Teknik Analisis Data (Deskripsi Data)

Dr. Inna Novianty, [Link], [Link]., [Link],

Gema Parasti Mindara, [Link], [Link],
Bayu Widodo, S.T., M.T.
2023/1/15 (updated: 2023-01-26)

Daftar Isi
1 Deskripsi Data 1
1.1 Dataset . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Ukuran Pemusatan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Nilai Maksimum & Minimum . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Mean & Median . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Modus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Ukuran Penyebaran (Dispersi) . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Quartile Pertama dan Ketiga . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2 Rentang Interquartile . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.3 Standard Deviasi dan Variance . . . . . . . . . . . . . . . . . . . . . . 7
1.3.4 Skewness & Kurtosis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Paket pastecs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.1 Koefisien Variasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Korelasi & Koefisien Korelasi . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5.1 Matrix Korelasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.6 Distribusi Frekuensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 state.x77 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8 Soal Latihan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Daftar Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

1 Deskripsi Data
Statistik Deskriptif merupakan cabang dari ilmu statistik yang bertujuan untuk meringkas,
mendeskripsikan, dan menyajikan serangkaian nilai atau kumpulan data. Statistik deskriptif
seringkali merupakan langkah pertama dan merupakan bagian penting dalam setiap analisis
statistik. Statistik deskriptif memungkinkan untuk memeriksa kualitas data dan membantu
untuk "memahami" data secara lengkap, jelas dan mendalam.

Jika disajikan dengan baik, statistik deskriptif akan menjadi titik awal yang baik untuk
analisis data lebih lanjut. Ada banyak ukuran yang mampu mewakili dan menjelaskan
kondisi umum atau ringkasan dari suatu dataset. Secara umum ukuran-ukuran untuk
meringkas dataset dikelompokkan dalam 2 (dua) jenis, yakni:
1. Ukuran kecenderungan memusat (ukuran pemusatan) atau ukuran lokasi.
Ukuran yang menyatakan dimana distriusi data terpusat tepatnya adalah suatu ni-
lai yang digunakan untuk menjelaskan pusat dari sekelompok data yang dapat me-
wakili data secara keseluruhan. Terdapat tiga ukuran pemusatan data yang sering
digunakan, yaitu:

1
 Teknik Analisis Data (Deskripsi Data)

• Mean (Rata-rata hitung/rata-rata aritmetika),

• Median (Nilai Tengah), dan
• Mode/Modus (Nilai yang paling sering muncul).
2. Ukuran penyebaran (dispersi)
Ukuran yang menyatakan seberapa besar nilai-nilai data berbeda atau bervariasi
dengan nilai ukuran pusatnya atau seberapa besar penyimpangan nilai-nilai data
dengan nilai pusatnya.

Ukuran pemusatan memberikan pemahaman tentang kecenderungan sentral dari

data, sedangkan pengukuran dispersi memberikan pemahaman tentang penyebar-
an data.

Pada bagian ini, kami hanya fokus pada implementasi di R dari statistik deskriptif paling
umum dan visualisasinya (bila dianggap tepat).

1.1 Dataset
R sudah menyediakan banyak dataset siap pakai (built-in) salah satunya yang populer
adalah dataset iris Dataset Iris merupakan dataset multivariate yang diperkenalkan oleh
ahli statistika dan biologi inggris bernama Ronald Fisher pada tahun 1936.1

R menyediakan kurang lebih 100 dataset yang dapat digunakan oleh user (built-in-
dataset). Fungsi data() digunakan untuk melihat daftar dataset tersebut.
Beberapa diantara paket tersebut masih memerlukan pemanggilan secara eksplisit
dengan menggunakan fungsi data(). Fungsi data() ini memuat satu data frame de-
ngan menspesifikasikan di argumen.

Dataset ini terdiri dari 3 spesies Iris yaitu Iris Setosa, Iris Virginica, dan Iris Versicolor
dan tiap spesiesnya memiliki 50 sampel. Dalam data Iris terdapat 4 atribut yang dapat
mempengaruhi klasifikasi yaitu, sepal length, sepal width, petal length, dan petal width
dalam centimeter yang berbeda-beda.
Untuk melihat seperti apa dataset iris, jalankan R atau Rstudio lalu ketikkan:
1 # load dataset iris
2 iris

atau
1 # load dataset iris dan
2 # menampilkan 10 baris pertama
3 head(iris,10)
1
Untuk menampilkan semua dataset bawaan di R, dapat mengetikkan perintah data() di prompt R

2
 Teknik Analisis Data (Deskripsi Data)

Seperti kebanyakan bahasa pemrograman, R memungkinkan penggunanya mengimport

dan menyimpan data tertentu dalam sebuah obyek (variable). Perhatikan contoh berikut:
1 # menyimpan dataset iris ke dalam objek atau varaibel dat
2 iris
3 dat <- iris
4 print(dat)

Pada contoh di atas dataset iris disimpan ke dalam variabel dat. Anda dapat mengetikkan
perintah dat atau print(dat) untuk melihat isi dari objek (variabel) dat.
Mengenal struktur dataset merupakan hal yang perlu diketahui agar dapat lebih jelas ak-
an diapakan dataset tersebut, atau membantu dalam pemisahan data numerik dan non-
numerik. Berikut perintahnya:
1 # menampilkan struktur dataset
2 str(iris)
'[Link]': 150 obs. of 5 variables:
$ [Link]: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ [Link] : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
$ [Link]: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
$ [Link] : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
$ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
Jika Anda ingin tahu lebih banyak mengenai dataset iris, ketikkan perintah berikut:

?iris

Anda juga dapat memisahkan atribut numerik dan non numerik pada data iris menggu-
nakan perintah:
1 # memisah atribut numerik dengan atribut non numerik
2 # atriut numerik disipan ke dalam variabel [Link]
3 [Link] <- iris[,1:4]
4 str([Link])
'[Link]': 150 obs. of 4 variables:
$ [Link]: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ [Link] : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
$ [Link]: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
$ [Link] : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
Dataset iris berisi 150 observasi dan 5 variabel yang mewakili panjang dan lebar sepal,
panjang dan lebar petal serta spesies dari 150 bunga. Panjang dan lebar sepal dan petal
merupakan variabel numerik dan spesies merupakan faktor dengan 3 level (ditunjukkan
dengan num dan Faktor w/ 3 level setelah nama variabel).
Pada data yang ada juga dapat diketahui statistik dari data tersebut, misal: mean, medi-
an, quantile, variansi, kovariansi, korelasi. Dari dataset ini Anda dapat mengetahui nilai
ringkasan dari dataset iris dengan menggunakan perintah summary().

3
 Teknik Analisis Data (Deskripsi Data)

1 ## menampilkan min, mean, median, quantile dan frekuensi untuk data ketegori
2 summary(iris)
[Link] [Link] [Link] [Link]
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
Median :5.800 Median :3.000 Median :4.350 Median :1.300
Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
Species
setosa :50
versicolor:50
virginica :50

Untuk jenis data numerik, untuk melihat ikhtisar data setiap variabelnya dapat menggu-
nakan perintah fivenum(). Berikut contohnya:
1 fivenum(iris$[Link])
[1] 4.3 5.1 5.8 6.4 7.9

Latihan 1.1 Jalankan RStudio dan di R Console atau Code Editor. Ketik dan jalankan perin-
tah berikut. Catat hasilnya dan bila perlu berilah penjelasan singkat dari hasil yang diperoleh.
fivenum(iris$[Link])
fivenum(iris$[Link])

1.2 Ukuran Pemusatan

Salah satu aspek yang paling penting untuk menggambarkan distribusi data adalah nilai
pusat data pengamatan (Ukuran Pemusatan, Tendensi Sentral atau Ukuran Lokasi, Ukur-
an Kecederungan Memusat). Ukuran Pemusatan Data adalah Nilai yang digunakan un-
tuk menjelaskan pusat dari sekelompok data yang dapat mewakili data secara keseluruh-
an (Nilai tunggal yang dapat mewakili seluruh data)
Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu nilai yang
mewakili nilai pusat atau nilai sentral dari suatu dataset (gugus data, himpunan penga-
matan) dikenal sebagai ukuran tendensi sentral.

1.2.1 Nilai Maksimum & Minimum

Minimum dan maksimum dapat ditemukan menggunakan fungsi min() dan max() atau
menggunakan fungsi range().
1 nilaiMin <- min(dat$[Link])
2 print(paste("Nilai Min = ",nilaiMin))

4
 Teknik Analisis Data (Deskripsi Data)

3 nilaiMax <- max(dat$[Link])

4 print(paste("Nilai Max = ",nilaiMax))
5 m <- min(dat$[Link])
6 print(paste("m = ",m))
7 M <- max(dat$[Link])
8 print(paste("M = ",M))
9 range(dat$[Link])
10 rng <- range(dat$[Link])
11 rng[1]
12 rng[2]
13 max(dat$[Link]) - min(dat$[Link])
14 rng[2]-rng[1]
15 M - m

1.2.2 Mean & Median

Mean dapat dihitung dengan menggunakan fungsi mean() dan Median dapat dihitung
dengan menggunakan fungsi median() atau fungsi quantile().
1 mean(dat$[Link])
2 median(dat$[Link])
3 quantile(dat$[Link])
[1] 5.843333
[1] 5.8
0% 25% 50% 75% 100%
4.3 5.1 5.8 6.4 7.9
Dalam mencari atau menghitung nilai mean, jika ada setidaknya satu nilai yang hilang
dalam dataset, gunakan fungsi mean(dat$[Link], [Link] = TRUE) untuk menghitung
rata-rata dengan NA (Not Available) yang dikecualikan. Argumen ini dapat digunakan
untuk sebagian besar fungsidi R, tidak hanya untuk rata-rata.
Catatan: secara matematis jika kita memiliki nilai observasi x1 , x2 , . . ., xn , maka rata-
ratanya (mean) adalah:
x1 + x2 + · · · + xn
X̄ = (1)
n

1.2.3 Modus
R tidak memiliki fungsi bawaan standar untuk menghitung mode. Fungsi table() dapat
digunakan untuk mencari nilai mode. Berikut contoh mencari nilai modus untuk variabel
[Link] pada dataset iris.
1 iris
2 str(iris)
3 var1<-iris$[Link]

5
 Teknik Analisis Data (Deskripsi Data)

4 var1
5 sort(var1)
6 table(var1)
7 sort(table(var1))
8 names(table(var1))

1 sort(table(var1))
2 names(table(var1))[table(var1)==max(table(var1))]
var1
4.3 4.5 5.3 7 7.1 7.3 7.4 7.6 7.9 4.7 6.6 4.4 5.9 6.8 7.2 4.6 5.2 6.2 6.9 7.7
1 1 1 1 1 1 1 1 1 2 2 3 3 3 3 4 4 4 4 4
4.8 6.5 4.9 5.4 5.6 6 6.1 5.5 5.8 6.4 5.7 6.7 5.1 6.3 5
5 5 6 6 6 6 6 7 7 7 8 8 9 9 10
[1] "5"

Latihan 1.2 Jalankan RStudio dan di R Console atau Code Editor. Ketik dan jalankan
perintah berikut. Catat hasilnya dan bila perlu berilah penjelasan singkat dari hasil yang
diperoleh.
data <- c(2,2,8,2,7,1,2,9,8,2,2,10,9,2)
sum(data)/length(data)
mean(data)
median(data)
sort(data)
table(data)
names(table(data))[table(data)==max(table(data))]

1.3 Ukuran Penyebaran (Dispersi)

Ukuran penyebaran data adalah suatu ukuran yang menyatakan seberapa besar nilai-nilai
data berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar penyim-
pangan nilai data dengan nilai pusatnya.

1.3.1 Quartile Pertama dan Ketiga

Sebagai median, kuartil pertama dan ketiga dapat dihitung dengan fungsi quantile() dan
dengan mengatur argumen kedua menjadi 0,25 atau 0,75 akan diperoleh hasil yang sama.
1 quantile(dat$[Link], 0.25) # first quartile
2 quantile(dat$[Link], 0.75) # third quartile
25%
5.1

6
 Teknik Analisis Data (Deskripsi Data)

75%
6.4

Latihan 1.3 Jalankan RStudio dan di R Console atau Code Editor. Ketik dan jalankan perin-
tah berikut. Catat hasilnya dan berilah penjelasan singkat dari hasil yang diperoleh.
quantile(dat$[Link], 0.4)
quantile(dat$[Link], 0.90

1.3.2 Rentang Interquartile

Rentang interkuartil (yaitu perbedaan antara kuartil pertama dan ketiga) dapat dihitung
dengan fungsi IQR() atau menggunakan fungsi quantile().
1 IQR(dat$[Link])
2 iqr <- [Link](quantile(dat$[Link]))
3 iqr[4]-iqr[2]

1.3.3 Standard Deviasi dan Variance

Standar deviasi dan varian dihitung dengan fungsi sd() dan var().
1 sd(dat$[Link]) # standard deviation
2 var(dat$[Link]) # variance
[1] 0.8280661
[1] 0.6856935
Perlu diingat bahwa standar deviasi dan varian berbeda untuk sampel atau populasi (lihat
perbedaan antara sampel dan populasi). Dalam R, standar deviasi dan varians dihitung
seolah-olah data mewakili sampel (sehingga penyebutnya adalah n1, di mana n adalah
jumlah pengamatan). R secara default tidak menyediakan fungsi untuk menghitung stan-
dar deviasi atau varians suatu populasi.
Catatan: Ukuran varians menggunakan prinsip pencarian jarak antara setiap data dengan
rata-ratanya. Secara matematis, hal tersebut dirumuskan:

Σ(xi − X̄)
s2 = (2)
n−1
Untuk menghitung standar deviasi (atau varians) dari beberapa variabel sekaligus, guna-
kan fungsi lapply() dengan statistik yang sesuai sebagai argumen kedua.
1 lapply(dat[,1:4], sd)
2 lapply(dat[,1:4], var)

Perintah dat[, 1:4] memilih variabel 1 sampai 4 karena variabel kelima adalah variabel
kualitatif dan standar deviasi tidak dapat dihitung pada jenis variabel tersebut.

7
 Teknik Analisis Data (Deskripsi Data)

Anda dapat menghitung minimum, 1st quartile, median, mean, 3st quartile dan nilai maksi-
mum untuk seluruh variabel numerik dari suatu dataset sekaligus dengan menggunakan
fungsi summary().
1 summary(dat)
[Link] [Link] [Link] [Link]
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
Median :5.800 Median :3.000 Median :4.350 Median :1.300
Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
Species
setosa :50
versicolor:50
virginica :50

Gunakan fungsi by() jika Anda memerlukan statistik deskriptif ini berdasarkan grup. Di
mana argumennya adalah nama dataset, variabel pengelompokan (factor level), dan fung-
si yang akan diterapkan. Syntax dari fungsi by() adalah: by(X, data$var, FUN) , dimana
parameter X adalah dataset berbentuk data frame, data$var adalah factor (list factor) di-
mana fungsi akan diterapkan , FUN adalah fungsi yang digunakan, dapat berupa fungsi
dasar matematika, statistika maupun user defined function. Pada contoh diatas, dat$var
adalah factor level dari variabel species dan FUN berupa fungsi summary. Berikut con-
tohnya:

1 by(dat, dat$Species, summary)

dat$Species: setosa
[Link] [Link] [Link] [Link]
Min. :4.300 Min. :2.300 Min. :1.000 Min. :0.100
1st Qu.:4.800 1st Qu.:3.200 1st Qu.:1.400 1st Qu.:0.200
Median :5.000 Median :3.400 Median :1.500 Median :0.200
Mean :5.006 Mean :3.428 Mean :1.462 Mean :0.246
3rd Qu.:5.200 3rd Qu.:3.675 3rd Qu.:1.575 3rd Qu.:0.300
Max. :5.800 Max. :4.400 Max. :1.900 Max. :0.600
Species
setosa :50
versicolor: 0
virginica : 0

------------------------------------------------------------
dat$Species: versicolor

8
Teknik Analisis Data (Deskripsi Data)

[Link] [Link] [Link] [Link] Species

Min. :4.900 Min. :2.000 Min. :3.00 Min. :1.000 setosa : 0
1st Qu.:5.600 1st Qu.:2.525 1st Qu.:4.00 1st Qu.:1.200 versicolor:50
Median :5.900 Median :2.800 Median :4.35 Median :1.300 virginica : 0
Mean :5.936 Mean :2.770 Mean :4.26 Mean :1.326
3rd Qu.:6.300 3rd Qu.:3.000 3rd Qu.:4.60 3rd Qu.:1.500
Max. :7.000 Max. :3.400 Max. :5.10 Max. :1.800
------------------------------------------------------------
dat$Species: virginica
[Link] [Link] [Link] [Link]
Min. :4.900 Min. :2.200 Min. :4.500 Min. :1.400
1st Qu.:6.225 1st Qu.:2.800 1st Qu.:5.100 1st Qu.:1.800
Median :6.500 Median :3.000 Median :5.550 Median :2.000
Mean :6.588 Mean :2.974 Mean :5.552 Mean :2.026
3rd Qu.:6.900 3rd Qu.:3.175 3rd Qu.:5.875 3rd Qu.:2.300
Max. :7.900 Max. :3.800 Max. :6.900 Max. :2.500
Species
setosa : 0
versicolor: 0
virginica :50

1.3.4 Skewness & Kurtosis

Ukuran kemiringan (Koefisien Kemiringan) atau skewness merupakan suatu nilai yang
mengukur ketidaksimetrisan distribusi data. Suatu data dikatakan berdistribusi simetris
sempurna bila nilai rata-rata, median, dan modus dalam data adalah sama.(Distribusi
normal merupakan distribusi yang simetris dan nilai skewness adalah 0).
1. Skewness yang bernilai positif menunjukkan ujung dari kecondongan menjulur ke
arah nilai positif (ekor kurva sebelah kanan lebih panjang, nilai kemiringan > 0 ).
2. Skewness yang bernilai negatif menunjukkan ujung dari kecondongan menjulur ke
arah nilai negatif (ekor kurva sebelah kiri lebih panjang, nilai kemiringan < 0.
3. Jika Skewness sama dengan nol (= 0), model distribusinya simetris

Kurtosis menggambarkan keruncingan (peakedness atau kerataan flatness) suatu distibu-

si data dibandingkan dengan distribusi normal.
1. Pada distribusi normal, nilai kurtosis sama dengan 0.
2. Nilai kurtosis yang positif menunjukkan distribusi yang relatif runcing, sedangkan
nilai kurtosis yang negatif menunjukkan distribusi yang relatif rata.

Skewness dan kurtosis merupakan dua alat ukur dalam menelusuri distribusi data yang
diperbandingkan dengan distribusi normal.

9
 Teknik Analisis Data (Deskripsi Data)

Latihan 1.4 Jalankan RStudio dan di R Console atau Code Editor. Hitung statistik data beri-
kut dan berikan interpretasi terhadap output yang dihasilkan.
Diberikan dua buah vector X dan vector Y yang masing-masing mewakili variabel Lu-
as (Ukuran) Rumah dalam feet2 dan Konsumsi Listrik perbulan dalam Kwh.
X <- c(1290, 1350, 1470, 1600, 1710, 1840, 1980, 2230, 2400, 2930)
Y <- c(1182, 1172, 1264, 1493, 1671, 1711, 1804, 1840, 1956, 1954)
Sumber: Irawan and Astuti (2006)

1.4 Paket pastecs

Paket (library)2 pastecs digunakan untuk medapatkan deskriptif statik dari dataset yang
lebih lengkap. Library pastecs perlu di instal terlebih dahulu dengan perintah:

# install pacakage
[Link]("pastecs")

1 # mengaktifkan library
2 library(pastecs)
3 # menjalankan fungsi [Link]()
4 [Link](dat[,1:4])
[Link] [Link] [Link] [Link]
[Link] 150.00000000 150.00000000 150.0000000 150.00000000
[Link] 0.00000000 0.00000000 0.0000000 0.00000000
[Link] 0.00000000 0.00000000 0.0000000 0.00000000
min 4.30000000 2.00000000 1.0000000 0.10000000
max 7.90000000 4.40000000 6.9000000 2.50000000
range 3.60000000 2.40000000 5.9000000 2.40000000
sum 876.50000000 458.60000000 563.7000000 179.90000000
median 5.80000000 3.00000000 4.3500000 1.30000000
mean 5.84333333 3.05733333 3.7580000 1.19933333
[Link] 0.06761132 0.03558833 0.1441360 0.06223645
[Link].0.95 0.13360085 0.07032302 0.2848146 0.12298004
var 0.68569351 0.18997942 3.1162779 0.58100626
[Link] 0.82806613 0.43586628 1.7652982 0.76223767
[Link] 0.14171126 0.14256420 0.4697441 0.63555114

Anda dapat memiliki lebih banyak statistik (seperti uji kemiringan, kurtosis, dan norma-
litas) dengan menambahkan argumen norm = TRUE di fungsi sebelumnya. Perhatikan
bahwa variabel Spesies bukan numerik, sehingga statistik deskriptif tidak dapat dihitung
untuk variabel ini dan NA ditampilkan.
2
library yang sudah di-install bisa diaktifkan dengan menggunakan perintah library(nama_packages)
tanpa menggunakan tanda ” ” atau ’ ’

10
 Teknik Analisis Data (Deskripsi Data)

1 options(digits = 3)
2 [Link](dat, norm=TRUE)
[Link] [Link] [Link] [Link] Species
[Link] 150.0000 150.0000 1.50e+02 1.50e+02 NA
[Link] 0.0000 0.0000 0.00e+00 0.00e+00 NA
[Link] 0.0000 0.0000 0.00e+00 0.00e+00 NA
min 4.3000 2.0000 1.00e+00 1.00e-01 NA
max 7.9000 4.4000 6.90e+00 2.50e+00 NA
range 3.6000 2.4000 5.90e+00 2.40e+00 NA
sum 876.5000 458.6000 5.64e+02 1.80e+02 NA
median 5.8000 3.0000 4.35e+00 1.30e+00 NA
mean 5.8433 3.0573 3.76e+00 1.20e+00 NA
[Link] 0.0676 0.0356 1.44e-01 6.22e-02 NA
[Link].0.95 0.1336 0.0703 2.85e-01 1.23e-01 NA
var 0.6857 0.1900 3.12e+00 5.81e-01 NA
[Link] 0.8281 0.4359 1.77e+00 7.62e-01 NA
[Link] 0.1417 0.1426 4.70e-01 6.36e-01 NA
skewness 0.3086 0.3126 -2.69e-01 -1.01e-01 NA
skew.2SE 0.7792 0.7893 -6.80e-01 -2.55e-01 NA
kurtosis -0.6058 0.1387 -1.42e+00 -1.36e+00 NA
kurt.2SE -0.7696 0.1762 -1.80e+00 -1.73e+00 NA
normtest.W 0.9761 0.9849 8.76e-01 9.02e-01 NA
normtest.p 0.0102 0.1012 7.41e-10 1.68e-08 NA

1.4.1 Koefisien Variasi

Koefisien variasi (coefficient of variation) merupakan perbandingan (rasio) antara stan-
dar deviasi dengan nilai rata-rata. Koefisien variasi biasa dinyatakan dengan persentase.
Kegunaan koefisien variasi adalah untuk melihat sebaran/distribusi data dari rata-rata
hitungnya.
Koefisien variasi merupakan statistik yang berguna untuk membandingkan variasi da-
ta dari satu dataset dengan dataset lainnnya apabila satuan pengukuran dari variabel-
variabel yang diukur berbeda satu sama lain (misalnya tinggi badan dalam cm dan berat
badan dalam kg).
Koefisien variasi dapat diperoleh dengan menggunakan fungsi [Link]() (lihat baris co-
[Link] pada tabel di atas) atau dengan menghitung secara manual. Berikut langkah meng-
hitungnya:3
1 options(digits = 3)
2 sd(dat$[Link]) / mean(dat$[Link])
[1] 0.142

3
Koefisien variasi adalah simpangan baku dibagi rata-rata dan hasilnya dikalikan 100%

11
 Teknik Analisis Data (Deskripsi Data)

Analisis statik deskriptif merupakan cara atau alat analisis data statistik yang palig
sederhana. Statistik deskriptif akan menghasilkan informasi dan insight yang ber-
guna dalam membantu menjawab permasalahan. Statistik deskriptif adalah cara
atau metode untuk mengumpulkan, meringkas dan menyajikan data dalam bentuk
yang mudah dibaca.
Beberapa statistik sederhana menunjukkan ukuran kecenderungan memusat seper-
ti mean, median kuartil dan ukuran penyebaran seperti standar deviasi, rentang
interquartil, rentang.

1.5 Korelasi & Koefisien Korelasi

Korelasi merupakan istilah yang biasa digunakan untuk menggambarkan ada tidaknya
hubungan suatu hal dengan hal lain (variabel yang satu dengan variabel yang lain) untuk
menyatakan derajat hubungan linier antar dua variabel.
Sedangkan Koefisien Korelasi merupakan angka yang menunjukkan arah dan kuatnya
hubungan antar variabel dan hubungan linier antara 2 variabel.4
Koefisien Korelasi dinyatakan dengan simbol “ r “ yang dapat mempunyai nilai antara
-1 s.d +1. Dikatakan hubungan -1 jika memiliki hubungan yang kuat negatif, sebaliknya
jika nilai r=1 berarti mempunyai hubungan kuat positip. Jika nilai r semakin mendekati 0
(nol) artinya hubungan variabel tersebut semakin lemah. Berikut Rule of thumb penentuan
derajad kuat tidaknya hubungan antara 2 variabel:
• Nilai r yang mendekati -1 atau +1 menunjukkan hubungan kuat antara dua variabel.
• Nilai r yang mendekati 0 menunjukkan lemahnya hubungan antara dua avariabel.
Untuk menghitung koefisien korelasi dapat menggunakan fungsi cor(). Perhatikan contoh
menghitung koefisien korelasi berikut:
1 names(dat)
[1] "[Link]" "[Link]" "[Link]" "[Link]" "Species"
1 cor(dat$[Link],dat$[Link])
[1] 0.818
Pada contoh diatas korelasi dihitung secara default dengan metode Korelasi Pearson
menggunakan fungsi cor(). Jika Anda ingin menghitung korelasi Spearman, tambahkan
metode argumen = “spearman” ke fungsi cor().
1 # Spearman correlation antar 2 variables
2 cor(dat$[Link],dat$[Link], method = "spearman")
[1] 0.834
4
Jika ada huungan nonlinier, maka koefsien korelasi bernilai 0

12
 Teknik Analisis Data (Deskripsi Data)

Gambar 1: Jenis Korelasi antara 2 variabel

1.5.1 Matrix Korelasi

Misalkan sekarang Anda ingin menghitung korelasi untuk beberapa pasang variabel. An-
da dapat dengan mudah melakukannya untuk semua kemungkinan pasangan variabel
dalam kumpulan data. Berikut langkahnya:
1 round(cor([Link]), digits=2)
[Link] [Link] [Link] [Link]
[Link] 1.00 -0.12 0.87 0.82
[Link] -0.12 1.00 -0.43 -0.37
[Link] 0.87 -0.43 1.00 0.96
[Link] 0.82 -0.37 0.96 1.00
Cara lain menghitung Matrix Korelasi adalah dengan menggunakan library corrplot. Un-
tuk menggunakannya, Anda perlu menginstall library corrplot terlebih dahulu. Berikut
langkahnya:
[Link]("corrplot")
1 library(corrplot)
corrplot 0.92 loaded

13
 Teknik Analisis Data (Deskripsi Data)

1 corrplot(cor([Link]),method="number",type="upper")

[Link]

[Link]
[Link]

[Link]
1

0.8
[Link] 1.00 −0.12 0.87 0.82
0.6

0.4
[Link] 1.00 −0.43 −0.37 0.2

−0.2
[Link] 1.00 0.96
−0.4

−0.6
[Link] 1.00 −0.8

−1

1.6 Distribusi Frekuensi

Distribusi frekuensi adalah suatu daftar atau tabel yang membagi data dalam beberapa
kelas. Distribusi frekuensi terdiri dari 2 macam, yaitu distribusi frekuensi kategorical dan
distribusi frekuensi numerical.
Tabel distribusi frekuensi dibuat untuk menyederhanakan bentuk dan jumlah data sehing-
ga ketika disajikan akan dapat dengan mudah dipahami atau dinilai. Fungsi table() dapat
digunakan untuk membuat tabel distribusi frekuensi. Hal-hal yang perlu dipahami ten-
tang distribusi frekuensi antara lain:
1. Distribusi Frekuensi merupakan “cara” untuk menyajikan data dalam bentuk yang
ringkas.
2. Distribusi Frekuensi berarti mengelompokkan “data mentah” ke dalam kelas-kelas
kategori tertentu atau interval tertentu yang disertai dengan nilai frekuensi yang
sesuai. Sehingga membentuk suatu tabel frekuensi yang berisikan kategori-kategori
tersebut.
3. Daftar frekuensi ini akan memberikan gambaran yang khas tentang bagaimana ke-
ragaman data.
Bagaimana cara membuat Distribusi Frekwensi?
1. Gunakan fungsi cut()untuk membuat suatu interval dengan menggunakan argu-
men break yang digunakan untuk menentukan batas-batas interval.

14
Teknik Analisis Data (Deskripsi Data)

2. Syntax fungsi cut(): cut(x,breaks,labels=), dimana:

• x: vector
• breaks: vector dari titik potong cutpoint
• labels: label dari setiap kategori
3. Gunakan fungsi table() untuk melihat distribusi frekuensinya.
Untuk memudahkan pemahaman, kita gunakan data dummy hasil ujian Basis Data beri-
kut:

Gambar 2: Hasil Ujian Basis Data

Data mentah pada Gambar 2 di atas kemudian dikelompokkan menjadi beberapa kelas
(kelompok) dengan rentang nilai: 30 - 39; 40 - 49; . . .;90 - 99.
Pertama-tama kita pahami perilaku fungsi cut() secara default. perjatikan langkah beri-
kut:
1. Memasukkan data mentah ke dalam variabel, misalnya nama variabelnya adalah:
nilai.
1 baris1<-c(84,88,76,44,80,83,51)
2 baris2<-c(93,69,78,49,55,78,93)
3 baris3<-c(64,84,54,92,96,72,97)
4 baris4<-c(37,97,67,83,93,85,67)
5 baris5<-c(72,67,86,76,80,58,62)
6 baris6<-c(69,64,82,48,54,80,69)
7 nilai<-c(baris1,baris2,baris3,baris4,baris5,baris6)
8 sort(nilai)
[1] 37 44 48 49 51 54 54 55 58 62 64 64 67 67 67 69 69 69 72 72 76 76 78 78 80
[26] 80 80 82 83 83 84 84 85 86 88 92 93 93 93 96 97 97
1 length(nilai)
[1] 42
2. Mengelompokkan data mentah dalam 7 kelompok (kategori) menggunakan fungsi
cut.
1 cut(nilai,breaks=7)
[1] (79.9,88.4] (79.9,88.4] (71.3,79.9] (36.9,45.6] (79.9,88.4] (79.9,88.4]
[7] (45.6,54.1] (88.4,97.1] (62.7,71.3] (71.3,79.9] (45.6,54.1] (54.1,62.7]

15
Teknik Analisis Data (Deskripsi Data)

[13] (71.3,79.9] (88.4,97.1] (62.7,71.3] (79.9,88.4] (45.6,54.1] (88.4,97.1]

[19] (88.4,97.1] (71.3,79.9] (88.4,97.1] (36.9,45.6] (88.4,97.1] (62.7,71.3]
[25] (79.9,88.4] (88.4,97.1] (79.9,88.4] (62.7,71.3] (71.3,79.9] (62.7,71.3]
[31] (79.9,88.4] (71.3,79.9] (79.9,88.4] (54.1,62.7] (54.1,62.7] (62.7,71.3]
[37] (62.7,71.3] (79.9,88.4] (45.6,54.1] (45.6,54.1] (79.9,88.4] (62.7,71.3]
7 Levels: (36.9,45.6] (45.6,54.1] (54.1,62.7] (62.7,71.3] ... (88.4,97.1]
3. Melihat distribusi frekuensi dengan menggunakan fungsi table()
1 table(cut(nilai,breaks=7))
(36.9,45.6] (45.6,54.1] (54.1,62.7] (62.7,71.3] (71.3,79.9] (79.9,88.4]
2 5 3 8 6 11
(88.4,97.1]
7
1 cbind(table(cut(nilai,breaks=7)))
[,1]
(36.9,45.6] 2
(45.6,54.1] 5
(54.1,62.7] 3
(62.7,71.3] 8
(71.3,79.9] 6
(79.9,88.4] 11
(88.4,97.1] 7

Terlihat bahwa dengan hanya menggunakan fungsi cut() dan table(), kita sudah mmen-
dapatkan tabel distribusi frekuensi dengan sangat mudah. Fungsi cut( ) membagi suatu
variabel numeric menjadi interval kelas, jumlah interval kelas diberikan dalam argumen
“breaks=. . .”. R akan menentukan batas bawah dan batas atas setiap kelasuntuk ke sepu-
luh kelas). Notasi (x,y] berarti interval kelas dari x ke y, dengan x tidak termasuk tapi y
termasuk.
Bagaimana cara memubuat kategori sesuai dengan kasus di atas, yaki dengan mengelom-
pokkan ke dalam kelas: 30 - 39; 40 - 49; . . .; 90 - 99 ? Tiap-tiap kelompok ini disebut
interval kelas dan angka 30, 40, . . ., 90 disebut sebagai batas bawah kelas dan angka 39, 49,
. . ., 99 disebut sebagai batas atas kelas. Kelas didefinisikan dengan membuat daftar batas
kelas.
Tepi kelas atas dan tepi kelas bawah dicari dengan rumus:
1. Tepi Atas Kelas = batas atas kelas + 0.5
2. Tepi Bawah Kelas = batas bawah kelas - 0.5

Sehingga dari rumus di atas diperoleh angka 29.5 untuk tepi bawah kelas ke-1 dan 99.5
untuk tepi atas kelas ke-7. Kemudian, untuk membagi kelas interval sesuai keinginan, da-
pat dilakukan dengan menetapkan titik-titik potong (break) dalam sebuah vector. Berikut
langkahnya:

16
 Teknik Analisis Data (Deskripsi Data)

1 cut(nilai,breaks=seq(29.5,99.5,10))
[1] (79.5,89.5] (79.5,89.5] (69.5,79.5] (39.5,49.5] (79.5,89.5] (79.5,89.5]
[7] (49.5,59.5] (89.5,99.5] (59.5,69.5] (69.5,79.5] (39.5,49.5] (49.5,59.5]
[13] (69.5,79.5] (89.5,99.5] (59.5,69.5] (79.5,89.5] (49.5,59.5] (89.5,99.5]
[19] (89.5,99.5] (69.5,79.5] (89.5,99.5] (29.5,39.5] (89.5,99.5] (59.5,69.5]
[25] (79.5,89.5] (89.5,99.5] (79.5,89.5] (59.5,69.5] (69.5,79.5] (59.5,69.5]
[31] (79.5,89.5] (69.5,79.5] (79.5,89.5] (49.5,59.5] (59.5,69.5] (59.5,69.5]
[37] (59.5,69.5] (79.5,89.5] (39.5,49.5] (49.5,59.5] (79.5,89.5] (59.5,69.5]
7 Levels: (29.5,39.5] (39.5,49.5] (49.5,59.5] (59.5,69.5] ... (89.5,99.5]
1 table(cut(nilai,breaks=seq(29.5,99.5,10)))
(29.5,39.5] (39.5,49.5] (49.5,59.5] (59.5,69.5] (69.5,79.5] (79.5,89.5]
1 3 5 9 6 11
(89.5,99.5]
7
1 cbind(table(cut(nilai,breaks=seq(29.5,99.5,10))))
[,1]
(29.5,39.5] 1
(39.5,49.5] 3
(49.5,59.5] 5
(59.5,69.5] 9
(69.5,79.5] 6
(79.5,89.5] 11
(89.5,99.5] 7
1 # dapat juga menggunakan fungsi transfor()
2 transform(table(cut(nilai,breaks=seq(29.5,99.5,10))))
Var1 Freq
1 (29.5,39.5] 1
2 (39.5,49.5] 3
3 (49.5,59.5] 5
4 (59.5,69.5] 9
5 (69.5,79.5] 6
6 (79.5,89.5] 11
7 (89.5,99.5] 7
Anda dapat juga menggunakan langkah berikut:
1 # memasukkan nilai cut ke dalam variabel nilaiDF
2 nilaiDF<-cut(nilai,breaks=seq(29.5,99.5,10))
3 table(nilaiDF)
nilaiDF
(29.5,39.5] (39.5,49.5] (49.5,59.5] (59.5,69.5] (69.5,79.5] (79.5,89.5]
1 3 5 9 6 11
(89.5,99.5]

17
 Teknik Analisis Data (Deskripsi Data)

7
1 transform(table(nilaiDF))
nilaiDF Freq
1 (29.5,39.5] 1
2 (39.5,49.5] 3
3 (49.5,59.5] 5
4 (59.5,69.5] 9
5 (69.5,79.5] 6
6 (79.5,89.5] 11
7 (89.5,99.5] 7
Untuk melihat bentuk distribusi data dalam grafik, dapat digunakan diagram dahandaun
(stem and leaf diagram) dapat dilakukan dengan fungsi stem( ) sebagai berikut:
1 stem(nilai)
The decimal point is 1 digit(s) to the right of the |

3 | 7
4 | 489
5 | 14458
6 | 244777999
7 | 226688
8 | 00023344568
9 | 2333677

1.7 state.x77

1 state.x77
2 class(state.x77)
3 dataState <- [Link](state.x77)
4 names(dataState)
5 colnames(dataState)
6 rownames(dataState)
7 dim(dataState)
Population Income Illiteracy Life Exp Murder HS Grad Frost
Alabama 3615 3624 2.1 69.0 15.1 41.3 20
Alaska 365 6315 1.5 69.3 11.3 66.7 152
Arizona 2212 4530 1.8 70.5 7.8 58.1 15
Arkansas 2110 3378 1.9 70.7 10.1 39.9 65
California 21198 5114 1.1 71.7 10.3 62.6 20
Colorado 2541 4884 0.7 72.1 6.8 63.9 166
Connecticut 3100 5348 1.1 72.5 3.1 56.0 139
Delaware 579 4809 0.9 70.1 6.2 54.6 103
Florida 8277 4815 1.3 70.7 10.7 52.6 11
Georgia 4931 4091 2.0 68.5 13.9 40.6 60

18
Teknik Analisis Data (Deskripsi Data)

Hawaii 868 4963 1.9 73.6 6.2 61.9 0

Idaho 813 4119 0.6 71.9 5.3 59.5 126
Illinois 11197 5107 0.9 70.1 10.3 52.6 127
Indiana 5313 4458 0.7 70.9 7.1 52.9 122
Iowa 2861 4628 0.5 72.6 2.3 59.0 140
Kansas 2280 4669 0.6 72.6 4.5 59.9 114
Kentucky 3387 3712 1.6 70.1 10.6 38.5 95
Louisiana 3806 3545 2.8 68.8 13.2 42.2 12
Maine 1058 3694 0.7 70.4 2.7 54.7 161
Maryland 4122 5299 0.9 70.2 8.5 52.3 101
Massachusetts 5814 4755 1.1 71.8 3.3 58.5 103
Michigan 9111 4751 0.9 70.6 11.1 52.8 125
Minnesota 3921 4675 0.6 73.0 2.3 57.6 160
Mississippi 2341 3098 2.4 68.1 12.5 41.0 50
Missouri 4767 4254 0.8 70.7 9.3 48.8 108
Montana 746 4347 0.6 70.6 5.0 59.2 155
Nebraska 1544 4508 0.6 72.6 2.9 59.3 139
Nevada 590 5149 0.5 69.0 11.5 65.2 188
New Hampshire 812 4281 0.7 71.2 3.3 57.6 174
New Jersey 7333 5237 1.1 70.9 5.2 52.5 115
New Mexico 1144 3601 2.2 70.3 9.7 55.2 120
New York 18076 4903 1.4 70.5 10.9 52.7 82
North Carolina 5441 3875 1.8 69.2 11.1 38.5 80
North Dakota 637 5087 0.8 72.8 1.4 50.3 186
Ohio 10735 4561 0.8 70.8 7.4 53.2 124
Oklahoma 2715 3983 1.1 71.4 6.4 51.6 82
Oregon 2284 4660 0.6 72.1 4.2 60.0 44
Pennsylvania 11860 4449 1.0 70.4 6.1 50.2 126
Rhode Island 931 4558 1.3 71.9 2.4 46.4 127
South Carolina 2816 3635 2.3 68.0 11.6 37.8 65
South Dakota 681 4167 0.5 72.1 1.7 53.3 172
Tennessee 4173 3821 1.7 70.1 11.0 41.8 70
Texas 12237 4188 2.2 70.9 12.2 47.4 35
Utah 1203 4022 0.6 72.9 4.5 67.3 137
Vermont 472 3907 0.6 71.6 5.5 57.1 168
Virginia 4981 4701 1.4 70.1 9.5 47.8 85
Washington 3559 4864 0.6 71.7 4.3 63.5 32
West Virginia 1799 3617 1.4 69.5 6.7 41.6 100
Wisconsin 4589 4468 0.7 72.5 3.0 54.5 149
Wyoming 376 4566 0.6 70.3 6.9 62.9 173
Area
Alabama 50708
Alaska 566432
Arizona 113417
Arkansas 51945

19
Teknik Analisis Data (Deskripsi Data)

California 156361
Colorado 103766
Connecticut 4862
Delaware 1982
Florida 54090
Georgia 58073
Hawaii 6425
Idaho 82677
Illinois 55748
Indiana 36097
Iowa 55941
Kansas 81787
Kentucky 39650
Louisiana 44930
Maine 30920
Maryland 9891
Massachusetts 7826
Michigan 56817
Minnesota 79289
Mississippi 47296
Missouri 68995
Montana 145587
Nebraska 76483
Nevada 109889
New Hampshire 9027
New Jersey 7521
New Mexico 121412
New York 47831
North Carolina 48798
North Dakota 69273
Ohio 40975
Oklahoma 68782
Oregon 96184
Pennsylvania 44966
Rhode Island 1049
South Carolina 30225
South Dakota 75955
Tennessee 41328
Texas 262134
Utah 82096
Vermont 9267
Virginia 39780
Washington 66570
West Virginia 24070
Wisconsin 54464

20
Teknik Analisis Data (Deskripsi Data)

Wyoming 97203
[1] "matrix" "array"
[1] "Population" "Income" "Illiteracy" "[Link]" "Murder"
[6] "[Link]" "Frost" "Area"
[1] "Population" "Income" "Illiteracy" "[Link]" "Murder"
[6] "[Link]" "Frost" "Area"
[1] "Alabama" "Alaska" "Arizona" "Arkansas"
[5] "California" "Colorado" "Connecticut" "Delaware"
[9] "Florida" "Georgia" "Hawaii" "Idaho"
[13] "Illinois" "Indiana" "Iowa" "Kansas"
[17] "Kentucky" "Louisiana" "Maine" "Maryland"
[21] "Massachusetts" "Michigan" "Minnesota" "Mississippi"
[25] "Missouri" "Montana" "Nebraska" "Nevada"
[29] "New Hampshire" "New Jersey" "New Mexico" "New York"
[33] "North Carolina" "North Dakota" "Ohio" "Oklahoma"
[37] "Oregon" "Pennsylvania" "Rhode Island" "South Carolina"
[41] "South Dakota" "Tennessee" "Texas" "Utah"
[45] "Vermont" "Virginia" "Washington" "West Virginia"
[49] "Wisconsin" "Wyoming"
[1] 50 8

1.8 Soal Latihan

1. Hitung statistik deskriptif dari dataset iris dan interpretasikan outputnya untuk va-
riabel:
1. [Link]
2. [Link]
2. Hitung nilai ukuran dispersi untuk variabel [Link] pada dataset iris
3. Hitung kurtosis dan skewness dari variabel [Link] pada dataset iris.
4. Hitung matrix korelasi pada data set iris, interpretasikan outputnya dan visualisaik-
an hasilnya.
5. Berikut data tentang jumlah pengunjung XXI hari ke-20 s.d hari ke-49. Buat tabel
distribusi frekuensinya dan bagi kelas interval sesuai dengan yang Anda inginkan.
6. Jalankan R atau RStudio kemudian ketikkan skrip berikut:
pairs(~[Link]+[Link]+[Link]+[Link],
data = iris,
[Link] = NULL
main="Simple Scatter Plot Matrix")
Interpretasikan hasilnya!
7. Buat diagram dahan daun (Steam and Leaf Plot) untuk data di atas.

21
Teknik Analisis Data (Deskripsi Data)

Gambar 3: Banyaknya Pengunjung XXI Bulan Juni 2023

Daftar Pustaka
10 Irawan, Nur, and Septin Puji Astuti. 2006. Mengolah Data Statistik Dengan Mudah Meng-
gunakan Minitab 14. Yogyakarta: Penerbit Andi.

22