Penyajian Data Dan Penyusunan Laporan

PENYAJIAN DATA DAN PENYUSUNAN LAPORAN

JOB 10 : PENYAJIAN DATA DAN PENYUSUNAN LAPORAN

Petunjuk pelaksanaan

Praktek ini bersifat kelompok beranggotakan seluruh mahasiswa

dalam satu kelas.

Edit kembali semua laporan yang telah dibuat oleh mahasiswa dalam

kelas yang merupakan hasil tugas mata kuliah metodologi penelitian.

Gunakan penyajian data sesuai dengan standar bahan tersebut di

bawah.

Kumpulkan hasil akhir praktek dalam bentuk proceeding format jurnal,

yang masing-masingnya lengkap dengan :

o Judul, abstrak, Latar belakang, tujuan, dan Hipotesis.

o Instrumen penelitian (bila ada), Metode Analisis, dan kesimpulan.

o Kajian Pustaka dan Daftar pustaka.

Bahan Praktek :

Penyajian data

Dalam bab ini, dibahas bagaimana cara memvisualisasikan bentuk-

bentuk penting dari sebuah data set, baik untuk data kualitatif maupun

kuantitatif. Data yang sudah terkumpul, baik melalui pengamatan

(observasi), wawancara dan sebagainya, maka data tersebut perlu

disusun secara sistematis supaya mudah dimengerti dan dipresentasikan

dengan baik.

10.1. Penyajian Data Kualitatif

Setelah data terkumpul, biasanya yang ingin diketahui :

Nilai variabel apa yang telah diukur

Seberapa sering masing-masing nilai terjadi

Deddy KPA, Program Studi Manajemen Informatika hal 98


Untuk itu, perlu penyajian data sehingga mudah dibaca atau dimengerti.

Penyajian data antara lain dalam bentuk tabel, dan grafik. Tipe grafik

tergantung pada tipe data. Jika datanya kualitatif, tabel statistik berupa

daftar kategori (kualitas) dan ukuran seberapa sering masing-masing

kategori terjadi. Ukuran yang biasa digunakan :

Frekuensi, banyaknya pengukuran yang terjadi (kejadian) untuk

masing-masing kategori.

Frekuensi relatif, proporsi frekuensi masing-masing kategori.

Persentase frekuensi masing-masing kategori.

Selain tabel statistik, dapat juga digunakan pie chart atau bar chart

untuk menunjukkan distribusi data.

Contoh 10.1.

Dalam suatu suvai pendidikan umum, 400 sekolah di teliti kualitas

pendidikannya. Hasilnya untuk masing-masing sekolah dikategorikan

masuk kualitas A, B, C, atau D. Hasil survey disajikan dalam bentuk tabel :

statistik (Tabel 10.1),

pie chart (Gambar 10.1),

dan bar chart (Gambar 10.2) :

Tabel 10.1

Kategori Frekuensi Frekuensi relative persen

A 35 35/400=0.09 9%

B 260 260/400=0.65 65%

C 93 93/400=0.23 23%

D 12 12/400=0.03 3%

Total 400 1 100%



Gambar 10.1

Gambar 10.2

10.2. Penyajian Data Kuantitatif

Kadang-kadang data kuantitatif yang diperoleh dikelompokkan ke dalam

segmen atau kategori yang berbeda dalam sebuah populasi. Untuk contoh

data tentang rata-rata penghasilan penduduk menurut kelompok umur

yang berbeda, jenis kelamin, tempat tinggal, dsb.

Dalam hal ini, penghasilan penduduk merupakan data kuantitatif, tetapi

dikelompokkan berdasar umur atau jenis kelamin atau tempat tinggal.

Deddy KPA, Program Studi Manajemen Informatika hal

pie chart kualitas sekolah

D

C

B

A

bar chart kualitas sekolah

Cases weighted by FREKUNSI

KATEGORI

DCBA

Cou

nt

300

200

100

0

100


Dalam kasus ini, dapat digunakan pie chart atau bar chart untuk

mendiskripsikan data. Dengan menggunakan pie chart dapat dilihat

bagaimana total penghasilan penduduk terdistribusi dalam beberapa

kelompok umur. Sedang dari bar chart dapat dilihat berapa total

penghasilan perkelompok umur, karena tinggi bar menunjukkan jumlah

penghasilan per kelompok umur.

Contoh 10.2.

Uang yang telah dikeluarkan oleh departemen pertahanan USA tahun

1995, dikategorikan sebagai berikut :

Tabel 10.2

kategori Jumlah (milyar dollar)

B iaya hidup militer 70.8

Operasi dan pemeliharaan 90.9

Pengadaan senjata 55.0

Riset dan pengembangan 34.7

Konstruksi militer 6.8

total 258.2

Penyajian berupa bar chart dan pie chart sebagai berikut:

Gambar 10.3


KATEGORI

riset dan pengembang

pengadaan senjata

operasi dan pemelih

konstruksi militer

biaya hdup militeri

Sum

PE

NG

ELU

A

100

80

60

40

20

0

101


Gambar 10.4

Selain pie chart dan bar chart masih banyak lagi cara yang bisa digunakan

untuk menyajikan data kuantitatif. Diantaranya line chart.

Contoh 10.3.

Data hasil pengamatan mengenai nilai penjualan suatu perusahaan yang

memproduksi suatu barang.

Bulan penjualan Bulan penjualan

Januari2000 16.800 November200

0

12.500

Februari2000 19.300 Desember200

0

14.300

Maret2000 21.100 Januari2001 17.500

April2000 21.200 Februaru2001 19.600

Mei2000 20.700 Maret2001 20.900

Juni2000 19.200 April2001 18.200

Juli2000 16.100 Mei2001 20.600

Agustus2000 14.900 Juni2001 18.800

September2000 12.100 Juli2001 17.100

Oktober2000 11.900 Agustus2001 14.100


pie chart pengeluaran Dept Pertahanan

Konstruksi militer

Riset & pengembangan

Pengadaan senjata

Operasi & pemelihara

Biaya hidup militer

102


Untuk melihat perubahan penjualan perbulan secara cepat, maka dibuat

grafik sebagai berikut:

Jan-00Feb-00

Mart-00Apr-00

Mei-00Jun-00

Jul-00Ags-00

Sept-00Okt-00

Nov-00Des-00

Jan-01Feb-01

Mart-01Apr-01

Mei-01Jun-01

Jul-01ags-01

bulan

12000

14000

16000

18000

20000

pe

nju

ala

n

Gambar 10.5

Dari grafik di atas, dengan cepat dapat dilihat bahwa penjualan akan tinggi

pada awal tahun, sedang pada akhir tahun menurun. Terlihat pada bulan

April 2001 penjualan tidak mengikuti pola yang ada, sehingga perlu

dilakukan penyelidikan.

10.3. Penyusunan Distribusi Frekuensi

Apabila data yang ada adalah kuantitaif dan banyak sekali jumlahnya,

maka untuk memudahkan dalam analisa data perlu dibuat distribusi

frekuensi atau tabel frekuensi.

Berikut ini akan disajikan bagaimana cara menyusun distribusi kuantitatif,

yaitu :

Tentukan banyak dan lebar inteval kelas. Hal ini tergantung pada banyak

dan besarnya harga-harga yang akan disusun dalam distribusi itu. Banyak

interval kelas yang efisien biasanya antara 5 dan 15. Pada tahun 1925,

H.A Sturges mengajukan sebuah rumus guna menentukan banyak interval Deddy KPA, Program Studi Manajemen Informatika hal 103


kelas, yaitu : k = 1 + 3,322 log n. Sedangkan lebar interval kelas

ditentukan dengan membagi jangkauan (yaitu selisih antara harga

terbesar dan terkecil) dengan banyak interval kelas yang digunakan.

Interval-interval kelas tersebut diletakkan dalam suatu kolom, diurutkan

dari interval kelas terendah pada kolom paling atas dan seterusnya.

Data diperiksa dan dimasukkan ke dalam interval kelas yang sesuai.

Banyak data yang masuk dalam suatu interval kelas dinamakan frekuensi

interval kelas tersebut

Contoh 10.4.

Di bawah ini adalah data umur (dalam bulan) beruang di Negara A pada

bulan April 1979.

19 19 20 23 29 19 20 55 67 81

115 117 124 140 104 100 70 56 51 57

53 68 44 32 20 32 45 56 21 21

30 57 67 69 81 84 21 23 45 18

33 57 45 21 22 22 21 16 82 72

20 16 34 43 34 34 58 17 13 20

Data terbesar : 140

Data terkecil : 13

Jangkauan = (data terbesar) - (data terkecil)

= 140 - 13

= 127

Nilai k menurut rumus H.A Sturges, k = 1 + 3,322 log n = 1+(3,322)

(1.778) = 6.9065.

Apabila diambil banyak interval kelas 7 maka lebar kelas = 7

127

=

18,14



Dari keadaan di atas kita pilih banyak interval kelas 7, den lebar kelas 18.

Kemudian disusun dalam Tabel 10.3.

Tabel 10.3 Distribusi frekuensi umur beruang

Interval kelas Frekuensi

12,5 – 30,5 24

30,5 – 48,5 11

48,5 – 66,5 9

66,5 – 84,5 10

102,5 - 120,5 4

120,5 – 138,5 1

138,5 - 156,5 1

Jumlah 60

Contoh 10.5.

Di bawah ini disajikan data tinggi badan (cm) dari 50 orang dewasa

176 167 180 165 168 171 177 176 170 175

169 171 171 176 166 179 181 174 167 172

170 169 175 178 171 168 178 183 174 166

181 172 177 182 167 179 183 185 185 173

179 180 184 170 174 175 176 175 182 172

Data terbesar : 185

Data terkecil : 165

Jangkauan = (data terbesar) - (data terkecil)

= 185 - 165

= 20

Apabila diambil banyak interval kelas :

6 maka lebar kelas = 3,3



Nilai k menurut rumus H.A Sturges, k = 1 + 3,322 log n = 1+3,322* 1.699

= 6.644



Dari keadaan di atas kita pilih banyak interval kelas 7 dengan lebar kelas

3.

Untuk mempermudah membuat distribusi frekuensi, bias digunakan

software Excel. Caranya sebagai berikut:

Masukkan data kedalam Excel, misalkan pada sel A1 sampai A50 karena

data yang ada 50.

Setelah interval kelas ditentukan, ketik batas atas-batas atas interval

kelas, misalkan pada sel C2 sampai C8.

Blok kolom D2 sampai D8, kemudian ketik di bawah ini:

Di=FREQUENCY(A1:A50;C2:C8)

Untuk melihat hasilnya tekan Ctrl, Shift, Enter secara bersama-sama.

Hasilnya sebagai berikut:

167,5 6

170,5 7

173,5 8

176,5 11

179,5 7

182,5 6

185,5 5

Ini artinya, tabel frekunsi yang diperoleh secara lengkap bisa kita tulis

dalam Tabel 10.4. berikut :

Interval kelas Frekuensi

164,5 - 167,5 6

167,5 - 170,5 7

170,5 - 173,5 8

173,5 - 176,5 11

176,5 - 179,5 7

179,5 - 182,5 6

182,5 - 185,5 5



Jumlah 50

Jika kita ingin mengetahui berapa banyak orang yang tinggi badannya

lebih dari harga tertentu ataupun kurang dari harga tertentu, maka

distribusi frekuensi diubah menjadi distribusi frekuensi kumulatif.

Dengan data pada Contoh 10.5. di atas kita susun distribusi frekuensi

kumulatif “kurang dari” dan distribusi frekuensi kumulatif “lebih dari”,

sebagai berikut :

Tabel 10.5(a) distribusi frekuensi kumulatif “kurang dari”

Tinggi badan Banyak orang

Kurang dari 164,5 0

Kurang dari 167,5 6

Kurang dari 170,5 13






Tabel 10.5(b) Distribusi frekuensi kumulatif “lebih dari”


lebih dari 164,5 50

lebih dari 167,5 44

lebih dari 170,5 37

lebih dari 173,5 29

lebih dari 176,6 18

lebih dari 179,5 11

lebih dari 182,5 5

lebih dari 185,5 0



Jika kita ingin mengetahui berapa persen orang yang tinggi badannya

antara harga tertentu, lebih dari harga tertentu ataupun kurang dari harga

tertentu, maka distribusi frekuensi diubah menjadi distribusi frekuensi

relatif, distribusi frekuensi relatif “lebih dari” atau distribusi frekuensi realtif

“kurang dari”.

Cara untuk mengubah distribusi frekuensi menjadi distribusi frekuensi

relatif adalah : harga frekuensi pada setiap interval kelas dibagi jumlah

total frekuensi, kemudian dikalikan 100%.

Untuk data pada Contoh 10.5, distribusi relatifnya adalah sebagai berikut :

Tabel 10.6 Distribusi frekuensi relatif

Tinggi badan Banyaknya orang (dalam %)

164,5 - 167,5 12

167,5 - 170,5 14

170,5 - 173,5 16

173,5 - 176,5 22

176,5 - 179,5 14

179,5 - 182,5 12

182,5 - 185,5 10

Jumlah 100

Tabel 10.7(a) Distribusi frekuensi realtif “lebih dari”


lebih dari 164,5 100%









lebih dari 185,5 0%

Tabel 10.7(b) Distribusi frekuensi realtif “kurang dari”

Tinggi badan Banyak

orang

kurang dari 164,5 0%



kurang dari 173,5 42





10.4. Penggambaran Distribusi Frekuensi

Untuk lebih mempermudah dalam memahami dan menganalisa data, di

samping disajikan dalam bentuk tabel distribusi frekuensi, cara yang lain

adalah dengan menggambarkan distribusi tersebut dalam bentuk grafik.

Beberapa grafik yang dibahas di sini adalah histogram, poligon dan ogive.

Histogram

Untuk menggambar grafik ini interval kelas diletakkan pada sumbu X dan

frekuensinya pada sumbu Y.

Histogram untuk Tabel 10.4



164,5 167,5 170,5 173,5 176,5 179,5 182,5 185,5

0

5

10

C1

Fre

quency

Untuk menggambar grafik distribusi frekuensi relatif, caranya adalah :

interval kelas diletakkan pada sumbu X dan frekuensi relatif diletakkan

pada sumbu Y, dengan tinggi persegi panjang = 8.

Histogram distribusi frekuensi relatif Tabel 10.6

Poligon

Cara menggambar Poligon :

Absis : titik tengah interval kelas.

Ordinat : frekuensi interval kelas.

Hubungkan titik-titik tersebut dengan garis lurus.

Poligon distribusi frekuensi untuk Tabel 10.4



Ogive

Ogive merupakan penyajian data secara gambar dari distribusi kimulatif.

Ogive ini merupakan penghalusan poligon.

Cara menggambar distribusi kumulatif:

absis : batas interval kelas

ordinat : frekuensi interval kelas

Hubungkan antar titik-titik tersebut.

Ogive distribusi frekuensi relatif kumulatif “kurang dari”.


Penyajian Data Dan Penyusunan Laporan

Documents

Transcript of Penyajian Data Dan Penyusunan Laporan