Statistik Pendidikan

BAB I PENDAHULUAN
A
MENGAPA
STATISTIK?
B
APA
STATISTIK?
C
KAPAN
STATISTIK?
D
BAGAIMANA CARA
KERJA STATISTIK?
A. MENGAPA STATISTIK
?
Dalam tujuan Institusional Fakultas Tarbiyah; Sarjana Fakultas Tarbiyah UIN Sunan
Kalijaga menjadi:
1. ILMUWAN
2. GURU
3. PEJABAT ( Dalam rangka mencukupi kebutuhan negara dan masyarakat )
Sebagai seorang Ilmuwan, terikat pada TRI DHARMA PERGURUAN TINGGI:

a. Pendidikan dan Pengajaran;
b. Penelitian Ilmiah (Riset)
c. Pengabdian pada Masyarakat.
* Dalam Riset/ penelitian, ada 2 mazhab/ metode:
Kualitatif: Sosiologis, Historis, Anthropologis,
TEKNIK ANALIS
Yuridis, Fenomenologis, Agama
NON STATISTIK
Kuantitatif
Menggunakan Statistik:
Dipergunakan apabila data penelitian kita
berupa angka-angka, Apabila non angka, maka
perlu dilakukan pengkuantifikasian data,
Sebagai seorang Guru; terlibat dalam tiga kegiatan:

a. Perencanaan mengajar
b. Proses Belajar Mengajar (Pembelajaran)
c. Evaluasi**
Akan selalu menghasilkan data angka
Dianalisis dengan
Statistik (contoh: Rata-rata Kelas, Uji Validitas dan Reliabilitas
THB, Konversi Skor menjadi Nilai Standar, Penentuan Ranking/
kedudukan siswa, dll).
Sebagai seorang Pejabat
kegiatan managemen
Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti
perencanaan
2. APA STATISTIK?
A.
PENGERTIAN
STATISTIK
B.
PENGGOLONGA
N STATISTIK
C.
CIRI-CIRI
STATISTIK
A. PENGERTIAN STATISTIK
SECARA HARFIAH/ ETIMOLOGIS/ BAHASA

= STATUS, STAAT, STATE = NEGARA
Pada Abad XVI Pithagoras, yang disebut statistik adalah:

Kumpulan bahan-bahan keterangan (data), baik yang berupa angka (data
kuantitatif), maupun yang tidak berwujud angka (data kualitatif).
Data kuantitatif : jumlah penduduk
Data kualitatif : silsilah, panji-panji kebesaran, notulen, dll.
Pada Abad XVII: Statistik dibatasi pada keterangan-keterangan angka saja
(data kuantitatif), dan keterangan yang bukan angka disebut dokumen.
Dalam kamus:
STATISTIC
: Ukuran-ukuran statistik.
STATISTICS : Ilmu Statsitik ( Statistik sebagai ilmu pengetahuan).
MENURUT ISTILAH:
1. Data Statistik/ Data Kuantitatif :
Yaitu kumpulan angka-angka atau bilangan yang berupa bahan keterangan.
Syaratnya: angka/ bilangan tadi haruslah memiliki ciri dari suatu penelitian
yang bersifat Agregatif, serta menceminkan suatu kegiatan dalam bidang
atau lapangan tertentu.
2. Activity/ Kegiatan Penstatistikan :
Di Indonesia: dilakukan oleh BPS, yaitu kesatuan unit kerja yang
mempunyai bidang kegiatan penstatistikan.
3. Metode/ Cara:
Yaitu cara-cara yang dapat ditempuh sedemikian rupa sehingga data
angka yang kita pelajari dapat berbicara dengan jalan :
- Menghimpun
- Mengatur/ Menyusun
- Menyajikan
- Menganalisa dan
- Memberikan interpretasi
4. Ilmu Statistik:
Yaitu ilmu pengetahuan yang mempelajari/ membahas dan
mengembangkan cara-cara:
- Menghimpun data
- Menyusun dan mengatur data angka
- Menyajikan data angka
- Mengolah dan menganalisis data angka
- Serta menarik kesimpulan berdasarkan angka atau
- Menyusun perkiraan-perkiraan (estimasi) dan ramalan-ramalan
(prediksi) berdasar data angka, dengan pendekatan Matematika.
B. PENGGOLONGAN STATISTIK
1) Penggolongan utama ditinjau dari di mana kita pelajari:
a. Basic Statistic (statistik murni) MIPA
b. Applied Statistic (statistik terapan) misalnya: dalam bidang pendidikan,
kependudukan, ekonomi, dsb. Karena itu tidak dipelajari tentang asal-usul
rumus.
2) Penggolongan dari segi taraf pekerjaan = Analisa
a. Deskriptif/Descriptive Statistics = Statistik Deduktif = Statistik Sederhana
b. Inferensial-Statistics = Statistik Induktif = Statistik lanjut
3) Penggolongan dari segi bidang garapan
a. Statistik Pendidikan
b. Statistik Kependudukan, dll
C. CIRI KHAS STATISTIK
1) Selalu bekerja dengan angka-angka/kuantifikasi
2) Bekerja secara objektif; kesimpulan berdasarkan data yang ada.
3) Bersifat Universal; dapat diterapkan di seluruh cabang ilmu pengetahuan.
3. KAPAN STATISTIK?
Statistik dapat digunakan apabila dalam suatu kegiatan penelitian di mana

dikumpulkan data angka/ data kuantitatif, dengan tujuan:
a. Menyusun laporan yang berupa data kuantitatif dengan secara teratur,
ringkas dan jelas;
b. Memperoleh gambaran, baik secara khusus maupun secara umum tentang
suatu gejala, keadaan atau peristiwa;
c. Mengetahui perkembangan atau pasang-surut mengenai keadaan/ gejala,
keadaan atau peristiwa;
d. Mengetahui apakah gejala yang satu ada hubungannya dengan gejala yang
lain;
e. Melakukan pengujian, apakah gejala yang satu berbeda dengan gejala yang
lain ataukah tidak; jika terdapat perbedaan apakah perbedaan itu merupakan
perbedaan yang berarti (meyakinkan) ataukah perbedaan itu hanya secara
kebetulan saja;
f. Dst.
4. BAGAIMANA CARA
KERJA STATISTIK?
CARA KERJA STATISTIK:
Terlibat dalam pembicaraan tentang Teknik Analisa Statistik. Bermacammacam Teknik Analisa Data. Yang akan dipelajari:
1) Teknik Analisis Deskkriptif:
a. Analisis data berdasarkan Distribusi Frekuensi;
b. Analisis data berdasarkan Ukuran-ukuran Tendensi Pusat Data, dan
c. Analisis data berdasarkan Ukuran-ukuran Variabilitas Data.
2) Teknik Analisis Inferensial:
a. Teknik Analisis Korelasional
b. Teknik Analisis Komparasional
c. Teknik Analisis Regresi
BAB II
TEKNIK ANALISIS STATISTIK DESKRIPTIF
DENGAN MENDASARKAN DIRI PADA FREKUENSI
DATANYA
(MASALAH DISTRIBUSI FREKUENSI)
A. PENGANTAR:
Jika kita menghimpun data (bahan keterangan) berupa angka (= data
kuantitatif), baik dalam rangka Riset Kependidikan, Evaluasi Pendidikan,
maupun Administrasi Pendidikan, maka data angka itu umumnya masih
dalam keadaan tidak teratur/ kasar/ kotor.
Data semacam ini dikenal dengan istilah: RAW DATA/ RAW SCORE.
Karena tidak teratur/ kasar/ kotor, maka data mentah ini= BELUM
DAPAT BERBICARA
CONTOH:
NILAI-NILAI HASIL UJIAN MASUK STAIN, KHUSUS MATA UJIAN
BHS. ARAB 50 ORANG YANG BERASAL DARI SMU:
55
63
70
65
58
49
68
57
60
52
70
59
62
58
61
65
55
63
70
45
66
57
62
54
64
72
69
51
64
53
47
66
60
75
64
61
65
48
68
71
77
67
60
73
67
63
74
60
63
56
RAW DATA= RAW SCORE

= DATA MENTAH
DATA KUANTITATIF INI MASIH BERSIFAT KASAR= BELUM DAPAT BERBICARA:

MASIH SULIT DIPAHAMI MAKNANYA
AGAR DATA KUANTITATIF TERSEBUT DAPAT BERBICARA (DAPAT DIPAHAMI
MAKNANYA), MAKA CARA PERTAMA/ YANG PALING SEDERHANA, ADALAH
DENGAN JALAN MENGHITUNG FREKUENSINYA, DENGAN TERLEBIH DAHULU
MENYUSUN/ MENGATUR DATA TERSEBUT.
FREKUENSI ADALAH ANGKA/ BILANGAN YANG MENUNJUKKAN SEBERAPA
KALIKAH SUATU GEJALA (= VARIABEL) MUNCUL/ TERJADI.
CONTOH FREKUENSI:
Berikut ini adalah nilai dari 10 orang peserta Ujian Penyetaraan Matematika
Tingkat SMA:
NO
NAMA
NILAI
5
1
2
3
4
5
6
7
8
9
10
AZIZAH
BAGONG
CINTA LAURA
KELIK PELIPUR LARA
MBAH DARMO
GARENG RAKASIWI
MBOK BERUK
FITRI
SETIAWAN TIADA TARA
ZAHRO GAULS
50
35
70
80
60
60
80
65
80
70
Berdasarkan data di atas dapat disimpulkan bahwa:

Nilai
Nilai
Nilai
Nilai
Dst.
80
70
65
60
dicapai
dicapai
dicapai
dicapai
oleh
oleh
oleh
oleh
......
......
......
......
orang
orang
orang
orang
(Nilai
(Nilai
(Nilai
(Nilai
80
70
65
60
berulang
berulang
berulang
berulang
.....
.....
.....
.....
kali),
kali),
kali),
kali),
atau
atau
atau
atau
f=
f=
f=
f=
.....
.....
.....
.....
B. PENGERTIAN TABEL DISTRIBUSI FREKUENSI (TDF):

TABEL: ALAT BANTU PENYAJIAN DATA STATISTIK YANG TERTUANG
DALAM BENTUK KOLOM DAN LAJUR (BARIS).
TABEL DISTRIBUSI FREKUENSI (TDF):
ALAT BANTU PENYAJIAN DATA STATISTIK YANG TERTUANG DALAM
BENTUK KOLOM DAN LAJUR, YANG DI DALAMNYA DISAJIKAN DISTRIBUSI
(PEMBAGIAN) FREKUENSI DARI DATA YANG SEDANG DITELITI.
C. JENIS-JENIS
TABEL DISTRIBUSI FREKUENSI
TDF. DATA TUNGGAL

f=1
TDF. DATA KELOMPOKAN
f1
CONTOH:
NILAI
NILAI
(X)
(Y)
f
1
3
5
8
4
4
3
2
NILAI
90 94
85 89
80 84
75 79
70 74
65 69
60 64
55 59
50 54
f
1
3
5
7
7
6
5
4
2
10
9
8
7
6
5
4
3
1
1
1
1
1
1
1
1
10
9
8
7
6
5
4
3
TOTAL
8= N
TOTAL
30= N
TOTAL
40 = N
D. CARA-CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI:

1. CARA MEMBUAT TDF. DATA TUNGGAL.
CONTOH:
DATA:
DAFTAR NILAI-NILAI HASIL
UJIAN STATISTIK YANG DICAPAI
OLEH 10 ORANG MAHASISWA:
TDF. NILAI-NILAI
HASIL UJIAN STATISTIK
YANG DICAPAI OLEH 10
ORANSG MAHASISWA:
NO.
NAMA
NILAI
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
SYAMSUDDIN
MARGONO
ABDUL WAHID
DIMYATI
SUCI
FATHONAH
NUR KHOLIS
HAMDANI
LISTIORINI
B. PRAMONO
65
(30) L
60
45
75
40
70
55
(80) H
50
NILAI
(X)
(H)80
75
70
65
60
55
50
45
40
(L) 30
TOTAL
1
1
1
1
1
1
1
1
1
1
10 = N
2. CARA MEMBUAT TDF. DATA TUNGGAL DI MANA SEBAGIAN/ SELURUH

FREKUEN-SINYA LEBIH DARI 1 (f 1).
CONTOH:
DATA :
NILAI-NILAI HASIl ULANGAN HARIAN BHS. ARAB YG. DICAPAI OLEH
40 ORANG SISWA MADRASAH IBTIDAIYAH:
5 8
7 5
4 6
10 4
6
8
5
9
4 6
6 5
7 8
5 (3)L
7
4
9
6
9
6
3
8
6
7
5
6
4
7
6
7
5
(10)H
8
6
CARA MEMBUAT:
a. Cari Skor tertinggi (H) dan Skor terendah (L)

b. Menyiapkan Tabel Distribusi Frekuensi
c. Melakukan tabulasi data
TDF.
NILAI-NILAI HASIL ULANGAN HARIAN

BHS. ARAB YANG DICAPAI OLEH 40 ORANG
SISWA MADRASAH IBTIDAIYAH:
NILAI
(X)
10
9
8
7
6
5
4
3
TALLIEST/ JARI-JARI
FREKUENS
I
(f)
l
l
ll
l
ll
lll
ll
_
TOTAL
=N
3. CARA MEMBUAT TDF. DATA KELOMPOKAN.

LANGKAH-LANGKAHNYA:
a. Cari H (The Highest Score/ skor tertinggi);
b. Cari L (The Lowest Score/ skor terendah);
c. Cari R (Total Range)
R = (H L) + 1.
d. Tetapkan INTERVAL CLASS (i), patokannya:
R/i = 10 s.d. 20.
Catatan: sebaiknya i adalah bilangan ganjil: 3, 5, 7, 9, 11, 13, dst.)
e. Tetapkan Bilangan Dasar Interval untuk masing-masing interval;
f. Menyiapkan Tabel Distribusi Frekuensi (TDF);
g. Melakukan Tabulasi Data.
CONTOH:
DATA: BERIKUT INI ADALAH NILAI-NILAI HASIL UAN BIOLOGI YANG
DICAPAI OLEH 80 ORANG SISWA KELAS XII JURUSAN FISIKA:
65
55
63
61
52
58
62
53
62
52
59
61
58
61
51
71
60
69
60
72
57
68
54
60
63
57
65
61
65
45
78
47
59
57
62
64
65
59
64
74
54
73
57
75
55
50
59
50
48
70
54
60
57
60
66
60
61
49
67
58
67
51
65
58
60
55
65
56
53
56
60
70
62
77
59
66
60
55
56
81
Dari data di atas diperoleh:
a.H = ......
BERHASIL
b. L = ......
c. R = (H L) + 1 : ( ..... ..... ) + 1 = ...........
d. R/i = 10 s.d. 20. Diket. R= ............, maka:
i ditetapkan = ........ (sebaiknya i bil ganjil= 3,5,7,9, dst)
e.Menetapkan bilangan dasar interval yang merupakan kelipatan dari i adalah:
f. Menyiapkan Tabel Distribusi Frekuensi, kemudian melakukan tabulasi data
TDF. Nilai-nilai Hasi UAN Biologi yang berhasil dicapai
80 orang Siswa Jurusan Fisika.*)
INTERVAL
NILAI
TALLIEST/ JARI-JARI
TOTAL
=N
*) DATA MULAI DAPAT BERBICARA
NAMA
PRODI/ NIM
:
:
UJI KOMPETENSI BAB II:

DATA:
BERIKUT INI ADALAH NILAI-NILAI HASIL TES FORMATIF BAHASA ARAB YANG BERHASIL
DICAPAI OLEH 65 ORANG SISWA KELAS V MIN YOGYAKARTA I:
53
38
43
47
50
42
42
62
52
59
32
44
52
38
42
44
46
48
51
39
51
43
46
45
56
43
35
64
38
44
48
42
43
51
43
41
42
48
40
47
43
45
52
46
51
48
44
51
45
43
41
46
57
54
50
55
40
48
55
34
40
40
48
41
40
Dari data di atas diperoleh:

a. H = ......
b. L = ......
c. R = (H L) + 1 : ( ..... ..... ) + 1 = ...........
d. R/i = 10 s.d. 20. Diket. R= ............, maka:
i ditetapkan = ........ (sebaiknya i bil ganjil= 3,5,7,9, dst)

e. Menetapkan bilangan dasar interval yang merupakan kelipatan dari i adalah:
f. Menyiapkan Tabel Distribusi Frekuensi, kemudian melakukan tabulasi data
TDF. Nilai-nilai Hasi Tes Formatif Bhs. Arab yang berhasil
dicapai oleh 65 orang Siswa Kelas V MIN Yogyakarta I
INTERVAL
NILAI
TALLIEST/ JARI-JARI
TOTAL
=N
BAB III
DENGAN MENGGUNAKAN UKURAN-UKURAN TENDENSI SENTRAL
DATA
(PENGUKURAN TENDENSI SENTRAL DATA)
A. PENGANTAR:
Teknik Analisis Data dengan hanya mendasarkan diri pada Frekuensi Datanya,
sifatnya masih sangat sederhana, sangat kasar dan dangkal. Informasi yang
diperoleh lewat frekuensi masih sangat terbatas. Hal ini dapat kita fahami
mengingat pembuatan TDF masih merupakan bagian awal saja dalam kegiatan
analisa statistik.
Agar tingkatan analisis data yang kita lakukan dapat lebih teliti-tajam dan
mendalam, data tidak cukup hanya dihitung frekuensinya, melainkan juga perlu
10
diukur.
Untuk dapat mengukur data kuantitatif (= data statistik) diperlukan UKURANUKURAN STATISTIK.
Ukuran statistik yang pertama kita pelajari adalah: UKURAN TENDENSI PUSAT
DATA= UKURAN HARGA RATA-RATA/ UKURAN NILAI RATA-RATA/ UKURAN RATA-RATA
(AVERAGE).
Dengan menggunakan ukuran rata-rata, kita akan memperoleh satu
angka (dari sekian banyak angka yang ada), dan
Bahwa dengan hanya mendasarkan diri pada satu
angka itu kita akan
memperoleh
gambaran umum secara menyeluruh dari data angka yang
sedang kita teliti.
Dalam dunia Pendidikan, ukuran rata-rata itu dikenal dengan istilah:
- NILAI RATA-RATA RAPOR
- NILAI RATA-RATA STTB
- I. P. (Indeks Prestasi)
- I. P. K. (Indeks Prestasi Kumulatif), dsb.
B. MACAM-MACAM UKURAN RATA-RATA
1.
2.
3.
4.
5.
ARITHMETIC MEAN = RATA-RATA HITUNG (M)

MEDIAN= MEDIUM= RATA-RATA PERTENGAHAN (Mdn, Me, Mn)
MODUS = RATA-RATA FREKUENSI MAKSIMAL (Mo)
GEOMETRIC MEAN (RATA-RATA UKUR)
HARMONIC MEAN (RATA-RATA HARMONIS)
ARITHMETIC MEAN
(RATA-RATA HITUNG)
A. PENGERTIANNYA:
NILAI RATA-RATA HITUNG DARI SEKELOMPOK BILANGAN ADALAH SAMA
DENGAN JUMLAH DARI SEMUA BILANGAN YANG ADA DIBAGI DENGAN
BANYAKNYA BILANGAN ITU SENDIRI.
MEAN
SERING DIPERGUNAKAN DALAM ANALISIS

STATISTIK DESKRIPTIF, ALASANNYA:
DATA
MEDIAN
PALING TELITI
PALING REPRESENTATIF
MODUS
BUKTINYA:
SERING DIPAKAI
DALAM RISET SOSIAL/
RISET KEPENDIDIKAN
11
DATA:
9, 4, 7, 4, 8, 6, 8, 6, 3, 7, 5, 10
JIKA DICARI/ DIHITUNG MEAN-NYA:

JIKA DICARI/ DIHITUNG MEDIAN-NYA:
JIKA DICARI/ DIHITUNG MODUS-NYA:
B. RUMUS-RUMUS
UNTUK MENCARI MEAN (Mx):
TDF. DATA TUNGGAL

f=1
f1
X
Mx =
N
X= Jumlah
dari skor
X
N =
Number of
cases
fX
Mx =
N
fX=
Jumlah
dari
perkalian
antara f
dgn X
fX
Metode
Panjang:
Mx =
N
fX= Jumlah dari
perkalian antara
frekuensi (f)
dengan mid point
(X = titik
tengah interval)
Metode
Singkat:
fx
Mx = M + i
)
M = Mean terkaan
(buatan sendiri;
pilih salah
satu mid point (=X)
sbg M
x = Titik tengah
(=0; tergantung
mid point
yang dipilih sbg M)
fX= Jumlah dari
perkalian antara
frekuensi (f)
dengan mid point
(X = titik
12
tengah interval)
C. CONTOH-CONTOH MENCARI MEAN:
A.
TDF. DATA TUNGGAL
f=1
f1
fX
Mx =
N
Tabel Perhitungan untuk mencari
Mean nilai Amir dalam 5 mata Pelajaran
Mx =
N
Tabel Perhitungan untuk mencari Mean Tes
Formatif Bhs. Arab 40 Siswa MIN Yogyakara
fX
10
(1)
(2)
(3) = (1) x
(2)
9
8
6
1
1
1
10
9
8
5
12
14
5
4
42= X
X
Mx = =
N
1
1
6= N
7
6
TOTAL
6
3
40 = N
fX
Mx = =
N
13
B.
fX
Metode Panjang:
fx
Mx =
N
Metode Singkat: Mx = M + i
KETERANGAN:
KETERANGAN:
fX = Jumlah dari perkalian

antara f dengan X (mid point)
N = Number of Cases
fx
x
i
N
= Mean terkaan pilih salah satu

midpoint = X
= Jumlah dari perkalian antara f
dengan x
= Titik tengah (= 0) buatan sendiri
= Interval Class
= Number of Cases
CONTOH:
Formatif Akhlaq dari 50 orang Siswa SDIT
BIAS Yogyakarta dengan Metode Panjang
INTERVA
L
NILAI
fX
(1)
(2)
(3)
(4)=
(2)x(3)
95 99
90 94

Formatif Akhlaq dari 50 orang Siswa SDIT
BIAS Yogyakarta dengan Metode Singkat
INTERVA
L
NILAI
fx
(1)
(2)
(3)
(4)
(5)= (2)x(3)
97
95 99
97
92
90 94
92
85 89
87
85 89
87
80 84
82
80 84
82
75 79
12
77
75 79
12
77(M)
14
70 74
10
72
70 74
10
72
65 69
67
65 69
67
60 64
62
60 64
62
55 59
57
55 59
57
50 54
52
50 54
52
50= N
TOTAL
50= N
TOTAL
fX
fx
fX
Metode Panjang:
fx
Mx =
N
Metode Singkat: Mx = M + i
Berdasarkan tabel diketahui:

fX =
; N=
Berdasarkan tabel diketahui:

M =
;i=
; fx =
;N=
Mx =
Mx =
UJI KOMPETENSI BAB III:

Lengkapilah Tabel perhitungan di bawah ini, kemudian hitunglah Mean dengan
metode Panjang dan metode Singkat:
Tabel Perhitungan untuk mencari Mean Tes Formatf Akhlaq dari
50 orang Siswa SIBI SDIT Bina Anak Sholeh Yogyakarta
dengan Metode Panjang dan Metode Singkat
INTERVAL
NILAI
fX
fx
(1)
(2)
(3)
(4)= (2) x (3)
(5)
(6) = (2) x (4)
78 80
75 77
62 64
69 71
66 68
10
63 65
15
60 62
57 59
54 56
51 53
TOTAL
50 = N
SOAL-SOAL PRAKTIKUM I STATISTIK PENDIDIKAN (BAB I, II, III, dan IV):

DATA NOMOR:
Berikut ini adalah data Nilai-nilai Hasil Ujian Akhir Semester dalam mata kuliah Sejarah
Pendidikan Islam yang diikuti oleh 100 orang Mahasiswa Fakultas Tarbiyah Program Studi
Pendidikan Agama Islam:
63
61
51
71
68
66
60
57
69
62
69
65
60
57
68
62
60
66
71
59
70
64
63
61
64
70
64
67
73
54
78
66
64
77
65
57
66
63
69
67
67
70
81
65
54
67
65
64
60
66
62
74
61
58
69
68
60
55
71
52
75
63
72
72
66
70
67
67
66
67
70
64
63
61
64
70
64
67
73
54
61
68
65
64
67
73
60
65
70
65
74
58
62
68
75
62
58
70
65
66
SOAL:
1. Sajikanlah data di atas dalam bentuk Tabel Distribusi Frekuensi data kelompokan, dengan
interval class= 3
2. Carilah rata-rata hitung nilai-nilai di atas, dengan:
a) Metode Panjang, dan b) Metode Singkat !
3. Hitunglah Deviasi Standarnya, menggunakan metode:
a) Panjang,
b) Singkat, dan
c) Skor Asli
___________
*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

DATA NOMOR:
74
77
35
60
47
50
75
61
42
52
56
55
45
50
51
61
66
56
62
57
53
68
45
63
44
49
67
70
66
61
58
64
57
55
52
68
54
84
62
71
68
63
58
53
67
79
69
48
56
69
16
56
55
64
59
59
71
46
40
70
55
53
57
63
80
39
72
60
51
65
63
73
59
61
55
67
54
54
61
65
60
64
59
65
59
63
64
56
52
55
51
62
57
60
73
58
58
50
62
57
58
SOAL:
1. Sajikanlah data di atas dalam bentuk Tabel Distribusi Frekuensi data kelompokan, dengan
interval class= 5
2. Carilah rata-rata hitung Nilai-nilai di atas, dengan:
_________

DATA NOMOR:
50
66
63
60
59
55
58
58
62
59
55
62
59
61
59
65
58
53
64
60
58
56
55
60
54
59
66
65
69
57
49
70
61
47
52
67
48
51
68
57
62
67
58
64
58
66
60
65
57
64
70
51
74
61
64
62
54
48
56
53
71
62
50
65
67
58
55
60
59
57
64
60
52
51
61
57
54
57
72
62
66
69
45
61
54
58
56
65
57
58
61
68
60
63
57
63
63
59
59
63
SOAL:
1. Susunlah data di atas ke dalam Tabel Distribusi Frekuensi data kelompokan, di mana
ditetapkan interval class= 3
___________
DATA NOMOR:
56
60
50
55
59
62
58
64
68
61
57
55
48
63
65
67
63
64
64
62
63
62
71
54
60
65
54
53
56
62
52
66
60
47
51
61
57
74
51
59
71
62
59
61
62
63
67
61
63
60
45
59
55
65
66
56
74
60
61
57
17
58
53
68
57
61
65
62
70
66
61
72
49
61
70
69
57
67
65
55
66
64
65
60
58
68
64
61
58
63
57
60
54
67
60
58
69
59
60
64
62
SOAL:
___________

DATA NOMOR:
46
71
43
60
60
74
61
50
84
66
77
80
72
78
81
74
76
75
73
66
69
60
56
67
82
55
68
75
70
62
64
55
54
45
59
44
67
63
63
65
53
74
49
55
62
48
76
57
52
56
45
67
79
65
73
83
85
72
71
65
75
70
60
61
66
60
56
50
64
59
65
58
40
66
57
51
70
64
63
68
69
63
89
62
54
47
53
61
68
69
61
57
60
59
52
60
55
67
58
72
SOAL:
___________
DATA NOMOR:
49
58
42
48
55
58
43
67
52
79
59
48
44
47
43
56
60
66
62
69
51
38
57
62
44
57
65
72
56
51
50
55
74
45
50
45
75
35
55
68
36
70
61
53
30
52
47
57
64
46
54
56
55
64
59
58
50
46
54
50
45
49
58
61
52
46
37
51
39
71
18
41
63
40
51
55
59
47
61
34
56
59
53
64
63
53
60
52
40
57
54
60
54
63
53
62
48
66
65
41
67
SOAL:
___________

BAB IV
DENGAN MENDASARKAN DIRI PADA UKURAN-UKURAN
VARIABILITAS DATA
Pengertian:
Yang dimaksud dengan pengukuiran variabilitas data adalah salah satu
ukuran statistik yang dapat dijadikan petunjuk untuk mengetahui penyebaran/
variabilitas/ variasi yang dimiliki oleh data yang bersangkutan. Ukuran variabilitas
data juga sering disebut ukuran homogenitas data dan sekaligus Ukuran
Heterogenitas Data. Dikatakan demikian, sebab ukuran ini akan memberikan
petunjuk kepada kita. Bahwa semakin kecil variabilitas yang dimiliki oleh data,
maka data tersebut akan semakin bersifat homogen. semakin variabilitas data,
maka tersebut akan semakin heterogen.
Penggolongannya:
Statistik memiliki berbagai jenis ukuran variabilitas data, dua diantaranya
adalah;
1. Range sebagai ukuran variabilitas data yang paling kasar/ paling sederhana.
2. Deviation (simpangan) sebagai ukuran variabilitas data yang dipandang memilki tingkat ketelitian yang tertinggi.
PENGANALISISAN DATA DENGAN

MENGGUNAKAN RANGE
Range, yang biasa dilambangkan dengan huruf R adalah salah satu jenis
ukuran variabilitas data, yang menunjukkan selisih antara nilai tertinggi (H)
dengan nilai terendah (L). Jika dituangkan dalam bentuk rumus:
R= H - L
Contoh Penggunaan:
Apabila nilai-nilai hasil ujian masuk yang dimiliki oleh A, B, C, D di atas kita analisis
variabilitas datanya dengan menggunakan Range, maka:
19
Nama:
PPKN
Dir.
Islamiyah
Bhs.
Indonesia
Bhs.
Arab
Bhs.
Inggris
Mean
Range=
H-L
35
7-7 = 0
B
C
D
8
9
10
6
5
4
8
9
10
7
5
2
6
7
9
35
35
35
7
7
7
8-6 = 2
9-5 = 4
10-4 = 6
Berdasarkan tabel di atas: MA = MB = MC = MD; yaitu= 7, namun setelah diukur vatiabilitas

datanya dengan Range, ternyata: R A RB RC RD.
Kesimpulan Hasil Analisis:
Sekalipun Mean yang dimiliki A, B, C, dan D sama (yaitu= 7), namun keempat
subyek tersebut Range-nya saling berbeda. Dengan demikian dapat disimpulkan bahwa
keempat subyek di atas kualitas hasil ujiannya tidak sama, sekalipun Nilai Rata-rata
mereka sama.
Kelemahan Range:
Menganggap tanda minus sebagai plus, secara Matematika tidak dapat
dipertanggung jawabkan, sekalipun dengan alasan sama-sama berarti
selisih
Sebagai alat untuk mengukur variabilitas data, tetapi tidak memperhatikan
penyebaran/ variasi data yang berada di antara skor tertinggi dan skor
terendah, contoh:
Nilai Amir : 7 7 7 9 8, Range= 9 7= 2
Nilai Bejo : 5 7 6 5 6, Range= 7 5= 2
PENGANALISISAN DATA DENGAN

MENGGUNAKAN DEVIASI
Pengertian Deviasi:
Deviasi berasal dari deviation yang biasa diterjemahkan dengan
simpangan atau penyimpangan. Ini adalah pengertian secara etimologis.
Adapun secara terminologis, dalam ilmu statistik yang dimaksud deviasi
adalah: simpangan dari skor terhadap nilai rata-rata hitung (Mean).Deviasi
biasa dilambangkan dengan huruf x, y, z, dsb. Jika dituangkan dalam bentuk
rumus, maka rumus dasar untuk menghitung deviasi adalah sbb.:
x= X Mx
di mana:
x = deviasi dari skor X
X = besarnya skor X
Mx = mean dari skor-skor X
Contoh Penggunaan:
Apabila nilai-nilai hasil ujian masuk yang dimiliki olewh A, B, C, D di atas kita analisis
variabilitas datanya dengan menggunakan Deviasi, maka:
Deviasi (x) = X - Mx
Nama:
Jumlah
20
(x)
PPKN
A
7-7= 0
Dir.
Islamiyah
7-7= 0
Bhs.
Indonesia
7-7= 0
Bhs.
Arab
7-7= 0
Bhs.
Inggris
7-7= 0
8-7= 1
6-7=-1
8-7= 1
7-7= 0
6-7= -1
9-7= 2
5-7=-2
9-7= 2
5-7=-2
7-7= 0
10-7=3
4-7=-3
10-7=3
2-7=-5
9-7= 2
Dari perhitungan deviasi di atas, maka kita dapat mengetahui bahwa deviasi memiliki
karakteristik sbb.:
- Ada deviasi yang besarnya = 0. Di sini mengandung pengertian bahwa besarnya
skor X sama dengan besarnya Mean X.
- Ada deviasi yang bertanda plus (+); deviasi seperti ini disebut deviasi positif,
artinya; skor ybs, lebih besar dari pada Mean-nya.
- Ada deviasi yang bertanda minus (-); deviasi seperti ini disebut deviasi negatif,
artinya; skor ybs, lebih kecil dari pada Mean-nya.
- Apabila deviasi yang dimiliki oleh masing-masing subyek itu kita jumlahkan,
maka hasilnya akan selalu = 0 (x= 0).
Karena jumlah deviasi akan selalu sama dengan nol, maka kita akan menghadapi
kenyataan bahwa jumlah deviasi yang dimiliki oleh A akan sama dengan jumlah deviasi
yang dimiliki oleh B, C, dan D, atau x1 = x2 = x3 = x4 = 0.
Dengan demikian berarti kualitas hasil ujian A= B= C= D. Padahal pada saat kita analisis
dengan Range, A B C D.
Bagaimana cara yang dapat ditempuh agar Deviasi tetap dapat digunakan
sebagai Ukuran Variabilitas Data ?
Sehubungan dengan hal di atas, maka agar deviasi tetap dapat digunakan sebagai
ukuran untuk menganalisis data, maka di dalam menjumlahkan deviasi dari masingmasing subyek; tanda-tanda aljabar (tanda plus dan tanda minus) sebaiknya
diabaikan saja. Dengan kata lain, semua deviasi kita anggap bertanda plus. Jadi yang
dijumlahkan adalah harga mutlaknya.
Setelah semua deviasi kita jumlahkan (x) lalu kita hitung rata-ratanya (x dibagi
dengan N). Deviasi seperti inilah yang disebut Deviasi Rata-rata = Average Deviation=
AD, atau Mean Deviation= MD). Jika dituangkan dalam bentuk rumus, maka rumus untuk
menghitung deviasi rata-rata adalah:
ADx =
N
Apabila data nilai A, B, C, dan D di atas kita hitung deviasi rata-ratanya, maka:
ADA =
ADB =
ADC =
ADD =
0+0+0+0+0
= 0
5
1+1+1+0+1
4
= = 0,8
5
5
2+2+2+2+0
8
= = 1,6
5
5
3+3+3+5+2
16
= = 3,2
5
5
Jadi, dengan mengabaikan tanda-tanda aljabar (plus dan minus) dapat diketahui
bahwa deviasi rata-rata yang dimiliki oleh: A B C D. Dengan demikian, kita dapat
21
menyimpulkan bahwa kualitas hasil ujian dari keempat subyek di atas berbeda, sekalipun
mereka memiliki nilai rata-rata hitung yang sama:
Nilai A :
nilai-nilai hasil ujiannya homogen sempurna;
Nilai B :
nilai-nilai hasil ujiannya mendekati homogen;
Nilai C :
nilai-nilai hasil ujiannya heterogen;
Nilai D :
nilai-nilai hasil ujiannya sangat heterogen/ paling heterogen.
CATATAN:
Menganggap bahwa deviasi yang bertanda negatif sebagai positif, secara
matematika tidak dapat dipertanggungjawabkan, hanya dengan alsan sama-sama
mempunyai arti selisih, yaitu selisih lebih (deviasi positif) dan selisih kurang (deviasi
negatif).
Oleh karena itu, agar deviasi dapat digunakan sebagai alat untuk mengukur
variabilitas data, maka sebaiknya deviasi tsb di kuadratkan terlebih dahulu, setelah itu
baru dijumlahkan, kemudian baru dicari rata-ratanya di bawah tanda akar.
Deviasi yang telah mengalami proses seperti di atas itulah yang disebut dengan
Deviasi Standar (Standard of Devition= SD) atau Simpangan Baku:
SD =
x2
Rumus di atas adalah untuk mencari SD Data Tunggal, di mana seluruh frekuensinya= 1
Contoh:
Tabel perhitungan untuk mencari SD
Nilai Amir dalam 6 Mata Pelajaran
10
9
8
6
1
1
1
5
4
42= X
x= X Mx*)
1
1
6=N
x2
= x2
X
)
* Mx =
N
SD =
x2
Adapun untuk data tunggal di mana sebagian/ seluruh frekuensinya lebih dari 1,
dapat dicari dengan rumus:
22
fx2
SD =
CONTOH MENCARI DEVIASI STANDAR (SD) UNTUK DATA TUNGGAL (f 1):

Tabel perhitungan untuk mencari SD Nilai Tes Formatif Bhs. Arab
40 orang siswa MAN Yogyakarta I
X
fX
x = X - Mx
(1)
(2)
(3)= (1) (2)
(4)= (3) Mx
10
9
8
5
12
14
7
6
TOTAL
6
3
40 =
N
= fX
x2
(5)= (4)
f x2
2
(6)= (2) (5)
= fx2
Rumus:
SD =
fx2
Untuk data Kelompokan, SD dapat dicari dengan 3 metode/ rumus sbb.:

1) Metode Panjang:
SDx =
fx2
2) Metode Singkat:
SDx = i
fx2
fx
-
N
3) Metode Skor Asli:
SDx =
fX2
- N
fX
23
CONTOH MENCARI DEVIASI STANDAR (SD)

UNTUK DATA KELOMPOKAN:
DATA:
Di bawah ini adalah Tabel Distribusi Frekuensi Nilai-nilai Ulangan Harian Bhs. Arab dari 50
orang siswa MAN Yogyakarta II
INTERVAL
(1)
f
(2)
90 94
85 89
80
75
70
65
60
55
50
45
40
4
6
8
9
7
5
3
2
1
84
79
74
69
64
59
54
49
44
TOTAL
50= N
SOAL:
Hitunglah Deviasi Standar Nilai-nilai Ulangan Harian Bhs. Arab di atas, menggunakan:
1) Metode Panjang; 2) Metode Singkat, dan 3) Metode Skor Asli
JAWAB:
1) Mencari SD dengan Metode Panjang:
Tabel Perhitungan untuk mencari SD Nilai Ulangan Harian Bhs. Arab
50 orang siswa MAN Yogyakarta II, dengan Metode Panjang.
x2
(5)
fx2
(6)
INTERVAL
(1)
f
(2)
X
(3)
x
(4)= X Mx
90 94
92
23,5
552,25
1104,5
85 89
80 84
75 79
70 74
65 69
60 64
55 59
50 54
45 49
40 44
3
4
6
8
9
7
5
3
2
1
87
82
77
72
67
62
57
52
47
42
18,5
13,5
8,5
3,5
-1,5
-6,5
-11,5
-16,5
-21,5
-26,5
342,25
182,25
72,25
12,25
2,25
42,25
132,25
272,25
462,25
702,25
1026,75
729
433,5
98
20,25
295,75
661,25
816,75
924,5
702,25
TOTAL
50= N
6812,5= fx2
Rumus:
24
SDx =
fx2
Berdasarkan Tabel di atas diketahui:

fx2 =
;N=
SDx =
, maka:
fx2
2) Mencari SD dengan Metode Singkat

Tabel Perhitungan untuk mencari SD Nilai Ulangan Harian Bhs. Arab
50 orang siswa MAN Yka II, dengan Metode Singkat.
INTERVAL
fx
(1)
(2)
(3)
(4)
(5)= (2) (4)
90 94
92
10
85 89
80 84
75 79
70 74
65 69
60 64
55 59
50 54
45 49
40 44
3
4
6
8
9
7
5
3
2
1
87
82
77
72
67
62
57
52
47
42
4
3
2
1
0
-1
-2
-3
-4
-5
12
12
12
8
0
-7
-10
-9
-8
-5
TOTAL
50
fx2
15= fx
Rumus:
SDx = i
fx2
fx
-
N

fX =
; fx2 =
;N =
SDx = i
3)
fx2
fx
-
N
;i=
, maka:
Mencari SD dengan Metode Skor Asli:

Tabel Perhitungan untuk mencari SD Nilai Ulangan Harian
Bhs. Arab 50 orang siswa MAN Yogyakarta II, dengan Metode Skor Asli.
25
INTERVAL
fX
fX2
(1)
(2)
(3)
(4)
(5)
90 - 94
92
184
16928
85 - 89
80 - 84
75 - 79
70 - 74
65 - 69
60 - 64
55 - 59
50 - 54
45 - 49
40 - 44
3
4
6
8
9
7
5
3
2
1
87
82
77
72
67
62
57
52
47
42
261
328
462
576
603
434
285
156
94
42
22707
26896
35574
41472
40401
26908
16245
8112
4418
1764
TOTAL
50= N
3425= fX
241425= fX2
Rumus:
SDx =
fX2
fX
-
N

fX =
SDx = i
; fX2 =
fX2
;N =
fx 2
, maka:
BAB IV
TEKNIK ANALISIS KORELASIONAL
26
A. PENDAHULUAN
1. PENGERTIAN KORELASI
Bahasa:
correlation (Bhs. Inggris)

= hubungan/ saling hubungan/ hubungn timbal balik
Statistik:
hubungan antar 2 variabel atau lebih dari 2 variabel

Bivariate Correlation
Multivariate Correlation
2. ARAH KORELASI
Hubungan antar 2 variabel atau lebih, dari segi arahnya dibedakan menjadi 2
macam:
- Satu arah/ searah
= korelasi positif
- Berlawanan arah
= korelasi negatif
3. PETA KORELASI
Arah hubungan antar variabel yang kita cari korelasinya dapat kita amati
melalui PETA KORELASI. Dalam peta korelasi tersebut dapat kita lihat pencaran
titik/ moment dari variabel yang sedang kita cari korelasinya= scatter diagram
atau diagram pencaran titik.
4. ANGKA KORELASI
a. Pengertian: Sebuah angka yang dapat dijadikan petunjuk untuk mengetahui
seberapa besar kekuatan korelasi di antara variabel yang sedang diselidiki
korelasinya.
b. Besarnya:
- Berkisar antara 0 (nol) sampai dengan 1,00, artinya; angka korelasi itu
paling tinggi adalah 1,00 dan paling rendah adalah 0.
c. Lambangnya:
Teknik Korlasi Product Moment : rxy
- Teknik Korlasi Tata Jenjang :
- Teknik Korelasi Phi
:
- Teknik Korelasi Kontingensi
: C/ KK
d. Tandanya:
- Angka korelasinya bertanda positif (+)
Korelasi Positif;
- Angka Korelasi bertanda negatif
Korelasi Negatif ;
- Angka korelasi = 0
Tidak ada korelasinya.
e. Sifatnya:
- Relatif; angka yang diperoleh dari hasil perhitungan itu sifatnya relatif,
yaitu
menunjukkan kuat-lemahnya hubungan antar variabel yang sedang
dikorelasikan
B. TEKNIK ANALISA KORELASIONAL
27
1. PENGERTIAN:
= Teknik Analisa Statistik mengenai hubungan antar dua variabel atau lebih.
3. TUJUAN:
a. Ingin mencari bukti, apakah memang benar antara variabel yang satu dan
variabel yang lain terdapat hubungan/ korelasi;
b. Ingin menjawab pertanyaan, apakah hubungan antar variabel itu termasuk
hubungan yang kuat, cukup, atau lemah;
c. Ingin memperoleh kejelasan dan kepastian (secara matematika), apakah
hubungan antar variabel itu merupakan hubungan yang meyakinkan
(=signifikan) ataukah tidak.
4. PENGGOLONGAN:
Dibedakan menjadi 2, yaitu:
- Teknik Analisa Korelasional Bivariat*)
- Teknik Analisa Korelasional Multivariat
B. TEKNIK ANALISA KORELASIONAL BIVARIAT

Teknik Analisis Korelasional Bivariat adalah salah satu teknik analisis statistik
yang biasa dipergunakan untuk mengetahui: Apakah antara Variabel I dan Variabel
II terdapat korelasi yang signifikan ataukah tidak. Sesuai dengan namanya, maka
di sini variabel yang dicari korelasinya ada 2 buah; satu sebagai variabel
independen dan variabel lainnya adalah variabel dependen.
Teknik-teknik korelasi bivariat berikut ini adalah termasuk kategori Teknik
Korelasi Bivariat yang seringkali digunakan dalam rangka riset kependidikan:
1. Teknik Korelasi Product Moment;
2. Teknik Korelasi Rank Order (Tata jenjang);
3. Teknik Korelasi Phi;
4. Teknik Korelasi Kontingensi, dan;
5. Teknik Korelasi Point Biserial.
Dari kelima Teknik Korelasi di atas, teknik Korelasi Product Moment
merupakan salah satu teknik korelasi bivariat yang paling sering digunakan dalam
kegiatan analisis data kuantitatif hasil riset.
B. TEKNIK ANALISA KORELASIONAL PRODUCT MOMENT

1. Pengertian: - Adalah salah satu teknik untuk mencari korelasi antar dua
variabel yang dikembangkan oleh Karl Pearson.
- Disebut Product Moment Correlation, karena koefisien korelasinya
diperoleh dengan cara mencari hasil perkalian dari momentmoment variabel yang dikorelasikan (= product of the moment).
2. Penggunaannya:
Teknik Korelasi Product moment tepat kita gunakan, apabila:
a. Variabel yang dikorelasikan, datanya berupa data kontinu (contoh; Nilai THB,
Nilai Rapors, Nilai STTB, IP, IQ, dsb.);
b. Hubungan antar variabel itu sifatnya linier;
28
c. Subjek yang diteliti homogen.

3. Lambangnya: r , diberi indeks dengan huruf kecil dari dua buah variabel yang
dikorelasikan.
4. Cara Mencari Angka Indeks Korelasi Product Moment:
a. Untuk Data Tunggal, di mana N < 30: angka indeks korelasinya dapat
dicari dengan dengan 6 rumus/ metode yaitu
3
metode
dengan
mendasarkan diri deviasi skornya, dan 3 metode dengan mendasarkan
diri pada skor-skor aslinya;
1. Tanpa menghitung SD terlebih dahulu:
RUMUS:
xy
rxy =
x2
y2
KETERANGAN:
xy = Jumlah perkalian antara deviasi Variabel X (x), di mana x= X M x, dengan
deviasi Variabel Y (y), di mana y= Y My
x2 = Jumlah kuadrat dari deviasi Variabel X (x), di mana x = X M x
y2 = Jumlah kuadrat dari deviasi Variabel Y (y), di mana y = X M y
Tabel Perhitungan untuk mencari Angka Indeks Korelasi Product Moment untuk Data
Tunggal, tanpa menghitung SD terlebih dahulu (misalkan N=10)
X
xy
x2
y2
(1)
(2)
(3)= X Mx
(4)= Y My
(5)= (3) x (4)
(6)= (3) 2
(7)= (4) 2
50
dst.
55
dst.
50 40 = 10
dst.
55 50 = 5
dst.
10 x 5= 50
dst.
102= 100
dst.
52 = 25
dst.
400 =
X
500 =
Y
= xy
= x2
= y2
X
400
Y
500
Mx = = = 40;
My = = = 50
N
10
N
10
2. Dengan menghitung SD terlebih dahulu:
RUMUS :
xy
rxy =
N. SDx . SDy
KETERANGAN:
xy = Jumlah perkalian antara deviasi Variabel X (x) dengan deviasi variabel Y (y)
x2
SDx = Deviasi standar variabel X, dapat dicari dengan rumus: SD x =
N
x2
29
SDy = Deviasi standar variabel Y, dapat dicari dengan rumus: SD y =
Tunggal, dengan menghitung SD terlebih dahulu:
X
x2
d= x - y
d2= (x y)2
(1)
(2)
(3)= X - Mx
(4)= Y - My
(5)= (3) 2
(6)= (3) (4)
(7)= (4) 2
50
55
50 - 40= 10
60 - 55= 5
102= 100
10 - 5 = 5
52 = 25
dst.
= X
= Y
= x2
= y2
= y2
3. Dengan mendasarkan diri pada Selisih Deviasinya (d):

RUMUS:
rxy =
x2 + y2 - d2
x2
y2
KETERANGAN:
x2 = Jumlah kuadrat deviasi Variabel X (x2)
y2 = Jumlah kuadrat deviasi Variabel Y (y2)
d2 = Jumlah kuadrat selisih deviasi variabel X dan Y; d 2= (x - y) 2
2
= Angka konstanta
Tunggal, dengan menghitung selisih deviasinya:
X
xy
x2
y2
d= x-y
d2== (x-y)2
(1)
(2)
(3)= X - Mx
(4)= Y - My
(5)= (3) x (4)
(6)= (3) 2
(7)= (4) 2
(8)= (3) - (4)
(9)= (8) 2
=
X
=
Y
=
xy
=
x2
=
y2
=
d2
4. Mendasarkan diri pada Skor Aslinya/ Angka Kasarnya:

RUMUS:
N. XY - X . Y
rxy =
2
N.X - X
N.X - Y
KETERANGAN:
XY = Jumlah perkalian antara skor-skor Variabel X dengan skor-skor variabel Y
X = Jumlah dari skor-skor Variabel X
Y = Jumlah dari skor-skor Variabel Y
30
X2
Y2
N
= Jumlah kuadrat dari skor-skor Variabel X

= Jumlah kuadrat dari skor-skor Variabel Y
= Jumlah subyek/ sampel.
Tunggal, dengan Metode Skor Asli:
X
(1)
Y
(2)
=
X
XY
(3)= (1) x (2)
X2
(4)= (1) 2
Y2
(5)= (2) 2
=
X2
XY
=
Y2
5. Mendasarkan diri pada (memperhitungkan) Mean-nya

RUMUS:
N. XY - X . Y
rxy =
X2 - N . Mx2
Y2 - N . My2
KETERANGAN:
XY = Jumlah perkalian antara skor-skor Variabel X dengan skor-skor variabel Y
X = Jumlah dari skor-skor Variabel X
Y = Jumlah dari skor-skor Variabel Y
X2 = Jumlah kuadrat dari skor-skor Variabel X
Y2 = Jumlah kuadrat dari skor-skor Variabel Y
N
= Jumlah subyek/ sampel.
X
MX
= Mean/ rata-rata skor variabel X; MX =
N
Y
My
= Mean/ rata-rata skor variabel Y; My =
N
Tunggal, dengan Memperhitungkan Meannya:
X
(1)
Y
(2)
XY
(3)= (1) x (2)
X2
(4)= (1) 2
Y2
(5)= (2) 2
=
X
=
Y
=
XY
=
X2
=
Y2
6. Mendasarkan diri pada Selisih Skornya (selisih ukuran kasarnya)

RUMUS:
31
N X2 + Y2 - (X - Y )2 - 2 ( X ) ( Y )
rxy =
N.X - X
N.X - Y
Tunggal, dengan Metode Selisih Skor Asli:
X
(1)
Y
(2)
=
X
XY
(3)= (1) x (2)
=
Y
X2
(4)= (1) 2
=
XY
Y2
(5)= (2) 2
=
X
(X Y)
(6)= (1) (2)
(X Y)2
(7)= (6) 2
=
(X Y)
b. Untuk Data Tunggal, di mana N 30 dan Data Kelompokan; angka indeks

korelasinya dapat diperoleh dengan bantuan sebuah peta/ diagram, yaitu
peta korelasi.
Rumus:
xy
- ( Cx) (Cy)
N
rxy =
SDx . SDy
Keterangan:
xy = Jumlah hasil perkalian (product of the moment) antara frekuensi sel,
dengan x dan y;
Cx
= Nilai Koreksi pada variabel X;
Cy
= Nilai Koreksi pada Variabel Y;
SDx = Deviasi Standar skor X, dalam arti tiap-tiap skor sebagai 1 unit (i 1)
SDy = Deviasi Standar skor X, dalam arti tiap-tiap skor sebagai 1 unit (i 1)
N
= Number of Cases
5. Cara memberikan interpretasi terhadap Angka Indeks Korelasi r Product
Moment
a. Dengan cara sederhana; menggunakan pedoman/ ancar-ancar pedoman sbb:
Besarnya r Product
Moment (rxy)
0,00 0,20
0,20 0,40
Interpretasi
Antara Variabel X dan Variabel Y memang terdapat
korelasi, akan tetapi korelasi itu sangat lemah atau
sangat rendah, sehingga korelasi itu diabaikan
(dianggap tidak ada korelasi antara Variabel X dan
Variabel Y).
Antara Variabel X dan Variabel Y terdapat korelasi
yang lemah atau rendah.
32
0,40 0,70
0,70 0,90
yang sedang
yang kuat/ tinggi.
0,90 1,00

yang sangat kuat/ sangat tinggi.
b. Dengan jalan berkonsultasi pada Tabel Nilai r Product Moment

Langkah-langkah:
1. Merumuskan Hipotesa Alternatif (Ha) dan Hipotesa Nihil (Ho);
2. Menguji kebenaran/ kepalsuan dari hipotesa yang telah kita ajukan
dengan jalan: membandingkan besarnya r yang telah diperoleh
dalam proses perhitungan (ro= rxy) dengan besarnya r yang
tercantum dalam tabel Nilai r Product Moment (rt), dengan terlebih
dahulu mencari derajat (db) atau degrees of freedom (df):
df (db)=
N - nr
df
=
degrees of freedom
N
=
Number of Cases
nr
=
Banyaknya variabel yang dikorelasikan; karena Teknik
Korelasi Bivariat, sehingga nr akan selalu= 2 (nr= 2).
Contoh:
Apabila diketahui N= 25; rxy= 0,652; maka rtabel pada taraf signifikansi 5%
dan 1% adalah (Lihat nukilan tabel r Product Moment- Karl Pearson di bawah ini
N= 25; df= 25 2 =23, dengan df sebesar 2, kemudian kita cari harga r tabel pada
taraf signifikansi 5% dan 1% sbb:
df
(degrees of freedom)
23
Harga r pada taraf signifikansi:

5%
1%
0,396
0,505
Dari tabel di atas, diperoleh harga rtabel 5%= 0,396 dan r tabel 1%= 0505, berarti
harga ro= rxy > rtabel (apabila ro= rxy rtabel, maka hipotesa alternatif
diterima/ korelasi antara variabel I dan variabel II adalah signifikan.
CONTOH CARA MENCARI ANGKA INDEKS KORELASI r PRODUCT MOMENT
UNTUK DATA TUNGGAL, DI MANA N < 30
Dalam suatu kegiatan penelitian bertujuan ingin mengetahui apakah secara
signifikan terdapat korelasi positif antara Persepsi Siswa terhadap Gaya Mengajar
Guru Matematika (Variabel X) dengan Prestasi Belajar Siswa dalam mata
pelajaran tersebut (Variabel Y). Untuk keperluan penelitian tersebut, ditetapkan
10 orang Siswa MAN sebagai sampel Dari penelitian tersebut, berhasil dihimpun
data sebagai berikut:
Tabel 1.1 Skor Persepsi Siswa terhadap Gaya Mengajar Guru dan Nilai Rata-rata
Matematika yang berhasil dicapai ol;eh 10 orang diperoleh Siswa MAN
NO.
SUBJEK
SKOR PERSEPSI
SISWA (X)
NILAI RATA-RATA
MATEMATIKA (Y)
55
60
33
70
90
80
80
60
60
70
70
75
80
60
70
50
50
80
90
10
60
70
Langkah-langkah yang perlu ditempuh adalah sbb.:

1. Merumuskan hipotesa:
Ha :
Ada/ terdapat korelasi positif yang signifikan antara Persepsi Siswa terhadap
Gaya mengajar Guru Matematika (Veriabel X)) dengan Prestasi Belajar Siswa
MAN dalam mata pelajaran tersebut (Variabel Y).
Ho :
Ada/ terdapat korelasi positif yang signifikan antara Persepsi Siswa terhadap
Gaya mengajar Guru Matematika (Variebel X) dengan Prestasi
Belajar Siswa MI dalam mata pelajaran tersebut (Variabel Y).
2. Menyiapkan Tabel Perhitungan untuk mencari angka indeks korelasi ( r ) Product Moment:
a. Tanpa Menghitung Deviasi Standarnya terlebih dahulu:
xy
rxy =
x2
Tabel 1.2
y2
Perhitungan untuk mencari Angka Indeks Korelasi Product Moment antara

Persepsi Siswa terhadap Gaya Mengajar Guru Matematika dengan Prestasi
Belajar Siswa.
xy
x2
y2
(1)
(2)
(3)= X - Mx
(4)= Y - My
(5)= (3) x (4)
(6)= (3) 2
(7)= (4) 2
50
60
-15
-12
180
225
144
70
90
18
90
25
324
80
80
15
120
225
64
60
60
-5
-12
60
25
144
70
70
-2
-10
25
70
80
40
25
64
60
70
-5
-2
10
25
50
50
-15
-22
330
225
484
34
80
90
15
18
270
225
324
60
70
-5
-2
10
25
650 = X
720= Y
1100=
xy
1050=
x2
1560=
y2
Berdasarkan Tabel Perhitungan di atas, diperoleh:

xy= 1100; x2 = 1050; dan y2= 1560
xy
rxy =
x2
y2
1100
1050
1560
1100
1100
=
1638000
1279,84474046
0,85947925183 =
0,859
rxy = 0,859
b. Rumus Skor Asli:
N. XY
- X . Y
rxy =
2
N.X - X
Tabel 1.3
N.X - Y
Perhitungan untuk mencari Angka Indeks Korelasi Product Moment antara

Persepsi Siswa terhadap Gaya Mengajar Guru Matematika dengan Prestasi
Belajar Siswa.
XY
X2
Y2
(1)
(2)
(3)= (1) x (2)
(4)= (1) 2
(5)= (2) 2
50
60
3000
2500
3600
70
90
6300
4900
8100
80
80
6400
6400
6400
60
60
3600
3600
3600
70
70
4900
4900
4900
70
80
5600
4900
6400
60
70
4200
3600
4900
50
50
2500
2500
2500
35
80
90
7200
6400
8100
60
70
4200
3600
4900
650 = X
720= Y
47900=
XY
43300=
X2
53400=
Y2
Berdasarkan Tabel Perhitungan di atas, diperoleh:

X= 650; Y = 720; XY= 47900; X2 43300; Y2= 53400
N. XY - X . Y
rxy =
2
N.X - X
N.X - Y
TEKNIK ANALISIS STATISTIK

KOMPARASIONAL
PENGERTIAN:
Adalah salah satu teknik analisis Statistik yang biasa digunakan untuk
mengetahui; Apakah di antara variabel yang satu dengan variabel yang
lain terdapat perbedaan yang signifikan ataukah tidak.
PENGGOLONGAN:
36
TEKNIK ANALSISIS KOMPARASIONAL

BIVARIAT
(Variabel yang diuji perbedaannya 2
buah)
TEKNIK ANALSISIS KOMPARASIONAL

MULTIVARIAT
(Variabel yang diuji perbedaannya
lebih dari 2 buah (tidakdibicarakan)
TEKNIK ANALISIS STATISTIK

KOMPARASIONAL BIVARIAT
ADA 2 MACAM
Perbedaan antar dua variabel

didasarkan pada Mean-nya, yaitu
perbedaan Mean Variabel I (M2)
dengan Mean Variabel II (M2)
Teknik t Test atau Tes t
Perbedaan antar dua variabel

didasarkan pada frekuensi-nya, yaitu
perbedaan frekuensi yang diobservasi I
(fo) dengan frekuensi teoritiknya (ft).
Teknik Kai Kuadrat (Chi Square

test)
37

Bahasa

Statistik Pendidikan

Diunggah oleh

Informasi Dokumen

Deskripsi:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Format Tersedia

Statistik Pendidikan

Judul Asli:

Diunggah oleh

Deskripsi:

Hak Cipta:

Format Tersedia

BAB I PENDAHULUAN

Sebagai seorang Ilmuwan, terikat pada TRI DHARMA PERGURUAN TINGGI:

Sebagai seorang Guru; terlibat dalam tiga kegiatan:

Sebagai seorang Pejabat

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

SECARA HARFIAH/ ETIMOLOGIS/ BAHASA

Pada Abad XVI Pithagoras, yang disebut statistik adalah:

Statistik dapat digunakan apabila dalam suatu kegiatan penelitian di mana

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

RAW DATA= RAW SCORE

DATA KUANTITATIF INI MASIH BERSIFAT KASAR= BELUM DAPAT BERBICARA:

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

Berdasarkan data di atas dapat disimpulkan bahwa:

B. PENGERTIAN TABEL DISTRIBUSI FREKUENSI (TDF):

TDF. DATA TUNGGAL

TDF. DATA KELOMPOKAN

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

D. CARA-CARA MEMBUAT TABEL DISTRIBUSI FREKUENSI:

2. CARA MEMBUAT TDF. DATA TUNGGAL DI MANA SEBAGIAN/ SELURUH

a. Cari Skor tertinggi (H) dan Skor terendah (L)

NILAI-NILAI HASIL ULANGAN HARIAN

3. CARA MEMBUAT TDF. DATA KELOMPOKAN.

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

*) DATA MULAI DAPAT BERBICARA

UJI KOMPETENSI BAB II:

Dari data di atas diperoleh:

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

i ditetapkan = ........ (sebaiknya i bil ganjil= 3,5,7,9, dst)

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

ARITHMETIC MEAN = RATA-RATA HITUNG (M)

SERING DIPERGUNAKAN DALAM ANALISIS

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

JIKA DICARI/ DIHITUNG MEAN-NYA:

TDF. DATA TUNGGAL

TDF. DATA KELOMPOKAN

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

C. CONTOH-CONTOH MENCARI MEAN:

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

fX = Jumlah dari perkalian

= Mean terkaan pilih salah satu

Tabel Perhitungan untuk mencari Mean Tes

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

Berdasarkan tabel diketahui:

Berdasarkan tabel diketahui:

UJI KOMPETENSI BAB III:

(4)= (2) x (3)

(6) = (2) x (4)

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

SOAL-SOAL PRAKTIKUM I STATISTIK PENDIDIKAN (BAB I, II, III, dan IV):

*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti

*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

*) Catatan: Lembar soal dikumpulkan bersama pekerjaan saudara!

Statistik Pendidikan untuk Prodi PGMI oleh Nuraini Kusumastuti