Perangkat Lunak Untuk Pengolah Data Nur Edy
Outline PERTEMUAN I Definisi Jenis perangkat lunak pengolah angka Fungsi-fungsi Microsoft Excel untuk pengolahan data sederhana Membuat Grafik dengan Mikrosoft Excel Mengolah data statistik dengan Microsoft Excel PERTEMUAN II Mengenal R Statistics Menjalankan fungsi R Menganalisa data statistik dengan R Latihan mengolah data dengan MS. Excel dan R
Definisi Perangkat lunak pengolah data adalah perangkat lunak yang digunakan untuk mengatur dan mengelola data dalam bentuk angka. Perangkat aplikasi pengolah angka adalah program yang difungsikan untuk mengolah data berupa angka. Kemampuan aplikasi ini, antara lain: pembuatan tabel data, pengolahan data dengan melibatkan penggunaan rumus, grafik, dan lain-lain.
Definisi Dalam hal ini, angka yang sering muncul di bidang bisnis, ilmiah, perencanaan, pembuatan statistik, pembuatan lembar kerja, pengelolaan angka untuk perhitungan sebuah data (basis data) dan grafik. Digunakan untuk membuat laporan/skripsi/thesis/ disertasi mahasiswa, pegawai atau karyawan, pembelian dan penjualan barang, laporan keuangan yang saling berhubungan dan sistematis.
Macam-macam Perangkat Lunak Pengolah Angka Macam-macam perangkat lunak pengolah angka antara lain: Microsoft Excel SPSS PAST R
Macam-macam Perangkat Lunak Pengolah Angka
Mengenal Microsoft Excel untuk Pengolahan Data Sederhana
Microsoft Excel adalah aplikasi pengolah angka yang dikeluarkan oleh Microsoft Corporation. Perusahaan perangkat lunak terbesar di dunia. Microsoft memiliki fitur-fitur yang memungkinkannya diintegrasikan dengan aplikasi Microsoft Office lainnya. Microsoft Excel tampil dengan format Workbook yang tersusun atas beberapa sheet. Setiap sheet terdiri atas cell-cell sebagai ruang data.
Fungsi-Fungsi Statistik =SUM(Range) : digunakan untuk menjumlahkan atau mentotalkan data dalam range =AVERAGE(Range) : digunakan untuk mencari nilai rata-rata dalam range. =COUNT(Range) : digunakan untuk mengetahui ada berapa dalam range. =MAX(Range): digunakan untuk mengetahui mengetahui berapa nilai yang terbesar dalam range. =MIN(Range) : digunakan untuk mengetahui berapa nilai yang terkecil dalam range. =Count(Range) : digunakan untuk mengetahui jumlah data dalam range.
Contoh Data
Gunakan fungsi Average pada sel C16 untuk menghitung gaji rata-rata
Gunakan fungsi MAX pada sel C17 untuk menghitung gaji terbesar
Gunakan fungsi MIN untuk menghitung gaji terkecil di sel F15
Gunakan fungsi COUNT/COUNTA di F16 untuk menghitung jumlah karyawan
Grafik dalam Microsoft Excel
Column Charts Grafik Kolom digunakan untuk menunjukkan perubahan data dalam periode waktu tertentu atau menggambarkan perbandingan antar beberapa item. Jenis grafik itu sering juga disebut diagram batang. Grafik kolom atau diagram batang umum digunakan dalam dunia statistik untuk menampilkan data pertambahan dan perbandingan jumlah penduduk dari waktu ke waktu.
Contoh
Line Charts Grafik garis dapat menunjukkan data secara terus menerus atau berkelanjutan selama periode waktu tertentu. Grafik ini sangat ideal untuk menampilkan tren data pada interval/rentang waktu yang sama.
Contoh
Pie Charts Grafik lingkaran menunjukkan ukuran dari suatu item dalam suatu rangkaian data, secara proporsional terhadap jumlah dari keseluruhan item. Poin atau nilai dari item-item tersebut ditunjukkan dalam bentuk presentase dari keseluruhan data (dalam bentuk satu lingkaran). Biasa digunakan dalam menampilkan data persentase jumlah penduduk berdasarkan tingkat pendidikannya dan lain sebagainya.
Contoh
Bar Charts Bar Chart atau grafik baris mirip dengan grafik kolom. Grafik batang menggambarkan perbandingan antar beberapa item dan merupakan penyajian data alternatif dari grafik kolom. Dengan menggunakan jenis ini kita dapat menyajikan data yang maknanya sama dengan grafik kolom yaitu dengan menukar letak variabel dari sumbu x menjadi sumbu y dan sebaliknya.
Contoh
Area Charts Grafik bidang menekankan besarnya perubahan dari waktu ke waktu. Grafik ini dapat digunakan untuk menggambar grafik hubungan kecepatan dan waktu pada gerak lurus, area yang terbentuk merupakan besar perpindahan.
Contoh
XY Scatter XY scatter umum digunakan untuk menggambar grafik. Grafik ini menunjukkan hubungan antara nilai- nilai variabel sumbu x dengan nilai-nilai variabel sumbu y. Grafik ini dapat kita gunakan untuk menggambar grafik linear misalnya grafik tegangan versus kuat arus dan lain sebagainya.
Contoh
Combo Combo merupakan grafik kombinasi dari beberapa jenis grafik sekaligus misalnya mengkombinasikan grafik kolom dengan grafik garis dan lain sebagainya.
Contoh
Analisis Data Statistik dengan Microsoft Excel REGRESI LINEAR SEDERHANA
Pengertian Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.
Pengertian Di bidang pertanian digunakan untuk mengetahui, misalnya: Dosis dan jenis pupuk yang diberikan berhubungan dengan hasil pertanian yang diperoleh Jumlah pakan yang diberikan pada ternak berhubungan dengan berat badannya ternak.
Pengertian Secara umum ada dua macam hubungan antara dua atau lebih variabel, yaitu bentuk hubungan dan keeratan hubungan. Bila ingin mengetahui bentuk hubungan dua variabel atau lebih, digunakan analisis regresi. Bila ingin melihat keeratan hubungan, digunakan analisis korelasi.
Jenis Analisis Regresi Regresi Linear Regresi non linear Regresi berganda Regresi Dumy Regresi logistik
Regresi Linear Sederhana Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Regresi Linear Sederhana Untuk persamaan regresi dimana Y merupakan nilai yang diprediksi, maka persamaannya ialah: Y = a + β 1 X 1
Garis regresi didefinisikan sebagai garis lurus yang ditarik dari titik titik diagram pencar (scattered diagram) dari nilai variabel tergantung dan variabel bebas sehingga garis tersebut menggambarkan hubungan linier antara variabel-variabel tersebut. Jika nilai-nilai ini merupakan garis regresi nilai baku maka garis ini sama dengan garis korelasi. Garis ini disebut juga sebagai garis kecocokan yang sempurna dimana garis lurus tersebut berada pada posisi terdekat pada titik-titik diagram pencar.
Garis regresi mempunyai 3 (tiga) kemungkinan yaitu: hubungan linier positif, hubungan linier negatif, tidak ada hubungan linier.
Hubungan Linier Positif
Hubungan Linier Negatif
Tidak Ada Hubungan Linier
Ingat kembali istilah ini! Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.
Langkah-langkah dalam melakukan Analisis Regresi Linear Sederhana Tentukan Tujuan dari melakukan Analisis Regresi Linear Sederhana Identifikasikan Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response) Lakukan Pengumpulan Data Hitung X², Y², XY dan total dari masing-masingnya Hitung a dan b berdasarkan rumus diatas. Buatkan Model Persamaan Regresi Linear Sederhana. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat.
Contoh Kasus Analisis Regresi Linear Sederhana Seorang Engineer ingin mempelajari Hubungan antara Suhu Ruangan dengan Jumlah Cacat produksi yang diakibatkannya, sehingga dapat memprediksi atau meramalkan jumlah cacat produksi jika suhu ruangan tersebut tidak terkendali. Engineer tersebut kemudian mengambil data selama 30 hari terhadap ratarata (mean) suhu ruangan dan Jumlah Cacat Produksi.
Penyelesaian Penyelesaiannya mengikuti Langkah-langkah dalam Analisis Regresi Linear Sederhana adalah sebagai berikut : Langkah 1 : Penentuan Tujuan Tujuan : Memprediksi Jumlah Cacat Produksi jika suhu ruangan tidak terkendali
Langkah 2 : Identifikasikan Variabel Penyebab dan Akibat Varibel Faktor Penyebab (X) : Suhu Ruangan, Variabel Akibat (Y) : Jumlah Cacat Produksi
Langkah 3 : Pengumpulan Data Berikut ini adalah data yang berhasil dikumpulkan selama 30 hari.
Lanjutan
Lanjutan
Langkah 4 : Hitung X², Y², XY dan total dari masingmasingnya
Langkah 4 : Lanjutan
Langkah 4 : Lanjutan
Langkah 5 : Hitung a dan b berdasarkan rumus Regresi Linear Sederhana Menghitung Konstanta (a) :
Menghitung Koefisien Regresi (b)
Langkah 6 : Buat Model Persamaan Regresi Y = a + bx Y = -24,38 + 1,45X
Langkah 7: Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat I. Prediksikan Jumlah Cacat Produksi jika suhu dalam keadaan tinggi (Variabel X), contohnya : 30 C Y = -24,38 + 1,45 (30) Y = 19,12 Jadi Jika Suhu ruangan mencapai 30 C, maka akan diprediksikan akan terdapat 19,12 unit cacat yang dihasilkan oleh produksi.
Langkah 7: Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab atau Variabel Akibat II. Jika Cacat Produksi (Variabel Y) yang ditargetkan hanya boleh 4 unit, maka berapakah suhu ruangan yang diperlukan untuk mencapai target tersebut? 4 = -24,38 + 1,45X 1,45X = 4 + 24,38 X = 28,38 / 1,45 X = 19,57 Jadi Prediksi Suhu Ruangan yang paling sesuai untuk mencapai target Cacat Produksi adalah sekitar 19,57 C
Latihan