Kumpulan Literatur Statistik Pendidikan (Hesty Yulisty 06121010031)

KUMPULAN LITERATUR STATISTIK PENDIDIKAN
(SUMBER INTERNET)
Di Susun Oleh:
Nama : Hesty Yulisty
NIM : 06121010031
Dosen Pengasuh:
1. Prof. DR. H. Fuad Abd Rahman, M.Pd
2. Dr. Effendi Nawawi, Msi.
PROGRAM STUDI PENDIDIKAN KIMIA

JURUSAN PENDIDIKAN MIPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
KIMIA
UNIVESITAS SRIWIJAYA
2014
STATISTIK DAN STATISTIK PENDIDIKAN

1. Pengertian Statistik
Secara etimologis, kata statitik 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.
Ditinjau dari segi terminologi, statistik mengandung beberapa macam
pengertian, yaitu :
1. Statistik sebagai Data Statistik.
Yaitu kumpulan bahan keterangan yang berupa angka atau bilangan; atau
dengan istilah lain, statistik adalah deretan atau kumpulan angka yang
menunjukkan keterangan mengenai cabang kegiatan hidup tertentu. Dalam
istilah statistik penduduk misalnya terkandung pengertian, kumpulan angka
yang berhubungan bidang kependudukan.
2. Statistik sebagai Kegiatan Statistik atau Kegiatan perstatistikan
Sebagaimana yang telah disebutkan dalam Undang Undang tentang statistik
(lihat Undang Undang No.7 Tahun 1960), kegiatan statistik mencakup 4 hal,
yaitu :
a. Pengumpulan data (data collecting or collection of data)
b. Penyusunan data (summarizing)
c. Pengumuman dan pelaporan data (tabulation and report)
d. Analisis data (data analizing or analysis of data)
3. Statistik sebagai Metode Statistic
Yaitu cara cara tertentu yang perlu ditempuh dalam rangka mengumpulkan,
menyusun atau mengatur, menyajikan, menganalisis, dan memberikan
interpretasi terhadap sekumpulan bahan keterangan yang berupa angka
sedemikian rupa sehingga kumpulan bahan keterangan yang berupa angka itu
dapat berbicara atau dapat memberikan pengertian dan makna tertentu.
4. Statistik sebagai Ilmu Statistic
Yaitu sebagai ilmu pengetahuan yang mempelajari dan mengembangkan
secara ilmiah tahap-tahap yang ada dalam kegiatan statistic.
2. Penggolongan Statistik
a. Statistic Deskriptif
Statistic deskriptif adalah statistic yang menghimpun, menyusun atau
mengatur, mengolah, menyajikan dan menganalisa data angka, agar dapat
memberikan gambaran yang teratur, ringkas, dan jelas mengenau suatu gejala,
peristiwa atau keadaan. Nama lain dari statistic ini adalah statistic deduktif
atau statistic sederhana.
2 |Resume Statistik Pendidikan
b. Statistik Inferensial
Statistik inferensial adalah statistik yang menyediakan aturan atau cara yang
dapat dipergunakan sebagai alat dalam rangka mencoba menarik kesimpulan
yang bersifat umum, dari sekumpulan data yang telah diolah. Statistik yang
membuktikan, menguji,dan menarik kesimpulan dari suatu data. Nama lain
dari statistic ini adalah statistic induktif, statistic lanjut, dan statistic
mendalam.
3. Ciri Ciri Khas Statistik
Ilmu statistik berbeda dari ilmu lainnya, karena ilmu statistik mempunyai
ciri khas tersendiri , yaitu :
a. Statistik selalu bekerja dengan angka (dalam hal ini adalah data kuantitatif).
Untuk dapat melakukan tugasnya statistik memerlukan bahan keterangan yang
bersifat kuantitatif. Sehubungan itu, jika statistik dikehendaki untuk
dipergunakan sebagai analisis bagi data kualitatif, terlebih dahulu data
kualitatif tersebut harus diubah / dikonversi menjadi data kuantitatif.
b. Statistik bersifat objektif. Statistik selalu bekerja menurut ojeknya, bekerja
meneurut apa adanya. Kesimpulan dan ramalan yang dihasilkan oleh statistik
sebagai ilmu pengetahuan didasarkan pada data yang dihadapi atau diolah
bukan didasarkan pada subjektivitas atau pengaruh luar lainnya.
c. Statistik bersifat universal. Ruang lingkup/ruang gerak dan bidang garapan
statistik tidaklah sempit. Statistik dapat digunakan dalam hampir semua
cabang kegiatan hidup manusia.
4. Permasalahan Statistik
Hananto sigit, B,St, dalam bukunya Statistik Suatu Pengantar (1966)
mengemukakan ada tiga permasalahan dasar dalam Statistik yaitu :
l. Rata-Rata (Avarage)
2. Variabilitas (Dispersion)
3. Hubungan (Korelasi)
5. Pengertian Statistik Pendidikan
Istilah Statistik Pendidikan adalah statistik dalam pengertian ilmu
pengetahuan, yaitu Ilmu Pengetahuan yang membahas atau mempelajari dan
mengembangkan prinsip-prinsip, metode dan prosedur yang perlu ditempuh
atau dipergunakan, dalam rangka pengumpulan, penyusunan, penyajian,
penganalisisan bahan keterangan yang berwujud angka mengenai hal-hal yang
berkaitan dengan pendidikan, dan penarikan kesimpulan, pembuatan perkiraan
serta ramalan secara ilmiah atas dasar kumpulan bahan keterangan yang
berwujud angka.
6. Fungsi Dan Manfaat Statistik

Fungsi statistik adalah sebagai alat bantu dalam mengelolah, menganalisis,
dan menyimpulkan hasil yang telah dicapai dalam kegiatan penilaian tersebut
Manfaat statistik antara lain :
a. memperoleh gambaran baik gambara secara khusus maupun gambaran
secara umum tentang suatu gejala, keadaan atau peristiwa.
b. Mengikuti perkembangan atau pasdang surut mengenai gejala, keadaan atau
peristiwa tersebut dari waktu ke waktu.
c. Melakukan pengujian, apakah gejala yang satu berbeda dengan gejala yang
lain ataukah tidak.
d. Mengetahui apakah gejala yang satu ada hubungannya dengan gejala yang
lain.
e. Menyusun laporan yang berupa data kuantitatif dengan teratur, ringkas dan
jelas.
f. Menarik kesimpulan secara logis, mengambil keputusan secara tepat dan
mantap, serta dapat memperkirakan atau meramalkan hal hal yang mungkin
terjadi di masa mendatang, dan langkah konkret apa yang kemungkinan perlu
dilakukan oleh seorang pendidik.
B. DATA STATISTIK DAN DATA STATISTIK KEPENDIDIKAN
1. Pengertian Data Statistik
Data Statistik yaitu kumpulan bahan keterangan yang berupa angka atau
bilangan, atau dengan istilah lain statistik adalah deretan atau kumpulan angka
yang menunjukkan keterangan mengenai cabang kegiatan hidup tertentu.
2. Penggolongan Data Statistik
a. Berdasarkan Sifat Angka
o Data Kontinyu
Data kontinyu adalah data yang angkanya sambung menyambung, tidak ada
batas yang nyata.
Contoh : data ukuran badan
o Data Diskrit
Data diskrit adalah data yang betul-betul berbeda atau tidak mungkin
pecahan.
Contoh : data jumlah saudara : 3, 4, 5, 6, 7
b. Berdasarkan Cara Menyusun Angka
o Data Nominal
Data nominal adalah data yang cara menyusunnya didasarkan atas
penggolongan atau klsifikasi tertentu.
o Data Ordinal
Data ordina adalah data statistik yang cara menyusun angkanya didasarkan
atas urutan kedudukan.
Contoh :
Nama
Skor
Peringkat
(Data Nominal)
(Data Ordinal)
Renata
90
2
Sinta
95
1
Romi
80
4
Kiki
85
3
Rita
70
5
o Data Interval
Data interval adalah data statistik dimana jarak yang sama di antara hal-hal
yang sedang diselidiki atau dipersoalkan.
Contoh :
No
I
II
III
1
100
100
100
2
80
90
98
3
60
80
96
4
40
70
94
5
20
60
92
Interval 20
10
2
c. Berdasarkan Bentuk Angka
o Data Tunggal (data masing-masing)
Data tunggal adalah data statistik yang masing-masing angkanya meupakan
satu unit (satu kesatuan); dengan kata lain data tunggal dalah data statistic
yang angka-angkanya adalah data statistik yang angka-angkanya tidak
dikelompok-kelompokkan.
o Data Kelompok (data yang dikelompokkan)
Data kelompok adalah data statistik yang tiap-tiap unitnya terdiri dari
sekelompok angka.
d. Berdasarkan Sumber
o Data Primer
Data primer adalah data yang diperoleh atau bersumber dari tangan
pertama.
o Data Sekunder
Data sekunder adalah data yang diperoleh atau bersumber dari tangan
kedua.
e. Berdasarkan Waktu Pengumpulan Data

o Data Seketika
Data seketika adalah data statistik yang mencerminkan keadaan pada satu
waktu saja.
o Data Urutan Waktu
Data urutan waktu adalah data statistik yang mencerminkan keadaan atau
perkembangan mengenai mengenal sesuatu hal, dari satu waktu ke waktu
yang lain secara berurutan.
3.
a.
b.
c.
d.
e.
f.
g.
Sifat Data Statistik

Data statistik memiliki Nilai Relatif (Relatif Value) atau Nilai Semu.
Data statistik memiliki Nilai Nyata (True Value) atau Nilai Sebenarnya.
Data statistik memiliki Batas Bawah Relatif, Batas Atas Relatif, Batas Atas
Nyata, atau Batas Bawah Nyata.
Data statistik yang berbentuk data kelompok mempunyai nilai tengah.
Data statistik sebagai data angka tidak menggunakan pecahan, tetapi sistem
decimal.
Ada pembulatan angka sampai tiga angka dibelakang koma.
Jika lebih dari tiga angka, angka enam keatas dianggap satu, angka satu
sampai lima ditiadakan.
4. Beberapa Macam Contoh Data Statistik dalam Pendidikan

a. Data statistik yang berkaitan dengan prestasi belajar
b. Data statistik yang berkaitan dengan keadaan siswa
c. Data statistik yang berkaitan dengan Guru / Dosen
d. Data statistik yang berkaitan dengan Staf Administrasi
e. Data statistik yang berkaitan dengan Anggaran
f. Data statistik yang berkaitan dengan Perlengkapan, dst.
5. Pengumpulan Data Statistik Kependidikan
3 Prinsip yang harus dipegang dalam rangka pengumpulan data statistik
yaitu :
1. Lengkapnya data
2. Tepatnya data
3. Kebenaran data yang dihimpun
Cara pengumpulan data statistik pendidikan yaitu :
1. Sensus adalah cara mengumpulkan data dengan mencatat / meneliti seluruh
elemen yang menjadi objek penelitian
2. Sampling adalah cara mengumpulkan data dengan jalan mencatat atau

meneliti sebagian kecil saja dari seluruh elemen yang menjadi objek
penelitian.
Dari segi bentuk pelaksanaan kegiatan, pengumpulan data statistik
kependidikan dapat berbentuk :
1. Pengamatan mendalam adalah pengamatan terhadap objek dengan persiapan
matang dilengkapi dengan instrumen.
2. Wawancara mendalam adalah pengumpulan data berbentuk pengajuan
pertanyaan secara lisan.
3. Angket adalah cara pengumpulan data berbentuk pengajuan pertanyaan
tertulis melalui sebuah daftar pertanyaan yang sudah dipersiapkan
sebelumnya.
4. Pemeriksaan dokumentasi adalah dilakukan dengan meneliti bahan
dokumentasi yang ada dan mempunyai relevansi dengan tujuan penelitian.
5. Tes seperti tes hasil belajar, tes kepribadian, tes kecerdasan, tes minat dan
perhatian, dan sebagainya.
1.
2.
3.
4.
Alat Pengumpulan data statistik

Check list (daftar / daftar cek)
Rating scale (skala bertingkat)
Interview Guide (pedoman wawancara)
Quetionnaire (daftar pertanyaan yang setiap pertanyaannya sudah disediakan
jawabannya untuk dipilih)
Sumber :
http//.www.educationshare88.wordpress.com.pengertian
tanggal
28 Agustus 2013 )
statistik.
diakses
http://www.pustakasekolah.com/.( diakses tanggal 28 Agustus 2013 )

Sudijono, Anas. 1991. Pengantar Statistik Pendidikan. Jakarta : Rajawali Press.
DISTRIBUSI FREKUENSI
A. PENGERTIAN VARIABEL
Kata variable berasal dari bahasa inggris variable yang berarti ubahan,
faktor tak tetap, atau gejala. Contohnya adalah nilai-nilai ujian semester dari
sejumlah 80 orang siswa bisa dikatakan sebagai variable. Variabel pada dasarnya
bersifat kualitatif namun dilambangkan dengan angka.
B. PENGERTIAN FREKUENSI
Frekuensi dalam bahasa inggris adalah frequency yang berarti
kekerapan, keseringan, atau jarang-kerapnya. Dalam data statistik frekuensi
itu sendiri mengandung pengertian: Angka (bilangan) yang menunjukkan
seberapa kali suatu variabel (yang dilambangkan dengan angka itu) berulang
dalam deretan angka tersebut; atau berapa kali suatu variabel (yang dilambangkan
dengan angka itu) muncul dalam deretan angka tersebut.
C. PENGERTIAN DISTRIBUSI FREKUENSI
Distribusi dalam bahasa Inggris distribution berarti penyaluran,
pembagian, atau pencaran. Jadi distribusi frekuensi dapat diberi artian
penyaluran frekuensi, pembagian frekuensi, atau pencaran frekuensi.
Dalam statistik pengertiannya kurang lebih adalah suatu keadaan yang
menggambarkan bagaimana frekuensi dari gejala atau variabelyang dilambangkan
dengan angka itu, telah tersalur, terbagi atau terpencar.
D. TABEL DISTRIBUSI FREKUENSI
1. Pengertian Tabel Distribusi Frekuensi
Tabel Distribusi frekuensi adalah alat penyajian data statistik yang
berbentuk (dituangkan dalam bentuk) kolom dan lajur, yang didalamnya dimuat
angka yang dapat melukiskan atau menggambarkan pencaran atau pembagian
frekuensi dari variabel yang sedang menjadi objek penelitian.
2. Tabel Frekuensi dan Macamnya
Dalam dunia statistik terdapat banyak macam jenis Tabel Distribusi Frekuensi
diantaranya yaitu :
a. Tabel Distribusi Frekuensi Data Tunggal
Tabel Distribusi Frekuensi Data tunggal adalah salah satu jenis tabel
statistik yang didalamnya disajikan frekuensi dari data angka; angka yang
ada itu dikelompok-kelompokkan (ungrouped data).
Nilai
(X)
8
7
6
5
Total
Frekuensi
(f)
6
9
19
9
40 = N
b. Tabel Distribusi Frekuensi Data Kelompokan

Tabel distribusi frekuensi data kelompokkan adalah satu jenis tabel statistik
yang didalamnya disajikan pencaran frekuensi dari data angka, dimana
angka-angka tersebut dikelompok-kelompokkan (tiap unit terdapat
sekelompok angka).
Usia
50 54
45 49
40 44
15 39
30 34
25 29
Total
Frekuensi
6
7
10
12
8
7
50 = N
c. Tabel Distribusi Frekuensi Kumulatif

Tabel distribusi Frekuensi kumulatif adalah satu jenis tabel statistik yang
didalamnya disajikan fekuensi yang dihitung terus meningkat atau: selalu
ditambah-tambahkan, baik dari bawah keatas atau sebaliknya.
Nilai (X)
8
7
6
5
Total
f
6
9
19
6
40 = N
Fk(b)
40 = N
34
25
6
-
Fk(a)
6
15
34
40 = N
-
Nilai (X)
Fk(b)
Fk(a)
50 - 54
45 49
6
7
50= N
44
6
13
40 44
15 39
30 34
25 29
Total
10
12
8
7
50 = N
37
27
15
7
-
23
35
43
50 = N
-
d. Tabel Distribusi Frekuensi Relatif

Tabel distribusi frekuensi relatif dinamakan tabel Persentase sebab
frekuensi yang disajikan disini bukanlah frekuensi sebenarnya, melainkan
frekuensi yang dituangkan dalam bentuk angka persenan.
Nilai (X)
8
7
6
5
Total
F
6
9
19
6
40 = N
Persentase (P)
15,0
22,5
47
15,0
100,0 = p
e. Tabel Persentase Kumulatif

Seperti halnya tabel Distribusi frekuensi Tabel persentase atau Tabel
Distribusi Frekuensi relatif pun dapat diubah kedalam bentuk Tabel
Persentase Kumulatif (Tabel Distribusi Frekuensi Relatif Kumulatif).
Nilai (X)
8
7
6
5
Total
P
15,0
22,5
47,5
15,0
100,0 = p
Pk(b)
100,0 = p
85,0
62,5
15,0
-
Pk(a)
15,0
37,5
85,0
100,0 = p
-
E. GRAFIK SEBAGAI PENGGAMBARAN DISTRIBUSI FREKUENSI

1. Pengertian Grafik
Grafik tidak lain adalah alat penyajian data statistik yang tertuang dalam
bentuk lukisan, baik lukisan garis, gambar maupun lambing. Jadi dalam penyajian
data angka melalui grafik, angka itu dilukiskan dalam bentuk lukisan garis,
gambar atau lambing tertentu; dengan kata lain angka itu divisualisasikan.
2. Bagian-bagian Utama Grafik
Bagian bagian utama grafik, yaitu :
a. Nomor Grafik
b. Judul Grafik
c. Sub-Judul Grafik
d. Unit Skala Grafik
e. Angka Skala Grafik
f.
g.
h.
i.
j.
k.
l.
Tanda Skala Grafik

Ordinat atau Ordinal atau Sumbu Vertikal
Koordinat (Garis-garis pertolongan = Garis kisi-kisi)
Titik nol (Titik awal)
Lukisan Grafik (Gambar Grafik)
Kunci Grafik (Keterangan Grafik)
Sumber Grafik (Sumber Data)
Nomor Grafik
Judul Grafik
Grafik 2.1
Jumlah Staf Pengajar Tetap IAIN Sunan Kalijaga
Tahun Akademik 1979/1980
(Menurut keadaan s.d. tanggal 30 Juni 1980)
Subjudul Grafik
Unit Skala Grafik
Koordinat
Orang
30
Lukisan
Grafik
Angka Skala Grafik
25
20
Tanda Skala Grafik
15
Ordinat
Mula-mula
(Titik Nol)
5
0
Abscis
Keterangan :
Kunci grafik
Fak. Adab
Fak.Syariah
Fak. Dakwah
Fak. Ushuluddin
Fak. Tarb.Yk.
Sumber Grafik
Sumber :
Laporan Tahunan Rektor IAIN Sunan Kalijaga Tahun Akademi 1979/1980
3. Macam-macam Grafik
Seperti halnya Tabel frrekuensi, didalam dunia statistik kita mengenal
berbagai macam atau jenis grafik seperti :
a. Grafik balok atau grafik Batang atau Barchart. Garafik balok ini ada 6 macam,
yaitu :
1. Grafik Balok Tunggal
2. Grafik Balok Ganda atau Majemuk
b.
c.
d.
e.
f.
g.
h.
3. Grafik Balok Terbagi

4. Grafik Balok Vertikal
5. Grafik Balok Horizontal
6. Grafik Balok Bilateral
Grafik lingkaran atau Cyrclegram atau Diagram Pastel
Grafik Gambar atau Pictogram atau piotograph
Grafik peta atau Kartogram atan Sta
Grafik Bidang
Grafik Volume
Grafik Garis, yang dapat dibedakan menjadi 3 macam, yaitu :
1. Grafik Garis Tunggal
2. Grafik Garis Majemuk
3. Grafik Poligon atau Polygon Frequency
Grafik ruang atau Grafik Histogram atau Histogram Frequency
F. CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK

GRAFIK
1. Poligon Frekuensi
Poligon frekuensi adalah grafik garis yang menghubungkan nilai tengah
tiap sisi atas yang berdekatan dengan nilai tengah jarak frekuensi mutlak masingmasing.
Grafik Polygon dibedakan menjadi dua macam yaitu :
a. Grafik Polygon data Tunggal
Cara melukiskan grafik jenis ini yaitu :
1. Membuat sumbu horizontal (absis), lambangnya X.
2. Membuat sumbu vertical (ordinal), lambangnya Y
3. Menetapkan titik nol, yaitu perpotongan X dengan Y.
4. Menempatkan nilai hasil ulangan umum bidang studi pada absis X,
berturut-turut dari kiri kekanan, mulai dari nilai terendah sampai nilai
tertinggi.
5. Menempatkan frekuensi pada ordinal Y.
6. Melukiskan grafik polygonnya
b. Grafik Polygon Data Kelompokkan
Cara melikiskan grafik jenis ini yaitu :
1. Menyiapkan sumbu horizontal atau absis (X)
2. Menyiapkan sumbu vertical atau ordonal (Y).
3. Menetapkan titik nol (perpotongan X dengan Y).
4. Menetapkan atau mencari nilai tengah (mid point) masing-masing intrval
yang ada.
Interval
f
Midponit (X)
78 80
75 77
72 74
69 71
66 68
63 65
60 62
57 59
54 56
51 53
48 50
45 47
Total
5.
6.
7.
8.
2
2
3
4
5
10
17
14
11
6
4
2
80 = N
(78 + 80) : 2 = 79
(75 + 77) : 2 = 76
(72 + 74) : 2 = 73
(69 + 71) : 2 = 70
(66 + 68) : 2 = 67
(63 + 65) : 2 = 64
(60 + 62) : 2 = 61
(57 + 59) : 2 = 58
(54 + 56) : 2 = 55
(51 + 53) : 2 = 52
(48 + 50) : 2 = 49
(45 + 47) : 2 = 46
-
Menetapkan nilai tengah masing-masing interval pada absis (X)

Menetapkan frekuensi dari masing-masing interval, pada ordinal (Y).
Membuat garis Perpotongan (koordinat)
Melukiskan grafik poligonya.
2. Histogram
Histogram adalah grafik yang menggambarkan suatu distribusi frekuensi
dengan bentuk beberapa segi empat.
Sama seperti grafik jenis lain grafik ini pun medibedakan menjadi dua
jenis
a. Grafik Histogram Data Tunggal
Cara membuat grafik jenis ini yaitu :
2. Menyiapkan sumbu vertical atau ordinal (Y)
3. Menetapkan titik nol (perpotongan X dengan Y)
4. Menentapkan atau menghitung Nilai Nyata (True Value) tiap-tiap interval .
5. Menetapkan nilai nyata masing-masing skor yang ada pada absis(X)
6. Menetapkan frekuensi tiap-tiap skor yang ada pada ordinal (Y)
(X)
10
9
8
7
6
5
4
3
f
2
3
5
5
10
7
5
3
Nilai Nyata
9,50 10,50
8,50 9,50
7,50 8,50
6,50 7,50
5,50 6,50
4,50 5,50
3,50 4,50
2,50 3,50
7. Membuat Grais Pertolongan (koordinat)

8. Melukiskan Grafik Histogramnya.
b. Grafik Histogram Data Kelompokkan
2. Menyiapkan sumbu vertical atau ordinal (Y)
3. Menetapkan titik nol (perpotongan X dengan Y)
4. Menentapkan atau menghitung Nilai Nyata (True Value) tiap-tiap interval .
5. Menempatkan Frekuensi Masing-masing interval pada sumbu vertical atau
ordinal (Y)Menetapkan nilai nyata masing-masing skor yang ada pada
absis(X)
6. Menetapkan frekuensi tiap-tiap skor yang ada pada ordinal (Y)
7. Membuat Grais Pertolongan (koordinat)
8. Melukiskan Histogramnya
Interval
f
Nilai Nyata
78 80
2
77,50 80,50
75 77
2
74,50 77,50
72 74
3
71,50 74,50
69 71
4
68,50 71,50
66- 68
5
65,50 68,50
63 65
10
62,50 65,50
Sumber :
Furqon.1999. Statistika Terapan Penelitian. Bandung : CV Alphabet.
http//.www.edukasi.kompasiana.com.distribusi frekuensi. ( diakses tanggal 11
September 2013)
RATA-RATA (AVERAGE)
A. PENGERTIAN RATA-RATA
Nilai rata-rata dari sekumpulan data yang berupa angka pada umunya
mempunyai kecenderungan untuk berada disekitar titik pusat penyebaran data
angka tersebut; karena itulah maka nilai rata-rata dikenal dengan nama ukuran
tendensi pusat.
B. UKURAN RATA RATA DAN MACAMNYA
Macam-macam ukuran rata-rata adalah:
1. Nilai Rata-rata hitung (Mean)
Mean adalah jumlah dari keseluruhan angka (bilangan) yang ada, dibagi
dengan banyaknya angka (bilangan) tersebut.
Cara mencari mean
a. Untuk data tunggal
o Seluruh skor berfrekuensi Satu
Rumus yang dipergunakan adalah
Mx =
X
N
Mx = Mean yang kita dicari

X = Jumlah dari skor-skor (nilai-nilai) yang ada
N = Number of Cases (Banyaknya skor-skor itu sendiri)
Contoh :
Jika nilai hasil ulangan dari seorang siswa MAN adalah sebagai berikut:
Tabel I. Perhitungan Mean Nilai Hasil Ulangan Harian dalam Bidang Studi
Agama Islam, PMP, Bahasa Indonesia, Bahasa Inggris, IPS dan IPA
X
9
8
7
6
5
4
X = 39
1
1
1
1
1
1
N=6
Dari tabel diatas kita memperoleh X = 39 dan N = 6, maka:

Mx =
N
39
6,50
Mx =
6
o Seluruh atau sebagian skor berfrekuensi lebih dari satu

Rumus yang dipergunakan adalah:
Mx =
fX
N
Mx = Mean yang kita cari

fX= Jumlah hasil perkalian antara masing-masing skor dengan frekuensinya
N = Number of Cases
Contoh:
Dalam Hasil EBTA bidang studi ilmu Jiwa perkembangan yang diikuti 100
orang siswa kelas terakhir PGA Negeri diperoleh nilai hasil EBTA sebagai
berikut:
Nilai (X)
10
9
8
7
6
5
4
3
2
Total
Frekuensi (f)
1
2
4
20
35
22
11
4
1
100
Tabel 3. Perhitungan Untuk Mencari Mean Nilai Hasil EBTA Bidang Studi
Ilmu Jiwa Perkembangan yang Diikuti 100 Orang Siswa Kelas Terakhir
PGA Negeri
Nilai (X)
10
9
8
7
6
5
4
3
2
Total
Mx =
Frekuensi (f)
1
2
4
20
35
22
11
4
1
100
fX
N
fX
10
18
32
140
210
110
44
12
2
578
Mx =
578
5,78
100
b. Untuk data kelompok

o Cara Panjang
Rumus yang dipergunakan:
Mx =
fX
N
Mx = Mean yang kita cari

fX = Jumlah dari perkalian antara Midpoint masing-masing interval dengan
frekuensi
N
= Number of Cases
Contoh:
Dalam tes seleksi penerimaan siswa baru SMA swasta yang diikuti 800 orang
calon, diperoleh nilai hasil tes bidang studi bahasa inggris sbb:
Interval nilai
75-79
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
Total
F
8
16
32
160
240
176
88
40
32
8
800
Langkah yang hars ditempuh :

a. Menetapkan midpoint masing-masing interval
b. Memperkalikan frekuensi dengan midpointnya
c. Menjumlahkan fX
d. Menghitung meannya
Tabel 4. Perhitungan Mean Data yang Tertera Dengan Menggunakan
Metode Panjang
Interval nilai
f
X
fX
75-79
8
77
616
70-74
16
72
1152
65-69
32
67
2144
60-64
160
62
9920
55-59
240
57
13680
50-54
176
52
9162
45-49
88
47
4130
40-44
40
42
1680
35-39
32
37
1184
30-34
8
32
256
Total
800
43920 = fX
Dari tabel diatas, meannya:
Mx =
fX
N
43920
54,90
Mx =
800
o Cara Singkat
Rumus yang digunakan
fx '
N
Mx = M + i
Mx = Mean
M = Mean Terkaan atau Mean Taksiran
i = interval class (besar/luasnya pengelompokkan data)
fx = Jumlah hasil perkaliam dengan titik buatyan sendiri dengan frekuensi
masing-masing
N = Number of Cases
Contoh :
Tabel Perhitungan data dengan metode panjang, disajikan dengan metode
singkat:
Interval nilai
fx
75-79
70-74
65-69
55-59
50-54
45-49
40-44
35-39
30-34
Total
8
16
32
160
240
176
88
40
32
8
800
77
72
67
62
57(M)
52
47
42
37
32
-
+4
+3
+2
+1
0
-1
-2
-3
-4
-5
-
+32
+48
+64
+160
0
-176
-176
-120
-128
-40
-336 =fx
Langkah 1: Mencari mean terkaan sendiri dengan cara memilih salah satu
midpoint diantara midpoint yang ada dalam interval nilai yang
memiliki frekuensi tertinggi
Langkah 2: Menentapkan x dengan cara meletakkan angka nol pada M
selanjutnya berturut-turut keatas +1,+2 dst, sedangkan dibawah
-1,-2 dst.
Langkah 3 : Memperkalikan frekuensi dri masing-masing interval dengan x
Langkah 4: Menghitung meannya dengan mempergunakan rumus
fx '
Mx = M + i
N
Karena M = 57, i = 5,
Mx = 57 -
fx = -338 dan N =800
1680
57 2,10 54,90
800
Penggunaan Mean
a. Bahwa data statistik yang kita hadapi merupakan data yang distribusi
frekuensinya bersifat normal atau simetris; setidak-tidaknya mendekati
normal.
b. Bahwa dalam kegiatan analisa data, kita menghendaki kadar kemantapan atau
kadar kepercayaan yang setinggi mungkin.
c. Bahwa dalam penganalisaan data selanjutnya, terhadap data yang sedang kita
hadapi atau kita teliti itu, akan kita kenai ukuran-ukuran statistik selain Mean.
2.
Nilai Rata-rata Pertengahan (Median)

Adalah suatu nilai atau suatu angka yang membagi suatu distribusi data ke
dalam dua bagian yang sama besar. Dengan kata lain, Nilai Rata-rata Pertengahan
atau Median adalah nilai atau angka yang di atas nilai atau angka tersebut terdapat
N dan dibawahnya juga terdapat N .
Cara mencari median
1. Cara mencari median untuk data tunggal
a. Data tunggal dengan frekuensi 1
o Data tunggal dengan frekuensi 1 dan number of casesnya gasal
Untuk data tunggal yang seluruh skorya berfrekuensi 1 dengan number of
cases gasal (2n+1) maka mediannya terletak pada bilangan ke n+1.
Contoh: sejumlah 9 orang mahasiswa menempuh ujian lisan dalam teknik
evaluasi pendidikan. Nilai mereka 65 75 60 70 55 50 80 40 30.
Langkah yang ditempuh menentukan n dengan rumus N = 2n +1
2n = 9-1
n=4
Dengan demikian, mediannya adalah n+1 berada pada bilangan ke 4+1 = 5
yaitu 60
o Data tunggal dengan frekuensi 1 dan number of casesnya genap
Untuk data tunggal yag seluruh skorya berfrekuensi 1 dengan number of
cases genap (2n) maka mediannya terletak pada bilangan ke n+1.
Contoh: 161 162 163 164 165 166 167 168 169 170
Karena N = 10, maka n = 5, jadi bilangan median terletak antara bilangan
ke5 dan ke5+1 yaitu 165 dan 166.
Jadi Mdn =
165 166
165,50
2
b. Data tunggal dengan frekuensi lebih dari satu

Rumus yang digunakan :
Mdn = l +
N fk b
fi
atau Mdn = u -
N fk a
fi
Mdn = Median
1
= lower limit (Batas Bawah Nyata dari skor yang mengandung
Median)
fkb = frekuensi kumulatif yang terletak di bawah skor yang mengandung
Median
fka = frekuensi kumulatif yang terletak di atas skor yang mengandung
Median
N
= Number of Cases
u
= upper limit (Batas Atas Nyata dari skor yang mengandung Median)
fi
= frekuensi aslinya (frekuensi dari interval yang mengandung Median)
Contoh: skor berikut menunjukkan usia sejumlah 50 orang guru agama islam
yang bertugas pada SDN di suatu kecamatan:
26
29
31
23
24
28
27
24
29
29
27
26
27
27
31
24
30
29
26
27
31
25
27
28
28
27
23
30
25
28
25
31
28
27
27
28
28
26
28
28
26
26
29
30
27
30
27
25
25
27
Untuk mencari median dari data semacam ini, terlebih dahulu kita membuat
tabel distribusi frekuensinya yang memuat skor usia, tanda, frekuensi,
frekuensi kumulatif dari bawah, frekuensi kumulatif atas.
Setelah tabel selesai, langkah yang harus dilakukan adalah:
1. Pertama- tama data dibagi menjadi dua bagian sama besar, karena N=50,
maka N = 25
2. Karena skor yang mengandung median adalah 27, maka dapat diketahui
bahwa, l nya = 26,50.frekuensi asli = 12 dan fkbnya =18
3. Subtitusikan dalam rumus, maka:
Mdn = 1 +
N fk b
fi
= 26,50 +
7
26,50 1,583 27,083
12
Tabel Perhitungan Distribusi Frekuensi Usia Guru Agama Islam

Usia (X)
31
30
29
28
27
26
25
24
23
Total
fi
4
4
5
6
12
8
5
3
2
50 = N
fkb
50 = N
46
42
37
30
18
10
5
2
-
2. Cara mencari median dengan data kelompok

Rumus yang digunakan:
fka
4
8
13
20
32
40
45
48
50 = N
-
1 N fk b
2
Xi
Mdn = l +
dan Mdn = u
fi
1 N fk a
2
Xi
fi
Mdn = Median atau Nilai Rata-rata Pertengahan

l
= lower limit (Batas Bawah Nyata dari skor yang mengandung Median)
fkb
= frekuensi kumulatif yang terletak di bawah interval mengandung

median
fka
= frekuensi kumulatif yang terletak di atas interval yang mengandung

median
fi
= frekuensi aslinya (frekuensi dari interval yang mengandung Median)
= upper limit (Batas Atas Nyata dari skor yang mengandung Median)
= Number of Cases
Contoh:
Tabel Perhitungan Untuk Mencari Median Nilai Hasil EBTA dalam Bahasa
Arab yang Diikuti 100 Orang Siswa Madrasah Tsanawiyah
Interval nilai
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
29-25
20-24
Total
fi
6
24
25
15
10
6
5
4
3
2
100
fkb
100
94
70
45
30
20
14
9
5
2
-
fka
6
30
55
70
80
86
91
95
98
100
-
Langkah yang harus dilakukan:

1. Tentukan letak pertengahan dengan N = 50
2. Menentukan letak pertengahan pada frekuensi kumulatif yaitu 70
3. Tentukan interval yaitu 55-59, maka l = 54,50; fi =25; fkb = 45;sedangkan i =
5.
1 N fk b
2
Xi
Mdn = l +
fi
5
50 45
x 5 54,50 1 55,50
X 5 = 54,50 +
25
25
Mdn = 54,50 +
Penggunaan nilai median

Nilai median digunakan apabila kita berhadapan dengan kenyataan sebagai
berikut:
o Kita tidak memiliki waktu yang cukup luas atau longggar untuk menghitung
Nilai Rata-rata Hitung (Mean)-nya.
o Kita tidak ingin memperoleh nilai reta-rata dengan tingkat ketelitian yang
tinggi, melainkan hanya sekedar ingin mengetahui, skor atau nilai yang
merupakan nilai pertengahan dati data yang sedang kita teliti.
o Distribusi Frekuensi data yang sedang kita hadapi itu bersifat a-simetris (tidak
normal).
o Data yang sedang kita teliti itu tidak akan dianalisa secara lebih dalam lagi
dengan mempergunakan ukuran statistik lainnya.
Kebaikan dan kelemahan median
Kebaikan median, karena median dapat diperoleh dalam waktu yang
sangat singkat karena proses perhitungannya yang sangat sederhana, sedangkan
kelemahannya adalah kurang teliti.
3. Modus (Mode)
Modus adalah suatu skor atau nilai yang mempunyai frekuensi paling
banyak; dengan kata lain: skor atau nilai yang mempunyai frekuensi maksimal
dalam suatu distribusi data.
Cara Mencari modus
1. Cara mencari modus data tunggal
Dengan memeriksa (mencari) mana diantara skor yang ada, yang memiliki
frekuensi yang paling banyak. Skor atau nilai yang memiliki frekuensi paling
banyak itulah yang disebut dengan Modus.
Contoh :
Misalkan data tentang 50 orang guru Kimia yang tercantum pada tabel berikut
ini dapat kita cari modusnya sebagai berikut :
Usia ( X )
f
31
4
30
4
29
5
28
7
Mo (27)
(12) = f maksimal
26
8
25
5
24
3
23
2
Total
50 = N
2. Cara mencari modus data kelompok

Rumus yang digunakan:
fa
fb
X i atau Mo = u -
X i
Mo = l +
fa fb
fa fb
Mo = Modus
l = lower limit (Batas Bawah Nyata dari skor yang mengandung Modus)
fa = frekuensi yang terletak di bawah interval mengandung Modus
fb = frekuensi yang terletak di bawah interval mengandung Modus
u = upper limit (Batas Atas Nyata dari skor yang mengandung Modus)
i = interval class (kelas interval)
Contoh :
Nilai yang berhasil dicapai oleh 40 orang mahasiswa dalam mata kuliah Kimia
Organik adalah sbb :
Interval Nilai
85 89
80 84
75 79
70 74
65 69
f
2
2
3
4
5 (fa)
(60 64)
55 59
50 54
45 49
40 44
35 39
Total
10 (f maks )
5 (fb)
4
3
2
1
N = 40
Diketahui : l = 59,50
u = 64,50
fa = 5
fb = 5
i = 5
fa
Rumus Pertama : Mo = l +
fa fb
= 59,50 +
X i
5
x5
55
= 59,50 + 2,50
= 62
fb
Rumus Kedua : Mo = u -
fa fb
= 64,50 -
X i
5
x5
55
= 64,50 2,50
= 62 (Hasilnya Sama)
Penggunaan Modus
1. Untuk memperoleh nilai dalam waktu yang singkat
2. Untuk memperoleh nilai dengan mengabaikan faktor ketelitian.
3. Untukmengetahui kecenderungan atau cirri khas dari data yang kita teliti.
Kebaikan dan kelamahan Modus
Kebaikan Modus ialah, dapat menolong diri kita untuk dalam waktu yang
paling singkat memperoleh ukuran rata-rata yang merupakan ciri khas dari data
yang kita hadapi.
Adapun kelemahannya ialah kurang teliti, karena Modus terlalu mudah
atau terlalu gampang diperoleh (dicapai). Modus sifatnya labil.
4. Saling Hubungan antara Mean, Median dan Modus

Dalam keadaan khusus yaitu dalam keadaan distribusi frekuensi data yang
kita selidiki bersifat normal (simetris). maka akan kita temui keadaan sebagai
berikut;
a. Mean = Median = Modus
b. Modus = 3 Median 2 Mean
Contoh:
Interval
Nilai
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
Total
fx
fb
fa
2
4
9
10
14
10
9
4
2
64 = N
72
67
62
57
(52)M1
47
42
37
32
-
+4
+3
+2
+1
0
-1
-2
-3
-4
-
+8
+12
+18
+10
0
-10
-18
-12
-8
64 = N
62
58
49
39
25
15
6
2
-
2
6
15
25
39
49
58
62
64 = N
-
fx '
M = M + i
N
0 = fx
0
= 52 + 0 = 52
64
= 52 +
1 N fk b
2
X i 49,50 32 25 X 5
Mdn = l +
=
= 49,50 + 2,50 =
14
fi
52
1 N fk a
2
X i 54,50 32 25 X 5
Mdn = u -
=
= 54,50 - 2,50 = 52
14
fi
fa
Mo = l +
fa fb
fb
Mo = u -
fa fb
X i 49,50
10
X 5 = 49,50 + 2,50 = 52
10 10
X i 54,50
10
X 5 = 54,50 2,50 = 52
10 10
Modus = 3Mdn 2 M = (3 x 52) (2 x 52)

= 156 104 = 52
4. Quartile, Decile dan Percentile sebagai Ukuran Penentuan Letak Nilai

Selain Median
a. Quartile
Quartile (kuartil) adalah titik atau skor atau nilai yang membagi seluruh
distribusi frekuensi ke dalam empat bagian yang sama besar, yaitu masing-masing
sebesar 1/4N. Jadi di sini akan kita jumpai tiga buah Quartile, yaitu Quartil
pertama (Q1), Quartile kedua (Q2), dan Quartile ketiga (Q3).
Untuk mencari Q1,Q2,Q3 menggunakan rumus sebagai berikut :
o Untuk data tunggal
n / 4 N - fk b
fi
Qn = l +
o Untuk data kelompok

n / 4 N - fk b
fi
Qn= l +
X i
Keterangan :
Qn = Quartile yang ke-n. Karena titik Quartile ada 3 buah, maka n dapat diisi
dengan bilangan 1,2, dan 3.
l = lower limit (Batas Bawah Nyata dari skor yang mengandung Qn)
N = Number of Cases
fkb = Frekuensi kumulatif yang terletak dibawah skor yang mengandung Qn.
fi
= Frekuensi aslinya (frekuensi dari interval yang mengandung Qn)
Kegunaan Quartile
Diantara kegunaan Quartile adalah untuk mengetahui simetris (normal)
atau asimetrisnya suatu kurva. Dalam hal ini patokan yang kita gunakan adalah
sebagai berikut :
1. Jika Q3 Q2 = Q2 - Q1, maka kurvanya adalah Kurva Normal.
2. Jika Q3 Q2 > Q2 Q1, maka kurvanya adalah Kurva Miring kekiri / (Juling
Positif)
3. Jika Q3 Q2 < Q2 - Q1, maka kurvanya adalah Kurva Miring kekanan / (Juling
Negatif).
b. Decile
Decile adalah titik atau sekor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang kita selidiki, ke dalam 10 bagian yang sama besar, yang
masing-masing sebesar 1/10N.
Untuk mencari decile digunakan rumus sebagai berikut:
o Untuk data tunggal
n / 10 N - fk b
fi
Dn = 1 +
o Untuk data kelompok

n / 10 N - fk b
fi
Dn = l +
Dn
L
N
fkb
fi
i
X i
= Decile yang ke-n (di sini n dapat di isi dengan bilangan: 1, 2, 3, 4, 5, 6,

7, 8, atau 9.
= lower limit (Batas Bawah Nyata dari skor atau interval yang
mengandung Decile ke-n)
= Number of Cases
= Frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung Decile ke-n
= Frekuensi dari skor atau interval yang mengandung Decile ke-n, atau
frekuensi aslinya
= interval class (kelas interval)
Diantara kegunaan decile adalah dapat digunakan untuk menggolonggolongkan suatu distribusi data ke dalam sepuluh bagian yang sama besar, untuk
kemudian menempatkan subjek-subjek penelitian ke dalam sepuluh golongan
tersebut.
c. Persentil
Persentil adalah titik atau nilai yang membagi suati distribusi data menjadi
seratus bagian yang sama besar. Karena itu persentil sering disebut ukuran perratus-an).
Untuk mencari persentil digunakan rumus sebagai berikut:
o Data tunggal
n / 100 N - fk b
fi
Pn = 1 +
o Data Kelompok
n / 100 N - fk b
fi
Pn = l +
X i
Pn = Persentil yang ke-n (di sini n dapat di isi dengan bilangan: 1, 2, 3, 4, 5,

dan seterusnya sampai dengan 99).
L = lower limit (Batas Bawah Nyata dari skor atau interval yang
mengandung Persentil ke-n)
N = Number of Cases
fkb = Frekuensi kumulatif yang terletak dibawah skor atau interval yang
mengandung Persentil ke-n
fi = Frekuensi dari skor atau interval yang mengandung Persentil ke-n.
Kegunaan Percentile dalam Dunia Pendidikan
1. Untuk mengubah raw score (raw data) menjadi standard score (nilai standar).
2. Percentile dapat digunakan untuk menentukkan kedudukan seorang anak
didik.
3. Percentile juga dapat digunakan sebagai alat untuk menetapkan Nilai Batas
Lulus pada tes atau seleksi.
d. Saling Hubungan antara Quartile Decile dan Percentile

P90
= D9
1.
P80
= D8
2.
P75
= Q3
3.
P70
= D7
4.
P60
= D6
5.
P50
= D5 = Q2 = Median
6.
P40
= D4
7.
P30
= D3
8.
P25
= Q1
9.
P20
= D2
10.
P10
= D1
11.
6. Nilai Rata-rata Ukur (Geometric Mean)
Pengertian Nilai Rata rata Ukur
Nilai ratarata ukur adalah hasil perkalian bilangan tersebut, diakar
pangkatkan banyaknya bilangan itu sendiri.
Dengan demikian, GM dari dua bilangan adalah sama dengan akar pangkat
dua dari hasil perkalian kedua bilangan itu sendiri.
GM =
X 1 x X 2 x X 3 ...........X N
Cara Menghitung Nilai Rata-rata Ukur

Rumus untuk menghitung geometrik mean dengan menggunakan
logaritma adalah sebagai berikut:
Log GM =
log X
N
7. Nilai Rata-rata Harmonik

Pengertian Nilai Rata-rata Harmonik
Nilai rata-rata harmonik adalah kebalikan dari nilai rata-rata hitung dari
kebalikan bilangan yang termasuk dalam kumpulan bilangan tersebut.
N
HM =
Cara Menghitung Nilai Rata-rata Harmonik

Misalkan kita ingin mencari nilai rata-rata harmonik 3 bilangan, yaitu
bilangan 2, 3 dan 4.
Jika bilangan tersebut kita lambangkan dengan X1,X2, X3, maka
1
1
6

X 1 2 12
1
1
4

X 2 3 12
1
1
3

X 3 4 12
Jumlah:
13
12
Karena N=3, maka nilai rata-rata harmoniknya adalah

N
HM =
x
3
HM = 13
2,8
12
Sumber :
http://www.pustakasekolah.com/.mean(rata-rata). ( diakses tanggal 18 September

2013 ).
http//.www.edukasi.kompasiana.com.distribusi frekuensi. ( diakses tanggal 18
September 2013).
PENYEBARAN DATA
A. PENGERTIAN UKURAN PENYEBARAN DATA
Ukuran penyebaran data itu, yakni berbagai macam data statistik yang dapat
digunakan untuk mengetahui luas penyebaran data, atau variasi data, atau
homogenitas data, atau stabilitas data.
B.
MACAM-MACAM UKURAN PENYEBARAN DATA

Dalam dunia statistik dikenal beberapa macam ukuran penyebaran data,
dari ukuran yang paling sederhana sampai ukuran yang dipandang memiliki kadar
ketelitian yang tinggi, yaitu:
1. Range,
2. Deviasi (yaitu: deviasi kuartil, deviasi rata-rata, deviasi standar)
3. Variance
4. Ukuran Penyebaran Relatif
1. Range
Pengertian Range
Range biasa diberi lambang R adalah salah satu ukuran statistik yang
menunjukkan jarak penyebaran antara skor yang terendah (Lowest Score) sampai
skor tertinggi (Highest Score). Dengan singkat dapat dirumuskan sebagai berikut:
R=HL
R = Range yang dicari
H = Skor atau nilai yang tertinggi (Highest Score)
L = Skor atau nilai yang terendah (Lowest Score)
Cara Mencari Range
Tabel berikut mengemukakan salah satu contoh cara mencari Range
Tabel. Perhitungan Range Nilai Hasil Tes untuk 5 Macam Bidang Studi yang
Diikuti oleh 3 Orang Calon yang Mengikuti Tes Seleksi Penerimaan Calon
Mahasiswa Baru Pada Sebuah Perguruan Tinggi Agama Islam
No
Uji
Nama
1
2
3
A
B
C
PMP
85
58
65
Nilai Yang Dicapai

Dir. Bhs Bhs
Islam Ind Arab
55
75
45
65
72
60
65
65
65
Bhs.
Ingg
65
70
65
R=H-L
Jumlah
nilai
85
72
65
45
58
65
40
14
0
325
325
325
Mean
65
65
65
Tabel diatas menunjukkan bahwa makin kecil jarak penyebaran nilai dari
nilai terendah sampai nilai tertinggi akan makin homogen (concentrated)
distribusi nilai tersebut. Sebaliknya, makin besar rangenya maka akan makin
berserakan (makin heterogenitas) nilai-nilai yang ada dalam distribusi tersebut.
Penggunaan Range
Range kita pergunakan sebagai ukuran, apabila di dalam waktu yang
sangat singkat kita ingin memperoleh gambaran tentang penyebaran data yang
sedang kita selidiki, dengan mengabaikan faktor ketelitian dan kecermatan.
Kebaikan dan Kelemahan Range
Kebaikan range sebagai salah satu ukuran penyebaran data ialah bahwa
dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umun
mengenai luas penyebaran data yang sedang kita hadapi.
Adapun kelemahannya ialah:
o Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata lain
range akan sangat ditentukan oleh nilai terendah dan nilai tertinggi yang
terdapat dalam distribusi data, sehingga dengan demikian Range sifatnya
sangat labil dan kurang teliti.
o Range sebagai ukuran penyebaran data, tidak memperhatikan distribusi yang
terdapat dalam range itu sendiri
2. Deviasi
Pengertian Deviasi
Deviasi adalah selisih atau simpangan dari masing-masing skor atau
interval dari nilai rata-rata hitungnya (deviation from the mean).
Terdapat dua jenis deviasi, yaitu: (1) deviasi yang berada di atas mean; (2)
deviasi yang berada di bawah mean.
Deviasi yang berada di atas mean dapat diartikan sebagai selisih lebih,
karenanya deviasi yang seperti ini akan bertanda plus, dan lazim dikenal dengan
istilah deviasi positif. Adapun derviasi yang berada di bawah mean dapat diartikan
sebagai selisih kurang dan bertanda minus serta lazim dikenal sebagai deviasi
negatif.
Perlu diingat bahwa semua deviasi yang bertanda plus maupun minus
dijumlahkan hasilnya akan sama dengan nol. Guna memperjelas uaian perhatikan
contoh berikut:
Deviasi
Skor (X)
Banyaknya (f)
(x=X-Mx)
8
1
8-6 = +2
7
1
7-6 =+1
6
1
6-6 = 0
5
1
5-6 = -1
4
1
4-6 = -2
N=5
X = 30
X = 0
Mx =
X
N
30
=6
5
a. Deviasi Rata-rata
1. Pengertian Deviasi Rata-rata
Deviasi rata-rata yakni : jumlah harga mutlak deviasi dari tiap-tiap skor,
dibagi dengan banyaknya skor itu sendiri. Dalam bahasa inggris deviasi rata-rata
dikenal dengan Mean Deviation (diberi lambang MD) atau Average Deviatio
(diberi lambang AD). Deviasi rata-rata dirumuskan sebagai berikut:
AD =
AD
X
N
X
N
= Average Deviation = Deviasi Rata-rata

= Jumlah harga mutlak deviasi tiap-tiap skor atau interval
= Number of case
2. Cara Mencari Deviasi Rata-rata

o Cara Mencari Deviasi Rata-rata untuk Data Tunggal yang semua skor
berfrekuensi satu
Tabel Nilai Hasil Studi Tingkat Sarjana yang Berhasil

Dicapai Taufiq dan Perhitungan Deviasi Rata-ratanya
Nilai (X)
F
Deviasi
(x = X-Mx)
73
1
+3
78
1
+8
60
1
-10
70
1
0
62
1
-8
80
1
+10
67
1
-3
N
=
7
X = 480
X = 42
Mx =
x 490 70
AD =
x 42 6,0
Tabel Nilai Hasil Studi Tingkat Sarjana yang Berhasil Dicapai Tarmudzi dan
Perhitungan Deviasi Rata-ratanya.
Nilai (Y)
73
69
72
70
71
67
68
Y = 490
1
1
1
1
1
1
1
N= 7
My =
AD =
y 1,7
Deviasi
(y = Y My)
+3
-1
+2
0
+1
-3
-2
Y = 12
490
70
7
o Cara Mencari Deviasi Rata-rata untuk Data Tunggal yang sebagian atau
seluruh skornya berfrekuensi lebih dari satu
Untuk data semacam ini, rumus yang dipergunakan adalah sebagai berikut:
AD =
fx
N
AD = Average Deviation = Deviasi Rata-rata

fx = Jumlah hasil perkalian antara deviasi tiap-tiap skor dengan frekuensi
masing-masing skor.
N = Number of case
Contoh : Tabel usia dan Perhitungan Deviasi rata-rata
Usia(X)
F
fX
x
fx
31
4
124
+3,8
+15,2
30
4
120
+2,8
+11,2
29
5
145
+1,8
+9,0
28
7
196
+0,8
+5,6
27
12
324
-0,2
-2,4
26
8
208
-1,2
-9,6
25
5
125
-2,2
-11,0
24
3
72
-3,2
-9,6
23
2
46
-4,2
-8,4
Total
N = 50
1360 =
82,0 = fx
fx
Langkah I
: Mencari mean dengan rumus

Mx =
Langkah II
Langkah III
Langkah IV
fx 1360 27,2
N
50
: Menghitung deviasi masing-masing skor dengan rumus x = XMx

: Memperkalikan f dengan x sehingga di dapatkan fx, kemudian
dijumlahkan sehingga diperoleh fx , dengan catatan tanda
alajabar diabaikan sehingga nilai fx = 82,0
: Menghitung deviasi rata-rata dengan rumus:
AD =
fx
N
82,0
1,64
AD=
50
o Cara Mencari Deviasi Rata-rata untuk Data Kelompokan

Untuk data kelompokan, Deviasi Rata-ratanya dapat diperoleh dengan
menggunakan rumus :
AD =
AD =
Deviasi Rata-rata
fx
N
fx =
N
Jumlah hasil perkalian antara deviasi titap-tiap interval (x) dengan

frekuensi masing-masing interval yang bersangkutan.
Number of Cases
Contoh :
Tabel Perhitungan deviasi rata-rata
Interval
F
X
FX
x
fx
70-74
3
72
216
+25,875
+75,5625
65-69
5
67
335
+20,875
+100,9375
60-64
6
62
372
+15,1875
+91,1250
55-59
7
57
399
+10,1875
+71,3125
50-54
7
52
364
+5,1875
+36,3125
45-49
17
47
799
+0,1875
+3,1875
40-44
15
42
630
-4,8125
-72,1875
35-39
7
37
259
-9,8125
-68,6875
30-34
6
32
192
-14,8125
-88,8750
25-29
5
27
135
-19,8125
-99,0625
20-24
2
22
44
-24,8125
-49,6250
Total
N = 80
3745 = fX
756,8750= fx
Langkah-langkah yang ditempuh dalam mencari deviasi Rata-rata :
Langkah I = Menetapkan Midpoint masing-masing interval. (Lihat kolom
3)
Langkah II = Memperkalikan frekuensi masing-masing interval (f) dengan
Midpointnya (X), sehingga diperoleh fX; setelah itu
dijumlahkan, sehingga diperoleh fX . fX = 3745 (Lihat
kolom 4)
Langkah III = Mencari Meannya dengan rumus Mx
Mx =
fx 3745
46,8125
=
N
80
Langkah IV = Mencari Deviasi tiap-tiap interval, dengan rumus x = X-M x (di

mana X = Midpoint). Hasilnya dapat dilihat pada kolom 5.
Langkah V = Memperlihatkan f dengan x sehingga diperoleh fx; setelah itu
dijumlahkan dengan tidak mengindahkan tanda-tanda plus
dan minus, sehingga diperoleh fx = 756,8750.
Langkah VI = Mencari Deviasi rata-ratanya, dengan rumus:
AD =
fx 756,8750
9,461
=
N
80
3. Kelemahan Deviasi rata-Rata

Pengabaian
tanda
alabar
secara
matematik
kurang
dapat
dipertanggungjawabkan, sehingga dalam penganalisaan data statistic ukuran ini
jarang sekali digunakan karena dianggap kurang teliti.
b. Deviasi Standar
1. Pengertian Deviasi Standar
Disebut deviasi standard, karena deviasi rata-rata yang tadinya memiliki
kelemahan telah dibakukan atau distandarisasikan, sehingga memiliki kadar
kepercayaan yang lebih mantap.
Rumus umum Deviasi Standar atau SD ::
SD =
SD
x
x 2
N
= Standar deviasi
2
= Jumlah semua deviasi, setelah mengalam pengkuadratan terlebih dahulu

= Number of cases
2. Cara Mencari Deviasi Standar

o Cara Mencari Deviasi Standar untuk Data Tunggal yang semua skornya
berfrekuensi satu
Contoh :
Tabel Nilai Hasil Studi Tingkat Sarjana yang Berhasil Dicapai
Taufiq dan Perhitungan Deviasi Standarnya
Nilai (X)
73
78
60
70
62
80
67
X = 490
1
1
1
1
1
1
1
N=7
Deviasi
(x = X-Mx)
+3
+8
-10
0
-8
+10
-3
X = 0
x2
+9
+64
+100
0
+64
+100
+9
x2 = 346
Langkah perhitungannya:
1.
2.
3.
4.
Mx =
X
490
70
N
7
Mencari deviasi x = X - Mx
Mengkuadratkan x sehingga diperoleh x2 sehingga didapatkan x2 = 346
Mencari Deviasi Standarnya:
SD =
x 2
=
N
346
49,429 7,03
AD =
x 42
6,0
N
7
Ternyata SD-nya lebih besar daripada AD-nya. Hasil perhitungan SD

ini lebih teliti daripada hasil perhitungan AD.
o Cara Mencari Deviasi Standar untuk Data Tunggal yang sebgaian atau
seluruh skornya berfrekuensi lebih dari satu
Rumus deviasi stanar untuk data semacam ini adalah sebagai berikut:
SD =
fx 2
N
SD = Standar Deviasi
fx2 = Jumlah hasil perkalian antara frekuensi masing-masing, dengan
deiviasi skor yang telah dikuadratkan
N = Number of cases
Contoh :
Misalkan data pada perhitungan table usia yang telah dicari deviasi rataratanya
Usia (X)
F
fX
x
x2
fx2
31
4
124
+3,8 14,44
57,76
30
4
120
+2,8 7,84
31,36
29
5
145
+1,8 3,24
16,20
28
7
196
+0,8 0,64
4,48
27
12
324
-0,2
0,04
0,48
26
8
208
-1,2
1,44
11,52
25
5
125
-2,2
4,84
24,20
24
3
72
-3,2 10,24
30,72
23
2
46
-4,2 17,64
35,28
2
Total
N = 50 1360 = fx
212,00 =fx2
Langkah yang erlu kita tempuh:
1. Mencari meannya dengan rumus:
Mx =
2.
3.
4.
5.
fX 1360
27,2
N
50
Mencari deviasi tiap-tiap skor yang ada ( kolom 4)

Mengkuadratkan semua deviasi yang ada ( kolom 5)
Memperkalikan frekuensi dengan x2 sehingga diperoleh fx2 = 212
Mencari SD-nya dengan rumus:
SD =
fx 2
=
N
212
20
4,24 2,06
AD =
82,0
1,64
50
o Cara Mencari Deviasi Standar untuk Data Kelompokan

- Cara Mencari Deviasi Standar untuk Data Kelompokan, dengan
menggunakan Rumus Panjang
Contoh :
Perhitungan Deviasi Standar
Interval
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
25-29
20-24
Total
SD =
f
3
5
6
7
7
17
15
7
6
5
2
N = 80
X
72
67
62
57
52
47
42
37
32
27
22
-
fx 2
=
N
fX
216
335
372
399
364
799
630
259
192
135
44
3745 = fx2
11772 ,175
80
x
+25,875
+20,875
+15,1875
+10,1875
+5,1875
+0,1875
-4,8125
-9,8125
-14,8125
-19,8125
-24,8125
-
x2
634,410
407,535
230,660
130,785
26,910
0,035
23,160
96,285
219,410
392,535
615,660
-
fx2
1903,230
2037,675
1383,960
726,495
188,370
0,595
347,400
673,995
1316,460
1962,675
1231,320
11772,175 = fx2
147,1522 12,13
- Cara Mencari Deviasi Standar untuk Data Kelompokan, dengan

menggunakan Rumus Singkat
Rumus singkat mencari deviasi standar sebagai berikut:
SD = i
SD
i
fx2
fx
N
fx' 2 fx '
N
N
= Deviasi Standar
= Kelas interval
= Jumlah hasil perkalian antara frekuensi maisng-masing interval
dengan x2
= Jumlah hasil perkalian antara frekuensi maisng-masing interval
dengan x
= Number of cases
Tabel perhitungan diatas kita cari dengan menggunakan rumus panjang,

maka sekarang kita cari dengan rumus singkat:
Interval
fx
x2
fx2
70-74
65-69
60-64
55-59
50-54
45-49
40-44
35-39
30-34
25-29
20-24
Total
SD = i
=5
=5
=5
3
5
6
7
7
17
15
7
6
5
2
N= 80
72
67
62
57
52
47
42
37
32
27
22
-
fx ' 2 fx '
N
N
+5
+4
+3
+2
+1
0
-1
-2
-3
-4
-5
-
+15
+20
+18
+14
+7
0
-15
-14
-18
-20
-10
fx= -3
25
16
9
4
1
0
1
4
9
16
25
-
75
80
54
28
7
0
15
28
54
80
50
2
fx = 471
471 3
80 80
5,8875 0,0375 2
5,88609375
= 12,13 (Hasilnya
persis
sama
dengan
rumus
panjang)
c. Kegunaan Deviasi rata-rata dan Deviasi Standar
Baik deviasi rata-rata maupun deviasi standar keduanya berguna untuk
mengetahui variabilitas data dan sekaligus untuk mengetahui homogenitas data.
Dengan mengetahui besar kecilnya deviasi rata-rata dan deviasi standar, kita akan
dapat pula mengetahui bagaimana variabilitas dan homogenitas data yang sedang
kita selidiki. Jika deviasi rata-rata atau deviasi standar besar, maka kurang
homogenitas data tersebut.
Sumber :
http//.www.edukasi.kompasiana.com.Penyebaran Data. ( diakses tanggal 25
September 2013).
MASALAH HUBUNGAN ANTAR VARIABEL

(TEKNIK ANALISIS KORELASIONAL)
A. PENGERTIAN KORELASI
Kata korelasi berasal dari bahasa Inggris correlation. Dalam bahasa
Indonesia sering diterjemahkan dengan hubungan atau saling hubungan, atau
hubungan timbal-balik.
Dalam Ilmu Statistik istilah korelasi diberi pengertian sebagai
hubungan antar dua variabel atau lebih.
Hubungan antar dua variabel dikenal denmgan istilah bivariate
correlation, sedangkan hubungan antar lebih dari dua variabel disebut
multivariate correlation.
B. ARAH KORELASI
Hubungan antar variabel itu jika ditilik dari segi arahnya, dapat dibedakan
menjadi dua macam, yaitu hubungan yang sifatnya satu arah dan hubungan yang
sifatnya berlawanan arah.
Hubungan yang bersifat searah diberi nama korelsi positif, sedang
hubungan yang bersifat berlawanan arah disebut korelasi negatif.
Disebut Korelasi Positif, jika dua variabel (atau lebih) yang berkorelasi,
berjalan paralel, artinya bahwa hubungan antar dua variabel (atau lebih) itu
menunjukkan arah yang sama. Jadi, apabila variabel X mengalami kenaikan atau
pertambahan, akan diikuti pula dengan kenaikan atau pertambahan pada variabel
Y; atau sebaliknya, penurunan atau pengurangan pada variabel X akan diikuti pula
dengan penurunan atau pengurangan pada variabel Y.
Disebut Korelasi Negatif, jika dua variabel (atau lebih) yang berkorelasi itu
berjalan dengan arah yang berlawanan, bertentangan, atau berkebalikan. Ini
berarti bahwa kenaikan atau pertambahan pada variabel X misalnya, akan diikuti
dengan penurunan atau pengurangan pada variabel Y.
Korelasi Positif
Var Var Var Var

X Y X Y
Korelasi Negatif
Var Var Var Var

X Y X
C. PETA KORELASI
Arah hubungan variabel yang dicari dapat diamati dengan menggunakan
peta atau diagram, yang dikenal dengan Peta Korelasi. Dalam peta korelasi dapat
dilihat pencaran titik atau moment dari variabel yang sedang dicari korelasinya.
Oleh sebab itu, peta korelasi juga disebut dengan Scatter Diagram (Diagram
Pencaram Titik).
Ciri yang terkandung dalan peta korelasi itu adalah :
1. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif
Tertinggi, atau Korelasi Positif Sempurna, maka pencaran titik yang terdapat
pada peta korelasi, apabila dihubungkan antara satu dengan yang lain, akan
membentuk satu buah garis lurus yang condong ke arah kanan.
2. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Negatif
Tertinggi, atau Korelasi Positif Sempurna, maka pencaran titik yang terdapat
pada peta korelasi, apabila dihubungkan antara satu dengan yang lain, akan
membentuk satu buah garis lurus yang condong ke arah kiri.
3. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif
yang tinggi atau kuat, maka pencaran titik yang terdapat pada peta korelasi,
sedikit mulai menjauhi garis linier, yaitu titik tersebut terpencar atu berada di
sekitar garis lurus tersebut yang condong ke arah kanan.
4. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Negatif
yang tinggi atau kuat, maka pencaran titik yang terdapat pada peta korelasi,
sedikit mulai menjauhi garis linier, yaitu titik tersebut terpencar atu berada di
sekitar garis lurus tersebut yang condong ke arah kiri.
5. Baik Korelasi Positif maupun Korelasi Negatif dikatakan cukup dan korelasi
rendah, apabila pencaran titik pada Peta Korelasi semakin jauh dari
tersebar/menjauhi garis linier.
D. ANGKA KORELASI
1. Pengertiannya
Tinggi-rendah, kuat-lemah atau besar kecilnya suatu korelasi dapat
diketahui dengan melihat besar kecilnya suatu angka (koefisien) yang disebut
Angka Indeks Korelasi atau Coefficient of Correlation.
Jadi Angka Indeks Korelasi adalah sebuah angka yang dapat dijadikan
petunjuk untuk mengetahui seberapa besar kekuatan korelasi di antara variabel
yang sedang diselidiki korelasinya.
2. Lambangnya
Angka korelasi biasanya diberi lambang dengan huruf tertentu; misalnya
rxy sebagai lambang koefisien korelasi pada Teknik Korelasi Product Moment,
(baca Rho) sebagai lambang koefisien korelasi pada Teknik Korelasi Tata Jenjang,
(baca Phi) sebagai lambang koefisien korelasi pada Teknik Korelasi Phi, C atau
KK sebagai lambang koefisien korelasi pada Teknik Korelasi Kontingensi, dan
lain-lain.
3. Besarnya
Angka korelasi itu besarnya berkisar antara 0 sampai dengan 1,00,
artinya bahwa angka korelasi itu paling tinggi adalah 1,00 dan paling rendah
adalah 0. jika dalam perhitungan diperoleh angka korelasi lebih dari 1,00 hal itu
merupakan petunjuk bahwa dalam perhitungan trsebut telah terjadi kesalahan
4. Tandanya
Korelasi antara variabel X dan Y disebut Korelasi Positif apabila angka
indeks korelasinya bertanda plus (+). Sebaliknya, apabila angka indeksnya
antara variabel X dan Y bertanda minus (-), maka korelasi yang demikian itu
disebut Korelasi Negatif .
Antara variabel X dan Y dikatakan tidak ada korelasinya jika angka indeks
korelasinya = 0.
Tanda plus yang terdapat di depan angka indeks korelasinya memberikan
petunjuk bahwa korelasi itu adalah korelasi positif (korelasi searah). Sedangkan
tanda minus yang terdapat di depan angka indeks korelasi memberi petunjuk
bahwa korelasi itu adalah korelasi negatif (korelasi berlawanan arah)
Tanda minus yang terdapat di depan angka indeks korelasi tidak dapat
diartikan bahwa korelasi antarvariabel besarnya kurang dari nol, sebab angka
korelasi yang paling kecil adalah nol.
5. Sifatnya
Angka indeks korelasi yang diperoleh dari proses perhitungan sifatnya

relatif, yaitu angka yang fungsinya melambangkan indeks hubungan antar variabel
yang dicari korelasinya. Jadi angka indeks korelasi itu bukanlah angka yang
bersifat eksak, atau angka yang merupakan ukuran pada skala linier yang
memiliki unit-unit yang sama besar, sebagaimana yang terdapat pada mistar
penukur panjang.
E. TEKNIK ANALISIS KORELASIONAL
1. Pengertiannya
Teknik Analisa Korelasional adalah teknik analisa statistik mengenai
hubungan antar dua variabel atau lebih.
2. Tujuannya
Ada 3 macam tujuan dalam teknik analisa korelasional, yaitu
a. Ingin mencari bukti (berlandaskan pada data yang ada), apakah memang benar
antara variabel yang satu dan variabel yang lain terdapat hubungan atau
korelasi.
b. Ingin menjawab pertanyaan apakah hubungan antar variabel itu (jika memang
ada hubungannya), termasuk hubungan yang kuat, cukupan, ataukah lemah.
c. Ingin memperoleh kejelasan dan kepastian (secara matematik), apakah
hubungan antar variabel itu merupakan hubungan yang berarti atau
meyakinkian (signifikan), ataukah hubungan yang tidak berarti atau tidak
meyakinkan.
3. Penggolongannya
Teknik Analis Korelasional dapat dibedakan menjadi dua golongan, yaitu
Teknik Analisa Korelasional Bivariat dan Teknik Analisa Korelasional
Multivariat.
Teknik Analisa Korelasional Bivariat ialah teknik analisa korelasi yang
mendasarkan diri pada dua buah variabel. Adapun Teknik Analisa Korelasional
Multivariat ialah teknik analisa korelasi yang mendasarkan diri pada lebih dari
dua variabel.
4. Cara Mencari Korelasi pada Teknik Analisa Korelasional Bivariat
Sebagaimana dikemukakan oelh Borg dan Gall dalam bukunya Educationl
Research, terdapat 10 macam teknik perhitungan korelasi yang termasuk dalam
Teknik Analisa Korelasional Bivariat, yaitu
a. Teknik Korelasi Product Moment (Product Moment Corrlelation)
b. Teknik Korelasi Tata Jenjang (Rank Different Correlation atau Rank Order
Correlation)
c. Teknik Korelasi Koefisien Phi (Phi Coefficient Correlation)
d.
e.
f.
g.
h.
i.
j.
Teknik Korelasi Kontingensi (Contingency Coefficient Correlation)

Teknik Korelasi Point Biserial (Point Biserial Correlation)
Teknik Korelasi Biserial (Biserial Vorrelation)
Teknik Korelasi Kendall Tau (Kendalls Tau Correlation)
Teknik Korelasi Rasio (Correlation Ratio)
Teknik The Widespread Correlation
Teknik Korelasi Tetrakorik (Tetrachoric Correlation)
F. TEKNIK KORELASI PRODUCT MOMENT

1. Pengertiannya
Product Moment Correlation adalah salah satu teknik untuk mencari
korelasi antar dua variabel yang kerap kali digunakan. Teknik korelasi ini
dikembangkan oelah Karl Pearson, sehingga lebih dikenal dengan istilah Teknik
Korelasi Pearson.
2. Penggunaannya
a. Variabel yang dikorelasikan berbetnuk gejala atau data yang bersifat kontinu
b. Sampel yang diteliti mempunyai sifat homogen, atau setidak-tidaknya
mendekati homogen
c. Regresinya merupakan regresi linier
3. Lambangnya
Kuat-lemah atau tinggi-rendahnya korelasi antar dua variabel yang sedang
diteliti, dapat diketahui dengan melihat besar-kecilnya angka indeks korelasi, yang
pada Teknik Korelasi Product Moment diberi lambang r. Angka indeks korelasi
Product Moment ini diberi indeks dengan huruf kecil dari huruf-huruf yang
dipergunakan untuk dua buah variabel yang sedang dicari korelasinya. Jadi,
apabila variabel pertama diberi lambang X dan variabel kedua diberi lambang Y,
amaka angka indeks korelasinya dinyatakan dengan lambang rxy.
4. Cara Mencari Angka Indeks Korelasi Product Moment
Ada beberapa macam cara yang dapat dipergunakan untuk mencari angka
indeks korelasi Product Moment.
Apabila data yang ada dalah Data Tunggal, sedangkan Number of Casesnya kurang dari 30, maka sesuai dengan hal yang dikemukakan oleh Henry E.
Garrett, Ph.D. dalam bukunya Statistics in Psychology and Education, angka
indeks korelasi product moment dapat dihitung dengan 6 cara, yaitu
a. Menghitung deviasi standarnya terlebih dahulu
b. Atau cara singkat tanpa menghitung deviasi standarnya
c. Memperhitungkan skor-skor aslinya atau ukuran-ukuran kasarnya

d. Memperhitungkan Mean-nya
e. Memperhitungkan selisih deviasi dari variabel-variabel yang dikorelasikan
terhadap Mean-nya
f. Memperhitungkan selisih dari masing-masing skor aslinya atau angka
kasarnya.
Adapun untuk Data Tunggal yang Number of Cases-nya 30 atau lebih dari
30 dan untuk Data Kelompok (Group Data), angaka indeks korelasi rxy dapat
diperoleh dengan bantuan peta atau diagram.
5. Cara Memberi Intepretasi terhadap Angka Indeks Korelasi r: Product
Moment
Terhadap angka Indeks Korelasi yang telah diperoleh dari perhitungan
dapat memberi interpretasi atau penafsiran tertentu. Dalam hubungan ini ada dua
macam cara kita tempuh, yaitu :
a. Interpretasi terhadap Angka Indeks Korelsai r Product Moment Secara
kasar (Sederhana)
Ada pedoman yang digunakan dalam memberikan interpretasi secara
sederhana terhadap Angka Indeks Korelasi, yaitu
Besarnya r Product Momen (rxy)
Interpretasi
Antara variable X dan Y memang terdapat
korelasi, akan tetapoi korelasi itu sangat
0,00 0,20
lemah atau sangat rendah sehingga
korelasi itu diabaikan (dianggap tidak ada
korelasi antara variable X dan Y)
Antara variabel X dan Y terdapat korelasi
0,20 0,40
yang lemah atau rendah
0,40 0,70
yang sedang atau cukup
0,70 0,90
yang kuat atau tinggi
0,90 1,00
yang sangat kuat atau sangat tinggi
b. Interpretasi terhadap Angka Indeks Korelasi r Product Moment, dengan
jalan berkorealitasi pada Tabel Nilai r Product Moment.
Apabila cara kedua ini yang ditempuh, maka posedur yang harus dilakukan
adalah :
o Merumuskan Hipotesa alternatif (Ha) dan Hipotesa Nihil atau Hipotesa Nol
(H0)
Hipotesa alternatifnya (Ha) kita rumuskan sebagai berikut : Ada korelasi
positif ( atau korelasi negatif) yang signifikan antara variabel X dan variabel
Y. Adapun rumusan Hipotesa Nihil adalah : Tidak ada (atau tidak terdapat)
korelasi positif ( atau korelasi negatif) yang signifika antara variabel X dan
variabel Y
o Menguji kebenaran atau kepalsuan dari hipotesis yang telah diajukan
(Maksudnya: manakah yang benar : Ha ataukah Ho?), dengan jalan
memperbandingkan besarnya r yang telah diperoleh dalam proses
perhitungan dengan r observasi (ro) dengan besarnya r yang tercantum
dalam Tabel Nilai r Product Moment, dengan terlebih dahulu mencari derajat
bebasnya (db) atau degress of freedomnya (df) yang rumusnya :
df = N nr
df = degress of freedom
N = Number of cases
nr = banyaknya variable yang dikorelasiakan (jika bivariat maka nr = 2)
Dengan diperoleh db atau df maka akan dicari besarnya r yang tercantum
dalam Tabel Nilai r Product Moment, baik pada taraf signifikansi 5% atau
1%. Jika ro sama dengan atau lebih besar dari pada rt maka Hipotesa
alternatif (Ha) disetujui atau terbukti kebenarannya. Dan Hipotesa Nihilnya
ditolak.
6. Contoh Cara Mencari dan Memberikan Interpretsi Terhadap Angka
Indeks Korelasi r Product Moment
a. Cara Mencari (menghitung) dan Memberikan Interpretasi terhadap Angka
Indeks Korelasi r Product Moment untuk Data Tunggal, di mana N kurang
dari 30, dengan terlebih dahulu memperhitungkan Deviasi Standarnya
Rumus :
xy
rxy
N .SDx .SD y
rxy = Angka Indeks Korelasi antar Variabel X dan Variabel Y
xy = Jumlah dan hasil perkalian antara deviasi skor-skor Variabel X
SDx = Deviasi Standar dari Variabel X
SD.y = Deviasi Standar dari Variabel Y
N = Number of cases
b. Cara Mencari (menghitung) dan Memberikan Interpretasi terhadap Angka
Indeks Korelasi r Product Moment untuk Data Tunggal di mana N kurang
dari 30, dengan tidak menggunakan Standar Deviasi.
Rumus :
xy
rxy
x2 y 2
rxy
= Angka Indeks Korelasi r Product Moment
x2 = Jumlah deviasi skor-skor X setelah lebih dulu dikuadratkan

y2 = Jumlah deviasi skor-skor Y setelah lebih dulu dikuadratkan
c. Cara Mencari (menghitung) Angka Indeks Korelasi r Product Moment
dimana N kurang dari 30, dengan mendasarkan diri pada skor aslinya atau
angka kasarnya.
Rumus yang kita gunakan adalah :
N XY ( Y )
rxy
N X 2 ( X ) 2 N Y 2 ( Y ) 2
rxy = Angka Indeks Korelasi r Product Moment

N
= Number of cases
XY = Jumlah hasil perkalian antara skor X dan skor Y
X = Jumlah seluruh skor X
Y = Jumlah seluruh skor Y
d. Cara Mencari (menghitung) Angka Indeks Korelasi r Product Moment di
mana N kurang dari 3, dengan mendasarkan diri pada (memperhitungkan)
Mean-nya
Rumus :
rxy
xy N .M x .M y
2
N .M x
N .M y
XY = Jumlah dari hasil perkalian antara skor variabel X dan skor variabel
Y
N
= Number of cases
Mx = Mean dari skor variabel X
My = Mean dari skor variabel Y
X2 = Jumlah deviasi skor-skor X setelah lebih dulu dikuadratkan
Y2 = Jumlah deviasi skor-skor Y setelah lebih dulu dikuadratkan
Mx2 = Kuadrat dari Mean skor variabel X
My2 = Kuadrat dari Mean skor variabel Y
e. Cara Mencari (menghitung) Angka Indeks Korelasi r Product Momen,
dimana N kurang dari 30, dengan mendasarkan diri pada Selisih Deviasinya.
Rumusnya :
x2 y2 d 2
rxy
2 x 2 y 2
x2 = Jumlah deviasi skor variabel X setelah lebih dulu dikuadratkan
y2 = Jumlah deviasi skor variabel Y setelah lebih dulu dikuadratkan
d
= Selisih antara deviasi skor variabel X dan deviasi skor variabel Y;
atau d = x y
d2
2
= Jumlah selisih antara deviasi skor variabel X dan deviasi skor

variabel Y, setelah dikuadratkan terlebih dahulu; atau d2 = (x y)2
= Bilangan konstan
f. Cara Mencari (menghitung) Angka Indeks Korelasi r Product Moment di

mana N kurang dari 3, dengan mendasarkan diri pada selisih skornya
(selisih ukuran kasarnya).
Rumusnya :
rxy
N x 2 y 2 x y
2
2 x y
N x x N y y
2
N
X2
= Number of cases
= Jumlah dari seluruh skor variabel X, setelah terlebih dulu
dikuadratkan
2
Y
= Jumlah dari seluruh skor variabel Y, setelah terlebih dulu
dikuadratkan
(X Y) = Selisih antara skor variabel X dan skor variabel Y
(X Y)2 = Kuadrat dari selisih antara skor variabel X dan skor variabel Y
(X)2
= Jumlah dari seluruh skor variabel X, setelah itu lalu dikuadratkan
2
(Y)
= Jumlah dari seluruh skor variabel X, setelah itu lalu dikuadratkan
2
= Bilangan konstan
g. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal di mana N = 30 atau lebih dari 30
Rumusnya :
x' y '
C x ' C y '
N
rxy
SD x ' SD y '
xy = Jumlah hasil perkalian silang (product of the moment) antara

frekuensi sel (f) dengan x dan y
Cx
= Nilai Koreksi pada variabel X yang dapat dicari / diperoleh dengan
rumus :
Cx =
Cy
fx'
N
= Nilai Koreksi pada variabel Y yang dapat dicari / diperoleh dengan

rumus :
Cy =
fy'
N
SDx
1.
SDy
1
N
= Deviasi Standar skor X dalam arti tiao skor sebagai 1 unit di mana i= Deviasi Standar skor Y dalam arti tiao skor sebagai 1 unit di mana i= Number of cases
h. Cara Mencari Angka Indeks Korelasi r Product Moment, untuk Data

Kelompok
Rumusnya :
x' y '
Cx' C y '
N
rxy
SDx ' SDy '
xy = Jumlah dari hasil perkalian silang (product of the moment) antara
frekuensi sel (f) dengan x dan y
N
= Number of cases
Cx
= Nilai Koreksi pada variabel X dalam arti interval class sebagai unit,
di mana :
Cx =
Cy
= Nilai Koreksi pada variabel Y dalam arti interval class sebagai unit,
di mana :
Cy =
SDx
SDy
fx'
N
fy'
N
= Deviasi Standar dari variabel X, dalam arti interval class sebagai

unit; dengan demikian di sini i = 1.
= Deviasi Standar dari variabel Y, dalam arti interval class sebagai
unit; dengan demikian di sini i = 1.
G. TEKNIK KORELASI TATA JENJANG (TEKNIK KORELASI RANK

ORDER = RANK ORDER CORRELATION = RANK DIFFERENCE
CORRELATION)
1. Pengertiannya
Teknik Korelasi Tata Jenjang dalam dunia statistik dikenal sebagai Teknik
Analisis Korelasional yang paling sederhana jika dibandingkan dengan Teknik
Analisis Korelasional lainnya.
Pada Teknik Korelasi Tata Jenjang besar kecilnya atau kuat-lemahnya
korelasi antara variabel; yang sedang diselidiki korelasinya diukur berdasarkan
perbedaan urutan kedudukan skornya; jadi bukan berdasarkan pada skor hasil
pengukuran yang sebenarnya. Datanya adalah data ordinal atau data berjenjang
atau data urutan.
2.
Penggunaannya
Teknik Analisa Korlasional Tata Jenjang ini dapat efektif digunakan
apabila subjek yang dijadikan sampel dalam penelitian lebih dari sembilan tetapi
kurang dari tiga puluh, dengan kata lain N antara 10 29. karena itu apabila N
sama dengan atau lebih dari 30, sebaiknya jangan digunakan teknik korelasi ini.
3.
Lambangnya
Pada Teknik Korelasi Tata Jenjang ini angka indeks korelasinya
dilambangkan dengan huruf (Rho), seperti halnya rxy maka angka indeks
korelasi ini besarnya berkisar antara 0,00 sampai dengan 1,00.
4.
Rumusnya
Untuk mencari (menghitung) dipergunakan rumus sebagai berikut :

6 D2
1
N ( N 2 1)
Atau
6 D2
N3 N
= Angka Indeks Korelasi Data Jenjang

6 & 1 = Bilangan Konstan (tidak boleh diubah-ubah)
D
= Difference, yaitu perbedaan antara urutan skor variabel pertama
(R1) dan urutan skor pada variabel kedua (R2) jadi D = R1 R2.
N
= Number of Cases, dalam hal ini adalah banyaknya pasangan yang
sedang dicari korelasinya.
5.
Cara Memberikan Interpretasi terhadap Angka Indeks

Korelasi Tata Jenjang
Untuk memberikan interpretasi terhadap Angka Indeks Korelasi Tata

Jenjang, terlebih dahulu kita rumuskan Hipotesis alternatif dari Hipotesis nol-nya.
Ha : Ada korelasi positif yang signifikan antara Variabel I dan Variabel II.
Ho : Tidak ada korelasi positif yang signifikan antara Variabel I dan Variabel
II
6. Cara menghitung dan Memberikan Interpretasi terhadap Angka Indeks

Korelasi Tatata Jenjang
Ada 3 macam cara menghitungnya, yaitu :
a. Dalam keadaan tidak terdapat urutan yang kembar
b. Dalam keadaan terdapat urutan yang kembar dua
c. Dalam keadaan terdapat kemabr tiga buah atau lebih
Contoh :
Skor yang Melambangkan Prestasi Belajar Bidang Studi
Agama Islam dan Sikap Keagamaan dari Sejumlah 10 Siswa MAN
Nomor Urut
Nama
1
2
3
4
5
6
7
8
9
10
A
B
C
D
E
F
G
H
I
J
N = 10
Skor
I
66
82
65
76
69
57
90
50
74
59
II
60
77
59
75
63
40
80
47
70
54
Rank
I = R1
II = R2
6
6
2
2
7
7
3
3
5
5
9
10
1
1
10
9
4
4
8
8
D = R1 R2
D2
0
0
0
0
0
-1
0
1
0
0
D = 0
0
0
0
0
0
1
0
1
0
0
2 = D2
a. Ha = Ada korelasi positif yang signifikan antara Prestasi Belajar bidang studi
Agama Islam dengan Sikap Keagamaan
H0 = Tidak ada korelasi positif yang siginifikan antara Prestasi Belajar bidang
studi Agama Islam dengan Sikap Keagamaan
b. Menghitung
1
1
6 D2
N N 2 1
62
1 0,018 0,98182
10100 1
c. Rho dibandingkan dengan Rho tabel , di mana df = 10 , pada tabel taraf

signifikansi 5% 0,648 dan yang 1% adalah 0,794. Dengan demikian rho yang
diperoleh (hitungan) jauh lebih besar dibandingkan dengan rho tabel maka Ho
ditolak.
d. Kesimpulan : secara signifikan prestasi belajar bidang studi agama islam

berkorelasi positif dengan sikap keagamaan
H. TEKNIK KORELASI PHI (PHI COEFICIENT CORRELATION)

1.
Pengertiannya
Teknik Korelasi Phi adalah salah satu teknik analisis korelasional yang
dipergunakan apabila data yang dikorelasikan adalah data yang benar-benar
dikotomik (terpisah atau dipisahkan secara tajam); dengan istilah lain variabel
yang dikorelasikan itu adalah variabel diskrit murni.
2.
Lambangnya
Besar-kecil, kuat-lemah atau tinggi-rendahnya korelasi antar dua variabel
yang kita selidiki korelasinya, pada Teknik Korelasi Phi ini, ditunjukkan oleh
besar-kecilnya Angka Indeks Korelasi yang dilambangkan dengan huruf (Phi).
Seperti halnya rxy dan Rho, maka besarnya juga berkisar antara 0,00 sampai
dengan 1,00.
3.
a.
Rumusnya
Rumus Pertama :
( ad bc )
( a b)(a c )(b d )(c d )
Rumus ini kita pergunakan apabila dalam menghitung atau mencari kita
mendasarkan diri pada frekuensi dari masing-masing sel yang terdapat dalam
Tabel Kerja (Tabel Perhitungan).
b.
Rumus Kedua :
( p )(q )( p )(q )
Rumus ini kita pergunakan apabila dalam menghitung kita mendasarkan diri
pada nilai proporsinya.
c.
Rumus Ketiga :
2
N
Rumus ketiga kita pergunakan apabila dalam mencari kita terlebih dahulu
menghitung harga Kai Kuadrat (2); Kai Kuadrat itu dapat diperoleh dengan
rumus :
( fo f t ) 2
2
tt
fo = frekuensi yang diobservasi atau observed frequency, atau frekuensi yang
diperoleh dalam penelitian.
ft = frekuensi teoretik atau theoretical frequency, atau frekuensi secara
teoretik
4.
Cara Memberikan Interpretasi Terhadap Angka Indeks

Korelasi Phi ()
Pada dasarnya, Phi merupakan Product Moment Correlation. Rumus untuk
menghitung Phi merupakan variasi darirumus dasar Pearson sebagaimana yang
telah dikemukakan pada pembicaraan terdahulu, yaitu :
xy
rxy
( x 2 )( y 2 )
Contoh :
Sekolah Asal dan Prestasi Tes SIPENMARU dari 1760 Calon
Prestasi Tes
SIPENMARU
Lulus
Tidak Lulus
Jumlah
Sekolah Asal
SMTA Negeri
270 (a)
180 (c)
450
SMTA Swasta
470 (b)
840 (d)
1310
Jumlah
740
1020
1760
Berdasarkan Teknik Korelasi Koefisien Phi

a. Ha = Ada korelasi signifikan antara Prestasi Tes SIPENMARU Lulusan SMTA
Negeri dengan SMTA Swasta
H0 = Tidak ada korelasi yang siginfikan antara Prestasi Tes SIMPENMARU
Lulusan SMTA dengan SMTA Swasta
b. Perhitungan

ad bc
a b a c b d c d
270 x 840 470 180

270 470 270 180 470 840 180 840
142200
0,213
447049,1736
c. Interpretasinya terhadap Phi,

df = N nr = 1760 2 = 1758
Karena tidak ada yang 1758 maka digunakan 1000 di mana taraf signifikan 5%
adalah 0,062 dan untuk 1% adalah 0,081. Dapat dilihat bahwa r hitung lebih
besar dibandingkan dengan r tabel maka Ho di tolak.
Kesimpulan : Terdapat korelasi positif antara Prestasi Tes SIPENMARU
Lulusan SMTA Negeri dengan SMTA Swasta
I. TEKNIK KORELASI KOEFISIEN KONTINGENSI
1.
Pengertiannya
Teknik Korelasi Koefisien Kontingensi (Contingency Coefficient
Correlation) adalah salah satu Teknik analisis Korelasional Bivariat, yang dua
buah variabeldikorelasikan adalah berbentuk kategori atau merupakan gejala
ordinal. Misalnya : Tingkat Pendidikan : Tinggi, Menengah, Rendah. Pemahaman
terhadap ajaran Agama Islam : Baik, Cukup, Kurang dan sebagainya.
2.
Lambangnya
Kuat-lemah, tinggi-rendah atau besar-kecilnya korelasi antar dua variabel

yang sedang kita selidiki korelasinya, dapat diketahui dari besar kecilnya angka
Indeks korelasi yang disebut Coefficient Contingency, yang umumnya diberi
lambang dengan huruf C atau KK (singkatan dari Koefisien Kontingensi)
3.
Rumusnya
Rumus untuk mencari Koefisien Korelasi Kontingensi adalah :
C
2
N
2
2 dapat diperoleh dengan menggunakan rumus :
4.
( fo ft )2
ft
Cara Memberikan Interpretasi terhadap Angka Indeks

Korelasi Kontingensi
Pemberian interpretasi terhadap Angka Indeks Korelasi Kontingensi C

atau KK ini adalah dengan jalan terlebih dahulu mengubah harga C menjadi Phi,
dengan mempergunakan rumus sebagai berikut :
1 C2
Contoh :
Kegiatan dalam Organisasi Extra Universiter Dan Prestasi Studi dari Sejumlah
600 Orang Mahasiswa
Sel
f0
ft
20
70
60
30
245
75
40
45
15
Jumlah
N = 600
(f0 fr)
90 x 150
22,5 -2,5
600
360 x 150
90
-20
600
150 x 150
37,5 +22,5
600
90 x 350
52,5 -22,5
600
360 x 350
210 +35
600
150 x 350
87 ,5-12,5
600
90 x 100
15
+25
600
360 x 100
60
-15
600
150 x 100
25
-10
600
(fo ft)2
(f0 ft)2/ft
f0
6,25
0,27
20
400
4,44
70
506,25
13,5
60
506,25
16,875
30
1225
245
156,25
2,08
75
625
15,625
40
225
45
100
6,67
15
69,46 = X2
N = 600
a. Interpretasinya :
Ha = Ada korelasi positif yang signifikan antara kegiatan dalam organisasi
universitas dan prestasi studi
H0 = Tidak ada korelasi positif yang signifikan antara kegiatan dalam
organisasi universitas dan prestasi studi
b. Perhitungan

C = KK =
2
N
C
1 C 2
69,46
0,322
69,46 600
C
1 C
0,322
1 0,322
0,340
c. Interpretasinya dengan tabel r tabel

df = N nr = 600 2 = 598
(karena tidak ada pada tabel r maka digunakan df sebesar 600, dimana
signifikan 5% adalah 0,080 dan 1% adalah 0,105). Ternyata phi yang
dihasilkan lebih besar dibandingkan dengan di tabel maka Ho di tolak
Kesimpulan : adanya korelasi positif yang signifikan antara kegiatan dalam
organisasi universitas dan prestasi studi.
J. TEKNIK KORELASI POIN BISERIAL
1.
Pengertiannya
Teknik Korelasi Point Biserial (Point Biserial Correlation)adalah salah
satu Teknik Analisis Korelasional Bivariat yang biasa dipergunakan untuk
mencari korelasi antara dua variabel, variabel I berbentuk variabel kontinum
(misalnya : skor hasil test), sedangkan variabel II berbentuk variabel diskrit murni
(misalnya betul atau salahnya calon dalam menjawab butir-butir soal test.).
2.
Lambangnya
Angka indeks korelasi yang menunjukkan keeratan hubungan antara
variabel yang satu dengan variabel yang lain, pada Teknik Korelasi ini
dilambangkan dengan : rPhi.
3.
Rumusnya
Rumus untuk mencari Angka Indeks Korelasi Poin Biserial (rpbi) adalah :
rpbi
M p Mt
SDt
p
q
rpbi = Angka Indeks Korelasi Poin Biserial

Mp = Mean (Nilai rata-rata Hitung) skor yang dicapai oleh peserta tes (testee)
yang menjawab betul yang sedang dicari korelasinya dengan tes secara
keseluruhan.
Mt = Mean skor total, yang berhasil dicapai oleh seluruh peserta tes (testee)
SD = Deviasi Standar total (Deviasi Standar dari skor total)
P = Proporsi peserta tes (testee) yang menjawab betul terhadap butir soal
yang sedang dicari korelasinya dengan tes secara keseluruhan.
Sumber :
http//.www. navelmangelep.wordpress.com. Macam-Macam Hubungan Antar
Variable.
( diakses tanggal 2 Oktober 2013 )
http//.www.google-search.com.Jonathan Sarwono, 2006, Analisis Data Penelitian

Menggunakan SPSS 13.( diakses tanggal 2 Oktober 2013 )
MASALAH PERBEDAAN ANTARA VARIABEL

(TEKNIK ANALISIS KOMPARASIONAL)
A. PENGERTIAN KOMPARASI
Istilah komparasi atau komparasional diambil dari kata comparison
dengan arti Perbandingan atau pembandingan.
Jhon M. Echols dan hasan Shadily mengemikakan tiga buah contoh
penggunaan comparison , yaitu :
1. Its difficult to comparison the two men , artinya sulit membedakan kedua
lelaki itu.
2. The comparison of dutch and german is Interesiting,artinya Pembandingan
antara bahasa Belanda dan Jerman adalah menarik hati.
3. In comparison with Chinese, Malay is Easy for Speaker of English, artinya
(kalau) dibandingkan dengan bahasa Cina bahasa Melayu (lebih) mudah bagi
orang-orang yang berbahasa Inggris.
B. PENGERTIAN PENELITIAN KOMPARASI

Dr. Ny. Suharsimi Arikunto dalam bukunya Prosedur Penelitian: Suatu
Pendekatan Praktik (1983). Sambil mengutip pidato pengukuhan Dra. Aswani
Sudjud berjudul Beberapa Pemikiran tentan Penelitian Komparasi. Menjelaskan
bahwa Penelitian Komparasi pada pokoknya adalah penelitian yang berusaha
untuk menemukan persamaan dan perbedaan tentang benda, tentang orang,
tentang prosedur kerja, tentang ide dan lain-lain. Dapat juga dilaksanakan dengan
maksud membandingkan kesamaan pandangan dan perubahan pandangan orang,
grup atau negara terhadap kasus, terhadap peristiwa, atau terhadap ide.
C. PENGERTIAN TEKNIK ANALISIS KOMPARASI

Teknik penelitian komparasional, yaitu salah satu teknik analisis
kuantitatif atau salah satu teknik analisis statistik yang dapat digunakan untuk
menguji hipotesis mengenai ada tidaknya perbedaan antarvariabel yang sedang
diteliti.
Teknik analisis komparasional termasuk dalam kelompok Metode Analisis
Statistik Inferensial : dalam hal ini adalah teknik analisis inferensial yang
digunakan untuk menguji hipotesis dan selanjutnya menarik kesimpulan mengenai

ada tidaknya perbedaan yang signifikan diantara variabel yang sedang diteliti.
D. TEKNIK ANALISIS KOMPARASIONAL DAN

PENGGOLONGANNYA
Teknik Analisis Komparasional dengan variabel yang diperbandingkan
hanya dua buah saja disebut Teknik Analisis Komparasional Bivarat. Misalnya,
apakah terdapat perbedaan sikap keagamaan yang signifikan antara remaja yang
berdomisili di lingkungan masyarakat agraris dan remaja yang berdomisili di
lingkungan masyarakat industri?
Adapun apabila variabel yang diperbandingkan itu lebih dari dua buah,
maka teknik analisisnya disebut Teknik Analisis Komparasional Multivariat.
Misalnya, apakah secara signifikan terdapat perbedaan sikap social dan sikap
keagamaan remaja yang orangtuanya berbeda status social dan tingkatan
pendidikannya?
Sumber :
Furqon. 1999. Statistika Terapan Penelitian. Bandung : CV Alphabet.
http//.www.google-search.com. Perbedaan Antar Variable.( diakses tanggal
Oktober 2013)
TES t (t TEST) DAN TES KAI KUADRAT

(CHI SQUARE TEST) SEBAGAI
TEKNIK ANALISIS KOMPARASIONAL BIVARIAT
A. PENGETIAN TES t
Tes t atau t Test, adalah salah satu tes statistik yang dipergunakan
untuk menguji kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa
diantara dua buah mean sample yang diambil secara random dari populasi yang
sama, tidak terdapat perbedaan yang signifikan.
Sebagai salah satu tes statistik parametrik, tes t mula pertama

dikembangkan oleh William Seely Gosset pada 1915. Pada waktu itu ia
menggunakan nama samaran Student, dan huruf t yang terdapat dalam istilah
Tes t itu diambilkan huruf terakhir dari nama beliau. Itu pula sebabnya mengapa
Tes t sering juga disebut dengan nama atau istilah Student t.
Para ahli statistik melalui berbagai macam penelitian dan eksperimentasi
pada akhirnya menyimpulkan bahwa besar kecilnya kesalahan sampling itu dapat
diketahui dengan melihat besar kecilnya angka standar yang disebut standard error
of the mean (SEM), yang dapat diperoleh dengan rumus:
SEM
SD
N 1
SEM = Besarnya kesesatan mean sample

SD = Deviasi standar dari sample yang diteliti
N = Number of cases (banyaknya subjek yang diteliti)
= Bilangan konstan
Standard error perbedaan mean dua sample dapat diperoleh dari rumus
sebagai berikut:
SEM 1 M 2
SEM 1 SEM 2
Untuk menolak atau menerima hipotesis nihil tentang ada atau tidak
adanya perbedaan dua mean sampel secara signifikan, kita harus mencari harga
kritik t. di sini t merupakan suatu angka atau koefisien yang melambangkan
derajat perbedaan mean kedua kelompok sampel yang sedang kita teliti. Besarnya
t sama dengan selisih kedua mean sampel, dibagi dengan standard error
perbedaan dua mean sampel; atau apabila kita formulasikan ke dalam bentuk
rumus, adalah sebagai berikut:
M1 M 2
t=
SEM 1 M 2
Terhadap t yang telah diperoleh dari hasil perhitungan di atas (lazim
disebut tobservasi dengan diberi lambang to) selanjutnya kita berikan interpretasi
dengan menggunakan tabel nilai t (tabel harga kritik t) dengan ketentuan
sebagai berikut:
1. Jika to sama dengan atau lebih besar daripada harga kritik t yang tercantum
dalam tabel (diberi lambang tt), maka hipotesis nihil yang mengatakan tidak
adanya perbedaan mean dari kedua sampel, ditolak; berarti perbedaan mean
dari kedua sampel itu adalah perbedaan yang signifikan.
2. Jika to lebih kecil daripada tt, maka hipotesis nihil yang mengatakan tidak
adanya perbedaan mean dari kedua sampel yang bersangkutan, disetujui;
berarti perbedaan mean dua sampel itu bukanlah perbedaan yang terjadi hanya
secara kebetulan saja (by chence) sebagai akibat sampling error.
B. PENGGOLONGAN TES t
Penggunaan tes t sebagai salah satu teknik analisis komparasional
bivariat harus disesuaikan dengan keadaan sampel yang sedang kita selidiki
(sedang dicari perbedaan mean-nya).
Berdasarkan keadaan samplenya itu, pada umumnya para ahli statistic
mengggolongkan tes t menjadi dua macam, yaitu :
1. Tes t untuk sample kecil (N kurang dari 30)
2. Tes t untuk sample besar (N sama dengan atau lebih besar dari 30).
Tes t untuk sample kecil, dibedakan menjadi dua golongan, yaitu :
a. Tes t untuk sample kecil yang kedua sampelnya satu sama lain mempunyai
hubungan.
b. Tes t untuk sample kecil yang kedua sampelnya satu sama lain tidak ada
hibungannya.
Tes t untuk sample besar, juga dibedakan menjadi dua golongan, yakni :
a. Tes t untuk sample besar yang kedua sampelnya satu sama lain saling
berhubungan.
b. Tes t untuk sample besar yang kedua sampelnya satu sama lain tidak saling
berhubungan.
C. PENGERTIAN TES KAI KUADRAT
Test Kai Kuadrat atau Chi Square Kuadrat yaitu teknik analisis
komparasional yang mendasarkan diri pada perbedaan frekuensi dari data yang
sedang diselidiki.
D. PENGGOLONGAN TES KAI KUADRAT

Teknik Analisis Kai Kuadrat dapat dibedakan dalam 6 macam
penggolongan, yaitu disesuaikan dengan keadaan data atau maksud
penggunaannya.
1. Tes Kai Kuadrat untuk Menguji atau Mengetes Perbedaan Frekuensi Variabel
Tunggal.
Ganda, di mana sel-selnya berfrekuensi 10 atau lebih dari 10.
Ganda, di mana terdapat sel yang berfrekuensi kurang dari 10 (dengan koreksi
Yates).
4. Tes Kai Kuadrat untuk Menguji atau Mengetes Perbedaan Persentase.
5. Tes Kai Kuadrat untuk Menguji atau Mengetes Signifikansi Korelasi.
6. Tes Kai Kuadrat untuk Menguji atau Mengetes Perbedaan Signifikansi
Normalitas Distribusi Frekuensi.
Sumber :
http//.www.google-search.com. Uji T.( diakses tanggal 18 Oktober 2013 )
CONTOH PENGGUNAAN TES t

A. TES
t
UNTUK
SALINGBERHUBUNGAN
DUA
SAMPLE
KECIL
YANG
1. Rumusnya
Rumus untuk mencari t atau to dalam keadaan dua sample yang kecil (N
kurang dari 30), sedangkan kedua sample satu sama lain mempunyai hubungan,
adalah sebagai berikut :
MD
SEM D
to =
MD
= Mean of difference Nilai Rata-rata Hitung dari Beda/Selisih antara Skor

Variable I dan Skor Variable II, yang dapat diperoleh dengan rumus :
MD =
D
N
= Jumlah Beda/Selisih antara Skor Variabel I (Variable X) dan Skor

Variable II (Variable Y), dan D dapat diperoleh dengan rumus :
D=XY
= Number of cases = Jumlah Subjek yang kita teliti.
SEM D = Standard Error (Standar Kesesatan) dari mean of difference yang dapat
diperoleh dengan rumus :
D
SE M D = D
N 1
SDD = Deviasi Standar dari Perbedaan antara Skor Variable I dan Skor Variable
II, yang dapat diperoleh dengan rumus :
SD D
N
D
N
( D 2 )
(N )
= Number of cases
2. Langkah Perhitungan
a. Mencari D (Difference = perbedaan) antara skor variable I dan skor variable
II. Jika variable I kita beri lambang X sedang variable II kita beri lambang Y,
maka : D = X Y.
b. Menjumlahkan D, sehingga diperoleh D (tanda plus dan minus ikut
diperhitungkan).
c. Mencari mean dari Difference, dengan rumus : MD =
D
N
d. Menguadratkan D : setelah itu lalu dijumlahkan sehingga diperoleh D2.

e. Mencari deviasi standar dari difference (SDD), dengan rumus :
SDD =
D
N
( D ) 2
(N )
f. Mencari Standar Error dari Mean of Difference, yaitu : SE M
dengan
menggunakan rumus:
SE M
D
SDD
N 1
g. Mencari to dengan menggunakan rumus :

MD
to =
SEM D
h. Memberikan interpretasi terhadap to dengan prosedur sebagai berikut :
1) Merumuskan terlebih dahulu hipotesis alternative (Ha) dan hipotesis
nihilnya (H0).
2) Menguji signifikansi to, dengan cara membandingkan besarnya to (t hasil
observasi atau t hasil perhitungan) dengan t t (harga kritik t yang
tercantum dalam table nilai t), dengan terlebih dahulu menetapkan
degrees of freedom-nya (df) atau derajat kebebasannya (db), yang dapat
diperoleh dengan rumus : df atau db = N 1.
3) Mencari harga kritik t yang tercantum pada table nilai t dengan
berpegang pada df atau db yang telah diperoleh, baik pada taraf
signifikansi 5% ataupun taraf signifikansi 1%.
4) Melakukan pembandingan antara to dengan tt, dengan patokan sebagai
berikut:
(a) Jika to lebih besar atau sama dengan tt maka hipotesis nihil ditolak;
sebaliknya hipotesis alternative diterima atau disetujui. Berarti kedua
variable yang sedang kita selidiki perbedaannya, secara signifikan
memang terdapat perbedaan.
(b) Jika to lebih kecil daripada tt maka hipotesis nihil diterima atau
disetujui; sebaaliknya hipotesis alternative ditolak. Berarti bahwa
perbedaan antara variable I dan variable II itu bukanlah perbedaan
yang berarti, atau bukan perbedaan yang signifikan.
i. Menarik kesimpulan hasil penelitian.
B. TES t UNTUK DUA SAMPLE KECIL YANG SATU SAMA LAIN
TIDAK ADA HUBUNGANNYA
7.
Rumusnya
Rumus Pertama :
M1 M 2
t to
SEM 1 M 2
Rumus Kedua:
to
M1 M 2
( x1 x2
2
2)
( N1 N 2 2)
8.
( N1 N 2 )
( N1.N 2)
Langkah Perhitungannya
a. Untuk Rumus Pertama :
1)
Mencari mean variable I (variable X), dengan rumus:
Mx atau M1 =
2)
N1
Mencari mean variable II (variable Y), dengan rumus :

My atau M2 =
3)
Y
N2
Mencari deviasi standar skor variable X dengan rumus:
SDx atau SD1 =

4)
N1
Mencari standard error mean variable Y dengan rumus:
SDy atau SD2 =

5)
N2
Mx
SD1
N1 1
atauSEM 1
Mencari standard error mean variable Y, dengan rumus:

SDM x atauSEM 2
7)
Mencari standar error mean variable X, dengan rumus:

SD
6)
SD2
N 2 1
Mencari standard error perbedaan antara mean variable X dan

mean variable Y, dengan rumus:
SEM
SEM 1 SEM
2
2
8)
Mencari to dengan rumus yang telah disebutkan di atas.
9) Memberikan interpretasi terhadap to dengan prosedur sebagai berikut :
a) Merumuskan hipotesis alternatifnya (Ha): ada (terdapat)
perbedaan mean yang signifkan antara variable X dan variable Y.
b) Merumuskan hipotesis nihilnya (Ho): tidak ada (tidak terdapat

perbedaan mean yang signifikan antara variable X dan variable
Y).
10) Menguji kebenaran / kepalsuan ke dalam hipotesis tersebut di atas
dengan membandingkan besarnya t hasil,perhitungan (to) dan t yang
tercantum pada table nilai t, dengan terlebih dahulu menetapkan
degrees of freedomnya atau derajat kebebasannya, dengan rumus: df
atau db = (N1 + N2) 2. dengan diperolehnya df atau db, maka dapat
dicari harga tt pada taraf signifikansi 5% atau 1%. Jika to sama besar
atau lebih besar daripada tt maka Ho ditolak; berarti ada perbedaan
mean yang signifikan di antara kedua variable yang kita selidiki. Jika t o
lebih kecil daripada tt maka Ho diterima; berarti tidak terdapat
perbedaan mean yang signifikan antara variable I dan variable II.
b. Untuk Rumus Kedua
1)
Mencari mean variable X1 dengan rumus:
X1
M1
N1
2)
3)
Mencari mean variable X2 dengan rumus:

X2
M2
N2
Mencari deviasi skor variable X1, dengan rumus: (jumlah X1 dan
X1 harus sama dengan nol)
X
4)
M1
Mencari skor variable X2, dengan rumus:

X2
M2
5)
Menguadratkan x1,lalu dijumlahkan; diperoleh
6)
Menguadratkan x2, lalu dijumlahkan; diperoleh
2
2
7)
8)
Mencari to dengan rumus seperti telah disebutkan di atas.

Memberikan interpretasi terhadap to dengan mempergunakan table
nilai t, dengan cara yang sama seperti telah disebutkan di muka.
9)
Menarik kesimpulan.
C. TES t UNTUK DUA

BERHUBUNGAN
1. Rumusnya
M M2
to 1
SEM 1 M 2
SAMPLE
BESAR
YANG
SALING
2. Langkah Perhitungannya
a. Untuk Data Tunggal (Range-Nya Kurang Dari 30)
1) Mencari mean variable I (variable X): M 1
fX
N
2) Mencari mean variable II (variable Y): M 2
fY
N
fx
3) Mencari deviasi standar variable I: SD1
N1
4) Mencari deviasi standar variable II: SD2
fx
N2
SD1
N 1
SD2
6) Mencari standard error mean variable II: SE M 2
N 1
5) Mencari standard error mean variable I: SEM

1
7) Mencari koefisien korelasi r product moment (rxy atau r12), yang

menunjukkan kuat lemahnya hubungan (korelasi) antara variable I
(variable X) daaan variable II (variable Y) dengan bantuan peta
korelasi (Scatter Diagram): r ataur
xy
12
x' y ('C
x'
)(C y ' )
N
( SDx ' )( SDy ' )
8) Mencari standard error perbedaan mean antara sample I dan sample II:
SEM 1 M 2
SEM 1 SEM 2 (2.r12 )( SEM 1 ) ( SEM 2 )
9) Mencari to dengan rumus: to
M1 M 2
SEM 1 M 2
b. Untuk Data Kelompokan (Range Sama Atau Lebih Dari 30)

1) Mencari mean untuk variable I: M 1 M 'i
( fX ' )
N
2) Mencari mean untuk variable II: M 2 M 'i

3) Mencari deviasi standar variable I: SD1 i
4) Mencari deviasi standar variable II: SD2 i
( fY ' )
N
fx'
fx'
N
( fx' ) 2
(N )
( fx ' ) 2
(N )
SD1
N 1
SD2
N 1
5) Mencari standard error mean variable I: SEM

1
6) Mencari standard error mean variable II: SEM
7) Mencari koefisien korelasi r product moment (rxy atau r12), yang

menunjukkan kuat lemahnya hubungan (korelasi) antara variable I dan
variable II (dengan bantuan peta korelasi), dengan rumus:
rxy ataur12
x' y ' (C
x ' )(C y ' )

N
( SDx ' )( SDy ' )
8) Mencari standar error perbedaan antara mean variable I dan mean

variable
II,
dengan
rumus:
SE M 1 M 2
SEM 1 SEM 2 (2.r12 )( SEM 1 )( SEM 2 )
9) Mencari to dengan rumus: to
M1 M 2
SEM 1 M 2
selanjutnya baik untuk data tunggal maupun data kelompokan setelah

diperoleh harga to, lalu diberikan interpretasi terhadap to dengan
prosedur kerja sebagai berikut:
10) Mencari df atau db dengan rumus df atau db = N 1.
11) Berdasarkan besarnya df atau db tersebut kita cari harga kritik t yang
tercantum dalam table nilai t, pada taraf signifikansi 5% dan taraf
signifikansi 1%, dengan catatan:
a) Apabila to sama dengan atau lebih besar daripada tt maka hipotesis
nihil ditolak; berarti di antara kedua variable yang kita selidiki,
terdapat perbedaan mean yang signifikan.
b) Apabila to lebih kecil daripada tt maka hipotesis nihil diterima atau
disetujui; berarti di antara kedua variable yang kita selidiki tidak
terdapat perbedaan mean yang signifikan.
12) Menarik kesimpulan.
D. TES t UNTUK DUA SAMPLE BESAR YANG SATU SAMA LAIN

TIDAK ADA HUBUNGANNYA
1. Rumusnya
M M2
to 1
SEM 1 M 2
2. Langkah Perhitungannya
a. Mencari
mean
variable
M 1 M 'i
b. Mencari
c. Mencari
SD1 i
d. Mencari
SD2 i
(variable
I),
dengan
rumus:
(variable
II),
dengan
rumus:
variable
dengan
rumus:
variable
II
dengan
rumus:
( fx ' )
(N )
mean
M 2 M '
variable
( fy ' )
(N )
deviasi
fx'
standar
( fx ' ) 2
(N )
deviasi
fy '
N
standar
( fy ' ) 2
(N )
SD1
N 1
SD2
N 1
e. Mencari standard error mean variable I dengan rumus: SEM

1
f. Mencari standard error mean variable II dengan rumus: SEM
g. Mencari standard error perbedaan mean variable I dan mean variable II

dengan Rumus: SEM
1 M 2
SEM 1 SEM 2
h. Mencari to dengan rumus: to
M1 M 2
SEM 1 M 2
Sumber :
http//.www.google-search.com. Uji T. ( diakses tanggal 26 Oktober 2013 )
http//.wordpress.com. Penggunaan Uji T. ( diakses tanggal 12 oktober 2013 )
UJI X
Dalam pembicaraan yang lalu telah dikemukakan teknik analisis
komparasional yang mendasarkan diri pada perbedaan Mean antardua
variabel,yang dikenal dengan Tes t.Seperti telah disinggung pada bagian awal
buku ini selain t Tes,dikenal pula teknik analisis,komparasional lainnya,yaitu
TesKai Kuadrat atau Chi Square Test,yaitu teknik analisis komparasional yang
mendasarkan diri pada perbedaan frekuensi dari data yang sedang kita
selidiki.Namun,sebelum sampai pada pembicaraan pokok mengenai Tes Kai
Kuadrat itu,terlebih dahulu akan dikemukakan sebagai contoh,masalah yang
mungkin kita temui dalam kehidupan sehari-hari selaku peneliti yang
memungkinkan Tes Kai Kuadrat kita butuhkan.
Pada taraf signifikasi 5 % : tt = 1,96;
Pada taraf signifikasi 1 % : tt = 2,59.
Dengan demikian to (yaitu harga t yang kita peroleh dari hasil
perhitungan di muka) adalah jauh lebih besar ketimbang t o yaitu:1,96 < 3,99 <
2,59.Karena itu Hipotesis Nihil yang menyatakan tidak adanya perbedaan Mean
Hasil Belajar.Dirasah Islamiyah dari kedua kelompok sampai yang kita selidiki itu
ditolak.Berarti perbedaan dua Mean Sampel itu adalah perbedaan yang
signifikan.Kesimpulan kita (dengan memperbandingkan besarnya mean dari
kedua sampel diatas),para mahasiswa yang bersekolah dari SMTA Agama,secara
signifikan berbeda (dalam hal ini lebih baik) jika dibandingkan dengan para
mahasiswa yang bersekolah asal dari SMTA Umum,dalam bidang studi Dirasah
Islamiyah.
Para Mahasiswa yang telah ditetapkan sebagai sampel dalam penelitian
tersebut memberikan tiga macam jawaban mengenai baik tidaknya buku
Pengantar ke dalam Statistik Pendidikan yang ditulis oleh penulis A itu yaitu :
1. Buku karangan penulis A itu lebih baik (dalam arti mudah dibaca,dipahami
dan dimengerti) daripada buku statistik yang sudah ada sebelumnya.
2. Buku karangan penulis A itu sama saja baiknya dengan buku statistik yang
sudah ada sebelumnya.
3. Bahwa buku karangan penulis A itu tidak lebih baik (dalam arti:lebih suka
dibaca,dipahami,dan dimengerti) ketimbang buku statistik yang telah adan
sebelumnya.
500 Orang diantaranya bersekolah asal dari Madrasah Aliyah Negeri, 300
orang dari SMA Negeri dan selebihnya yaitu 200 orang berasal dari PGA Negeri.
Bersumber dari hasil angket, diperoleh data sebagai berikut :
1. Dari sejumlah 500 orang mahasiswa yang bersekolah asal dari Madrasah
Aliyah Negeri, 195 orang diantaranya menyatakan buku statistik yang disusun
A lebih baik jika dibandingkan dengan buku statistik lainnya. 205 orang
mahasiswa menyatakan buku statisitik yang disusun A sama baiknya jika
dibandingkan dengan buku statistik lainnya. Sedangkan 100 orang lainnya
menyatakan buku statistik karangan A itu tidak lebih baik jika dibandingkan
dengan buku statistik lainnya.
2. Dari sejumlah 300 orang mahasiswa yang bersekolah asal SMA Negeri, 175
orang diantaranya menyatakan buku statistik karangan A lebih baik jika
dibandingkan buku statistik lainnya. Sebanyak 75 orang menyatakan buku
tersebut sama baiknya dengan buku statistik lainnya. Adapun 50 orang
mahasiswa lainnya menyatakan buku statistik yang ditulis A tidak lebih
bauk jika dibandingkan dengan buku statistik lainnya.
3. Akhirnya dari sejumlah 200 orang mahasiswa yang bersekolah asal dari PGA
Negeri, 60 orang menyatakan lebih baik, 90 orang mahasiswa menyatakan
sama baiknya sedangkan sisanya yaitu 50 orang menyatakan tidak lebih baik.
Jika bahan (yang berupa jawaban angket) di atas kita tuangkan dalam
bentuk tabel, wujudnya digambarkan seperti pada tabel di bawah ini.
Tabel Contigency Table of the Observed Frequency (Tabel Kontigensi Frekuensi

yang diobsevasi).
Penilaian mahasiswa
Sekolah
Lebih
Sama
Tidak
Baik
saja
Lebih
asal mahasiswa
Madrasah Aliyah Negeri
baik
1
195
SMA Negeri
PGA Negeri
Total
Total
2
205
4
175
500 = rN
300 = rN
200 = rN
100
5
75
50
60
430 = ON
90
370 = ON
50
200 = ON
1000 = N
Kolom pertama tabel di atas memuat jenis sekolah asal 1000 mahasiswa
yang telah ditetapkan sebagai sampel secara random. Kolom kedua memuat
frekuensi mahasiswa yang berpendapat buku statistik karangan A lebih baik
daripada buku statististik lainnya. Kolom ketiga memuat frekuensi mahasiswa
yang berpendapat buku statistik tersebut sama biknya dengan buku statistik
lainnya. Kolom keempat menunjukkan frekuensi para mahasiswa yang menilai
buku statistik tersebut tidak lebih baik jika dibandingkan dengan buku statistik
lainnya. Adapun kolom kelima menunjukkan jumlah atas besarnya sampel yang
telah ditetapkan secara random untuk masing-masing golongan sekolah asal.
Kolom kedua jumlah frekuensinya = 430 (ON untuk kolom II = 430);
kolom ketiga jumlah frekuensinya = 370 (ON untuk kolom III = 370); kolom
keempat jumlah frekuensinya = 200 (ON untuk kolom IV = 200); jimlah kolom
kelima = 1000 (N = 1000).
Lajur pertama tabel
di atas menunjukkan klasifikasi penilaian para
mahasiswa terhadap buku statistik yang disusun oleh penulis A, yaitu : lebih
baik, sama biknya dan tidak lebih baik. Lajur kedua memuat frekuensi
mengenai pendapat para mahasiswa yang bersekolah asal dari Madrasah Aliyah
Negeri. Jumlah lajur kedua ini adalah 500 (r N = 500). Jalur ketiga memuat
frekuensi mengenai pendapat paramahasiswa yang bersekolah asal SMA Negeri;
jumlah lajur ketiga ini adalah 300 orang (r N = 300). Lajur keempat memuat
frekuensi mengenai pendapat para mahasiswa yang bersekolah asal dari PGA
Negeri; jumlah lajur keempat ini adalah = 200 (r N = 200). Sedangkan lajur kelima
(paling bawah) menunjukkan jumlah frekuensi mengenai pendapat ketiga
golongan mahasiswa yang diteliti; jumlah lajur kelima = 1000 (N = 1000).
Adapun yang menjadi focus pada penlitian ini adalah Apakah ada kaitan
antara penilaian yang diberikan oleh para mahasiswa terhadap buku statistik itu
disatu pihak dengan jenis sekolah asal mereka?.
Negeri, secara teoritis kita mengharapkan dari sejumlah 300 orang diantara
mereka :
-
43% (129 orang) menyatakan buku statistik itu lebih baik;
37% (111 orang) menyatakan buku itu sama biaknya;
20% (60 orang) menyatakan tidak lebih baik.

Demikian pula untuk para mahasiswa yang bersekolah asal dari PGA
Negeri, secara teoritis kita mengharapkan dari sejumlaj 200 orang diantara mereka
:
-
43% (86 orang) menyatakan lebih baik.
37% (74 orang) menyatakan sama biaknya dan
20% (40 orang) menyatakan tidak lebih baik
Frekuensi yang diharapkan muncul (fh) atau expected frequency (fo)

disebut frekuensi teoritis (theoretical frequency = f0) seperti yang telah disinggung
dalam pembicaraan di atas itu apabila kita sajikan dalam bentuk yabel maka
gambarannya seperti tabel di bawah ini.
Penilaian
Lebih
Sekolah asal
Madrasah Aliyah
baik
1
215
Tidak lebih
baiknya
2
baik
185
SMA Negeri
4
129
PGA Negeri
Total
Sama
111
86
430
500
300
200
100
5
Total
60
8
74
370
40
200
1000
Tabel dia atas kita sebut Contigency table of the Expected Freqcuency
(Tabel Kontigensi dari Frekuensi Teoritis).
Marilah kita bandingkan antara tabel yang pertama dengan tabel yang
kedua dimana masing-masing memiliki 9 buah sel yaitu nomor 1, 2, 3, 4, 5, 6, 7, 8
dan 9. Perbedaan yang kita jumpai antara frekuensi obsevasi dan frekuensi yang
diharapkan (frekuensi teoritis) dari masing-masing sel pada kedua tabel itu adalah
sebagimana dapat dilihat pada tabel di bawah ini :
Perhatikan :
1. Jumlah fo akan selalu samadengan jumlah ft, yaitu = N
2. Jumlah (fo ft) akan selalu = 0
Nomor
sel
1
2
3
4
5
6
7
8
9
Total
Frekuensi
yang
Diobsevasi (fo)
195
205
100
175
75
50
60
90
50
1000 = N
Frekuensi
Teoritis (ft)
215
185
100
129
111
60
86
74
40
1000 = N
Beda/selisih
antara fodan ft
atau (fo ft)
-20
+20
0
+46
-46
-10
-26
+16
+10
0
Sumber :
http//.www.thomasyg.staff.gunadarma.ac.id. Uji Chi Kuadarat. ( diakses tanggal
30 Oktober 2013 ).
http//.www.wordpress.com.uji x.( diakses tanggal 30 Oktober 2013 ).
ANAVA (ANALISA VARIANS)

A. PENDAHULUAN
Kita bahwa kumpulan hasil pengamatan mengenai sesuatuhal, skor hasil
belajar para siswa, berat bayi yang baru lahir, gaji pegawai di suatu perusahaan,
hasil jagung setiap hektar misalnya, nilai datanya bervariasi. Kita lihat juga bahwa
varians bersama rata-rata telah banyak digunakan untuk membuat kesimpulan

mengenai populasi, baik secara deskriptif maupun secara induktif melalui
penaksiran dan pengujian hipotesis mengenai parameter.
Dalam bab ini, varians akan dibahas lebih lanjut dengan terlebih dahulu
melihat berbagai jenis varians kemudian menggunakannya untuk pengujian
hipotesis melalui teknik analisis varians, disingkat ANAVA (Analisis Varians).
B. JENIS VARIANS
Secara umum varians dapat digolongkan ke dalam varians sistematik dan
varians galat. Varians sistematik adalah varians pengukuran karena adanya
pengaruh yang menyebabkan skor atau nilai data lebih condong ke satu arah
tertentu dibandingkan ke arah lain. Setiap pengaruh alami atau buatan manusia
dapat diduga atau diramal dalam arah tertentu yang merupakan pengaruh
sistematik sehingga menyebabkan terjadinya varians sistematik. Cara mengajar
seorang ahli secara sistematik akan mempengaruhi kemajuan anak didiknya lebih
baik dibandingkan dengan kemajuan anak yang diajar sembarangan, hasil skor
ujiannya menggambarkan adanya varians sistematik.
Salah satu jenis varians sistematik dalam kumpulan data hasil
penelitian adalah varians antar kelompok atau kadang-kadang disebut varians
eksperimental. Varians ini menggambarkan adanya perbedaan atau variasi
sistematik antara kelompok-kelompok hasil pengukuran. Dengan demikian
varians ini terjadi karena adanya perbedaan antara kelompok-kelompok individu.
Contoh 1:
Misalkan ada empat kelas siswa, tiap kelas mempunyai jumlah murid yang
sama, sedang belajar bahasa Inggris, masing-masing kelas diajar oleh seorang
guru dengan metode mengajar yang berbeda, sebut A, B, C, dan D. Nilai hasil
ujian akhir proses belajar untuk setiap metode, rata-ratanya sebagai berikut:
Metode
Rata-rata
A
67.3
B
76.5
C
56.9
D
63.7
Anggap rata-rata ini sebagai data biasa lalu hitung variansnya. Karena tiap
kelas jumlah muridnya sama maka:
Rata-rata
untuk
keempat
rata-rata
tersebut
adalah:
(67.3+76.5+56.9+63.7)=66.1
Jumlah kuadrat-kuadrat (JK) dikoreksi, yaitu setiap data dikurangi rataratanya lalu dikuadratkan, dan kemudian dijumlahkan, adalah:
JK = (67.3-66.1)2 + (76.5-66.1)2 + (56.9-66.1)2 + (63.7-66.1)2 = 200
Kemudian, bagi JK dengan derajat kebebasannya, yaitu banyak kelompok
dikurangi satu, jadi 4 1 = 3, diperoleh varians antar kelompok A, B, C, dan D
sebesar 66.67 (=200/3).
Contoh 2:
Misalkan dua jenis makanan ayam (sebut A dan B), dicobakan A terhadap
5 ekor ayam dan B terhadap 4 ekor ayam. Segala karakteristik 9 ekor ayam
tersebut (misalnya besarnya, jenisnya, umurnya,dll) sama. Setelah 20 hari
percobaan pertambahan berat dagingnya (dalam ons) ditimbang dan dicatat
dengan hasil sebagai berikut:
Makanan A
3.2
3.7
3.9
3.6
3.5
Makanan B
2.2
2.9
2.5
2.4
Pertambahan berat daging karena kedua jenis makanan itu, rata-ratanya
masing-masing x A = 3.58 dan x B = 2.50. Rata-rata ini berbeda, bervariasi
sehingga kita katakan ada varians antar kelompok.
Karena ukuran sampel berbeda, maka rata-rata untuk kedua rata-rata di
atas adalah:
5(3.58) 4(2.50)
3.1
9
Jumlah kuadrat (JK) untuk makanan A adalah: 5(3.58-3.1)2 = 1.152
Jumlah kuadrat (JK) untuk makanan B adalah: 4(2.50-3.1)2 = 1.44
JK dikoreksi untuk kedua rata-rata antar kelompok ini adalah: 1.152 +
1.44 = 2.592. Jika JK dikoreksi ini dibagi oleh derajat kebebasan kedua rata-rata
ialah 2 1 = 1, diperoleh varians antar kelompok 2.592.
Sekarang gabungkan 9 buah data itu, lalu hitung variansnya. Dengan jalan
ini kita peroleh varians lain yang dinamakan varians total. Untuk menghitung
varians total, seperti biasa digunakan rumus V(5) yang untuk itu diperlukan ratarata 9 data, setelah dihitung besarnya 3.1. JK dikoreksi total untuk 9 data itu
adalah:
(3.2 3.1)2 + (3.7 3.1)2 + (3.9 3.1)2 + (3.6 3.1)2 + (3.5 3.1)2 + (2.2 3.1)2 +
(2.9 3.1)2 + (2.5 3.1)2 + (2.4 3.1)2 = (0.1)2 + (0.6)2 + (0.8)2 + (0.5)2 + (0.4)2 +
(-0.9)2
+
(-0.2)2
+
(-0.6)2
+
(-0.7)2
=
0.01+0.36+0.64+0.25+0.16+0.81+0.04+0.36+0.49=3.12.
Setelah dibagi dengan derajat kebebasannya yaitu 8 (=9-1) diperoleh
varians total sebesar 0.39 (3.12/8). Varians total ini berisi semua sumber variasi
dalam skor yang sudah diketahui satu di antaranya adalah varians antar kelompok,
maka kita cari jenis varians lainnya.
Untuk itu kita hitung varians makanan A dan varians makanan B lalu
dicari rata-ratanya. Yang diperoleh adalah varians lain yang dinamakan varians
dalam kelompok atau varians galat. Perhitungannya adalah sebagai berikut:
JK dikoreksi untuk makanan A adalah: (3.2 - 3.58)2 + + (3.5 - 3.58)2 = 0.268
JK dikoreksi untuk makanan B adalah: (2.2 - 2.50)2 + + (2.4 2.50)2 = 0.26
Jumlah JK A dan JK B = 0.268 + 0.26 = 0.528, kemudian dibagi dengan

derajat kebebasannya yaitu 7 (=9-2), maka varians galatnya adalah 0.0754.
Dari contoh di atas diperoleh kenyataan berikut:
JK dikoreksi antar kelompok = 2.592, dan
JK dikoreksi dalam kelompok = 0.528, yang jika dijumlahkan menghasilkan 3.12.
Jumlah ini sama dengan JK dikoreksi total. Memang demikian bahwa untuk
jumlah dikoreksi ini berlaku aturan:
JK total = JK antar kelompok + JK dalam kelompok
a. Uji Perbedaan Rata-Rata Beberapa Sampel dengan Menggunakan
ANAVA Satu Arah
Analisis varian (ANAVA) satu arah digunakan pada situasi dimana
beberapa sample/sub sample dipilih secara acak dari kelompok utamanya dan
seluruhnya merupakan subjek untuk mendapatkan perlakuan yang tidak sama.
Perhitungan dalam ANAVA berdasarkan pada variansi (variabilitas) yaitu
variabilitas dalam kelompok (between-groups), yang merupakan varian rata-rata
kelompok sample terhadap keseluruhan.karena adanya perlakuan antar kelompok
masing-masing variabilitas dalam kelompok (within-groups) yang merupakan
varian dalam masing-masing kelompok.
Jumlah kuadrat penyimpangan total, yakni jumlah kuadran selisih antara
skor individual dengan rata-rata totalnya dirumuskan:
SSt = SSb + SSw
Dimana:
Ho : i = j untuk semua i dan j
Hi : i j untuk sebagian i dan j dimana i tidak sama dengan j
Jika pada uji t kemungkinan error jenis I = maka pada ANAVA
kemungkinan error jenis I = 1 (1- )N (experimental wise alpha level)
2
x1 x 2 ... x k

(n1 1) (n 2 1) ... (n k 1)
2
xi = (Xi - M)
Error baku rata-rata M
Jika dikuadratkan: M 2
( Mi M ) 2
k 1
Dimana:
Mi = rata-rata subjek kelompok I
M
= rata-rata keseluruhan
k
= jumlah subkelompok
k 1 = df dalam penentuan varian distribusi rata-rata sebenarnya, yaitu:
2 ( Mi M ) 2
N
k 1
Atau
2
N .( Mi M ) 2
k 1
k-1 = df dalam penentuan varian populasi 2 kiraan antara kelompoknya

Rumus ini untuk menentukan varian sebenarnya yang diperkirakan dari
variabilitas rata-rata subkelompoknya.
Varian kiraan adalah perbandingan jumlah kuadrat skor deviasi dengan
nilai derajat bebasnya, maka N.(Mi - M)2 sama dengan jumlah kuadrat untuk
varian kiraan antara kelompok yang merupakan varian populasi sebenarnya,
sesuai dengan variabel eksperimennya. Dalam ANAVA, varian yang merupakan
hasil bagi SS dengan df dikenal sebagai deviasi rata-rata kuadrat (mean squared
deviation) disingkat dengan MS.
MS
SS
dK
MS b
MS W
SS b
d K SSb
SS W
d K SSW
Dalam ANAVA, beberapa rata-rata dibandingan dengan serentak, sehingga

distribusi F dipakai sekaligus diuji signifikansinya, dimana:
MS b
F
MS w
F signifikan, maka ho ditolak, atau F tidak signifikan, maka ho
dipertahankan.
Contoh 1:
Subjek
1
2
3
4
5
6
7
8
9
10
Kelompok 1
X
X2
45
2025
50
2500
70
4900
40
1600
40
1600
10
100
30
900
80
6400
35
1225
20
400
420
21650
Kelompok 2
X
X2
10
100
55
3025
35
1225
50
2500
65
4225
30
900
45
2025
40
1600
20
400
25
625
375
16625
Kelompok 3
X
X2
50
2500
90
8100
40
1600
70
4900
80
6400
35
1225
25
625
55
3025
75
5625
45
2025
565
36025
X = 1360; X2 = 74300; N = n1 + n2 + n3 = 30; n1 = n2 = n3 = 10

Varian kiraan dalam-kelompok:
x 2 X 2
2
(x) 2
n
(420) 2
21650 17640 4010.0
10
(375) 2
16625
16625 14062.5 2562.5
10
(565) 2
36025
36025 31922.5 4102.5
10
x1 21650
x 2
x 3
Jumlah kuadrat dalam-kelompok ini:

SSW = x12 + x22 + x32 = 4010.0 + 2562.5 + 4102.5 = 10675.0
Jumlah derajat bebasnya = (n1 - 1) + (n2 - 1) + (n3 - 1) = 9 + 9 + 9 = 27
Varian kiraan dalam-kelompoknya:
w2
10675.0
395.4
27
Varian kiraan antara-kelompoknya dihitung sebagai berikut:

420
42.0,
10
375
M2
37.5,
10
565
M3
56.5,
10
M1
M 1 1764.00
2
M 2 1406.25
2
M 3 3192.25
= 136.0
= 6362.50
2
( Mi M ) 2 M i
(M i ) 2
(136) 2
6362.50
6362.50 6165.30 197.2
K
3
SSb = n (Mi - M)2 = 10(197.2) = 1972.0 dan df = K 1 = 2

Jadi, varian kiraan antara-kelompoknya:
N .( Mi M ) 2 1972.0
986.0
K 1
2
b2
986.0
F
2.45
2
395.4
w
b2
F0.05 = 3.35; F0.01 = 5.49

Jadi, F tidak signifikan, Ho dipertahankan.
Tabel Rangkuman Perhitungan ANAVA Satu Arah
Sumber Varian
Antara-kelompok
Jumlah Kuadrat SS
1972.0
df
2
MS
986.0
F
2.49
Dalam-kelompok
Total
10675.0
12647.0
F0.05 = 3.35;
27
29
F0.01 = 5.49
395.4
Contoh 2:
Kelompok 1
X
X2
8
64
13
169
6
36
16
256
1
1
14
196
12
144
14
196
21
441
15
225
13
169
25
625
10
100
19
361
14
196
201
3179
Subjek
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Kelompok 2
X
X2
16
256
19
361
8
64
16
256
18
324
20
400
17
289
30
900
18
324
24
576
11
121
20
400
26
676
19
361
15
225
277
3533
Kelompok 3
X
X2
14
196
10
100
10
100
2
4
9
81
3
9
16
256
4
16
17
289
9
81
20
400
8
64
12
144
11
121
Kelompok 4
X
X2
27
729
15
225
20
400
19
361
10
100
17
289
21
441
20
400
32
1024
24
576
145
205
1861
H0: 1 = 2 = 3 = 4
H1: salah satu dari tidak sama.
X = 828; X2 = 15118;
N = n1 + n2 + n3 + n4 = 15 + 15 + 14 + 10 = 54
Perhitungan varian kiraan dalam-kelompok:

x 2 X 2
2
( 201) 2
3179 2693.4 485.6
15
(277) 2
5533
5533 5515.3 417.7
15
(145) 2
1861
1861 1501.8 359.2
14
( 205) 2
4545
4545 4202.2 342.5
10
x1 3179
x 2
x 3
x 4
(X ) 2
n
4545
Jumlah kuadrat dalam-kelompok ini:

SSW = x12 + x22 + x32 + x42 = 485.6 + 417.7 +359.2 +342.5 = 1605.0
Jumlah derajat bebasnya = (n1 - 1) + (n2 - 1) + (n3 - 1) + (n4 - 1)
= 15 + 15 + 14 + 10 = 54
Varian kiraan dalam-kelompoknya:
w2
1605.0
32.1
50
Varian kiraan antara-kelompoknya dihitung sebagai berikut:

201
13.40
15
277
M2
18.47
15
145
M3
10.36
14
205
M4
20.50
10
828
M
15.3
54
M1
n1(M1 M)2 = 15(13.40 15.3)2 = 15(-1,9)2 = 15(3.61) = 54.15

n2(M2 M)2 = 15(18.47 15.3)2 =15(3.17)2 = 15(10.05) = 150.75
n3(M3 M)2= 14(10.36 15.3)2=14(-4.94)2=14(24.40) = 341.60
n4(M4 M)2 = 10(20.5 15.3)2 = 10(5.2)2 = 10(27.04) = 270.40
ni(Mi - M)2 = 54.15 + 150.75 + 341.60 + 270.40 = 816.90
df = (K-1) = (4 - 1) = 3
Jadi, varian kiraan antara-kelompoknya:

816.90
272.3
3
b 2
272.3
F
8.48 * *
2
32.1
w
b2
F0.05 = 2.79;
Jadi, F signifikan, dan dan HO ditolak.
F0.01 = 4.20
Tabel Rangkuman Perhitungan ANAVA Satu Arah

Sumber Varian
Antara-kelompok
Dalam-kelompok
Total
Jumlah Kuadrat
SS
816.9
1605.0
2421.9
F0.05 = 2.79;
df
3
50
53
F0.01 = 4.20
MS
272.3
32.1
8.48**
HO ditolak, maka ada perbedaan di antara rara-rata kelompok. Jumlah

kuadrat totalnya harus disimak terhadap nilai yang didapat dengan menggunakan
X dan X2 untuk seluruh kelompok sebagai berikut:
(X ) 2
(828) 2
x X
15118
15118 12696 2422.0
N
54
2
Perbedaan 2422.0 dari nilai 2421.9 seperti pada tabel mungkin hanya karena
pembulatan saja. Sedangkan derajat bebas pada tabel sesuai besarnya karena 53
sama dengan (N-1). Sedangkan harga F memiliki dua tanda bintang (**), karena
lebih besar dari harga F kritis F0.01 dengan df = 3 dan df = 50 untuk varian kiraan
yang lebih besar dan yang lebih kecil. F signifikan, maka diperlukan untuk
menguji harga-harga 2 untuk berbagai subkelompok untuk melihat apakah besar
harganya cukup berbeda untuk uji F. Dengan menggunakan harga-harga x i2,
didapatkan varian kiraan sebagai berikut:
2
x1
485.16
34.7
n1 1
14
2
2
2
x 2
417.7
29.8
n2 1
14
2
x 3
359.2
27.6
n3 1
13
2
x 4
342.5
38.1
n4 1
9
Harga F terbesar adalah 42 / 32 = 1.4. Jadi, untuk df = 9 dan df = 13,

masing-masing untuk varian kiraan terbesar dan terkecil harga F0.05 = 2.72,
sehingga HO tidak dapat ditolak. Bukti bahwa varian populasi tidak sama, ANAVA
satu arah untuk menguji perbedaan antara rata-rata dapat digunakan selama
asumsi varian sama diperhatikan. Dalam soal ini, harga F0.01, yang diperlukan
untuk tingkat signifikansinya, maka perbedaan harga 12 benar-benar sangat
penting untuk menghilangkan keraguan pada kesimpulan rata-rata untuk tiap-tiap
kelompoknya adalah berbeda secara signifikan.
Asumsi Dasar ANAVA

Kenormalan
Setiap nilai dalam sampel didapat dari distribusi normal, distribusi skol
sampelpun akan normal. Kenormalan dapat ditingkatkan dengan memperbanyak
sampel dalam-kelompok, semakin besar n maka distribusi semakin normal.
Apabila sampel tiap kelompok kecil dan tidak normal, maka harus dilakukan
transformasi.
Kesamaan Variansi
Tiap-tiap kelompok sampel harus berasal dari populasi dengan variasi
yang sama. Sampel yang sama pada setiap kelompok dapat mengabaikan
kesamaan variansi, tetapi jika banyaknya sampel berbeda, maka kesamaan

variansi populasi sangat diperlukan, dan jika diabaikan dapat menyesatkan
pengambilan keputusan. Apabila variansi berbeda dan banyaknya sampel
perkelompok tidak sama, diperlukan transformasi nilai untuk penyelamatannya,
misal dengan logaritma.
Pengamatan Bebas
Sampel harus diambil secara acak agar pengamatan informasi independen.
Uji-t setelah Uji-F ANAVA Satu Arah
Uji-t dilakukan untuk membandingkan rata-rata setiap subsampel.
Pengujian ini tidak dianjurkan karena di dalam banyak uji-t yang dilakukan untuk
mencapai hasil signifikan diharapkan akan terjadi kesalahan dengan persentasi
tertentu setiap sampling secara acak dari populasi dengan rata-rata dan variansi
yang sama. Kenyataannya dari 100 uji-t sekitar 5 mencapai signifikansi 5 % yang
disebabkan karena ketidaksengajaan (bukan akibat perlakuan). Jika terdapat 7
subkelompok, misalnya, satu uji-t signifikansi pada level 0.05 sepertinya
diharapkan terjadi karena ketidaksengajaan pada setiap pembandingan rata-rata
subkelompoknya, dan semuanya ada (7*6)/2 = 21 pembandingan. Itulah alasan
disarankannya uji-F ANAVA satu arah.
Dalam ANAVA satu arah yang melibatkan lebih dari dua kelompok, uji-f
yang signifikan menjadikan penolakan untuk keseluruhan hipotesis perbedaan
rata-ratanya. Uji-F signifikan memiliki arti bahwa paling tidak ada satu pasang
rata-rata berbeda secara statistik, tetapi tidak menunjukkan pasangan mana yang
berbeda secara signifikan. Uji-F dalam ANAVA adalah untuk untuk menguji
keseluruhan. Sebagai hasilnya, keseluruhan uji-F tidak menarik atau tidak berguna
untuk kebanyakan peneliti. Secara umum, ketertarikan para peneliti terletak pada
perbedaan antara rata-rata kelompok tertentu saja. Contohnya, peneliti pasar ingin
membandingkan peningkatan dalam penjualan yang disebabkan karena tiga
macam rencana peningkatan: (1) membeli satu mendapatkan barang kedua dengan
harga setengahnya, dan (2) membeli dua dengan harga biasa dan mendapatkan
satu gratis, tentu saja yang (3) dengan harga biasanya. Keseluruhan uji-F ANAVA
memberikan informasi kepada peneliti bahwa ada perbedaan penjualan di antara
ketiga strategi penjualan itu. Jika uji-F signifikan, tidak dapat menjelaskan mana
yang membuat berbeda. Oleh karena itu, peneliti memerlukan alat lain untuk
melihat data lebih mendalam, diperkenalkanlah uji Scheff dan uji HSD Tukey.
Metode Perbandingan Ganda Uji-T Guna Pembandingan Rata-Rata
Rumus uji-t dalam perbandingan ganda adalah:
t ij
Mi M j 0
w 2 [(ni n j ) / ni .n j ]
Dimana:
tij
= Nilai t terhitung untuk membandingkan rata-rata kelompok i dengan
kelompok j
Mi, Mj = Masing-masing rata-rata kelompok i dan j
W2
= kuadrat rata-rata untuk dalam-kelompok, dan
ni, nj = masing-masing ukuran sampel untuk kelompok i dan j.
Nilai W2 didapatkan dari tabel rangkuman ANAVA dalam kolom kuadrat
rata-rata (MS) dan baris dalam-kelompok. Perkiraan ini didapatkan dengan
mengelompokkan semua jumlah kuadratnya dan dibagi dengan kelompok derajat
bebasnya. Nilai t dievaluasi pada level , derajat bebas dan nilai kritis tertentu
yang didapat dari tabel t-kritis. Untuk k kelompok akan terdapat k(k - 1)/2
pembandingan yang mungkin. Karena uji-t ganda memakai penyebut W2 yang
sama, uji signifikansi statistiknya tidak independen, walaupun perbandingan di
antara rata-rata untuk populasi terdistribusi normal adalah independen. Untuk
derajat bebas yang besar, uji signifikansi biasanya dianggap independen. Pada
contoh berikut, perhitungan uji-t digambarkan. Dalam masalah sebenarnya, hanya
kelompok-kelompok yang dihipotesiskan berbeda yang digunakan dalam
perbandingan uji-t.
Uji-t perbedaan antara rata-rata subkelompok untuk data pada contoh soal
sebelumnya.
t12
t13
t14
t 23
t 24
t 34
13.4 18.5 0
32.1[(15 15) / 15.15]
13.4 10.4 0
32.1[(15 14) / 15.14]
13.4 20.5 0
32.1[(15 10) / 15.10]
18.5 10.4 0
32.1[(15 14) / 15.14]
18.5 20.5 0
32.1[(15 10) / 15.10]
10.4 20.5 0
32.1[(14 10) / 14.10]
df = 22, t.05 = 2.07, t.01 = 2.82

df = 23, t.05 = 2.07, t.01 = 2.81
df = 27, t.05 = 2.05, t.01 = 2.77
df = 28, t.05 = 2.05, t.01 = 2.76
5.1
4.43
3.0
4.27
7.1
5.35
8.1
4.43
2.0
5.35
10.1
5.50
2.46 *
1.43
3.07 * *
3.86 * *
0.87
4.30 * *
Tiga perbandingan uji-t menghasilkan perbedaan antara rata-rata yang

signifikan pada level 0.01 (ditunjukkan dengan **). Sedangkan satu lagi
perbedaan signifikan pada level 0.05. Kedua perbandingan lainnya gagal untuk
menghasilkan perbedaan rata-rata yang signifikan. Selanjutnya untuk menentukan
berapa besar nilai t untuk menunjukkan nilai signifikansi yang sebenarnya
digunakan uji Scheff (dikembangkan oleh Henry Scheff):
t.05 = (k-1)F.05
t.05 = nilai kritis t Scheff
k = jumlah kelompok dalam ANAVA satu arah
F.05 = nilai F yang diperlukan untuk signifikansi dengan df(k - 1) untuk varian
kiraan yang lebih besar dan df = (N k) untuk varian kiraan lebih kecil
N = ukuran sampel total
Setiap dan seluruh nilai t yang didapat lebih besar dari t. 05 dianggap
signifikan pada paling tidak level 0.05. Uji ini dapat diaplikasikan sama baiknya
untuk ANAVA satu arah dengan subkelompok yang ukurannya sama. Jika level t =
0.01 diharapkan, maka rumus yang digunakan adalah:
t.01 = (k-1)F.01
Dengan memasukkan harga F.01 = 2.79 dan 4.20 yang masing-masing dfnya = 3 dan 50 untuk varian kiraan lebih besar dan kecil, maka didapatkan:
t.05 = (k-1)F.05 = 3(2.79) = 8.37 = 2.89
t.01 = (k-1)F.01 = 3(4.20) = 12.60 = 3.55
Jika ini ini dibandingkan dengan nilai t pada uji-t sebelumnya maka
perbandingan t23 dan t34 masih signifikan pada level 0.01, sedangkan t14 sekarang
signifikan hanya pada level 0.05. Jadi, perbedaan rata-rata subkelompok 2 dan 3,
subkelompok 3 dan 4 benar-benar signifikan pada level 0.01, dan perbedaan
subkelompok 1 dan 4 berbeda secara signifikan pada level 0.05.
Uji Perbandingan Ganda HSD Tukey
Perbandingan antara dua rata-rata kelompok akan signifikan jika harga
absolut beda di antara kedua rata-rata lebih besar dari nilai HSD (Honestly
Significant Difference).
HSD = qk.v W2/n
qk.v = nilai studentized range statistic
W2 = varian kiraan kelompok
n = jumlah subjek dalam tiap kelompok
Nilai q didapatkan dari tabel distribusi studentized Range Statistic.

Diketahui rata-rata k berdasarkan pada n yang sama, rentang studentized q adalah
perbedaan antara rata-rata terbesar dikurangi dengan rata-rata terkecil dibagi
dengan kiraan error baku. Jika besarnya k berbeda dan df serta W2 berasosiasi,
rentang studentized dapat ditentukan. Agar dapat menggunakan tabel distribusi q,
maka harus diketahui tingkat signifikansi (), derajat bebas untuk dalamkelompok v = (NT - k), dan jumlah kelompok (k).NT adalah jumlah total
pengamatan dan n adalah ukuran sampel untuk tiap kelompok. Idealnya agar
rantang studentized dapat bekerja dengan baik, kelompok yang akan dibandingkan
harus memiliki ukuran yang sama. Statistik q dan HSD akan tetap dapat dilakukan
jika ukuran kelompok sampel tidak terlalu berbeda satu sama lainnya, diberikan
bahwa n diganti dengan nh (rata-rata harmonik jumlah pengamatan):
nh
k
[(1 / n1 ) (1 / n 2 ) ... (1 / n k )]
Dimana k = jumlah kelompok dan n 1, n2, , nk = ukuran sampel untuk

tiap kelompok. Penggunaan nh tidak dapat dibenarkan jika perbedaan antara
ukuran sampel besar. Menggunakan data pada soal sebelumnya yang sama,
perbedaan mutlak antara rata-rata kelompok dihitung:
D12 = 5.1; D13 = 3.0; D14 = 7.1; D23 = 8.1; D24 = 2.0; D34 = 10.1
Selanjutnya, menentukan derajat bebas dan k:
df = NT k = n1 + n2 + n3 + n4 - k = 15 + 15 + 14 + 10 - k
k = jumlah kelompok = 4. Jadi, df = 54-4=50.
Tentukan q dengan melihat tabel untuk df = 50, k = 4, dan = 0.05 dan 0.01,
maka:
q.05.50 = 3.77 (nilai terinterpolasi)
q.01.50 = 4.65 (nilai terinterpolasi)
sebelumnya telah dihitung W2 = 32.1, kemudian dihitung,
nh = 4/[(1/15) + (1/15) + (1/14) + (1/10)] = 4/0.3048 = 13.123
Jadi,
HSD.05 = 3.77(32.1/13.123) = 3.772.4461 = 3.77.1.56 = 5.90
HSD.01 = 4.65(32.1/13.123) = 4.652.4461 = 4.65.1.56 = 7.27
D23 = 8.1 dan D34 = 10.1 > HSD.01, perbedaaan antara rata-rata kelompok 2
dan 3 serta kelompok 3 dan 4 signifikan secara statistik pada level 0.01.
D14 = 7.1 > HSD.05, perbedaan antara rata-rata kelompok 1 dan 4
signifikan secara statistik pada level 0.05.
Hasil di atas ternyata konsisten dengan hasil uji Scheff sebelumnya.

c
Contoh :
Direktur Pascasarjana memiliki tiga dosen yang kemungkinan akan dipilih
untuk mengajarkan statistika. Beliau juga perlu untuk menguji apakah metode
diskusi atau metode kuliah yang dapat menghasilkan prestasi belajar mahasiswa
lebih baik di akhir semester. Skor ujian akhir baku digunakan oleh Direktur untuk
menentukan nilai dalam seleksi ini, sehingga skor-skor ini menjadi sangat penting.
Direktur akhirnya memutuskan untuk melakukan eksperimen yang akan
menjawab kedua pertanyaan tersebut di atas. Sebanyak enam puluh mahasiswa
telah terpilih untuk berpartisipasi dalam eksperimen ini. Setiap nama mahasiswa
dituliskan dalam secarik kertas kecil, lalu digulung dan kemudian dimasukkan
dalam sebuah botol, lalu dikocok dan secara acak dibagi ke dalam enam kelompok
eksperimen yang masing-masing terdiri dari 10 orang. Setiap dosen akan
mengajar dua kelompok mahasiswa, dan masing-masing menggunakan metode
diskusi dan kuliah. Pada tabel di bawah ini dituliskan skor hasil ujian standar
nasional yang memiliki nilai rata-rata 10 dan standar deviasi 3 secara nasional.
Skor tertinggi adalah 19 dan terendah 1. Pada tabel skala skor ditunjukkan dengan
X dan hasil kuadratnya dengan X2. selain itu jumlah skor telah dihitung dan
ditandai sebagai untuk tiap kolom dan untuk jumlah keseluruhan kolom
tiap dosennya. Jumlah keseluruhan sampel N = 6 x 10 = 60.
Subjek
D
I
S
K
U
S
I
K
U
L
I
A
H
1
2
3
4
5
6
7
8
9
10
1
2
3
4
5
6
Dosen A
X
X2
10
100
13
169
12
144
2
4
7
49
11
121
9
81
8
64
10
100
11
121
93
953
18
324
15
225
13
169
14
196
11
121
6
36
Dosen B
X
X2
7
49
10
100
12
144
19
361
15
225
14
196
16
256
13
169
14
196
17
289
137 1985
10
100
13
169
4
16
7
49
1
1
14
196
Dosen C
X
X2
15
225
10
100
18
324
14
196
13
169
14
196
9
81
17
289
12
144
13
169
135 1893
6
36
14
196
7
49
5
25
2
4
13
169
X2
365
4831
7
8
9
10
13
10
16
14
130
223
169
100
256
196
1792
2745
9
81
10
10
100
9
8
64
8
12
144
12
88
920
86
225 2905 221
N = kn = 6 x 10 = 60
100
81
64
144
868
2761
304
669
3580
8411
Varian Kiraan Dalam Kelompok:

x 2 X 2
2
x1 953
2
x 2 1985
(135) 2
1893 1822.5 70.5
10
(130) 2
1792 1690.0 102.0
10
x 5 920
2
(93) 2
953 864.9 88.1
10
(137) 2
1985 1876.9 108.1
10
x 3 1893
x 4 1792
(X ) 2
n
x 6 868
(88) 2
920 174.4 145.6
10
(86) 2
868 739.6 128.4
10
Jumlah kuadrat dalam kelompok ini:

SSW = xi2 = x12 + x22 + x32 + x42 + x52 + x62
= 88.1 + 108.1 + 70.5 + 102.0 + 145.6 + 128.4 = 642.7
Jumlah derajat bebasnya = k(n-1) = 6(10-1) = 6 * 9 = 54
Varian kiraan dalam kelompoknya:
w2
642.7
11.90
54
Varian kiraan antara barisnya dihitung sebagai berikut:

365
12.17
30
304
10.13
30
M R1
M R1 148.11
M R2
M R 2 102.62
= 22.30
= 250.73
(M Ri ) 2
(22.30) 2
250.73
250.73 248.64 2.09
R
2
SSbR = nC (MRi-M)2 = 10 * 3 (2.09) = 62.70 dan df = R 1 = 2 - 1 = 1
2
( M Ri M ) 2 M Ri
Jadi, varian kiraan antara barisnya:

nC ( M Ri M ) 2 62.70
2
R
62.70
R 1
1
Varian kiraan antara kolomnya dihitung sebagai berikut:
223
11 .15
20
225
11.25
20
221
11 .05
20
M C1
M C1 124.32
M C2
M C 2 126.56
M C3
M C 3 122.10
= 33.45
= 372.98
(M ci ) 2
(33.45) 2
2
( M Ci M ) 2 M ci
372.98
372.98 372.97 0.01
C
3
SSbC = nR (MCi-M)2 = 10 * 2 (0.01) = 0.20 dan df = C 1 = 3 - 1 = 2
Jadi, varian kiraan antara kolomnya:
nR ( M Ci M ) 2 0.20
2
C
0.10
C 1
2
Varian kiraan interaksi:
N
( X ) 2
(669) 2
2
2
1 x X N 8411 60 951.65
Jumlah kuadrat antara kelompok:
93
9.3
10
137
M 12 M 2
13.7
10
135
M 13 M 3
13.5
10
130
M 21 M 4
13.0
10
88
M 22 M 5
8.8
10
86
M 23 M 6
8.6
10
M 11 M 1
= 66.9
M 1 86.49
2
M 2 187.69
2
M 3 182.25
2
M 4 169.00
2
M 5 77.44
2
M 6 73.96
= 776.83
( M i ) 2
(66.9) 2
776.83
776.83 745.935 30.895
K
6
SSb = n (Mi - M)2 = 10(30.895) = 308.95
SSW + SSb = 642.7 + 308.95 = 951.65
SSb - R2 - C2 = 308.95 62.7 0.2 = 246.05
2
( Mi M ) 2 M i
Jumlah kuadrat interaksi:

SSI = 246.05 dan df = (R - 1)(C - 1) = (2 - 1)(3 - 1) = 2
Varian kiraan interaksi=
2
RxC
246.0
123.0
2
Verifikasi Jumlah Kuadrat Interaksi

Jumlah kuadrat interaksi harus dihitung dengan cara lain guna meyakini
bahwa metode perhitungan data telah memberikan hasil yang benar. Deviasi ratarata subkelompok dari deviasi keseluruhan (Mi - M) dapat dipandang sebagai
yang memiliki pengaruh baris (MRi - M), pengaruh kolom (MCi - M), dan pengaruh
interaksi. Guna mendapatkan perbedaan deviasi yang disebabkan karena interaksi,
kurangkan dengan kedua pengaruh lainnya:
(Mi - M) - (MRi - M) - (MCi - M) = Mi MRi MCi + M
(penyimpangan karena interaksi)
Jumlah kuadrat interaksi akan didapatkan seperti halnya jumlah skor
deviasi kuadrat lainnya, yaitu dengan mengkuadratkan deviasi karena interaksi
dan mengalikannya dengan jumlah kasus (n), sehingga didapatkan:
k
n. ( Mi M Ri M Ci M ) 2
1
Pengecekan bebas pada jumlah kuadrat interaksi untuk 6 subkelompok:

(9.30 12.17 11.15 + 11.15)2 = (-2.87)2 = 8.24
(13.70 12.17 11.25 + 11.15)2 = (1.43)2 = 2.04
(13.50 12.17 11.05 + 11.15)2 = (1.43)2 = 2.04
(13.00 10.13 11.15 + 11.15)2 = (2.87)2 = 8.24
(8.80 10.13 11.25 + 11.15)2 = (-1.43)2 = 2.04
(8.60 10.13 11.05 + 11.15)2 = (-1.43)2 = 2.04
= 24.64
2
n.(Mi MRi MCi + M) = 10(24.64) = 246.4
Nilai yang didapatkan ini (246.4) dianggap sama dengan jumlah kuadrat
interaksi yang terdahulu (246.05), yang didapatkan dengan mengurangkan jumlah
kuadrat antara baris dan antara kolom dari jumlah kuadrat antara kelompok, dan
perbedaan sebesar 0.35 adalah karena faktor pembulatan.
Tabel Rangkuman Perhitungan ANAVA Dua Arah
Jumlah Kuadrat
Sumber Varian
df
MS
SS
Antara-baris
62.7
1
62.7
Antara-kolom
0.2
2
0.1
Interaksi
246.05
2
123.0
Dalam-kelompok
642.7
54
11.9
Total
951.6
59
F
5.3*
0.008
10.3**
Baris F0.05 = 4.02; F0.01 = 7.12, Kolom F0.05 = 3.17; F0.01 = 5.01,
Interaksi F0.05 = 3.17; F0.01 = 5.01
Rangkuman Hasil ANAVA Dua Arah
Tabel di atas membuktikan F antara baris signifikan pada level 0.05, F
interaksi signifikan pada level 0.01, dan F antara kolom tidak signifikan. Hal ini
menyarankan bahwa:
(1) metode diskusi secara umum lebih efektif dari metode kuliah (M D = 12.17, MK
= 10.13),
(2) tidak terdapat perbedaan menyeluruh antara para dosen (M A = 11.15, MB =
11.25, MC = 11.05), dan
(3) sebagian dosen lebih baik dengan salah satu metode mengajar daripada
dengan yang satunya lagi. Seperti dapat dilihat pada gambar grafik data ratarata untuk subkelompok di bawah ini. Dosen A kinerjanya lebih baik dalam
kuliah daripada diskusi. Sebaliknya untuk Dosen B dan Dosen C, kinerjanya
lebih dalam diskusi.
Grafik yang berpotongan ini adalah gambaran adanya pengaruh interaksi. Analisis
data mengusulkan bahwa Direktur Pascasarjana harus memilih Dosen yang paling
baik menggunakan metode diskusi dalam pengajaran statistik.
Jika seluruh F untuk baris dan/atau kolom signifikan, rata-rata untuk baris
atau kolom dapat diuji sepasang demi sepasang, untuk mengetahui letak
perbedaan yang signifikan. Jika F interaksi signifikan, uji antara rata-rata
subkelompok (sel) individual harus dilakukan. Perbandingan ganda akan
meningkatkan kemungkinan mendapatkan hasil signifikan dengan kebetulan jika
uji-t sederhana dipakai. Karena alasan inilah direkomendasikan beberapa
prosedur, seperti metode Scheffe dilakukan untuk memutuskan seberapa besar
nilai t seharusnya dianggap benar-benar signifikan apabila beberapa pasang
perbedaan rata-rata diuji.
ANAVA dua arah memiliki perbedaan utama antara rata-rata subkelompok
dan antara kelompoknya. Selain itu terdapat dua faktor eksperimen yang masingmasingnya terdiri dari paling sedikit dua tingkatan atau subkelompok. Rata-rata
yang dihitung untuk tiap tingkatan disebut rata-rata subkelompok. Untuk tiap
faktor eksperimen rata-rata kelompok dapat dihitung dan masing-masing sel yang
disebabkan oleh perpotongan di antara kedua faktor itu juga memiliki nilai ratarata jika lebih dari satu subjek diukur dalam sel itu (rata-rata sel). Perhatikan tabel
di atas, terdapat n tingkatan faktor L, dan m tingkatan faktor K. Untuk
membandingkan setiap dua rata-rata baris (setiap dua rata-rata subkelompok
dalam faktor K). Rumus yang digunakan adalah:
M Ki M Kj 0
t
w 2 [( N Ki N Kj ) / N Ki .N Kj ]
Dimana:
tij
= Nilai t terhitung untuk membandingkan rata-rata kelompok i dengan
kelompok j
MKi, MKj = Masing-masing rata-rata subkelompok faktor K pada tingkatan i dan j
= Varian dalam kelompok, dan
NKi, NKj = Masing-masing ukuran sampel untuk subkelompok i dan j dari faktor
K
Rumus ini juga digunakan untuk membandingkan tiap dua rata-rata kolom
(tiap rata-rata dua subkelompok dalam faktor L), huruf L menggantikan K dalam
rumus, sehingga menjadi:
M Li M Lj 0
t
w 2 [( N Li N Lj ) / N Li .N Lj ]
Tiap nilai t yang didapatkan dievaluasi terhadap nilai t kritis yang
didapatkan dari tabel dengan derajat bebas untuk sumber varian dalam kelompok.
Untuk soal sebelumnya pada tabel didapatkan sumber baris signifikan
secara statistik. Dengan menggunakan uji t dapat diuji perbedaan rata-rata antara
metode kuliah dan diskusi. Dengan menggunakan rumus di atas, dimana:
MR1 = 12.7; MR2 = 10.13; w 2 = 11.90; df = 54; NR1 = 30; NR2 = 30
Didapatkan:
t
12.17 10.13
11.90[(30 30) / 30 * 30]
2.04
11.90(0.0667)
2.04
0.7937
2.04
2.29
0.891
Nilai kritis untuk t0.05 dan df = 54 adalah 2.001 (terinterpolasi). Karena t

hitungan (2.29) lebih besar dari t0.05, tolak hipotesis bahwa tidak ada perbedaan di
antara rata-ratanya. Metode diskusi menghasilkan skor tes lebih tinggi dari kuliah
(MD = 12.17 dan MK = 10.13). Demikian interaksinya signifikan. Hal ini
menunjukkan bahwa kuliah mungkin lebih baik untuk beberapa dosen daripada
yang lainnya, demikian pula untuk diskusi. Rata-rata sel untuk contoh ini dapat
dihitung dengan membagi 10 jumlah yang diketahui pada tabel data, dengan label
M11, M12, M13, M21, M22, M23. M21 (kuliah, Dosen A) dibandingkan dengan M 23
(kuliah, Dosen C) di bawah berikut:
M21 = 13.0;
t
M23 = 8.6;
N21 = 10;
13 8.8
11.9[(10 10) / 10 * 10]
4.4
w 2 = 11.9
N23 = 10;
11.90(0.2)
4.4
2.38
4.4
2.85
1.54
Nilai kritis untuk t0.05 dan df = 54 adalah 2.001. Jadi t terhitung 2.85 >
2.001, jadi hipotesis yang menyatakan bahwa rata-ratanya sama ditolak. Kuliah
dengan Dosen A menghasilkan skor lebih tinggi secara signifikan dibandingkan
kuliah dengan Dosen C.
Beberapa rancang ANAVA dua arah dapat memiliki beberapa tingkatan
yang dapat dibandingkan satu sama lainnya. Apabila tingkatannya banyak dan
keinginan peneliti untuk membuat perbandingan antara rata-rata yang mungkin,
tabel distribusi t dapat digunakan untuk mengevaluasi nilai t diantara semua
kombinasi rata-rata subkelompok, tetapi masing-masingnya harus dievaluasi lebih
jauh dengan uji Scheff:
t.05 = (k 1) F.05
t.01 =
( k 1) F.01
dimana:
k = jumlah rata-rata sel (jumlah kombinasi faktor eksperimen)
F.05 dan F.01 didapat dari tabel untuk k 1 dan derajat bebas N T k (NT = ukuran
sampel total).
Pada contoh sebelumnya k = 6, F.05 = 2.38 dan F.01 = 3.38:
t.05 =
( k 1) F.05
(6 1) 2.38
11 .90 3.45
t.01 =
( k 1) F.01
(6 1)3.38
16.60 4.11
agar signifikan secara statistik maka pada level 0.05 nilai t yang didapatkan harus
lebih besar dari 3.45. Untuk menghasilkan signifikansi pada level 0.01, nilai t
yang didapatkan harus lebih besar dari 4.11.
Uji Perbandingan Ganda HSD Tukey

Penggunaan HSD Tukey pada ANAVA dua arah bergantung pada
bagaimana rata-rata diartikan, yaitu perbandingan didapat antara rata-rata sel
individual atau antara rata-rata subkelompok (tingkatan variabel bebasnya).
Perbandingan mengambil bentuk beda skor di antara rata-rata. Perbedaan skor
signifikan secara statistik jika harga absolut beda di antara rata-rata lebih besar
dari nilai HSD (Honestly Significant Difference).
HSD = qk.v W2/n

qk.v = nilai studentized range statistic
W2 = varian kiraan kelompok
n = jumlah subjek dalam tiap kelompok
Nilai q didapatkan dari tabel distribusi studentized Range Statistic
menggunakan derajat bebas dalam kelompok (NT - k). Harga k berbeda-beda
bergantung pada apakah perbandingannya adalah antara rata-rata sel individual
atau rata-rata subkelompok. Harga k untuk membandingkan pasangan rata-rata
tingkatan (subkelompok) yang berbeda dari variabel bebasnya sama dengan
jumlah tingkatan (subkelompok) dalam variabel bebasnya (faktor eksperimen).
Harga k untuk membandingkan pasangan rata-rata sel individual sama dengan
jumlah total sel atau kombinasi faktor eksperimen. Contohnya, pada data
sebelumnya, jika peneliti ingin membandingkan beda di antara rata-rata metode
diskusi dan kuliah, maka harga k adalah 2. Pada kasus dimana besar n tidak sama,
tetapi tidak terlalu jauh bedanya, rata-rata harmonik n menggantikannya.
nh
k
[(1 / n1 ) (1 / n 2 ) ... (1 / n k )]
Contoh:
Menggunakan data soal sebelumnya, MR1 (rata-rata baris 1 = rata-rata
metode diskusi) = 12.7 dibandingkan dengan MR2 (rata-rata baris 2 = rata-rata
metode kuliah) = 10.13, bedanya adalah 12.17 10.13 = 2.04.
NT = 60, k = 2, W2 = 11.90, n = 10
q.05.54 = 2.84; q.01.54 = 3.79
Jadi,
HSD.05 = 2.84(11.90/10) = 2.841.19 = 2.84 * 1.091 = 3.098
Nilai yang didapat = 3.098 lebih besar dari nilai kritisnya 2.04. Jadi,
hipotesis tidak ada perbedaan di antara rata-ratanya tidak dapat ditolak.
Dalam membandingkan M12 = 13.7 dengan M23 = 8.6, bedanya adalah 5.1.
Maka untuk q.05.54 = 4.18, k = 6, HSDnya adalah (4.18)(1.091) = 4.56. Karena 5.1
lebih besar dari 4.56, hipotesis tidak ada perbedaan di antara rata-ratanya ditolak.
Skor mahasiswa lebih tinggi dengan Dosen B yang menggunakan metode diskusi
daripada Dosen C yang menggunakan metode kuliah.
Sumber :
http//.www.ststkelasckelompok10-statistika.blogspot.com. Analisa Of Varians.

(diakses tanggal 6 November 2013).
http//.www. su.wikipedia.org. Analisa Varians. ( diakses tanggal 6 November
2013 ).

Kumpulan Literatur Statistik Pendidikan (Hesty Yulisty 06121010031)

Diunggah oleh

Informasi Dokumen

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?

Hak Cipta:

Format Tersedia

Kumpulan Literatur Statistik Pendidikan (Hesty Yulisty 06121010031)

Diunggah oleh

Hak Cipta:

Format Tersedia

KUMPULAN LITERATUR STATISTIK PENDIDIKAN

PROGRAM STUDI PENDIDIKAN KIMIA

STATISTIK DAN STATISTIK PENDIDIKAN

2 |Resume Statistik Pendidikan

3 |Resume Statistik Pendidikan

6. Fungsi Dan Manfaat Statistik

5 |Resume Statistik Pendidikan

e. Berdasarkan Waktu Pengumpulan Data

Sifat Data Statistik

4. Beberapa Macam Contoh Data Statistik dalam Pendidikan

6 |Resume Statistik Pendidikan

2. Sampling adalah cara mengumpulkan data dengan jalan mencatat atau

Alat Pengumpulan data statistik

http://www.pustakasekolah.com/.( diakses tanggal 28 Agustus 2013 )

7 |Resume Statistik Pendidikan

8 |Resume Statistik Pendidikan

b. Tabel Distribusi Frekuensi Data Kelompokan

c. Tabel Distribusi Frekuensi Kumulatif

9 |Resume Statistik Pendidikan

d. Tabel Distribusi Frekuensi Relatif

e. Tabel Persentase Kumulatif

E. GRAFIK SEBAGAI PENGGAMBARAN DISTRIBUSI FREKUENSI

Tanda Skala Grafik

Tanda Skala Grafik

3. Grafik Balok Terbagi

F. CARA MELUKISKAN DISTRIBUSI FREKUENSI DALAM BENTUK

12 |Resume Statistik Pendidikan

Menetapkan nilai tengah masing-masing interval pada absis (X)

13 |Resume Statistik Pendidikan

7. Membuat Grais Pertolongan (koordinat)

14 |Resume Statistik Pendidikan

Mx = Mean yang kita dicari

Dari tabel diatas kita memperoleh X = 39 dan N = 6, maka:

o Seluruh atau sebagian skor berfrekuensi lebih dari satu

Mx = Mean yang kita cari

16 |Resume Statistik Pendidikan

b. Untuk data kelompok

Mx = Mean yang kita cari

Langkah yang hars ditempuh :

18 |Resume Statistik Pendidikan

fx = -338 dan N =800

Nilai Rata-rata Pertengahan (Median)

19 |Resume Statistik Pendidikan

b. Data tunggal dengan frekuensi lebih dari satu

Tabel Perhitungan Distribusi Frekuensi Usia Guru Agama Islam

2. Cara mencari median dengan data kelompok

21 |Resume Statistik Pendidikan

Mdn = Median atau Nilai Rata-rata Pertengahan

= frekuensi kumulatif yang terletak di bawah interval mengandung

= frekuensi kumulatif yang terletak di atas interval yang mengandung

= frekuensi aslinya (frekuensi dari interval yang mengandung Median)

22 |Resume Statistik Pendidikan

Langkah yang harus dilakukan:

Penggunaan nilai median

23 |Resume Statistik Pendidikan

2. Cara mencari modus data kelompok

25 |Resume Statistik Pendidikan

4. Saling Hubungan antara Mean, Median dan Modus

Modus = 3Mdn 2 M = (3 x 52) (2 x 52)

26 |Resume Statistik Pendidikan

4. Quartile, Decile dan Percentile sebagai Ukuran Penentuan Letak Nilai

o Untuk data kelompok

27 |Resume Statistik Pendidikan