AWAL PERKEMBANGAN STATISTIKA SECARA UMUM

Perkembangan statistika diawali sebagai suatu ilmu yang membahas cara-cara

mengumpulkan angka sebagai hasil pengamatan menjadi bentuk yang lebih mudah dipahami.
Menurut Spiegel (1961) statistika berasal dari kata status yang berarti negara. Sehingga pada
awalnya statistika berkaitan dengan ilmu untuk angka-angka (keterangan) atas perintah raja suatu
negara, yang ingin mengetahui kekayaan negaranya, jumlah penduduk, hewan piaraan, hasil
pertanian, dan modal. Contoh tertua mengenai hal ini dapat diambil dari zaman Kaisar Agustus
yang membuat pernyataan bahwa seluruh dunia harus dikenai pajak, sehingga setiap orang harus
melapor kepada statistikawan terdekat (pengumpul pajak). Peristiwa lain di dalam sejarah yang
dapat dikemukakan ialah sewaktu William si Penakluk memerintahkan mengadakan pencacahan
jiwa dan kekayaan di seluruh wilayah Inggris untuk pengumpulan pajak dan tugas militer. Semua
pengamatan dicatat di dalam sebuah buku yang dikenal dengan Domesday Book.

SUMBER: Spiegel, Murray .R. 1961. Theory and Problem of Statistics. Mc Graw-Hill. New
York.
Beberapa abad setelah Domesday Book, ditemukan suatu penerapan peluang empirik dalam
asuransi perkapalan, yang tampaknya sudah tersedia bagi kapal-kapal bangsa Flem pada abad ke-
14. Perjudian, dalam bentuk permainan, telah mengantarkan kita ke teori peluang. Teori ini
pertama kali dikembangkan oleh Pascal dan Fermat sekitar abad ke-17, karena mereka tertarik
pada pengalaman-pengalaman judi Chevalier de Mere.
Kurva normal telah terbukti sangat penting dalam pengembangan statistika. Persamaan kurva ini
pertama kali diumumkan pada tahun 1733 oleh de Moivre. De Moivre sama sekali tidak tahu
bagaimana menerapkan penemuannya tersebut pada data hasil percobaan, dan karyanya ini tetap
tidak diketahui sampai Karl Pearson menemukannya di suatu perpustakaan pada tahun 1924.
Walaupun demikian, hasil yang sama dikembangkan kemudian oleh dua astronom matematik,
Laplace, 1749-1855 dan Gauss, 1777-1855, secara terpisah.
Pada abad ke-19 Charles Lyell telah mengajukan suatu argumentasi yang pada dasarnya bersifat
statistik terhadap suatu masalah geologi. Dalam periode 1830-1833, diterbitkan 3 jilid Principles
of Geology karya Lyell, yang mengurutkan batu-batuan zaman Tertier, serta sekaligus memberi
nama pada masing-masing batuan. Bersama dengan M.Deshayes, seorang ahli biologi dari
Prancis, mereka mengidentifikasikan dan mendaftarkan spesies-spesies fosil yang terdapat dalam
satu atau lebih strata, dan meramalkan proporsi jenis-jenis yang masih hidup di bagian-bagian
laut tertebtu. Berdasarkan proporsi-proporsi tersebut mereka memberi nama Pleistosen, Pliosen,
Miosen, dan Eosen. Argumentasi Lyell sesungguhnya bersifat statistika. Sayangnya setelah
ditetapkan dan diterimanya nama-nama tersebut, metodenya segera dilupakan orang. Hal ini
terjadi baik di bidang ilmu-ilmu biologi maupun fisika.
Pada abad ke-19 pula, perlunya landasan yang lebih kokoh bagi statistika menjadi semakin jelas.
Karl Pearson, seorang ahli fisika matematik, menerapkan matematika pada biologi. Pearson
melewatkan hampir setengah abad dalam penelitian statistika yang serius. Di samping itu, ia juga
mendirikan jurnal Biometrika dan sebuah aliran statistika. Dengan demikian kajian statistika
memperoleh dorongan besar.
Sementara Pearson hanya memperhatikan contoh besar (large samples), teori sampel besar yang
dikembangkan ternyata tidak memuaskan peneliti yang selalu berhubungan dengan sampel kecil
(small samples). Di antara mereka adalah W.S. Gosset, 1876-1937, murid Karl Pearson. Namun
kemampuan matematika Gosset belum memadai untuk mendapatkan sebaran-sebaran pasti dari
simpangan baku sampel, rasio antara rata-rata sampel dengan simpangan baku sampel, dan
koefisien korelasi; statistik-statistik yang paling banyak diperhatikannya. Akibatnya, ia terpaksa
mendasarkan pada kartu; mengocok, mengambil, dan kemudian membuat sebaran frekuensi
empiriknya. Makalah yang membuat hasil penelitiannya ini muncul dalam Biometrika pada
tahun 1908, dan ia menggunakan nama student. Sekarang ini sebaran t-Student merupakan alat
dasar bagi statistikawan dan peneliti; dan me-student-kan merupakan istilah yang lazim dalam
statistika. Kini penggunaan sebaran t-Student begitu meluas, dan menarik untuk diperhatikan
bahwa seorang astronom Jerman, Helmert, telah mendapatkannya secara matematika jauh
sebelumnya, yaitu pada tahun 1875.
R.A. Fisher, 1890-1962, yang dipengaruhi oleh Karl Pearson dan Student, memberikan
sumbangan yang sangat banyak dan penting bagi statistika. Ia dan murid-muridnya memberikan
dorongan yang besar bagi penggunaan prosedur-prosedur statistika dalam banyak bidang,
terutama dalam bidang-bidang pertanian, biologi, dan genetika.
J.Neyman (1895) dan E.S.Pearson (1895), mengemukakan teori pengujian hipotesis pada tahun
1936 dan 1938. Teori ini meransang sejumlah besar penelitian dan banyak hasilnya mempunyai
kegunaan praktis.
Pada tahun 1902-1950, Abraham Wald menulis dua buku yang sangat bermanfaat hingga saat
ini, yakni Sequential Analysis dan Statistical Decision Functions. Dalam abad inilah (hingga
saat ini) hampir semua metode statistika yang kini digunakan itu dikembangkan.
SUMBER: Sisca. 2012. Sejarah Statistik. http://chabyeofmath.wordpress.com [4 September
2014].
SEKILAS SEJARAH STATISTIKA DI INDONESIA
Dilihat dari sejarah pendidikan statistika di Indonesia, Jurusan Statistika Fakultas
Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor dapat berbangga, karena
jurusan yang dirintis dan didirikan oleh Prof. Dr. Andi Hakim Nasoetion (Alm) tahun 1972
adalah Jurusan Statistika tertua di Indonesia. Awalnya dimulai dari Unit Biometrika di bawah
Fakultas Pertanian IPB yang kemudian berubah menjadi Pusat Pengolahan Data Statistika dan
Komputasi dan akhirnya menjadi Departemen Statistika dan Komputasi di bawah Fakultas
Pertanian. Pada waktu FMIPA disyahkan di IPB pada tahun 1982, namanya berubah menjadi
Jurusan Statistika di bawah FMIPA. Jadi boleh dikatakan Departemen Statistika adalah the
founding father of FMIPA IPB.
Pada dekade 60 dan 70-an statistika dikenal sebagai tongkat pembimbing di daerah
ketidaktahuan. Pada dasarnya fungsi tersebut tidak akan hilang, karena statistika tetap berperan
di dalam proses penelitian mulai dari rancangan dan analisis, sampai ke penarikan kesimpulan.
Di wilayah dimana dunia penuh dengan ketidakpastian, keragaman dan proses acak itulah
statistika sangat diperlukan. Tanpa bantuan statistika tidak mustahil kita terjebak oleh
kesimpulan yang tidak sepatutnya (misleading conclusion). Selain itu, statistika juga perlu
menerawang ke masa depan. Statistika sebagai tongkat pembantu ke masa depan itu wajar saja
bila saat ini berkembang moto Statistika adalah alat bantu untuk memecahkan masalah masa
depan, problem solver of the future. Statistics is not just for statistician, memang demikian
adanya. Model-model statistika sangat membantu pemahaman proses pembelajaran dalam dunia
pendidikan dan psikologi, regresi dan analisis deret waktu sudah sering membuka tabir kesulitan
riset dalam keteknikan, kimia, ekonomi, biologi dan ilmu-ilmu kesehatan. Dewasa ini statistika
sering diminta bantuan oleh ahli-ahli hukum kriminalitas, khususnya dengan berkembangnya
statistics for forensic and DNA fingerprinting.
Semua kisah sukses statistika di dunia itu adalah titik cerah bagi masa depan Jurusan
Statistika FMIPA-IPB. Saat ini Jurusan Statistika FMIPA IPB sudah mengasuh tidak saja
program S1 (sarjana), tetapi juga Program Pascasarjana S2 (magister sains), dan bahkan doktor
(S3). Pendidikan tersebut diramu dengan kegiatan riset yang bekerja sama dengan disiplin ilmu
lainnya. Dengan demikian, statistika secara keilmuan menjadi satu kesatuan yang tidak
terpisahkan mulai dari jenjang S1 ampai S2 dan masuk ke ranah-ranah keilmuan lainnya yang
sudah barang tentu sangat memerlukan statistika.
Jurusan Statistika IPB yang merupakan pelopor pendidikan statistika di Indonesia, selain
menjalankan program pendidikan statistika pada jenjang S1, S2 bahkan S3 juga mengembangkan
program pelayanan mata kuliah metode statistika pada program studi lain di lingkungan IPB.
Dampak dari ini, semua alumni IPB dibekali pola berfikir statistika sehingga mereka sudah
terbiasa dengan keteraturan berfikir sehingga menjadi pioner penggunaan berfikir secara
statistika di lingkungan kerjanya di berbagai instansi (khususnya DEPTAN). Penyelenggaraan
Program pendidikan S1 (Sarjana) di IPB dimulai sejak tahun 1967, sedangkan program
pendidikan pascasarjana (S2) dimulai sejak tahun 1975 dengan jumlah lulusan kurang lebih 150
(Magister Sains). Dibukanya Program Doktor (S3) sejak empat tahun yang lalu dimaksudkan
selain untuk pengembangan statistika di Indonesia juga untuk memperkokoh peran Jurusan
Statistka IPB dalam pembangunan bangsa menyongsong Indonesia baru. Dapat dibayangkan
selama lebih kurang 35 tahun jurusan statistika berkiprah, tentu alumninya (S1 dan S2) sudah
tersebar di berbagai instansi, baik sebagai peneliti, pengambil kebijakan, statistisi profesional,
maupun tenaga pengajar di PTN maupun PTS.
Program-program untuk meningkatkan profesionalisme dan akademik lainnya
dikembangkan dengan membuka kerjasama akademik dengan program studi sejenis di berbagai
Universitas di Indonesia. Setiap tahun jurusan Statistika IPB melakukan program pelatihan untuk
dosen PTN di Indonesia. Kerjasama dengan instansi lain, khususnya DEPTAN dalam pelatihan
statistika. Sampai saat ini di Indonesia selain IPB telah ada PTN dan PTS lain yang telah
membuka jurusan Statistika secara mandiri tanpa dibawah naungan jurusan Matematika. PTN
yang telah membuka jurusan statistika secara mandiri adalah UNPAD, ITS dan UGM. Sedang
PTS nya adalah UNISBA, UII Yogyakarta dan salah satu PTS di kota Malang. Selain itu untuk
BPS telah membuka pendidikan jurusan statistika untuk keperluan di instansinya yang dulu
bernama AIS dengan pendidikan jenjang D3, sedang sekarang bernama STIS dengan jenjang
pendidikan setara S1.

SUMBER: Saefuddin, A. 2000. Profil Jurusan Statistika. FMIPA-IPB.

Pengertian Statistik
Secara etimologis kata statistik berasal dari kata status (bahasa latin) yang mempunyai
persamaan arti dengan kata state (bahasa Inggris) atau kata staat (bahasa Belanda), dan yang
dalam bahasa Indonesia diterjemahkan menjadi negara. Pada mulanya, kata statistik diartika
sebagai kumpulan bahan keterangan (data), baik yang berwujud angka (data kuantitatif)
maupun yang tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan
yang besar bagi suatu negara. Namun, pada perkembangan selanjutnya, arti kata statistik hanya
dibatasi pada kumpulan bahan keterangan yang berwujud angka (data kuantitatif) saja; bahan
keterangan yang tidak berwujud angka (data kualitatif) tidak lagi disebut statistik.
dalam kamus bahasa Inggris akan kita jumpai kata statistics dan kata statistic. Kedua kata itu
mempunyai arti yang berbeda. Kata statistics artinya ilmu statistik, sedang kata statistic
diartika sebagai ukuran yang diperoleh atau berasal dari sampel, yaitu sebagai lawan dari kata
parameter yang berarti ukuran yang diperoleh atau berasal dari populasi.
Perbedaan statistik dan statistika
Definisi Statistik
Statistik adalah kumpulan data yang bisa memberikan gambaran tentang suatu keadaan
Definisi Statistika
Statistika adalah ilmu yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana
caranya mengumpulkan data, mengolah data, menyajikan data, menganalisis data, membuat
kesimpulan dari hasil analisis data dan mengambil keputusan berdasarkan hasil kesimpulan.
Pembagian Statistika
1. Statistika Deskriptif
Statistika deskriptif adalah statistika yang mempelajari bagaimana caranya
mengumpulkan data, mengolah data, menyajikan data, menganalisis data
2. Statistika Induktif (Inferens)
Statistika inferens adalah statistika yang mempelajari bagaimana caranya mengumpulkan
data, mengolah data, menyajikan data, menganalisis data, membuat kesimpulan dan
mengambil keputusan
SUMBER: Sisca. 2012. Sejarah Statistik. http://chabyeofmath.wordpress.com [4 September
2014].
Pengertian Data dan Sifat-sifat Data
Data adalah kumpulan informasi yang diperoleh dari suatu pengamatan, dapat berupa angka,
lambang atau sifat. Menurut Webster New World Dictionary, pengertian data adalah things
known or assumed, yang berarti bahwa data itu sesuatu yang diketahui atau dianggap. Diketahui
artinya yang sudah terjadi merupakan fakta (bukti). Data dapat memberikan gambaran tentang
suatu keadaan atau persoalan. Data bisa juga didefinisikan sebagai sekumpulan informasi atau
nilai yang diperoleh dari pengamatan (obsevasi) suatu objek. Data yang baik adalah data yang
bisa dipercaya kebenarannya (reliable), tepat waktu dan mencakup ruang lingkup yang luas atau
bisa memberikan gambaran tentang suatu masalah secara menyeluruh merupakan data relevan.

SUMBER: 2013. Pengertian Data dan Jenis Data. http://www.pengertianahli.com. [ 4
September 2014].


Data Berdasarkan Sifatnya
Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu data
kualitatif (yang berbentuk kata-kata/kalimat) dan data kuantitatif (yang berbentuk angka). Data
kuantitatif dapat dikelompokkan berdasarkan cara mendapatkannya yaitu data diskrit dan data
kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal, data ordinal, data
interval dan data rasio.
1. Data Kualitatif
Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif
diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis
dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan
(transkrip). Bentuk lain data kualitatif adalah gambar yang diperoleh melalui pemotretan atau
rekaman video.
Data kualitatif bisa sebagai data yang tidak bisa diteliti secara langsung. Kenapa tidak bisa
diteliti secara langsung? Karena data ini member petunjuk tentang mutu atau kualitas dari suatu
yang ada, misalkan berupa kondisi, peristiwa, proses, kejadian, dan lain-lain. Data tersebut
dinyatakan dalam bentuk perkataan atau pernyataan. Hadari dan Martini Hadari, menyebutkan
jika dilihat dari jenisnya, maka data kualitatif bisa dibedakan menjadi lima jenis, diantaranya
adalah :
1. Data kategori yang biasanya dinyatakan menggunakan perkataan, data ini berguna
menunjukan tentang suatu kondisi, proses, atau kejadian yang termasuk dalan satu
golongan tertentu.
2. Data yang menunjukkan adanya porsi dari suatu kondisi yang ditunjukkan dengan
perkataan, data ini merupakan perbandingan dengan data yang ideal atau keseluruhan.
3. Data berjenjang atau bertingkat yang biasanya dinyatakan dengan kata-kata. Hal ini untuk
menunjukkan bahwa suatu kondisi maupun sebuah proses ini termasuk pada sebuah
tingkatan mutu tertentu.
4. Data yang bersifat relative atau bisa berubah-ubah.
5. Data yang bertentangan, data ini biasanya menyatakan jika yang satu bagian ada, maka
bagian yang lain tidak ada.
Data kualitatif mencakup beberapa hal berikut ini:
1. Data kualitatif induktif, yakni proses pemikiran yang bertolak pada satu atau beberapa
data spesifik yang berguna untuk merumuskan sebuah kesimpulan dengan cara analogi,
generalisasi, atau hubungan kausal.
2. Data kualitatif deduktif, yakni proses pemikiran yang bertolak dari sebuah proposisi yang
sudah ada guna memperoleh proposisi baru yang merupakan kesimpulan dengan
silogisme.
3. Data kualitatif komparatif yakni proses pemikiran dengan cara menguraikan persamaan
dan juga perbedaan diantara kedua objek data yang akan diteliti.
Jadi bisa disimpulkan bahwa penelitian ini dilakukan dengan cara menyusun sebuah asumsi
dasar yang kemudian akan digunakan untuk mengumpulkan data dan mengelolanya secara
sistematis. Meskipun begitu, dalam penelitian kualitatif ini, pihak peneliti harus
mengumpulkan data secara objektif dan tidak terpengaruh dengan pendapat si peneliti.
Berikut merupakan contoh data kualitatif :
1. Setiap orang dalam sebuah perusahaan hanya diperbolehkan memilih stu partai politik
saja.
2. Daerah yang memiliki hasil penjualan sagu terbesar dalam tahun tertentu.
3. Bahan bakar yang pertama kali dibeli oleh seorang pengendara mobil pada hari itu di satu
pompa premium.
Jika diperhatikan, didapatkan bahwa semua contoh diatas menunjukkan data yang bukan
dalam bentuk numerik, akan tetapi menggunakan pengukuran kualitatif. Namun, harus
diingat bahwa jka kita merujuk pada skala pengukuran, maka data kualitatif terdiri atas dua
bagian, yakni skala nominal dan skala ordinal.
SUMBER: Anneahira. Contoh Data Kualitatif. www.anneahira.com. [ 4 September 2014].

2. Data Kuantitatif
Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data
kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau
statistika. Berdasarkan proses atau cara untuk mendapatkannya, data kuantitatif dapat
dikelompokkan dalam dua bentuk yaitu sebagai berikut:
1. Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara
membilang. Contoh data diskrit misalnya:
1) Jumlah Sekolah Dasar Negeri di Kecamatan XXX sebanyak 20.
2) Jumlah siswa laki-laki di SD YYY sebanyak 67 orang.
3) Jumlah penduduk di Kabupaten ZZZ sebanyak 246.867 orang.
Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat (bukan
bilangan pecahan).
1. Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan
hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan tergantung
jenis skala pengukuran yang digunakan. Contoh data kontinum misalnya:
1) Tinggi badan Budi adalah 150,5 centimeter.
2) IQ Budi adalah 120.
3) Suhu udara di ruang kelas 24
o

Celcius.
Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokan dalam
empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:
1. Data nominal atau sering disebut juga data kategori yaitu data yang diperoleh melalui
pengelompokkan obyek berdasarkan kategori tertentu. Perbedaan kategori obyek hanya
menunjukan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk
angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak
dapat dibandingkan. Logika perbandingan > dan < tidak dapat digunakan untuk
menganalisis data nominal. Operasi matematika seperti penjumlahan (+), pengurangan (-
), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data
nominal. Contoh data nominal antara lain:
Jenis kelamin yang terdiri dari dua kategori yaitu:
(1) Laki-laki
(2) Perempuan
Angka (1) untuk laki-laki dan angka (2) untuk perempuan hanya merupakan simbol yang
digunakan untuk membedakan dua kategori jenis kelamin. Angka-angka tersebut tidak memiliki
makna kuantitatif, artinya angka (2) pada data di atas tidak berarti lebih besar dari angka (1),
karena laki-laki tidak memiliki makna lebih besar dari perempuan. Terhadap kedua data (angka)
tersebut tidak dapat dilakukan operasi matematika (+, -, x, : ). Misalnya (1) = laki-laki, (2) =
perempuan, maka (1) + (2) (3), karena tidak ada kategori (3) yang merupakan hasil
penjumlahan (1) dan (2).
Status pernikahan yang terdiri dari tiga kategori yaitu: (1) Belum menikah, (2) Menikah,
(3) Janda/ Duda. Data tersebut memiliki sifat-sifat yang sama dengan data tentang jenis
kelamin.
1. Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah disusun
secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang
dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun
demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan
data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal
berlaku perbandingan dengan menggunakan fungsi pembeda yaitu > dan <.
Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan
operasi matematika ( +, , x , : ). Contoh jenis data ordinal antara lain:
Tingkat pendidikan yang disusun dalam urutan sebagai berikut:
(1) Taman Kanak-kanak (TK)
(2) Sekolah Dasar (SD)
(3) Sekolah Menengah Pertama (SMP)
(4) Sekolah Menengah Atas (SMA)
(5) Diploma
(6) Sarjana
Analisis terhadap urutan data di atas menunjukkan bahwa SD memiliki tingkatan lebih tinggi
dibandingkan dengan TK dan lebih rendah dibandingkan dengan SMP. Namun demikian, data
tersebut tidak dapat dijumlahkan, misalnya SD (2) + SMP (3) (5) Diploma. Dalam hal ini,
operasi matematika ( + , , x, : ) tidak berlaku untuk data ordinal.
Peringkat (ranking) siswa dalam satu kelas yang menunjukkan urutan prestasi belajar
tertinggi sampai terendah. Siswa pada peringkat (1) memiliki prestasi belajar lebih tinggi
dari pada siswa peringkat (2).
1. Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria
tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat
data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak
(equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan.
Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi
matematika penjumlahan dan pengurangan ( +, ). Namun demikian masih terdapat satu
sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval. Berikut
dikemukakan tiga contoh data interval, antara lain:
1) Hasil pengukuran suhu (temperatur) menggunakan termometer yang dinyatakan dalam
ukuran derajat. Rentang temperatur antara 0
0
Celcius sampai 1
0
Celcius memiliki jarak yang
sama dengan 1
0
Celcius sampai 2
0
Celcius. Oleh karena itu berlaku operasi matematik ( +, ),
misalnya 15
0
Celcius + 15
0
Celcius = 30
0
Celcius. Namun demikian tidak dapat dinyatakan
bahwa benda yang bersuhu 15
0
Celcius memiliki ukuran panas separuhnya dari benda yang
bersuhu 30
0
Celcius. Demikian juga, tidak dapat dikatakan bahwa benda dengan suhu 0
0
Celcius
tidak memiliki suhu sama sekali. Angka 0
0
Celcius memiliki sifat relatif (tidak mutlak). Artinya,
jika diukur dengan menggunakan Termometer Fahrenheit diperoleh 0
0
Celcius = 32
0
Fahrenheit.
2) Kecerdasaran intelektual yang dinyatakan dalam IQ. Rentang IQ 100 sampai 110 memiliki
jarak yang sama dengan 110 sampai 120. Namun demikian tidak dapat dinyatakan orang yang
memiliki IQ 150 tingkat kecerdasannya 1,5 kali dari urang yang memiliki IQ 100.
3) Didasari oleh asumsi yang kuat, skor tes prestasi belajar (misalnya IPK mahasiswa dan hasil
ujian siswa) dapat dikatakan sebagai data interval.
4) Dalam banyak kegiatan penelitian, data skor yang diperoleh melalui kuesioner (misalnya
skala sikap atau intensitas perilaku) sering dinyatakan sebagai data interval setelah alternatif
jawabannya diberi skor yang ekuivalen (setara) dengan skala interval, misalnya:
Skor (5) untuk jawaban Sangat Setuju
Skor (4) untuk jawaban Setuju
Skor (3) untuk jawaban Tidak Punya Pendapat
Skor (2) untuk jawaban Tidak Setuju
Skor (1) untuk jawaban Sangat Tidak Setuju
Dalam pengolahannya, skor jawaban kuesioner diasumsikan memiliki sifat-sifat yang sama
dengan data interval.
1. Data rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal,
data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti
yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat
diterapkannya semua bentuk operasi matematik ( + , , x, : ). Sifat-sifat yang
membedakan antara data rasio dengan jenis data lainnya (nominal, ordinal, dan interval)
dapat dilihat dengan memperhatikan contoh berikut:
1) Panjang suatu benda yang dinyatakan dalam ukuran meter adalah data rasio. Benda yang
panjangnya 1 meter berbeda secara nyata dengan benda yang panjangnya 2 meter sehingga dapat
dibuat kategori benda yang berukuran 1 meter dan 2 meter (sifat data nominal). Ukuran panjang
benda dapat diurutkan mulai dari yang terpanjang sampai yang terpendek (sifat data ordinal).
Perbedaan antara benda yang panjangnya 1 meter dengan 2 meter memiliki jarak yang sama
dengan perbedaan antara benda yang panjangnya 2 meter dengan 3 (sifat data interval).
Kelebihan sifat yang dimiliki data rasio ditunjukkan oleh dua hal yaitu: (1) Angka 0 meter
menunjukkan nilai mutlak yang artinya tidak ada benda yang diukur; serta (2) Benda yang
panjangnya 2 meter, 2 kali lebih panjang dibandingkan dengan benda yang panjangnya 1 meter
yang menunjukkan berlakunya semua operasi matematik. Kedua hal tersebut tidak berlaku untuk
jenis data nominal, data ordinal, ataupun data interval.
2) Data hasil pengukuran berat suatu benda yang dinyatakan dalam gram memiliki semua
sifat-sifat sebagai data interval. Benda yang beratnya 1 kg. berbeda secara nyata dengan benda
yang beratnya 2 kg. Ukuran berat benda dapat diurutkan mulai dari yang terberat sampai yang
terringan. Perbedaan antara benda yang beratnya 1 kg. dengan 2 kg memiliki rentang berat yang
sama dengan perbedaan antara benda yang beratnya 2 kg. dengan 3 kg. Angka 0 kg.
menunjukkan tidak ada benda (berat) yang diukur. Benda yang beratnya 2 kg., 2 kali lebih berat
dibandingkan dengan benda yang beratnya 1 kg..
Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk
menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data
yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan
berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik
analisis data nominal akan berbeda dengan teknik analisis data ordinal, data interval, dan data
rasio.
SUMBER: Cahya Suryana. 2010. Data dan Jenis Data Penelitian.
http://csuryana.wordpress.com [4 September 2014].
Perbedaan Metode Kualitatif dengan metode kuantitatif :
a. Bedasarkan jenis data
Metode kulitatif jenis datanya adalah data kualitatif sedangkan metode kuantitatif jenis
datanya adlah data kuantitatif. Data (yang bersifat) Kualitatif merupakan data yang
dihasilkan dari cara pandang yang menekankan pada ciri-ciri, sifat dan mutu obyek
(subyek) yang bersangkutan. Berbeda dari data kuantitatif yang bersifat numerik, data
kualitatif bersifat non-numerik (kata-kata deskriptif), seperti cantik, tampan, gagap, tampak
kurang berpendidikan, reponsif, bagus sekali, lincah, mewakili anak muda zaman sekarang,
dan lain-lain.

b. Berdasarkan Tujuan
Penelitian kualitatif bertujuan untuk melakukan penafsiran terhadap fenomena sosial.
Metodologi penelitian yang dipakai adalah multi metodologi, sehingga sebenarnya tidak
ada metodologi yang khusus. Tujuan Penelitian Kuantitatif adalah mengembangkan dan
menggunakan model-model matematis, teori-teori dan hipotesis yang dikaitkan
denganfenomena alam. Penelitian kuantitatif banyak digunakan untuk menguji suatu teori,
untuk menyajikan suatu fakta atau mendeskripsikan statistik, untuk menunjukkan
hubungan antarvariabel, dan ada pula yang bersifat mengembangkan konsep,
mengembangkan pemahaman atau mendeskripsikan banyak hal, baik itu dalam ilmu-ilmu
alam maupun ilmu-ilmu sosial.

c. Berasarkan Obyek penelitian
Metode kualitatif lebih berfokus pada satu obyek penelitian saja sedangkan metode
kuantitatif bisa lebih dari satu obyek penelitian.


d. Berdasarkan Instrumen yang digunakan
Pada metode kuantitatif instrument penelitian yang biasa digunakan adalah angket,
kuesioner, atau instrument yang lain. Namun pada metode kualitatif instrument yang
digunakan adalah peneliti itu sendiri artinya peneliti sendiri lah yang harus terjun langsung
kedalam penelitian agar bisa melihat dan merasakan fakta yang sebenarnya.

e. Berdasarkan orientasi
Penelitian kualitatif lebih beroreintasi pada proses penelitian sedangkan penelitian
kuantitatif lebih berorientasi pada hasil penelitian.

f. Berdasarkan Proses
Metode kuantitatif mengunakan proses deduktif-induktif. sedangkan metode kualitatif
adalah induktif

g. Berdasarkan sifat realitas
Dalam metode kuantitatif yang berlandaskan pada filsafat positivism, realitas dipandang
sebagai suatu yang kongkrit, dapat diamati dengan panca indera, dapat dikategorikan
menurut jenis, bentuk, warna, dan perilaku, tidak berubah, dapat diukur dan diverivikasi.
Dengan demikian dalam metode ini, peneliti dapat menentukan hanya beberapa variabel
saja dari objek yang diteliti, dan kemudian dapat membuat instrument untuk mengukurnya.
Dalam penelitian kualitatif yang berlandaskan pada filsafat postpositivisme atau paradigma
interpretive, suatu realitas atau objek tidak dapat dilihat secara parsial dan dipecah kedalam
variabel.

h. Berdasarkan hubungan Variabel
Pada netode kualitatif hubungan antara variabel adalah timbal balik atau interaksi. Pada
metode kauntitatif lebih kepada sebab akibat.
i. Berdasarkan penggunaan
Metode kuantitatif digunakan apabila :
a. Bila masalah yang merupakan titik tolak penelitian sudah jelas.
b. Bila peneliti ingin mendapatkan informasi yang luas dari suatu populasi.
c. Bila ingin diketahui pengaruh perlakuan/ treatment tertentu terhadap yang lain.
d. Bila peneliti bermaksud menguji hipotesis penelitian.
e. Bila peneliti ingin mendapatkan data yang akurat, berdasarkan fenomena yang empiris
dan dapat diukur.
f. Bila ingin menguji terhadap adanya keragu- raguan tentang validitas pengetahuan, teori
dan produk tertentu.

Metode Kualitatif digunakan apabila :

a. Bila masalah penelitian belum jelas
b. Untuk memahami makna dibalik data yang tampak.
c. Untuk memahami interaksi sosial.
d. Memahami perasaan orang.
e. Untuk mengembangkan teori.
g. Untuk memastikan kebenaran data.
h. Meneliti sejarah perkembangan.
Persamaan Metode Kualitatif dan Metode Kuantitatif
1. Merupakan sebuah metode yang digunakan dalam penelitian guna memecahkan sebuah
masalah
2. Memiliki obyek dan subyek
3. Memiliki variabel
4. Menerapkan metode pengumpulan data yang sistematis dan terbuka hingga bisa dinilai
pihak lain.
5. Melibatkan inferensi (simpulan) detil-detil pengamatan empiris ke suatu kesimpulan
umum.
6. Membandingkan data, mencari kesamaan dan perbedaan untuk menemukan pola tertentu
pada data.
7. Menggunakan prosedur untuk menghindari kesalahan analisis dan penarikan inferensi.
SUMBER: Dedeh Okta Restiani. 2013. Perbedaan Data Kualitatif dan Data Kuantitatif.
http://umnuu.blogspot.com [4 September 2014].
Berdasarkan sumber lain sifat-sifat data antara lain :
a. Nilai Relatif / Nilai Sementara ( Relative Value )
Adalah nilai yang ditunjukan oleh angka atau bilangan itu sendiri.
Contoh :
Nilai relative dari bilangan 7 adalah bilangan 7 itu sendiri.
Nilai relative dari bilangan 53 adalah bilangan 53 itu sendiri.
b. Nilai Nyata ( True Value )
Adalah daerah tertentu dalam suatu daerah angka, yang diwakili oleh nilai
relative.
Contoh :
Nilai nyata dari angka 7 adalah daerah antara ( 7 0.5 ) sampai dengan ( 7
0.5 ), jadi nilai nyata dari angka 5 adalah daerah antara 6.5 5-
50.5.
c. Data Stastistik memiliki Batas Bawah relative, Batas Atas Relatif, Batas Bawah
Nyata, Batas Atas Nyata.
Contoh :
1.) kita memiliki bilangan 10 -14
bilangan 10 itu disebut batas bawah relative. Bilangan 14 kita
sebut batas atas relative. Batas bawah nyatanya adalah 10 0.5 = 9.5
sedangkan batas atas nyatanya adalah 14 + 0.5 = 14,50. selanjutnya,
bilangan 10 -14 itu kita sebut nilai relative, sedang 9,5 14,5 kita sebut nilai
Nyata.
2.) kita memiliki bilangan 30
bilangan 30 ini batas bawah nyatanya ( over limit ) = 30 0,5 =
29,5 batas atas Nyatanya ( upper limit ) = 30 + 0,5 =30,5. nilai nyatanya (
True value ) = 29,5 30,5.
d. Data Statistik memiliki Nilai Tengah atau titik tengah (midpoint), yang dimaksud
dengan nilai tengah dari sederetan bilangan yang terletak di tengah tengah
deretan bilangan tersebut.
Contoh :
1.) deretan bilangan 3 4 5 6 7 nilai tengahnya = 5, sebab bilangan 5
tersebut merupakan bilangan yang berada di tengah tengah deretan
bilangan tersebut.
2.) Data kelompokan 20 24 nilai tengahnya = ( 20 + 24 ) : 2 = 22
sebab bilangan 22 adalah bilangan 22 adalah bilangan yang terletak
di tengah tengah deretan bilangan 20 21 22 23 24.
e. Data Statistik sebagi data angka, dalam proses penghitungannya tidak mengunkan
sistim pecahan, melainkan system decimal ( system perpuluhan)
Contoh :
1.) Pecahan harus di ubah menjadi 0.50
2.) Pecahan 3/8 harus di ubah menjadi 0,375
3.) Pecahan 15/ 72 harus di ubah menjadi 0,2083333
4.) Pecahan 1/6 harus di ubah menjadi 0,1666666
f. Data Statistik sebagasi data angka, dalam proses penghitunganya system
pembulatan angka terentu. Dalam hubungan ini, perlu dikemukakan bhwa
walaupun dalam pembulatan angka yang terletah dibelakang tanda decimal tidak
selalu sama, namun pada dasarnya pembultn tersebut dilakukan sampai dengan
tiga buah angka dibelakang tanda decimal, dengan catatan:
1.) jika setelah tiga angka di belakang tanda decimal ( tanda koma )
terdapat bilangan yang besarnya 50 atau kurang dari 50, maka
bilangan yang besarnya kurang dari 50 it diangap = 0, dan bilangan 0
itu ditambah kepada blangan nomor tiga yang terletak di belakang
tanda decimal
Contoh :
a) 0,11223344 dibulaykan menjadi 0,112
b) 0,85645385991 dibulatkan menjadi 0,856
2.) Jika setelah tiga angka di belakang tanda decimal tersebut bilangan
yang besarnya 51 atau lebih dari 51,maka bilangan 51 atau bilangan
yang besarnya lebih dari 51 itu dianggap =1 dan bilangan 1 itu
ditambah kepada bilangan nomor tigaa yang terletak di belakang
tanda decimal.
Contoh :
a) 0,2916994 dibulatkan menjadi 0,292
b) 0,85673212 dibulatkn menjadi 0,857
SUMBER: 2009. Sifat Data Statistik . http://kapakmerah.files.wordpress.com [4 September
2014].
PENGERTIAN VARIABEL
Variabel berasal dari kata vary dan able yang berarti berubah dan dapat. Jadi, secara
harfiah variabel berarti dapat berubah, sehingga setiap variabel dapat diberi nilai dan nilai itu
berubah-ubah. Nilai tersebut bisa kuntitatif (terukur dan atau terhitung, dapat dinyatakan dengan
angka) juga bisa kualitatif (jumlah dan derajat atributnya yang dinyatakan dengan nilai mutu).
Variabel merupakan element penting dalam masalah penelitian. Dalam statistik, variabel
didefinisikan sebagai konsep, kualitas, karakteristik, atribut, atau sifat-sifat dari suatu objek
(orang, benda, tempat, dll) yang nilainya berbeda-beda antara satu objek dengan objek lainnya
dan sudah ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya.
Variabel adalah karakteristik yang dapat diklasifikasikan ke dalam sekurang-kurangnya dua buah
kategori yang berbeda yang dapat memberikan sekurang-kurangnya dua hasil pengukuran atau
prhitungan yang nilai numeriknya berbeda.
Karakteristik adalah ciri tertentu pada obyek yang kita teliti, yang dapat membedakan objek
tersebut dari objek lainnya, sedangkan objek yang karakteristiknya sedang kita amati dinamakan
satuan pengamatan dan angka atau ketegori (nilai mutu) tertentu dari suatu objek yang kita
amati dinamakan variate (nilai). Kumpulan nilai yang diperoleh dari hasil pengukuran atau
penghitungan suatu variabel dinamakan dengan data.
Karakteristik yang dimiliki suatu pengamatan keadaannya berbeda-beda (berubah-ubah) atau
memiliki gejala yang bervariasi dari satu satuan pengamatan ke satu satuan pengamatan lainnya,
atau, untuk satuan pengamatan yang sama, karakteristiknya berubah menurut waktu atau tempat.
Apabila karakteristik setiap satuan pengamatan semuanya sama, tidak beragam, maka bukan lagi
merupakan variabel, melainkan konstanta.
PEMBAGIAN VARIABEL
Secara umum, variabel dibagi atas 2 (dua) jenis, yaitu variabel kualitatif dan var Variabel dapat
juga dibagi sebagai variabel dependen dan variabel bebasiabrl kuantitatif. Variabel dapat dilihat
sebagai variabel aktif dan variabel atribut.
1. Variabel kualitatif merupakan variabel kategori. Misalnya: jenis pekerjaan orang (sopir,
guru, dokter), jabatan dalam perusahaan (manajer, supervisor, kepala bagian). Yang
termasuk dalam variabel kualitatif adalah variavel nominal dan ordinal.
2. Variabel kuantitatif diklasifikasikan menjadi dua jenis yaitu: variabel diskrit dan variabel
kontinu.
Variabel diskrit adalah variabel yang besarannya tidak dapat menempati semua nilai.
Nilai variabel diskrit selalu berupa bilangan bulat dan umumnya diperoleh dari hasil
pencacahan. Contohnya jumlah bank yang ada di Bogor tahun 2004 berjumlah 200 bank.
Variabel kontinu merupakan variabel yang besarannya dapat menempati semua nilai yang
ada di antara dua titik dan umumnya diperoleh dari hasil pengukuran. Sehingga pada
variabel kontinu dapat dijumpai nilai-nilai pecahan ataupun nilai-nilai bulat. Contohnya
berat badan Ari 60 kg.
3. Variabel Dependen dan Variabel Bebas apabila ada hubungan antara dua variabel,
misalnya antara variabel Y dan variabel X, dan jika variabel Y disebabkan oleh variabel
X, maka variabel Y adalah variabel dependen dan variabel X adalah variabel bebas.
Contoh: jika dibuktikan ada hubungan antara motivasi intrinsik (variabel bebas) dan
prestasi belajar (variabel dependen), maka dengan meningkatnya motivasi intrinsik
meningkat juga skor prestasi belajar. Model matematika hubungan tersebut, dinyatakan
delam fungsi sebagai berikut.
X = f (Y)
Keterangan:
Y = prestasi belajar
X = motivasi intrinsik
f = fungsi
4. Variabel Aktif
Variabel aktif adalah variabel yang dimanipulasikan oleh peneliti. Apabila seorang
peneliti memanipulasikan metode mengajar, metode memberikan hukuman kepada siswa,
maka metode mengajar dan memberikan hukuman pada siswa adalah variabel-variabel
aktif, karena variabel ini dapat dimanipulasikan.
5. Variabel Atribut
Variabel-variabel yang tidak dapat dimanipulasikan atau sukar dimanipulasikan,
dinamakan variabel atribut. Variabel-variabel atribut umumnya merupakan karakteristik
manusia seperti; inteligensia, jenis kelamin, status sosial, pendidikan, sikap, dan
sebagainya. Variabel-variabel yang merupakan objek inanimate seperti populasi, rumah
tangga, daerah geografis, dan sebagainya, adalah juga variabel-variabel atribut.
http://adsolo.blogspot.com/2013/03/statistik-data-dan-variabel.html
ali muhidin sambas dan somantri ating, 2006. Aplikasi statistika dalam penelitian.
Bandung:cv.pustaka setia

Berdasarkan Fungsi/Peranannya dalam penelitian
Dalam penelitian kuantitatif, variabel yang telah didefinisikan secara operasional, biasanya
dibagi menjadi variabel bebas (independent: aktif atau atribut), variabel terikat (dependent),
dan variabel asing/ekstra/tambahan (extraneous) yang bukan merupakan subjek dari penelitian
yang sedang dipelajari dan berada di luar pengamatan/kajian utama penelitian. Pemahaman
tentang variabel extraneous ini sangat penting, karena variabel ini bisa saja bersaing dengan
variabel independent dan bisa mengacaukan/membingungkan dalam menjelaskan pola hubungan
antara variabel independent dan variabel dependent. Oleh karena itu, dalam menentukan
hubungan sebab akibat, kita seharusnya mengidentifikasi ada tidaknya variabel extraneous yang
terbukti dapat mempengaruhi variabel dependent. Apabila ada, maka variabel ekstraneous
tersebut disebut dengan variabel confounding. Variabel Confounding sebaiknya di kontrol atau
dimasukkan ke dalam model. Apabila tidak, kita tidak akan yakin bahwa perubahan variabel
dependent tersebut hanya disebabkan oleh variabel independent saja.
Variabel Independent
Variable independent adalah variabel yang merupakan penyebab atau yang mempengaruhi
variabel dependent (DV) atau yang menyebabkan terjadinya variasi bagi variabel dependent
(DV). Apabila variabel IV berubah, maka variabel DV juga akan berubah. Variable independent
merupakan variable yang faktornya diukur, dimanipulasi, atau dipilih oleh peneliti untuk
menentukan hubungannya dengan suatu gejala yang diobservasi. Jika diterjemahkan dalam
bahasa Indonesia, variabel independent disebut juga sebagai peubah bebas dan sering juga
disebut dengan variable bebas, stimulus, faktor, treatment, predictor, input, atau antecedent.
Sebagai Contoh:
Pengaruh metode mengajar terhadap Prestasi siswa. =>Variabel independent adalah Metode
Mengajar.
Pengaruh Pupuk Organik terhadap hasil tanaman tomat. =>Variabel independent adalah Pupuk
Organik.
Metode mengajar dan pupuk organik bisa dimanipulasi atau ditentukan oleh peneliti. Tidak
semua variabel independent bisa dimanipulasi, misalnya attribute yang sudah melekat pada suatu
objek. Contohnya: Jenis Kelamin, Usia, Kemiringan lereng, ketinggian tempat, dsb.
Variabel Dependent
Variable dependent merupakan variabel yang dipengaruhi atau yang menjadi akibat dari variabel
independent. Variabel dependent, dalam bahasa Indonesia sering disebut sebagai peubah tak
bebas, variabel terikat, tergantung, respons, variabel output, criteria, atau konsekuen.
Variabel ini merupakan fokus utama dari penelitian. Variabel inilah yang nilainya diamati dan
diukur untuk menentukan pengaruh dari variabel independent. Nilainya bisa beragam dan
tergantung pada besarnya perubahan variabel independent. Artinya, setiap terjadi perubahan
(penambahan/pengurangan) sekian kali satuan variabel independen, diharapkan akan
menyebakan variabel dependen berubah (naik/turun) sekian satuan juga. Secara matematis,
hubungan tersebut mungkin bisa digambarkan dalam bentuk persamaan Y = a + bX. Misalnya, Y
= Hasil (ton) dan X = pupuk Urea (kg), maka setiap pupuk urea dinaikkan/atau diturunkan
sebesar b (kg), maka hasil naik/turun sebesar b (ton) dan apabila tidak di berikan pupuk (b=0),
maka hasilnya adalah sebesar a (ton). Pola hubungan antara kedua variabel tersebut bisanya di
kaji dalam penelitian asosiasi atau prediksi, biasanya diuji dengan menggunakan Analisis
Regresi. Berbeda dengan contoh pengaruh metode mengajar terhadap keberhasilan siswa, skala
pengukuran variabel independentnya bukan merupakan variabel interval atau rasio, sehingga
untuk melihat pengaruh dari variabel independet terhadap variabel dependent lebih tepat dengan
menggunakan Analisis Varians (ANOVA). Dengan Anova tersebut kita bisa menentukan ada
tidaknya perbedaan diantara metode mengajar, dan apabila ada, kita bisa menentukan metode
mengajar yang lebih baik atau terbaik.
Varibel Moderator
Variabel moderator merupakan variabel khusus dari variabel independent. Dalam analisis
hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau
beberapa variabel independen, adakalanya hubungan di antara kedua variabel tersebut
dipengaruhi oleh variabel ketiga, yaitu faktor-faktor lain yang tidak dimasukkan dalam model
statistik yang kita gunakan. Variabel tersebut dinamakan dengan variabel moderator. Variabel
moderator ini adalah variabel lain yang bisa memperkuat atau memperlemah hubungan antar
variabel independen (bebas) dan variabel dependen (tak bebas). Dalam Analisis Varians
(Anova), pengaruh dari variabel moderator ini bisa direfresentasikan sebagai pengaruh interaksi
antara variabel independent (faktor) utama dengan variabel moderator (Baron and Kenny, 1986:
p. 1174). Variabel ini bisa diukur, dimanipulasi, atau dipilih oleh peneliti untuk mengetahui
apakah keberadaannya akan mempengaruhi hubungan antara variable bebas dan variabel terikat.
Variabel Kontrol
Variabel yang dinetralisasi yang diidentifikasi sebagai variabel kontrol atau kendali, atau
variabel kontrol adalah variabel yang diusahakan untuk dinetralisasi oleh peneliti. Dalam
penelitian di samping strategi pembelajaran dan tingkat kecerdasan, peneliti juga
mempertimbangkan tingkat usia, misalnya kelompok umur tertentu, maka umur dalam penelitia
ini dianggap sebagai variabel kendali.
Variable intervening didefinisikan sebagai variabel yang secara teoritis mempengaruhi
hubungan antara Variabel independent dengan Variabel dependent, tetapi tidak dapat dilihat,
diukur, dan dimanipulasi; pengaruhnya harus disimpulkan dari pengaruh-pengaruh variabel
independent dan atau variable moderat terhadap gejala yang sedang diteliti (Tuckman, 1988).
Variabel ini merupakan variabel antara (penyela) yang terletak diantara Variabel independent
dan Variabel dependent. Variabel ini bisa digunakan dalam menjelaskan proses hubungan antara
variabel independent dengan variabel dependent, misalnya X T Y, dimana T adalah
variabel intervening yang digunakan untuk menjelaskan pola hubungan antara variabel
independent dan variabel dependent.Terminologi terakhir, yaitu sebagai variabel antara, konsiten
dengan metodologi dan definisi dalam Analisis Struktural Equation Modelling (SEM).
http://smartstat.wordpress.com, http://vebrianaparmita.wordpress.com