapat dilihat bahwa nilai tingkat

pengangguran pada interval kelas ke-1 memiliki frekuensi sebanyak 2

provinsi, lalu tingkat pangangguran pada interval kelas ke-2 memiliki

frekuensi sebanyak 6 provinsi, setara dengan nilai tingkat pengangguran pada

interval kelas ke-3, lalu untuk tingkat pengangguran pada interval kelas ke-4

memiliki frekuensi sebanyak 4 provinsi, tingkat pengangguran pada interval

kelas ke-5 memiliki frekuensi sebanyak 5 provinsi, tingkat pengangguran

pada interval kelas ke-6 memiliki frekuensi 4 provinsi, tingkat pengangguran

pada interval kelas 7 memiliki frekuensi 3, kemudian pada interval kelas nilai

pengangguran 8 tidak terdapat frekuensi, lalu untuk tingkat pengangguran

pada interval kelas ke- 9 dan 10 memiliki frekuensi yang sama yakni 2. Jika

seluruh frekuensi dijumlah hasilnya akan bernilai 34, setara dengan jumlah

provinsi, penyebaran datanya tidak rata, dan tidak mengikuti pola garis

normal yang berbentuk seperti bukit, sehingga dapat disimpulkan bahwa data

pengangguran tidak normal berdasarkan pengamatan dari grafik histogram

dengan garis normalitas.

Gambar 3.3.2 Output grafik histogram data kemiskinan

Kemudian untuk grafik histogram berdasarkan variabel kemiskinan

seperti pada gambar diatas, dapat diketahui bahwa untuk data kemiskinan

yang terdapat pada interval kelas 0 sampai 600 memiliki frekuensi yang

paling besar dibandingkan nilai interval yang lain yakni sebanyak 13 provinsi.

Penyebaran data kemiskinan ini tidak rata, karena tidak semua interval

memiliki frekuensi data, adapun pada interval selanjutnya yakni pada interval

kelas 1200 hanya memiliki frekuensi sebanyak 5 provinsi, adapula data

kemiskinan yang terletak pada interval kelas terakhir yakni 4200 sampai

4800, pada interval ini hanya memiliki frekuensi 1 dan 2 provinsi. Grafik

yang tergambarkan dapat didefinisikan dengan penyebaran yang tidak merata,

dimana ada 2 interval dengan tingkat frekuensi yang tingginya mendominasi

dari interval yang lainnya. Oleh karena itu dapat disimpulkan, data pada

grafik diatas tidak normal karena tidak mengikuti pola garis normal yang

berbentuk seperti bukit.

Selanjutnya adalah grafik boxplot, grafik boxplot merupakan ringkasan

distribusi sampel yang disajikan secara grafis yang bisa menggambarkan

bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran

penyebaran data pengamatan. Berdasarkan penyelesaian kasus diatas

didapatkan hasil grafik seperti pada gambar berikut,

Gambar 3.3.3 Output boxplot pengangguran

Pada grafik boxplot diatas dapat kita ketahui nilai statistic pada badan

boxplot yakni pertama median yang bernilai 4,025 letak garis median ini

adalah garis horizontal yang membelah kotak menjadi 2 bagian, lalu kedua

yakni nilai Q1 = 2,485 dan Q3 = 6,035 , letak Q1 berada pada garis horizontal

bagian bawah kotak dan Q3 berada pada garis horizontal bagian atas kotak,

kemudian nilai ketiga yakni nilai maksimum dan minimum data

pengangguran, nilai tersebut terletak pada grafik bagian garis vertikal diluar

badan boxplot. Setelah membaca nilai statistik pada grafik tersebut, maka

kesimpulan yang dapat diambil untuk data pengangguran yang

divisualisasikan dengan grafik boxplot memiliki bentuk kotak ( IQR ) yang

tidak begitu panjang yang berarti data tidak menyebar dengan sempurna dan

data pengangguran ini tidak semetris, dikatakan demikian karena garis tengah

yang terdapat didalam kotak tidak berada tepat ditengah-tengah kotak, serta

garis vertikal keatas dan kebawah panjangnya tidak sama, lebih panjang garis

yang vertical keatas.

Q1=2,485Median=4,025Q3=6,035Range=8,960N=34

BOX=IQR=Q3-Q1

Whiskers

Median

Q3

Q3

Gambar 3.3.4 Output boxplot kemiskinan

Kemudian dilanjutkan dengan mengamati hasil grafik boxplot untuk

data kemiskinan, diketahui pada gambar bahwa data kemiskinan ini memiliki

median = 386, kwartil1 = 192 dan kwartil3 = 892, dari statistik tersebut maka

bentuk kotak menjadi lebih kecil akibat nilai interquartil yang rendah. Jika

dibandingkan dengan boxplot pada data pengangguran, boxplot pada data

kemiskinan ini lebih tidak simetris sebab garis tengah didalam kotak tidak

berada tepat ditengah-tengah melainkan lebih condong ke bawah, kemudian

panjang garis vertikal yang juga lebih panjang bagian atas daripada bagian

bawah. Pada data kemiskinan yang telah divisualisasikan dengan boxplot

ditemukan 3 data ekstrim, dikatakan data ekstrim sebab letak 3 data tersebut

lebih dari panjang dari kotak atau jauh dari garis vertikal (whisker) bagian

atas, 3 data ekstrim itu terletak pada interval kelas kemiskinan 4000 sampai

5000 yang mana memenuhi syarat data ekstrim yakni lebih besar dari 3xIQR.

3.4 Kasus Keempat

Kemudian untuk kasus keempat ini, praktikan diminta untuk mencari

hubungan antara variabel pengangguran dengan variabel kemiskinan pada

tabel 2.1.1 menggunakan grafik scatterplot lalu diinterpretasikan hasilnya.

Setelah melakukan langkah-langkah penyelesaian kasus keempat ini, maka

Q1=192Median=386Q3=892Range=4826N=34

Ekstrim

Outlier

didapatkan hasil dari grafik scatterplot untuk hubungan variabel kemiskinan

dan variabel pengangguran seperti pada gambar berikut,

Gambar 3.4 Grafik scatterplot hubungan variabel pengangguran

dengan kemiskinan

Pada grafik diatas dapat dijelaskan bahwa pada sumbu X terdapat

variabel “Kemiskinan” dan pada sumbu Y terdapat variabel “Pengangguran”,

grafik hubungan kemiskinan dan pengangguran diatas memiliki range

kemiskinan dari nol sampai 5000, dan range pengangguran dari nol sampai

10. Setelah diamati, terlihat bahwa titik-titik menyebar dan tidak membentuk

pola tertentu atau tak jelas dan hanya terletak sekitaran angka kemiskinan 0

sampai 1500 dan angka pengangguran 1 sampai 10, untuk itu data pada grafik

diatas menunjukkan bahwa korelasi antara kedua variabel tersebut rendah,

bahkan tidak ada korelasinya. Kemudian ada indikasi nilai outlier yang

terletak pada rentang angka kemiskinan 4500 sampai 5000 dan pada angka

pengangguran 4 sampai 9, data tersebut berada jauh dari sebaran data yang

lainnya, keluar dari zona sebaran datanya. Outlier ini adalah data yang

ekstrim yang kemungkinan dihasilkan dari situasi yang tidak normal.

Biasanya data outlier akan dibuang untuk memudahkan analisis pada suatu

data karena jumlahnya yang sedikit, dan adapula yang mengambil data outlier

ini untuk dikaji lebih lanjut.

BAB IV

PENUTUP

Berdasarkan penyelesaian dan pembahasan kasus diatas, Maka dapat

disimpulkan sebagai berikut,

1. Praktikan dapat melakukan operasi matematis pada kolom data, menyimpan

projects dan worksheets, menghitung statistik deskriptif, menggambar

histogram, boxplots dan scatterplots dengan menggunakan program aplikasi

minitab.

2. Analisis data dapat dilakukan menggunakan menu Display descriptive

statistic dengan memilih jenis analisis yang akan digunakan.

3. Dengan menggunakan metode descriptive statistics dan rank pada aplikasi

minitab ini praktikan dapat dengan mudah menganalisisnya lebih lanjut dan

mengetahui peringkat tertinggi kemiskinan maupun pengangguran pada tiap-

tipa provinsi, sehingga praktikan tidak kesulitan lagi mengamati data

berulang-ulang untuk menganalisisnya.

4. Kemudian grafik histogram digunakan untuk mempermudah dalam

menganalisa mutu yang dilihat dari tingkat distribusi frekuensi dan

penyebaran datanya. Jadi harapannya setelah data ini diolah dalam bentuk

histogram, dan menemukan kelemahannya maka sebaiknya data ini dapat

dievaluasi dan dikembangkan untuk perbaikan proses peningkatan dan mutu

yang baik bagi Indonesia.

5. Penggunaan boxplot berguna untuk memahami karakteristik dari distribusi

data yang dilihat dari tinggi atau panjang boxplot, selain itu juga digunakan

untuk menilai kesimetrisan sebaran data, dan memungkinkan untuk

menemukan data yang unik atau data yang jauh (ekstrim) dari persebaran data

lainnya. Oleh karena itu, setelah mengetahui hasil dari grafik boxplot data

pengangguran dan kemiskinan di Indonesia, pemerintah sebaiknya mengkaji

kembali data ekstrim yang ditemukan, dalam upaya pemerataan dan

kesejahteraan rakyat pada provinsi yang menjadi data ekstrim tersebut.

6. Penggunaan grafik Scatterplot berfungsi untuk melihat pola hubungan antara

variabel pengangguran dengan variabel kemiskinan, hasil dari grafik

scatterplot diatas menunjukkan tidak adanya korelasi antara kedua variabel

tersebut, sebab tidak ada pola linear yang menggambarkan hubungan antara

keduanya. Dengan demikian dalam menyikapi kasus pada data ini harus

menggunakan kebijakan yang berbeda dalam peningkatannya, jika tidak ada

kebijakan yang berbeda antar kedua variabel yang tidak saling berhubungan

maka kualitas data akan semakin menurun dan memperburuk keadaan, sebab

kemiskinan harus dientaskan bukan dari aspek pekerjaan saja, namun banyak

hal-hal lainnya seperti tingkat pendapatan, dan harga-harga kebutuhan

semakin tinggi akan menyebabkan kemisikinan tetap merajalela.

7. Secara keseluruhan, pada penggunaan berbagai fungsi pada aplikasi minitab

ini membuat pekerjaan menjadi lebih efektif dan mudah.

DAFTAR PUSTAKA

NN. 2010. Mengenal Boxplot. Diakses pada tanggal 18 Oktober 2016 dari

http://smartstat.wordpress.com/2010/11/03/mengenal-box-plot-box-and-

whisker-plots/

Nugraha, Jaka. 2014. Modul Praktikum Analisis Data Eksplorasi. Universitas

Islam Indonesia:Yogyakarta

Poerwanto, G Hendra . 2016. Histogram. Diakses pada tanggal 17 Oktober 2016 dari

https://sites.google.com/site/kelolakualitas/Histogram

Triyanto. 2009. Pengenalan MiniTab. Diakses pada tanggal 18 Oktober 2016 dari

https://elnicovengeance.files.wordpress. com/2011/06/minitab-14.pdf

Wikipedia. 2014. MiniTab. Diakses pada tanggal 18 Oktober 2016 dari

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

Wijaya, Prasetyo. 2009. Penjelasan Tentang Scatterplot. Diakses pada tanggal 19

Oktober 2016 dari www.prasetyowijaya.com