(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.
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.
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.
1.
2.
3.
4.
Sumber :
http//.www.educationshare88.wordpress.com.pengertian
tanggal
28 Agustus 2013 )
statistik.
diakses
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
Frekuensi
6
7
10
12
8
7
50 = N
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
-
F
6
9
19
6
40 = N
Persentase (P)
15,0
22,5
47
15,0
100,0 = p
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
-
f.
g.
h.
i.
j.
k.
l.
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
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
11 |Resume Statistik Pendidikan
b.
c.
d.
e.
f.
g.
h.
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
-
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 :
1. Menyiapkan sumbu horizontal atau absis (X)
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
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
9
8
7
6
5
4
X = 39
1
1
1
1
1
1
N=6
N
39
6,50
Mx =
6
fX
N
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
fX
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
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 -
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.
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
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)
20 |Resume Statistik Pendidikan
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
fi
4
4
5
6
12
8
5
3
2
50 = N
fkb
50 = N
46
42
37
30
18
10
5
2
-
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
= lower limit (Batas Bawah Nyata dari skor yang mengandung Median)
fkb
fka
fi
= 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
-
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 +
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
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
24 |Resume Statistik Pendidikan
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.
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
Qn = l +
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)
i = interval class (kelas interval)
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 +
Dn = l +
Dn
L
N
fkb
fi
i
X i
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
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
log X
N
HM =
Jumlah:
13
12
HM =
x
3
HM = 13
2,8
12
Sumber :
30 |Resume Statistik Pendidikan
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.
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
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
32 |Resume Statistik Pendidikan
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
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
Langkah I
Langkah II
Langkah III
Langkah IV
fx 1360 27,2
N
50
fx
N
82,0
1,64
AD=
50
AD =
AD =
Deviasi Rata-rata
fx
N
fx =
N
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
AD =
fx 756,8750
9,461
=
N
80
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
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
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
fx 2
=
N
212
20
4,24 2,06
AD =
82,0
1,64
50
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
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
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).
Sudijono, Anas. 1991. Pengantar Statistik Pendidikan. Jakarta : Rajawali Press.
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
Korelasi Negatif
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
43 |Resume Statistik Pendidikan
d.
e.
f.
g.
h.
i.
j.
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
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
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
48 |Resume Statistik Pendidikan
d2
2
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 '
fx'
N
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
= Nilai Koreksi pada variabel Y dalam arti interval class sebagai unit,
di mana :
Cy =
SDx
SDy
fx'
N
fy'
N
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
Atau
6 D2
N3 N
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
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
53 |Resume Statistik Pendidikan
4.
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
ad bc
a b a c b d c d
142200
0,213
447049,1736
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
Rumusnya
Rumus untuk mencari Koefisien Korelasi Kontingensi adalah :
C
2
N
2
4.
( fo ft )2
ft
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
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
Sumber :
Furqon. 1999. Statistika Terapan Penelitian. Bandung : CV Alphabet.
http//.www.google-search.com. Perbedaan Antar Variable.( diakses tanggal
Oktober 2013)
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.
SD
N 1
= 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.
Sumber :
http//.www.google-search.com. Uji T.( diakses tanggal 18 Oktober 2013 )
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
D
N
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).
D
N
D
N
( D ) 2
(N )
dengan
menggunakan rumus:
SE M
D
SDD
N 1
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
3)
Y
N2
N1
N2
Mx
SD1
N1 1
atauSEM 1
7)
6)
SD2
N 2 1
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.
3)
4)
M1
M2
5)
6)
2
2
7)
8)
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
fY
N
fx
N1
fx
N2
SD1
N 1
SD2
6) Mencari standard error mean variable II: SE M 2
N 1
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
M1 M 2
SEM 1 M 2
( fX ' )
N
( fY ' )
N
fx'
fx'
N
( fx' ) 2
(N )
( fx ' ) 2
(N )
SD1
N 1
SD2
N 1
x' y ' (C
M1 M 2
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
1 M 2
SEM 1 SEM 2
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.
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
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 :
-
Negeri, secara teoritis kita mengharapkan dari sejumlaj 200 orang diantara mereka
:
-
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 ).
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).
76 |Resume Statistik Pendidikan
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
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
SS
dK
MS b
MS W
SS b
d K SSb
SS W
d K SSW
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) 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
10675.0
395.4
27
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
986.0
K 1
2
b2
986.0
F
2.45
2
395.4
w
b2
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
( 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
1605.0
32.1
50
df = (K-1) = (4 - 1) = 3
8.48 * *
2
32.1
w
b2
F0.05 = 2.79;
Jadi, F signifikan, dan dan HO ditolak.
F0.01 = 4.20
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**
(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
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]
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 * *
k
[(1 / n1 ) (1 / n 2 ) ... (1 / n k )]
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
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
642.7
11.90
54
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
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
2
RxC
246.0
123.0
2
n. ( Mi M Ri M Ci M ) 2
1
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
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
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.
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 :