You are on page 1of 14

KATA PENGANTAR

Puji syukur kepada Allah SWT, atas segala rahmat dan hidayahNya sehingga kami dapat

menyelesaikan tugas mata kuliah Statistik dengan tepat waktu, terwujud dalam makalah kami

“Analisis Deskriptif”.

Besar harapan kami semoga hasil makalah ini dapat memberikan manfaat yang besar baik

untuk kami ataupun orang lain. Ucapan terima kasih tak lupa kami sampaikan kepada dosen

Pengajar mata kuliah Statistik atas bimbingan dan arahan beliau, kepada teman-teman dan pihak-

pihak yang turut mendukung untuk terciptanya makalah ini.

Akhir kata penyusun menyadari makalah ini masih memiliki banyak kekurangan, karena

itu sangat diharapkan kritik dan saran dari pembaca demi perbaikan dan sekaligus memperbesar

manfaat tulisan ini sebagai referensi.

Jakarta, 5 November 2016

Penyusun
DAFTAR ISI

Kata Pengantar
Daftar isi

BAB I PENDAHULUAN
Latar Belakang............................................................................................... 1
Rumusan Masalah.......................................................................................... 1
Tujuan Penulisan............................................................................................ 2

BAB II PEMBAHASAN
Pengertian Kutipan dan Catatan kaki............................................................ 3
Jenis kutipan dan Catatan kaki...................................................................... 3
Prinsip mengutip dan prinsip catatan kaki………………………………… 5
Teknik mengutip dan cara membuat Catatan Kaki ........................................ 6
Ketentuan-ketentuan yang penting dalam penulisan catatan kaki..................10
Fungsi kutipan dan catatan kaki……………………………………………. 11
Singkatan dalam catatan kaki..........................................................................12

BAB III PENUTUP


Kesimpulan.....................................................................................................13
Saran...............................................................................................................13
Daftar Pustaka................................................................................................ 14
BAB I

PENDAHULUAN

A. Latar Belakang

Didalam kehidupan sehari hari sering kita jumpai banyak hal yang dapat kita deskripsikan

dalam sebuah bentuk data. Informasi data yang diperoleh tentunya harus diolah terlebih dahulu

menjadi sebuah data yang mudah dibaca dan di analisa. Akan tetapi bagaimana penyajian data

yang kita dapat tentunya berbeda beda, sesuai dengan kebutuhan dan keinginan penyaji data.

Pada dasarnya aplikasi ilmu statistik dibagi dalam dua bagian, yaitu statistik Deskriptif

dan statistik Induktif. Statistik Dekriptif beruisaha menjelaskan atau menggambarkan berbagai

karakteristik data seperti berapa rata-ratanya, seberapa jauh data-data yang bervariasi dan

sebagainya.

B. Tujuan Penulisan
Adapun tujuan penulisan makalah ini adalah untuk megetahui lebih mendalam tentang

materi kuliah statistik khususnya analisis deskriptif.


BAB II

PEMBAHASAN

ANALISIS DESKPRIPTIF (UNIVARIAT)

Menurut Sugiyono (2004:169) Analisis deskriptif adalah statistik yang digunakan untuk
menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau
generalisasi.

Tujuan dari analisis ini adalah untuk menjelaskan/mendeskripsikan karakteristik masing-


masing variable yang diteliti. Dalam analisis data kuantitatif kita dihadapkan pada kumpulan
data yang besar atau banyak yang belum jelas maknanya. Fungsi analisis sebelumnya adalah
menyederhanakan atau meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga
kumpulan data tersebut berubah menjadi informasi yang berguna. Peringkasan itu dapat berupa
ukuran-ukuran statistic, table, dan juga grafik.

Secara teknis pada dasarnya analisis merupakan kegiatan meringkas kumpulan data yang
menjadi ukuran tengah dan ukuran variasi, selanjutnya membandingkan gambaran-gambaran
tersebut antara satu kelompok subjek dan kelompok subjek lain, sesuai dengan tujuan analisis
yang ingin dicapai.

Berbicara peringkasan data (yang berwujud ukuran tengah dan ukuran variasi), jenis data
(apakah numeric atau kategorik) akan sangat menentukan bentuk peringkasan datanya, berikut
akan diuraikan bentuk/cara/peringkasan data numeric dan data kategorik.
A. PERINGKASAN DATA NUMERIK
1. Ukuran tengah

Ukuran tengah merupakan ukuran konsentrasi dari nial-nilai hasil pengukuran. Berbagai
ukuran dikembangkan untuk mencerminkan ukuran tengah tersebut, dan yang paling sering
dipakai adalah mean, median dan mode/modus.

a.) Mean
Mean/average adalah ukuran rata-rata yang merupakan hasil dari jumlah semua nilai
pengukuran dibagi oleh banyaknya pengukuran, secara sederhana perhitungan nilai mean
dapat dituliskan dengan rumus:
X = ∑X1
n
Keuntungan nilai mean adalah mudah menghitungnya dan sudah melibatkan data dalam
perhitungannya, namun kelemahan dari nilai mean adalah, nilai mean sangat dipengaruhi
oleh nilai ekstrem, baik ekstrem tinggi maupun rendah.
Oleh karena itu pada kelompok data yang ada nilai data ekstremnya (sering dikenal
dengan “distribusi data yang menceng kiri/kanan”), pada kasus ini tidak dapat mewakili
rata-rata kumpulan nilai pengamatan. Sebagai contoh klasik data yang ada nilai ektremnya
adalah data penghasilan, apabila mean pendapatan perbulan 10jt, sebenarnya sebagian orang
penghasilannya dibawah 10jt. Dimana mean 10jt diperoleh karena tarikan sekelompok kecil
pendapatan orang (konglomerat) yang pendapatannya sangat tinggi. Dengan demikian
penggunaan nilai mean yang ada nilai ekstermnya kurang tepat.
Contoh: ada 5 pasien yang diukur lama hari rawatnya: 1hr, 3hr, 4hr, 2hr, 90hr

Mean = 1+2+3+4+90 = 20 hr
5

Dari perhitungan didapatkan rata-rata lama hari rawat 20hr, hasil inintentunya tidak
dapat mewakili, karena secara visual datanya sebagian besar kurang dari 5hr, keadaan ini
bisa terjadi karena kumpulan data diatas ada nilai ekstremnya.
b.) Median

Median adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai


dibawahnya dan setengah lagi mempunyai nilai diatasnya. Berbeda dengan nilai mean,
perhitungan nilai mean, perhitungan median hanya mempertimbangkan urutan hasil nilai
pengukuran, besar beda antara nilai diabaikan. Karena mengabaikan besar beda, maka
median tidak dipengaruhi nilai ekstrem.

Prosedur penghitungan median melalui langkah :

 Data diurutkan/ di array dari nilai kecil kebesar.


 Hitung posisi median dengan rumus =(n+1)/2
 Hitung nilai mediannya

Contoh: ada 6 mahasiswa berumur 20th, 26th, 24th, 30th, 40th, 36th

Data diurutkan/ di array : 20, 24, 26, 30, 36, 40


Posisi median = (6+1)/2= 3,5
Median adalah data yang urutannya 3,5 yaitu : (26+30)/2= 28

Dapat disimpulkan 50% mahasiswa berumur dibawah 28th dan 50% mahasiswa berumur
diatas 28 th.

c.) Mode/modus
Mode adalah nilai pengamatan yang mempunyai frekuensi/ jumlah terbanyak, contoh:
Hitunglah mode data umur mahasiswa : 21th, 22th, 21th, 20th, 23th, 20th. Dari data diatas
modenya adalah mahasiswa berumur 20th.
Hubungan mean, median dan mode.
Hubungan mean, median, dan mode akan menentukan bentuk distribusi data :
 Bila nilai mean, median dan mode sama maka bentuk distribusi datanya
normal
 bila nilai mean > median > mode, maka bentuk distribusi datanya menceng
atau condong ke kanan
 bila nilai mean < median < mode, maka bentuk distribusi datanya menceng
atau condong ke kiri

2. Ukuran Variasi/penyebaran
Nilai-nilai hasil pengamatan akan cenderung saling berbeda satu sama lain atau dengan kata
lain hasil pengamatan akan bervariasi. Untuk mengetahui seberapa jauh data bervariasi
digunakan ukuran/variasi penyebaran. Terdapat beberapa ukuran variasi antara lain range, jarak
inter kuartil dan standard deviasi.
 Range
Range merupakan ukuran variasi yang paling dasar dihitung dari selisih nilai terbesar
dengan nilai terkecil, kelemahan dari range adalah dipengaruhi nilai ekstrem, keuntungan
perhitungan dapat dilakukan dengan cepat.
 Jarak inter kuartil
Nilai observasi disusun berurutan dari nilai kecil kebesar, kemudian ditentukan kuartil
bawah dan atas. Kuartil merupakan pembagian data menjadi 4 bagian yang dibatasi oleh tiga
ukuran kuartil, yaitu kuartil I, kuartil II, kuartil III. Kuartil I mencakup 25% data berada
dibawahnya dan 75% data berada diatasnya. Kuartil II ( median ) mencakup 50% data berada
dibawahnya dan 50 % data berada diatasnya. Kuartil III mencakup 75% data berada dibawahnya
dan 25% data berada diatasnya.
3. Standar Deviasi
Variasi data yang diukur melalui penyimpangan / Deviasi dari nilai-nilai pengamatan
terhadap nilai mean nya.
Rata-rata hitung dari kuadrat deviasi terhadap nilai mean disebut varian , yang rumusnya :
Varian = ∑(X1 – X)2
n

Semakin besar nilai varian akan semakin bervariasi, karena satuan varian (kuadrat) yang
tidak sama dengan nilai pengamatan, maka dikembangkan suatu ukuran variasi yang mempunyai
Standar Deviasi merupakan akar dari varian:

Standar Deviasi (S) atau (SD)= √∑(X1 – X)2

Seperti halnya varian, semakin besar SD semakin besar variasinya, apabila tidak ada
variasinya maka SD=0.

Dari uraian diatas tersebut dapat disimpulkan, untuk data numeric digunakan nilai mean (
rata- rata ), median, standard deviasi, inter kuartil range, minimal dan maksimal. Bila data yang
terkumpul tidak menunjukan adanya nilai ekstrem (distribusi normal), maka perhitungan nilai
mean standard deviasi merupakan cara analisis univariat yang tepat. Sedangkan bila dijumpai
nilai ekstrem (distribusi data tidak normal), maka nilai mean dan interkuartil range (IQR) yang
lebih tepat dibandingkan nilai mean.

B. PERINGKASAN DATA KATAGORIK


Berbeda dengan data numeric, peringkasan ukuran tengah maupun ukuran variasi pada data
kategorik tidak beragam jenisnya. Pada data kategorik peringkasan data hanya menggunakan
distribusi frekuensi dengan menggunakan ukuran prosentase atau proporsi, untuk data berjenis
kategorik, tentunya informasi/peringkasan yang penting disampaikan tidak lazim menggunakan
ukuran mean atau median, melainkan cukup informasi jumlah dan prosentase saja yang
disajikan. Untuk ukuran variasi pada data kategorik hanya untuk melihat variasi hetrogen atau
homogen

Contoh : Kelas A mahasiswa 50 dan mahasiswi 50

Kelas B mahasiswa 90 dan mahasiswi 50

Pada kelas A jenis kelamin mahasiswa bervariasi hetrogen karena 50% pria dan 50%
wanita. Pada kelas B jenis kelamin mahasiswa bervariasi (homogen pada pria) karena pria 90%
dan wanita hanya 10 %
Kesimpulan Contoh

Seperti sudah dijelaskan, tujuan dari analisis deskriptif adalah untuk


menjelaskan/mendeskripsikan karakteristik masing-masing variable yang diteliti. Bentuknya
tergantung dari jenis datanya, untuk data numeric digunakan nilai mean, median, mode, standard
devisiansi dll, sedangkan untuk data kategorik hanya dapat menjelaskan angka/ nilai jumlah dan
prosentase/proporsi masing-masing kelompok.

C. LATIHAN ANALISIS DESKRIPTIF (UNIVARIAT)

Berikut akan dipelajari cara mengeluarkan analisis deskriptif dengan SPSS, dimulai untuk
variable katagorik, sebagai contoh : digunakan variable eksklusif (ASI Eksklusif) dan variable
numeric umur (umur responden).

a) DATA KATAGORIK
Untuk menampilkan analisis data katagorik digunakan tampilan distribusi frekuensi,
sebagai contoh kita akan menampilkan table frekuensi untuk variable eksklusif (ASI Eksklusif)
dari file SUSU.SAV. Step langkahnya sebagai berikut :
1. Dari menu utama SPSS dipilihlah Analyze (untuk SPSS versi 9 dan 10), kemudian pilih
Descriptive statistics, lalu pilih Frequencies.
2. Sorot variable eksklusif (ASI Eksklusif), klik tanda panah dan masukan ke kotak variable
3. Klik OK , hasil nya akan terlihat pada jendela Output

b) DATA NUMERIK

Pada data numeric, peringkasan data dapat dilakukan dengan melaporkan ukuran tengah
dan sebarannya. Ukuran yang digunakan adalah rata- rata median dan modus. Sedangkan ukuran
sebaran (variasi) yang digunakan adalah range, starndar deviasi, minimal dan maksimal. Pada
SPSS ada dua cara untuk mengeluarkan Analisis Descriptive yaitu melalui perintah Frequencies
atau perintah Descriptives.

Biasannya yang digunakan perintah Frequencies oleh karena ukuran statistic yang
dihasilkan sangat lengkap (mean, median, mode, varian, dll). Selain itu juga dapat dihasilkan
grafik histogram dan kurve normalnya, berikut ini akan dicoba mengeluarkan analisis descriptive
untuk variable umur dengan menggunakan perintah Frequencies dengan step sebagai berikut :

1. Aktifkan data SUSU.SAV


2. Pilihlah Analyze
3. Pilihlah Descriptive statistic
4. Pilihlah Frequencies, dan akan muncul kotak dialog
5. Sorot variable yang akan dianalisis (misalnya : umur), sorot umur, klik tanda panah dan
masukkan ke kotak variable
6. Klik tombol / option statistic, pilih ukuran yang anda minta misalnya mean, median, mode,
standard deviasi, min, max, SE mean.
7. Klik Continue
8. Klik tombol option Charts lalu muncul menu baru dan klik histogram, lalu klik With normal
Curve
9. Klik Continue
10. Klik OK, dan pada layar monitor terlihat distribusi frekuensi dengan disertai ukuran statistic
yang diminta dan dibawahnya ditampilkan grafik histogram beserta curve normalnya.
Cara memperoleh informasi estimasi interval yang penting melakukan estimasi parameter
populasi, bila ingin memperoleh estimasi interval lakukan analisis Eksplorer data dengan
perintah Explore. Adapun step langkahnya adalah sebagai berikut :
1. Dari menu utama SPSS, pilih Analyze, kemudian pilih Descriptive Statistics, setelah itu
pilih Explore maka akan keluar tampilan.
2. Isikan kotak Dependent List dengan variable Umur, kotak Faktor List dan Label Cases by
biarkan kosong jangan diisi.
3. Klik tombol Statistics, klik tandai bagian Descriptive
4. Klik Continue
5. Klik tombol Plots, dan pilihlah Dependents together dan pilihlah Normality plot with test
6. Klik continue
7. Klik OK.
UJI HIPOTESIS

Setelah diketahui karakteristik masing-masing variable (univariat) dapat diteruskan


dengan analisis lebih lanjut. Apabila diinginkan analisis hubungan antara dua variable, maka
analisis dilanjutkan pada tingkat bivariat. Untuk mengetahui hubungan dua variable tersebut
biasanya digunakan prosedur pengujian statistic atau uji hipotesis.

Pengujian hipotesis dapat berguna untuk membantu pengambilan keputusan tentang


apakah suatu hipotesis yang diajukan, apakah mempunyai perbedaan atau mempunyai hubungan,
dan cukup meyakinkan untuk ditolak atau tidak ditolak. Keyakinan ini didasarkan pada besarnya
peluang untuk memperoleh hubungan tersebut secara kebetulan (by chance). Semakin kecil
peluang tersebut (peluang adanya by chance), semakin besar keyakinan bahwa hubungan
tersebut memang ada.

Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel (data hasil
penelitian) dengan nilai hipotesis ( nilai populasi ) yang diajukan. Peluang untuk diterima atau
ditolaknya suatu hipotesis tergantung besar kecilnya perbedaan nilai sampel dengan nilai
hipotesis. Bila perbedaan itu cukup besar, maka peluang untuk menolak hipotesis juga cukup
besar, sebaiknya bila perbedaan itu kecil, maka peluang untuk menolak hipotesis menjadi kecil.
Jadi makin besar perbedaan antara nilai sampel dengan nilai hipotesis, makin besar peluang
untuk menolak hipotesis.

PROSEDUR LANGKAH UJI HIPOTESIS

A. MENETAPKAN HIPOTESIS

Hipotesis dalam statistic dikenal 2 (dua) macam yaitu hipotesis nol (Ho) dan hipotesis
alternative (Ha).

1) Hipotesis nol (Ho)


Hipotesis yang menyatakan tidak ada pebedaan suatu kejadian antara dua kelompok.
Contoh: tidak ada perbedaan berat badan bayi antara mereka yang di lahirkan dari ibu yang
merokok dengan mereka yang di lahirkan dari ibu yang tidak merokok.
2) Hipotesis alternative (Ha) atau Ho ditolak
Hipotesis yang menyatakan ada perbedaan suatu kejadiaan antara dua kelompok.
Contoh: ada perbedaan berat badan bayi antara mereka yang dilahirkan dari ibu yang merokok
dengan mereka yang dilahirkan dari ibu yang tidak merokok.
Dari hipotesis alternative akan diketahui apakah uji statistic menggunakan satu arah (one tail)
atau dua arah (two tail).
B. PENENTUAN UJI STATISTIK YANG SESUAI

Ada beberapa jenis uji statistic yang dapat digunakan, setiap uji statistic
mempunyai persyaratan tertentu yang harus dipenuhi. Oleh karena itu
harus digunakan ujin statistic yang tepat sesuai data yang diuji, jenis uji
statistic sangat tergantung:
1. Jenis variable yang dianalisis
2. Jenis data apakah dependen atau independen (bebas)
3. Jenis distribusi data populasi apakah mengikuti distribusi normal atau
tidak.

Sebagai gambaran, jenis uji statistic untuk mengetahui perbedaan mean akan
berbeda dengan uji statistic untuk menguji perbedaan proporsi/prosentase.
Dimana uji perbedaan mean menggunakan uji T atau uji Anova sedangak uji
pada proporsi menggunakan uji Kai kuadrat.
BAB III

PENUTUP

A. Kesimpulan

Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan

dideskripsikan) atau disimpulkan baik secara numerik (misal menghitung rata-rata dan deviasi

standar) atau secara grafis (dalam bentuk tabel atau grafik) untuk mendapatkan gambaran sekilas

mengenai data tersebut sehingga lebih mudah dibaca dan bermakna.

Statistik deskriptif menggunakan prosedur numerik dan grafis dalam meringkas gugus

data dengan cara yang jelas dan dapat dimengerti.

Terdapat tiga karakteristik utama dari variabel tunggal:

 Distribusi data (distribusi frekuensi)

 Ukuran pemusatan/tendensi sentral (Central Tendency)

 Ukuran penyebaran (Dispersion)

B. Saran

Sebaiknya pengetahuan tentang statistic deskriptif lebih dikenalkan lagi dimasyarakat

agar manfaat yang dibawa oleh ilmu tersebut bisa dirasakan juga oleh masyarakat luas tidak

hanya pengajar atau mahasiswa saja.