LECTURE NOTE 02
STATISTIKA DESKRIPTIF PENYAJIAN DATA TABEL DAN GRAFIK oleh: Kusnendi
1. TUJUAN
Menyajikan data yang dikumpulkan dari populasi dan atau sampel menjadi data yang tertata secara sistematis sehingga bermakna informasi untuk membantu pengambilan keputusan pihak-pihak yang berkepentingan.
2. METODE PENYAJIAN DATA: TABEL DAN GRAFIK
TABEL: tunggal (satu variabel) dan ganda (multi variabel). TABEL 2.1 Jumlah Pegawai Perusahaan A Menurut Golongan, Umur dan Pendidikan Tahun 2005 Umur (tahun)
Golongan
25-35 40 45 120 2 207
I II III IV Jumlah
Pendidikan Bukan Sarjana Sarjana 90 0 97 0 185 210 0 27 372 237
> 35 50 52 275 25 402
Sumber: Data Hipotetis.
GRAFIK: batang-garis tunggal (satu variabel) dan ganda (multi variabel). GRAFIK BATANG GANDA (MULTI VARIABEL) DATA CROSS-SECTION 300
Frekuensi
250 200 150 100 50 0
I
II
III
IV
Golongan 25-35
> 35
Bukan Sarjana
Sarjana
GAMBAR 2.1 Jumlah Pegawai Perusahaan A Menurut Golongan, Umur dan Pendidikan Tahun 2005
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
1
GRAFIK BATANG TUNGGAL (SATU VARIABEL) DATA TIME-SERIES Jum lah BPR (Buah) 2.500 2 .4 2 7
2 .4 1 9
2.400
2 .3 5 5
2.300
2 .2 6 2 2 .2 2 6
2.200
2 .1 4 1
2 .1 4 0
2 .1 5 8
2.100 2.000 1.900 1997
1998
1999
2000
2001
2002
2003
2004
Tahun SUMBER: Bank Indonesia, Laporan Tahun 1999. Statistik Perbankan Indonesia Februari 2005.
GAMBAR 2.2 Perkembangan Kelembagaan Industri BPR Tahun 1997 − 2004 GRAFIK GARIS GANDA (MULTI VARIABEL) DATA TIME-SERIES 200
Pertumbuhan (%)
150 100 50 0 1998
1999
-50
2000
2001
2002
2003
Tahun
-100 Volume Usaha
DPK
Kredit
SUMBER: diolah dari Bank Indonesia Bandung, Statistik Ekonomi Keuangan Daerah Jawa Barat, 2004.
GAMBAR 2.3 Pertumbuhan Volume Usaha, DPK dan Kredit Industri BPR di Propinsi Jawa Barat Tahun 1998 – 2003
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
2
GRAFIK BATANG GANDA (MULTI VARIABEL) DATA POOLING 10
LPE (%)
8
6
4
2
0 2001
2002
2003
2004
2005
Ta hun Provinsi A
Propinsi B
Provinsi C
SUMBER: Data hipotetis.
GAMBAR 2.4 Laju Pertumbuhan Ekonomi Antarpropinsi di Indonesia Tahun 2001 − 2005
2.1 DATA KUALITATIF
TABEL DISTRIBUSI FREKUENSI DATA KUALITATIF Mengelompokan data ke dalam tabel yang telah diklasifikasikan menurut kategori tertentu di mana setiap data tidak dapat dimasukkan ke dalam dua atau lebih kategori. Tabel distribusi frekuensi data kualitatif dapat ditampilkan menurut GRAFIK dan atau DIAGRAM. Tabel 2.3 Contoh Tabel Distribusi Frekuensi Data Kualitatif RATING
Frekuensi
Poor Belom Average Average Above Average Excellent Jumlah
2 3 5 9 1 20
Frekuensi Relatif (%) 10,00 15,00 25,00 45,00 5,00 100,00
Sumber: Data Hipotetis.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
3
DIAGRAM DAN GRAFIK DATA KUALITATIF PIE CHART Excellent 5%
Poor 10% Belom Average 15%
Above Average 45%
Average 25%
Sumber: Data Hipotetis.
Frekuensi
GAMBAR 2.5 Diagram Lingkaran
10 8 6 4 2 0 Poor
Belom Average
Average
Above Average
Excellent
Rating Sumber: Data Hipotetis.
GAMBAR 2.6 Grafik Batang Data Kualitatif
2.2 DATA KUANTITATIF Dalam survei, data yang dikumpulkan seringkali berukuran relatif besar. Karena itu data perlu diorganisir dengan cara meringkas menjadi data berkelompok sehingga dengan cepat dapat diidentifikasi ciri-cirinya dan dianalisis sesuai dengan tujuan survei. Pengelompokan data tersebut dilakukan dengan cara mendistribusikan data ke dalam kelas-kelas tertentu sehingga terbentuk TABEL DISTRIBUSI FREKUENSI. TABEL DISTRIBUSI FREKUENSI DATA KUANTITATIF adalah tabel pengelompokan data menurut kelas-kelasa interval tertentu di mana setiap data hanya dapat dimasukkan ke dalam satu kelas.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
4
Misalnya dilakukan survei tentang “Efektivitas Organisasi Industri BPR di Wilayah Kerja Kantor Bank Indonesia Bandung.” Pengukuran efektivitas organisasi mengacu pada teori competing value of organizational effectiveness yang dikembangkan Quinn dan Rohrbaugh (1981; 1983). Instrumen penelitian diadaptasi dari Robbins (1994) yang disusun menurut model Likert 5 poin. Berdasarkan ukuran sampel 128 BPR diperoleh data hasil survei setelah diurutkan sebagai berikut: TABEL 2.2 Data Survei Efektivitas Organisasi Industri BPR (n = 128) 20 20 21 21 22 22 23 23 24 24 24 24 24 25 26 26 26 26 26 26
26 27 27 27 27 27 27 27 27 27 27 27 28 28 28 28 28 28 28 28
29 29 29 29 29 29 29 29 29 30 30 30 30 30 30 30 30 30 30 30
31 31 31 31 31 31 31 31 31 31 32 32 32 32 32 32 32 32 32 33
33 33 33 33 33 33 34 34 34 34 34 35 35 35 35 35 35 35 35 36
36 36 36 36 37 37 37 37 38 38 38 38 38 38 39 39 39 40 40 40
40 40 41 43 44 44 44 45
Sumber: Kusnendi (2006).
MEMBUAT TABEL DISTRIBUSI FREKUENSI GUIDELINES FOR SELECTING NUMBER OF CLASSES ■ Use between 5 and 20 classes. ■ Data sets with a larger number of elements usually require a larger number of classes. ■ Smaller data sets usually require fewer classes.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
5
(1) Range data (r) = data maksimum – data minimum = 45 – 20 = 25 (2) Banyak kelas (rumus empiris Sturgess): k = 1 + 3,3 log n = 1 + 3,3 log 128 = 7,95. Banyak kelas 8 atau lebih. (3) Lebar kelas: c = r/k = 25/7,95 = 3,14. Lebar kelas 3. (4) Limit bawah kelas = data minimum = 20. Karena itu limit batas bawah kelas pertama adalah 20. Sehingga limit atas kelas pertama adalah 20 – 22. (5) Limit bawah kelas dan limit atas kelas kedua dan seterusnya ditentukan dengan cara menambahkan lebar kelas (c) pada limit bawah kelas dan limit atas kelas sebelumnya. Hasilnya: Alternatif 1 20 – 22 23 – 25 26 – 28 29 – 31 32 – 34 35 – 37 38 – 40 41 – 43 44 – 46
Alternatif 2 19 – 21 22 – 24 25 – 27 28 – 30 31 – 33 34 – 36 37 – 39 40 – 42 43 – 45
(6) Tentukan frekuensi, batas kelas, nilai tengah kelas untuk masing-masing kelas sehingga diperoleh TABEL DISTRIBUSI FREKUENSI SKOR EFEKTIVITAS ORGANISASI INDUSTRI BPR sebagai berikut: TABEL 2.3 Distribusi Frekuensi Skor Efektivitas Organisasi Industri BPR (n = 128) Skor Efektivitas Organisasi
Batas Kelas
Nilai Tengah
20 – 22 23 – 25 26 – 28 29 – 31 32 – 34 35 – 37 38 – 40 41 – 43 44 – 46
19,5 – 22,5 22,5 – 25,5 25,5 – 28,5 28,5 – 31,5 31,5 – 34,5 34,5 – 37,5 37,5 – 40,5 40,5 – 43,5 43,5 – 46,5
21 24 27 30 33 36 39 42 45
Frekuensi 6 8 26 30 21 17 14 2 4
Frekuensi Kumulatif 6 14 40 70 91 108 122 124 128
Frekuensi Relatif (%) 4,69 6,25 20,31 23,44 16,41 13,28 10,94 1,56 3,12
Frekuensi Kumulatif (%) 4,69 10,94 31,25 54,69 71,10 84,38 95,32 96,88 100,00
Sumber: Tabel 2.2.
INTERPRETASI: dari 128 BPR sampel, sebesar 84,38% memiliki skor EO antara 26 sampai 40. Sisanya sebesar 10,94% merupakan BPR dengan skor EO di bawah 26 dan sebesar 4,68% dengan skor EO di atas 40.
DOT PLOT, HISTOGRAM, POLIGON DAN OGIVE Distribusi frekuensi data berkelompok dapat ditampilkan dalam bentuk grafik dan atau diagram, yaitu DOT PLOT, HISTOGRAM dan POLIGON.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
6
A. DOT PLOT ■ One of the simplest graphical summaries of data is a dot plot. ■ A horizontal axis shows the range of data values. ■ Then each data value is represented by a dot placed above the axis.
GAMBAR 2.7 Dot Plot Skor Efektivitas Organisasi Industri BPR (n = 128) B. HISTOGRAM ■ Another common graphical presentation of quantitative data is a histogram. ■ The variable of interest is placed on the horizontal axis and the frequency, relative frequency, or percent frequency is placed on the vertical axis. ■ A rectangle is drawn above each class interval with its height corresponding to the interval’s frequency, relative frequency, or percent frequency. ■ Unlike a bar graph, a histogram has no natural separation between rectangles of adjacent classes. 30
25
Frekuensi
20
15
10
5
0
21
24
27
30
33
36
39
42
45
SKOR EFEKTIVITAS ORGANISASI INDUSTRI BPR
GAMBAR 2.8 Historam Skor Efektivitas Organisasi Industri BPR (n = 128) Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
7
C. POLIGON ■ Grafik garis frekuensi yang mengubungkan nilai tengah dari puncak batang histogram. 35 30
Frekuensi
25 20 15 10 5 0 21
24
27
30
33
36
39
42
45
Skor Efektivitas Organisasi
GAMBAR 2.9 Poligon Skor Efektivitas Organisasi Industri BPR (n = 128) D. SKEWNESS dan KURTOSIS ■ Dengan mengamati poligon dapat diidentifikasi kemungkinan kemiringan (skewness) dan keruncingan (kurtosis) distribusi data. ■ Kemiringan distribusi data (skewness) menunjukkan bentuk suatu distribusi data, yaitu: simetris, miring ke kanan dan atau miring ke kiri. Kemiringan distribusi data diukur oleh koefisien kemiringan (coefficient of skewness, S): S=
X - Mo 3(X - Me) atau S = s s
(2.1)
S = koefisien kemiringan; X = rata-rata; Mo = modus; Me = median; s = deviasi standar.
(1) Simetris
(2) Miring ke kanan
(3) Miring ke kiri
GAMBAR 2.10 Kemiringan Distribusi Data (1) S = 0 atau mendekati nol, distribusi data simetris: letak nilai rata-rata, median dan modus hampir sama besar.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
8
■
(2) S > 0, distribusi data condong ke kanan (positif): nilai rata-rata lebih besar dari median dan modus. Ada data ekstrim besar. (3) S < 0, distribusi data condong ke kiri (negatif): nilai rata-rata lebih kecil dari median dan modus. Ada data ekstrim kecil. Keruncingan distribusi data (kurtosis) menunjukkan variasi distribusi data, yaitu: leptokurtis, mesokurtis, dan platikurtis. Keruncingan distribusi data diukur oleh koefisien keruncingan (coefficient of kurtosis, K): 1 4 ∑ (X − X ) K= n s4
(2.2)
(1) K = 3, variasi distribusi data mesokurtis (2) K > 3, variasi distribusi data leptokurtis (3) K < 3, variasi distribusi data platikurtis
Leptokurtis Mesokurtis
Platikurtis
GAMBAR 2.11 Keruncingan Distribusi Data
DIAGRAM BATANG-DAUN (STEM-AND-LEAF DISPLAY) (1) Sebagai alternatif penggunaan histogram, Tukey merekomendasikan penggunaan penyajian data diagram batang-daun. (2) Sebagai pengganti interval histogram, dalam diagram batang-daun ditampilkan nilai data sebagai batang dan daun. (3) Hal yang perlu diperhatikan dalam diagram batang-daun adalah: ■ Satuan nilai batang selalu lebih besar dari satuan nilai daun. ■ Setiap nilai yang terdapat dalam daun menggambarkan satu pengamatan data (each leaf: 1 case). Jadi, jika dalam susunan nilai daun terdapat dua angka berarti ada dua pengamatan data. ■ Satuan nilai batang dan daun disesuaikan dengan nilai data yang ada.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
9
Contoh 1. Data: 1,51 2,16. Untuk data ini nilai batang akan dinyatakan dalam sepersepuluh (stem unit atau stem width = 0,1) sedang nilai daun dalam seperseratus (leaf unit = 0,01). Dalam format diagram batang-daun ditulis: Stem Leaf 15 1 21 6 Dibaca: dalam data set hanya terdapat dua data. Nilai batang untuk data pertama adalah 15 x 0,1 = 1,5 dan nilai daunnya 1 x 0,01 = 0,01. Sedang nilai batang data kedua 2 x 1 = 2 dan nilai daunnya 1 x 0,1 = 0,1. Jadi, gabungan nilai batang dan daun untuk kedua data tersebut adalah 1,51 dan 2,16. Contoh 2. Data: 1,5 1,6 2,2 2,2 2,4. Nilai batang akan dinyatakan dalam satuan (stem unit = 1,0) sedang nilai daun dalam sepersepuluh (leaf unit = 0,1). Dalam format diagram batangdaun ditulis: Stem Leaf 1 56 2 224 Dibaca: dalam data set terdapat dua data dengan nilai batang satu dan tiga data dengan nilai batang dua. Nilai batang untuk data pertama dan kedua adalah 1 x 1 = 1 dengan nilai daunnya adalah 5 x 0,1 = 0,5 dan 6 x 0,1 = 0,6. Nilai batang data ketiga sampai kelima masing-masing 2 x 1 = 2. Nilai daun data ketiga dan keempat masing-masing 2 x 0,1 = 0,2. Sedang untuk data kelima 4 x 0,1 = 0,4. Dengan demikian, gabungan nilai batang dan daun untuk kelima data tersebut adalah 1,5; 1,6; 2,2; 2,2 dan 2,4. Contoh 3. Data 97 dan 114. Nilai batang akan dinyatakan dalam puluhan sedang nilai daun dalam satuan. Dalam format diagram batang-daun ditulis: Stem Leaf 9 7 11 4 Artinya, dalam data set terdapat dua data. Nilai batang data pertama dan kedua adalah 9 x 10 = 90 dan 11 x 10 = 110. Sedang nilai daunnya masingmasing 7 x 1 = 7 serta 4 x 1. Jadi, gabungan nilai batang dan daun untuk kedua data tersebut adalah adalah 97 dan 114. Contoh 4. Data: 1975 1979. Nilai batang akan dinyatakan dalam ratusan sedang nilai daun dalam puluhan. Dalam format diagram batang-daun ditulis: Stem Leaf 19 77 Dalam data set terdapat dua data dengan nilai batang dan daun masingmasing sebesar 19 x 100 = 1900 dan 7 x 10 = 70. Jadi, gabungan nilai batang dan daun kedua data tersebut masing-masing adalah 1970. Angka terakhir dari data, yaitu 5 dan 9 tidak tergambarkan dalam diagram batang-daun. Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
10
Mengapa? Karena dalam diagram batang-daun hanya menggambarkan dua (dan bukan tiga) kumpulan angka, yaitu kumpulan angka batang dan kumpulan angka daun. Jadi, bukan kumpulan angka batang, ranting dan daun. (4) Untuk data EO industri BPR dengan bantuan SPSS (Statistical Product and Service Solutions) diperoleh diagram batang-daun sebagai berikut: EO STEM-AND-LEAF PLOT Frequency Stem & Leaf 4,00 2 . 0011 4,00 2 . 2233 6,00 2 . 444445 18,00 2 . 666666677777777777 17,00 2 . 88888888999999999 21,00 3 . 000000000001111111111 16,00 3 . 2222222223333333 13,00 3 . 4444455555555 9,00 3 . 666667777 9,00 3 . 888888999 6,00 4 . 000001 1,00 4 . 3 4,00 4 . 4445 Stem width: 10 → Artinya: nilai batang dalam puluhan Each leaf: 1 case(s)
(5) Contoh lain perhatikan data yang telah diurutkan berikut ini. Var01 1565 1644 1679 1733 1766 1790 1812 1852 1852 1888 1912 1954 1967 2008 2044
Var02 1,57 1,64 1,68 1,73 1,77 1,79 1,81 1,85 1,85 1,89 1,91 1,95 1,97 2,01 2,04
Diagram batang-daun untuk kedua data tersebut tampak sebagai berikut: VAR01 STEM-AND-LEAF PLOT Frequency Stem & Leaf 1,00 15 . 6 2,00 16 . 47 3,00 17 . 369 4,00 18 . 1558 3,00 19 . 156 2,00 20 . 04 Stem width: 100,00 Each leaf: 1 case(s)
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
11
VAR02 STEM-AND-LEAF PLOT Frequency Stem & Leaf 1,00 15 . 7 2,00 16 . 48 3,00 17 . 379 4,00 18 . 1559 3,00 19 . 157 2,00 20 . 14 Stem width: ,10 Each leaf: 1 case(s)
3. TABULASI SILANG (CROSSTABULATIONS) DAN DIAGRAM PENCAR (SCATTER DIAGRAMS) ■ ■
■
CROSSTABULATION Crosstabulation is a tabular method for summarizing the data for two variables simultaneously. Crosstabulation can be used when: (1) One variable is qualitative and the other is quantitative, (2) Both variables are qualitative, (3) Both variables are quantitative. The left and top margin labels define the classes for the two variables. TABEL 2.5 Contoh 1 Tabel Silang Home Style Price
Total Colonial
Ranch
Split
A-Frame
≤ $99,000
18
6
19
12
55
> $99,000
12
14
16
3
45
Total
30
20
35
15
100
TABEL 2.6 Contoh 2 Tabel Silang Kinerja Pemasaran
■ ■
Stategi Pemasaran Total
Rendah
Kurang Fokus 30
Sedang
6
2
7
15
Tinggi
8
3
28
39
Total
44
9
47
100
Cukup Fokus
Sangat Fokus
4
12
46
SCATTER DIAGRAM A scatter diagram is a graphical presentation of the relationship between two quantitative variables. One variable is shown on the horizontal axis and the other variable is shown on the vertical axis.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
12
■
The general pattern of the plotted points suggests the overall relationship between the variables.
TABEL 2.7 Data Survei X dan Y No. Observasi 1 2 3 4 5 6 7 8 9 10
X 2 5 1 3 4 1 5 3 4 2
Y 50 57 41 54 54 38 63 48 59 46
65 5; 63
60
4; 59 5; 57
Variabel Y
55
3; 54
50
4; 54
2; 50 3; 48 2; 46
45 1; 41
40
1; 38
35 0
1
2
3
4
5
6
Variabel X
GAMBAR 2.12 Diagram Pencar X dan Y ■
Diagram pencar memiliki empat (4) kuadran sebagai berikut:
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
13
65
X =3
60
5; 63
I
4; 59
II 5; 57
Variabel Y
55
3; 54
50
4; 54
Y = 51
2; 50 3; 48 2; 46
45
IV
III
1; 41
40
1; 38
35 0
1
2
3
4
5
6
Variabel X
GAMBAR 2.13 Partisi Diagram Pencar X dan Y PARTISI DIAGRAM PENCAR Data berpencar disekitar kuadran IV-II. Artinya, X dan Y berhubungan positif. Data berpencar disekitar kuadran I-III. Artinya, X dan Y berhubungan negatif. Data berpencar disekitar kuadran I, II, III dan IV. Artinya, X dan Y tidak saling berhubungan.
Y
Y Kuadran IV-II
Kuadran I-III
X
(1) X dan Y berhubungan positif
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
X
(2) X dan Y berhubungan negatif
14
Y Kuadran I, II, III, IV
X
(3) X dan Y tidak berhubungan
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
15
DAFTAR PUSTAKA Anderson, David R., D.J. Sweeney & T.A.Williams. (2002). Statistics for Business and Economics. South-Western, a division of Thomson Learning, Inc. Boediono & W. Koster. (2004). Teori dan Aplikasi Statistika dan Probabilitas. Bandung: PT. Remaja Rosdakarya. Kountur, Ronny. (2005). Statistika Praktis. Pengolahan Data Untuk Penyusunan Skripsi dan Tesis. Jakarta: Penerbit PPM. Kusnendi. (2006). Pengaruh Kompetensi, Komitmen dan Budaya Organisasi terhadap Aktualisasi Peran Manajer dan Efektivitas Organisasi (Survei pada Industri Jasa BPR di Wilayah Kerja Kantor Bank Indonesia Bandung). Disertasi. Bandung: Program Pascasarjana Universitas Padjadjaran. Lind, A. Douglas, W.G. Marchal & R.D. Mason. (2002). Statistics Techniques in Business and Economics. N.Y: McGraw-Hill Irwin. Siagian, Dergibson & Sugiharto. (2006). Metode Statistika Untuk Bisnis dan Ekonomi. Jakarta: PT Gramidia Pustaka Utama.
Kusnendi/Lecture Note/Statistika Bisnis/M2B/2007
16