BUKU AJAR

STATISTIKA

Disusun oleh :
Dr.Ir.Sudibya, MS
Aqni Hanifa, S.Pt, M.Si
Nuzul Widya, S.Pt, M.Sc

PRODI PETERNAKAN
FAKULTAS PERTANIAN
UNIVERSITAS SEBELAS MARET
SURAKARTA
2011

Operasional Kalkulator fx 3600

1.mode 3
2.tekan data tekan run
3. no 2 diulang hingga data habis
4.tekan kout 3=n
5.tekan kout 2=X
6.tekan kout 1=X2
7.Tekan Shift 3=INV=simpangan
baku standard deviasi
8.Tekan Shift 1=inv=rata-rata
9.Tekan shift AC kembali normal
Lainnya : shift akar menguadratkan

PRAKATA
Pengetahuan tentang ilmu Statistika

makin dirasakan manfaatnya oleh mahasiswa

diberbagai perguruan tinggi, utamanya Prodi Peternakan Fakultas Pertanian Universitas Sebelas
Maret Surakarta. Mengingat buku ajar Statistika yang ditulis dalam bahasa Indonesia
meskipun sudah banyak namun dalam bidang Peternakan masih kurang. Penulis mencoba
memberanikan diri menyusun buku ajar Statistika ini, yang dapat digunakan sebagai buku ajar
oleh mahasiswa atau sebagai buku rujukan oleh para dosen di Prodi Peternakan Fakultas
Pertanian Universitas Sebelas Maret.
Isi buku ini mencakup Pendahuluan,Distribusi frekuensi, Populasi dan Sampel, Ukuran
pemusatan, Ukuran Pencar, Distribusi, Pengujian hipotesis, Pengujian Chi Square, Pengujian
Student, Pengujian Fisher, Analisis Regresi dan Korelasi yang kesemuanya itu secara umum
dapat digunakan dalam ilmu Statistika. Penjelasan diarahkan kepada pemberian bekal teori, tugas
terstruktur dan ujian-ujian untuk memecahkan masalah yang ada hubungannya dengan materi
Statistika yang mereka hadapi.
Buku ajar ini tidak akan muncul jika tidak ada dorongan dari teman-teman sejawat,
kepada mereka penulis mengucapkan banyak terima kasih kepada bapak Prof.Ir.I.D.K. Harya
Putra, MSc,PhD selaku dosen pendamping dan ketua petatar yakni bapak Drs. Adjat Sakri, MSc
juga pada semua petatar dalam penataran calon penulis buku ajar Perguruan Tinggi, Direktorat
Jenderal Pendidikan Tinggi pada tanggal 11-23 Oktober 2002 di Hotel Rosenda Baturaden,
diucapkan terima kasih.
Sudah jelas, tulisan kami tidak luput dari kekurangan. Karena itu, penulis sangat
mengharapkan kritik dan saran dari sejawat dan semua pihak dalam rangka menyempurnakan
buku ajar ini.
Mengetahui
Dekan Fakultas Pertanian UNS

Surakarta, Juni 2011

Ketua tim penyusun

Prof.Dr.Ir.Bambang Pujiasmanto,MS
NIP.195602251986011001

Dr.Ir.Sudibya,MS
NIP.196001071985031004
DAFTAR ISI
Halaman

I.

PRAKATA .

DAFTAR ISI .

ii

DAFTAR TABEL

iii

PENDAHULUAN ..

1.1.PENGERTIAN 7
1.2.LANDASAN KERJA STATISTIK 7
1.3.CIRI-CIRI POKOK STATISTIK.. 8
1.4.MENGAPA STATISTIK DIPERLUKAN 8
II. DISTRIBUSI FREKUENSI 9
2.1.VARIABEL . 9
2.2.TABEL DISTRIBUSI . 10
III. POPULASI DAN SAMPEL .. 14
3.1.POPULASI . 14
3.2.SAMPEL 14
3.2.1.ALASAN SAMPLING

.. 14

3.2.2.SIFAT SAMPEL . 15
3.3.TEKNIK PENGAMBILAN SAMPLING 16
3.3.1. SIMPLE RANDOM SAMPLING ........................................................... 16
3.3.2. SISTEMATIK RANDOM SAMPLING .................................................. 18
3.3.3. STRATIFIED RANDOM SAMPLING ................................................... 19
3.3.4. STRATIFIED PROPURSIVE RANDOM SAMPLING ........................ 19
3.3.5.STRATIFIED CLUSTER SAMPLING .................................................... 19
IV. UKURAN PEMUSATAN ........................................................................... 20
4.1. PENGERTIAN ............................................................................................. 20

4.2. RATA-RATA/RATAAN/NILAI TENGAH/MEAN/AVERAGE ..............20

4.3. MODUS .21
4.4. MEDIAN .......................................................................................................22
4.5. KUARTIL .....................................................................................................24
4.6. DESIL ........................................................................................................... 25
V. UKURAN PENCAR ........................................................................................25
5.1. PENGERTIAN ..............................................................................................25
5.2. JUMLAH KUADRAT (JK)/ SUM OF SQUARE (SS) ................................25
5.3. KUADRAT TENGAH / RAGAM/VARIANSI/MEAN SQUARE (MS)/226
5.4. SIMPANG BAKU/STANDARD DEVIASI( Sd=) ................................... 27
5.5. SALAH BAKU /STANDARD ERROR ...................................................... 27
5.6. KOEFISIEN KERAGAMAN (KK) ............................................................. 27
VI. DISTRIBUSI .................................................................................................. 28
6.1. PENGERTIAN ............................................................................................. 28
6.3. DISTRIBUSI POISSON................................................................................ 29
6.4. DISTRIBUSI NORMAL ............................................................................... 30
6.4.1.DISTRIBUSI NORMAL BAKU ................................................................ 33
6.5. DISTRIBUSI CHI SQUARE (X2.................................................................. 34
6.6. DISTRIBUSI STUDENT (t) ........................................................................ 35
6.7. DISTRIBUSI FISHER (F) ............................................................................ 36
VII. INTERVAL KONFIDENSI ........................................................................ 37
VIII. PENGUJIAN HIPOTESA ......................................................................... 38
8.1. PENGERTIAN ............................................................................................. 38
8.2. DUA MACAM KESALAHAN ... 39
8.3. LANGKAH-LANGKAH PENGUJIAN HIPOTESIS.. 40
8.4. PENGUJIAN SEARAH DAN DUA ARAH .... 42
IX. PENGUJIAN CHISQUARE ...................................................................... 43
X. PENGUJIAN STUDENT ( T TES) ............................................................. 46

XI. PENGUJIAN FISHER (UJI F ) 50

XII.ANALISIS REGRESI DAN KORELASI 53
12.1.REGRESI LINIER 53
12.2.KORELASI (rxy) 57
12.3.KOEFISIEN DETERMINASI (r2) 58
12.4.REGRESI NON LINIER 59
12.5.REGRESI KUADRATIK 60
XIII. DAFTAR PUSTAKA . 65
XIV.LAMPIRAN . 66

ii
DAFTAR TABEL
TABEL

Halaman

1. Ukuran lingkar dada (cm) dari 40 ekor sapi perah PFH.......................................

10

2. Ukuran lingkar dada (cm) dari 40 ekor sapi perah PFH disusun dalam bentuk.

11

3. Distribusi frekuensi ukuran lingkar dada dari 40 ekor sapi perah.........................

12

4. Distribusi frekuensi kumulatip ukuran lingkar dada (cm) dari 40 ekor sapi perah 13
5. Data distribusi frekuensi ........................................................................................... 21
6. Cara mencari harga X2 dalam tabel ..........................................................................

34

7. Cara mencari harga t dalam tabel .............................................................................

35

8. Cara mencari harga F dalam tabel F..........................................................................

37

iii

BAB I. PENDAHULUAN
1.1. PENGERTIAN
Kata statistik dalam pemakaian kata itu sendiri dalam bahasa sehari-hari diartikan
sebagai data kuantitatip atau data angka, baik yang belum disusun ataupun yang sudah disusun
dalam bentuk tabel.
Contoh:
Statistik penerimaan mahasiswa, statistik kecelakaan lalu lintas, statistik kelahiran, statisstik penjualan dan lain-lain.
Pengertian metode statistik yaitu suatu metode untuk mengumpulkan, mengolah,
menyajikan dan menganalisa data angka secara deskriptip.
Data angka dapat diperoleh dari hasil observasi atau percobaan statistik yang bersifat kuantitatip.
Observasi statistik yang bersifat kuantitatip dapat merupakan suatu rangkaian pengukuran secara
kuantitatip dari seluruh atau sebagian obyek yang sedang diselidiki.
Pengertian sampel adalah rangkaian observasi atau pengukuran yang dilakukan terhadap
sebagian dari obyek dengan tujuan memperoleh gambaran tentang keseluruhan obyek .
Pengertian populasi adalah keseluruhan obyek yang merupakan sasaran penyelidikan dan
tidak seluruhnya di observasi.
Metode statistik yang memberikan cara untuk menarik kesimpulan umum dari data angka
yang terbatas (sampel) disebut metode Inferens.
Pengertian metode statistik inferens adalah metode untuk mengumpulkan, mengolah,
menyajikan, menganalisa dan menginterpretasi data angka yang terbatas dan menghasilkan suatu
inferensi tentang ciri-ciri atau karakteristik populasi (parameter).
1.2. LANDASAN KERJA STATISTIK

Statistik menggunakan tiga jenis landasan kerja pokok, yaitu 1) Variasi, 2) Reduksi dan 3)
Generalisasi. Landasan kerja yang pertama didasarkan atas kenyataan bahwa seorang peneliti
selalu menghadapi gejala yang bermacam-macam atau bervariasi dalam jenis maupun dalam
tingkatan besar kecilnya.
Landasan kerja yang kedua memberi kesempatan pada peneliti hanya sebagian dari
seluruh gejala atau kejadian yang akan diteliti. Penelitian semacam ini dikenal sebagai penelitian
sampling.
Meskipun penelitian dilakukan hanya pada sebagian dari semua kejadian, namun
kesimpulannya akan berlaku bagi populasi.

Proses atau tata kerja semacam ini disebut

generalisasi.
1.3. CIRI-CIRI POKOK STATISTIK
1.3.1. Bekerja dengan angka-angka
Angka-angka ini dalam statistik mempunyai dua arti, yaitu angka sebagai jumlah yang
menunjukkan frekuensi dan angka yang menunjukkan nilai harga.
1.3.2. Bersifat obyektif
Kerja statistik menutup pintu bagi masuknya unsur-unsur subyektif. Statistik sebagai alat
penilai. Pernyataan tidak dapat berbicara lain kecuali apa adanya.
1.3.3. Bersifat universal
Dapat digunakan pada semua bidang

penelitian. Penelitian-penelitian dalam disiplin

ilmu eksakta, biologi, sosial dan kebudayaan, semuanya dapat menggunakan statistik dengan penuh keyakinan.
1.4. MENGAPA STATISTIK DIPERLUKAN
Pada umumnya kita mengira bahwa jika kita mempunyai kesimpulan dari hasil penelitian
terhadap kejadian-kejadian yang terbatas, maka kesimpulan itu akan berlaku dengan
sempurna untuk seluruh kejadian yang sejenis.
Hampir semua penelitian ilmiah dilakukan terhadap sampel kejadian. Tetapi karena
sampel tidak pernah dapat secara sempurna mewakili populasinya, maka semua generalisasi
yang didasarkan atas studi sampling pasti besar atau kecil mengalami kesalahan atau sesatan,

kecuali bila keadaan kejadian atau gejalanya seragam atau homogen. Kenyataan seperti itu
dikenal dengan kesalahan generalisasi atau generazation error.
Jika suatu generalisasi pasti mengalami kesalahan, maka timbul persoalan yaitu
bagaimana memperhitungkan besar kecilnya kesalahan itu. Menyelesaikan persoalan inilah
yang menjadi salah satu tugas terpenting dari statistik yaitu memperhitungkan kesalahan
generalisasi.
Ilmu pengetahuan mengemban tiga tugas penting 1)menerangkan gejala, 2)
meramalkan dan 3) mengontrol kejadian. Statistik sanggup memikul ketiga tugas tadi.
Untuk menerangkan gejala tersedia bagian dari statistik yang disebut statistik deskriptif.
Untuk meramalkan dan mengontrol kejadian dipersiapkan bagian dari statistik yang disebut
statistik inferensial. Kedua bagian pokok inilah yang akan saya coba untuk mengenal dan
memahami statistik dalam bab-bab berikutnya.
II. DISTRIBUSI FREKUENSI
2.1. VARIABEL
Semua obyek yang menjadi sasaran penelitian, kita sebut gejala.

Gejala yang

menunjukkan variasi dalam jenis maupun dalam tingkatan disebut variabel.

Gejala yang bervariasi dalam jenis misalnya gejala seks. Gejala seks ini bervariasi pada
jenis kelamin pria dan wanita. Pekerjaan juga merupakan gejala yang bervariasi dalam
jenisnya seperti petani, pedagang, pegawai dan lain-lain.

Suatu gejala yang bervariasi

menurut tingkatan besar kecilnya misalnya penghasilan, kecerdasan, keadilan dan lain-lain.
Suatu gejala yang hanya dibagi menurut jenisnya disebut gejala diskrit, sedangkan
gejala yang dapat digolongkan menurut tingkatan besar kecilnya disebut gejala kontinyu.
Angka-angka yang melekat pada variabel diskrit adalah angka-angka kualitatif yang
diperoleh dari perhitungan atau penjumlahan, misalnya jumlah wanita pada kelas ini ada 40
orang dan prianya ada 120 orang. Angka-angka yang mewakili kualitas disebut frekuensi
atau jumlah dan diberi simbol f atau N.
Sebaliknya angka-angka yang melekat pada variabel kontinyu biasanya merupakan
angka-angka kuantitatif misalnya IQ=105, nilai matematika=75.

Angka-angka tersebut

diperoleh dari suatu pengukuran dan dalam statistik angka-angka tersebut disebut skore,
nilai atau harga dan diberi simbol X,Y atau huruf-huruf lainnya.

2.2. TABEL DISTRIBUSI

Data yang diperoleh dari hasil sensus, pengamatan sampel atau penelitian pada
umumnya merupakan data kasar serta merupakan catatan yang tidak tersusun secara rapi (Tabel 1
), kemudian disusun dalam jajaran atau array ( Tabel 2 )..
Tabel 1. Menyajikan data hasil pengukuran lingkar dada dari 40 ekor sapi perah PFH
(Peranakan Friesian Holstein ).
Tabel 1. Ukuran lingkar dada (cm) dari 40 ekor sapi perah PFH
163
145
158
164
168
158
170
168
159
165

165
165
168
169
167
175
165
193
188
164

172
165
178
167
179
161
162
158
157
145

182
185
189
151
153
191
185
147
170
178

Secara langsung data di atas tidak besar kegunaannya untuk menggambarkan suatu gejala
yang bersifat kuantitatip. Sebelum data dapat dipergunakan sesuai dengan tujuannya dan
dipergunakan sebagai inferen untuk gejala yang sedang diselidiki maka data tersebut perlu
disusun sedemikian rupa sehingga dapat ditarik keterangan-keterangan yang berarti.
Cara untuk menyusun data yang paling sederhana adalah penyusunan data dalam bentuk
array yaitu dengan cara data disusun secara teratur dari nilai yang terkecil sampai nilai yang
terbesar.
Tabel 2. menunjukkan penyusunan data dari Tabel 1 dalam bentuk array.
Meskipun demikian cara ini bukan merupakan cara penyusunan yang memuaskan, karena
penyajian dalam bentuk array bila datanya banyak akan sulit, membuang banyak waktu dan
kurang dapat menggambarkan suatu peristiwa secara jelas

Tabel 2. Ukuran lingkar dada (cm) dari 40 ekor sapi perah PFH disusun dalam bentuk
array
145
161
167
178
145
162
167
178
147
163
168
179
151
164
168
182
153
164
168
185
157
165
169
185
158
165
170
188
158
165
170
189
158
165
172
191
159
165
175
193
Suatu cara untuk menyusun data yang lebih berguna dan umum dipergunakan adalah
penyusunan data secara berkelompok ke dalam sebuah tabel frekwensi. Untuk menjelaskan hal
ini akan dipergunakan kembali data dari Tabel 1. Dengan distribusi frekuensi ini pertama dicari
jarak (range) nilai dari rangkaian data, kemudian range ini dibagi kedalam beberapa kelas dan
dihitung berapa banyak observasi yang jatuh kedalam masing-masing kelas. Sebelum distribusi
frekuensi disusun terlebih dahulu ditentukan tiga hal pokok:
1. Menentukan jumlah kelas
Dalam hal ini perlu diketahui bahwa tujuan dari pengelompokan data ke dalam distribusi
frekuensi adalah untuk memperoleh gambaran yang sederhana, jelas dan sistematis tentang
peristiwa yang dinyatakan dalam angka-angka.
Sebaiknya jumlah kelas jangan terlalu banyak tetapi juga jangan terlalu sedikit. Jumlah yang
terlalu banyak atau sedikit tidak dapat memberikan gambaran yang jelas dan sederhana tentang
keterangan-keterangan yang tersimpul dalam data tersebut.
Sturges menyajikan suatu pedoman untuk menentukan jumlah kelas sebagai berikut:
K=1+3,3 log n

yang mana k=jumlah kelas dan n=jumlah observasi

Untuk data pada Tabel 1. (Kalau mempergunakan rumus di atas maka jumlah kelas adalah:
K=1+3,3 log 40= 1 +5,287=6,287=6
Perlu dicatat bahwa penggunaan rumus Sturges bukan merupakan sesuatu yang mutlak
perlu.Dalam praktik acapkali dipakai pertimbangan-pertimbangan lain dalam menentukan
jumlah kelas.
2.

Menentukan interval kelas dan batas kelas.

Interval kelas dan jumlah kelas berhubungan erat. Hendaknya interval kelas dibuat sama dan
dalam bilangan yang praktis. Batas kelas adalah nilai batas dari pada tiap kelas dalam sebuah
distribusi dan dipakai sebagai pedoman untuk memasukan angka-angka hasil observasi dalam
kelas-kelas yang sesuai. Tiap tiap kelas distribusi frekuensi memiliki dua batas kelas yaitu batas
kelas atas dan batas kelas bawah. Pemilihan batas kelas dilakukan sedemikian rupa sehingga
tidak ada keragu-raguan dalam memasukan angka-angka ke dalam kelas-kelas yang sesuai dan
tidak ada suatu angkapun dari data yang tidak dapat dimasukan dalam kelas yang tertentu.
Tepi kelas atau batas teoritis terletak pada pertengahan antara batas kelas atas dari suatu
kelas dan batas kelas bawah dari kelas yang mengikutinya.
3.

Menentukan titik tengah interval kelas

Titik tengah ditentukan dengan jelas merata-ratakan nilai kedua batas kelas atau kedua tepi

kelas. Praktis interval kelas adalah beda antara dua titik tengah dari dua kelas yang berturutan.
Distribusi frekuensi dari data dalam Tabel 1 disajikan pada Tabel 3.
Tabel 3. Distribusi frekuensi ukuran lingkar dada dari 40 ekor sapi perah
Ukuran
140-146
147-153
154-160
161-167
168-174
175-181
182-188
189-195
Keterangan: Jumlah kelas=8 dan Interval kelas=7

Jumlah
2 (145,145)
3
5
12
7
4
4
3

Istilah-istilah lain yang perlu diketahui adalah frekuensi kelas, distribusi frekuensi relatif
dan persen distribusi.
Frekuensi

Frekuensi kelas yaitu banyaknya observasi dalam tiap-tiap kelas.

relatif adalah banyaknya observasi pada suatu kelas dibagi jumlah observasi

seluruhnya. Sedangkan persen distribusi adalah perkalian frekuensi relatif x 100%.

1.2.2. Distribusi frekuensi Kumulatif
Distribusi frekuensi kumulatif dipergunakan bila pada suatu analisa statistik diperlukan
keterangan akan berapa banyaknya observasi yang mempunyai nilai kurang dari suatu harga
tertentu.

Data dari Tabel 3 akan dipegunakan dalam Tabel 4 untuk menjelaskan distribusi frekuensi
kumulatip kurang dari.
Tabel 4. Distribusi frekuensi kumulatip ukuran lingkar dada (cm) dari 40 ekor sapi perah
Ukuran (cm)
Kurang dari 140
Kurang dari 147
Kurang dari 154
Kurang dari 161
Kurang dari 168
Kurang dari 175
Kurang dari 182
Kurang dari 189
Kurang dari 196

Jumlah
0
2
5
10
22
29
33
37
40

Penggolongan data di atas dilakukan dengan mempergunakan batas kelas. Frekuensi

untuk tiap-tiap kelas dihitung dengan mengakumulasikan secara berturut-turut frekuensi kelaskelas sebelumnya yang terdapat dalam distribusi biasa.
Selain distribusi frekuensi kumulatip kurang dari distribusi kumulatip dapat juga
berbentuk atau lebih
1.3. Simbol dan Notasi Penjumlahan
Data hasil pengukuran suatu sifat (karakteristik) misalnya tinggi gumba dari sapi ongole
dinyatakan dengan simbol huruf kecil misalnya X. Untuk membedakan hasil pengukuran dari
satu sapi dengan sapi yang lain akan dipergunakan indeks (subscript ) berupa angka 1,2,3 dan
seterusnya. Jadi tinggi gumba sapi 1,2,3,4 .,n dapat ditulis sebagai : X 1,X2,X3 dan X4,
.Xn. Disini n juga menunjukkan

III. POPULASI DAN SAMPEL

3.1. POPULASI
Populasi adalah kumpulan dari individu-individu atau elemen-elemen yang mempunyai
sifat atau ciri atau karakteristik tertentu.

Misal :Populasi ternak kambing yang mempunyai bobot badan antara 25-35 kg

dengan

warna hitam dikepala dan terdapat di kabupaten Boyolali.

3.1.1. Populasi Infinite
Adalah populasi yang tak terbatas jumlahnya.
Misal : Populasi ternak ayam dan populasi ternak sapi di Indonesia.
3.1.2. Populasi Finite
Adalah populasi yang terbatas jumlahnya , tempatnya.
Misal : Jumlah mahasiswa Universitas X tahun 2010.
3.2. SAMPEL
Adalah sebagian dari populasi yang diambil untuk diketahui sifat atau ciri atau
karakteristiknya. Selama tujuan statistik untuk menguraikan karakteristik populasi maka
pengambilan sampel harus dapat dipertanggungjawabkan dan mewakili populasinya.
Pengertian

mewakili

populasinya

adalah

anggota

sampel

tersebut

menggambarkan karakteristik yang sama dengan populasinya.

dipertanggungjawabkan

adalah

pengambilan

sampel

harus

harus

dapat

Sedangkan arti

menurut

aturan-aturan

pengambilan sampel atau disebut aturan sampling.

3.2.1. ALASAN SAMPLING
Mengapa kita melakukan sampling padahal dengan sensus akan diperoleh keteranganketerangan yang lebih lengkap dan seksama. Jawabannya adalah adanya beberapa alasan antara
lain :
1. Alasan Biaya
Jumlah sampel tentunya lebih sedikit dari pada populasi, sehingga biayanya relatif lebih
murah dari pada sensus. Kecuali itu perlu pula diperhatikan kegunaan dari hasil pengamatan
yang diperoleh.
Misal : Kita ingin mengetahui bobot badan rata-rata pemuda Indonesia, haruslah kita
mengeluarkan biaya berjuta-juta rupiah untuk mengukur seluruh pemuda Indonesia. Apakah ini
sepadan dengan kegunaannya ?.
2. Alasan Waktu
Penggunaan waktu dalam mencatat keterangan yang jumlahnya sedikit lebih singkat dari
pada yang jumlahnya banyak.

Selain itu waktu untuk pengolahan data juga lebih singkat

sehingga penyelesaian untuk mengetahui karakteristik populasi yang sedang diamati waktunya
sesuai dengan kebutuhannya.
3. Alasan Tempat
Bila kita mengukur bobt badan pemuda Indonesia dan waktu yang diperlukan hanya satu
bulan, dapatkah diselesaikan oleh 4-5 orang saja?. Untuk itu semua akan menyangkut masalah
biaya, waktu dan tenaga sehingga penelitian cukup menggunakan sampel saja.
4.Alasan Yang Sifatnya Merusak
Jika dalam hal mempelajari suatu populasi dengan cara penyelidikan yang sifatnya
merusak obyek maka penyelidikan itu hanya dapat dilakukan dengan mengambil sampel.
Misal :Penelitian terhadap obat yang berada dalam ampul. Penelitian daya ledak atau granat.
3.2.2. SIFAT SAMPEL
1. Sampel harus representatif terhadap populasinya.
Di dalam sampel tersebut harus sesuai dengan yang ada dipopulasinya.
Misal : Jika dalam populasi terdapat jenis kelamin, kelompok umur maka dalam sampel harus
ada jenis kelamin dan kelompok umur.
2. Tidak ada bias atau seleksi
Untuk memeriksa kesehatan orang dewasa kita tidak boleh hanya memilih orang-orang yang
berpendidikan saja sebagai sampel.
4.

Besar Sampel

Besar sampel harus cukup untuk menjamin kesimpulan yang dapat dipercaya. Besar sampel
yang akan digunakan tergantung pada beberapa faktor antara lain.
a. Variasi dari karakteristik di dalam populasi
Bila tidak ada variasi maka sebuah sampel saja sudah cukup. Makin besar variasi yang ada dalam
populasi maka sampel yang diambil makin banyak.
b.Ketepatan dari kesimpulan yang diinginkan
Makin besar sampel yang diambil maka makin kecil kesalahan yang terjadi.
c.Adanya keterbatasan sarana, biaya, teknik dan waktu serta tenaga membuat kita tidak
mungkin memeriksa sampel yang terlalu besar.
d.Seringkali didalam banyak hal kita mengalami kesulitan dalam menentukan besarnya sampel
karena variasi dari karakteristik populasinya.

Pada umumnya 10 persen sampel (10 persen dari populasi) dianggap cukup (dengan
kisaran antara 5-25 persen ) dan tergantung juga pada adanya faktor-faktor penghambat dan
ketelitian dari kesimpulan yang diinginkan. Bila jumlah individu-individu atau item-item
didalam populasi tidak diketahui maka kita tidak mungkin menentukan besar sampel berdasarkan
persentase.
5.

Nilai Statistika
Data yang dikumpulkan untuk diperiksa karakteristiknya dapat kita hitung. Hasil hitungan

dari sampel ini disebut Statistical Value. Atau nilai Statistik. Sedangkan hasil perhitungan dari
populasi disebut Parameter atau The Real Value.
Hasil perhitungan statistical value tidak akan sama dengan parameter. Walaupun demikian
menggunakan metode perhitungan yang berdasarkan teori probabilitas, kita dapat membuat
perkiraan (estimate) tentang nilai sesungguhnya dari parameter.

Dalam hal ini disebut

Inference tau Induction Methode.

3.3. TEKNIK PENGAMBILAN SAMPEL (SAMPLING)
3.3.1. SIMPLE RANDOM SAMPLING
Apabila besarnya sampel diketahui dan terbatas maka random dilakukan secara
individual terhadap anggota populasi. Dalam hal ini terpipilihnya individu sebagai sampel harus
benar-benar berdasarkan kebetulan (change) bebas dari subyektivitas peneliti dan orang lain.
Cara pengambilan sampel dengan metode ini dapat dilakukan dengan bantuan tabel
random atau mesin hitung.
00...04 05...09..............................45

49

....50.....54......55...59................95..........99

00

00

..

04

04
..

..
..
..
49

49

00...04 05...09..............................45

49

....50.....54......55...59................95..........99

00

00

..

04

04
..

..
..
..
49

49

Tabel yang saudara miliki sebenarnya bila kita susun seperti pada Gambar di atas.
Misal kita tunjuk pilih secara sembarang diperoleh nilai 42630 (angka ini pada baris 34 dibawah
kolom 10-14).
Maka angka 4 menunjukkan halaman genap
26 menunjukkan kolom ke 26
30 menunjukkan baris ke 30
Kemudian kita cari pada halaman genap pada kolom ke 26 dan baris ke 30 diperoleh angka 1
(dari 61112), mulai dari angka 1 inilah angka random ditentukan. Pembacaan angka dapat
dilakukan ke arah kanan atau ke bawah.
Misal :Kita pilih secara random 10 mahasiswa yang memiliki nomor mahasiswa dari 10 sampai
98.
Bila angka kita baca dari atas ke bawah maka diperoleh sampel dengan nomor mahasiswa.
11;17;69;07;14;39;08;60;35 dan 69.
b) Mesin hitung
Untuk mesin hitung dengan seri :
Fx 3600 P
Fx 3600 PA

INV RUN#

Fx 3800 P
fX 702 P

F1 RUN #

3.3.2. SISTEMATIK RANDOM SAMPLING

Sampel pertama diambil secara random, sedangkan anggota sampel yang lain dipilih
secara sistematis menurut suatu pola tertentu.
Misal jumlah populasi =N dan besarnya sampel yang diambil=n maka sampel interval=k=N/n
Sampel 1=s (s dipilih secara random dari populasi )
Sampel 2=s +k
Sampel 3=s +2k
Sampel 4=s +3k
Sampel n=s +(n-1)k
Metode ini dilakukan bila
a) Nama/Identifikasi dari anggota populasi terdapat dalam suatu daftar sehingga dapat diberi
nomer urut.
b) Populasi tersebut mempunyai pola beraturan, seperti rumah-rumah ditepi jalan, blok dalam
suatu kota yang telah ada nomor urutnya.
Contoh: Ada 1000 rumah dengan nomor rumah 1900 s/d 2000
Diambil 100 rumah sebagai sampel, nomor rumah nama yang terpilih sebagai anggota
sampel ?.
N=1000 dan n=100 maka k=1000/100=10
Tentukan secara acak (random) sampel pertama misal diperoleh nomor 1949 maka ke seratus
sampel tersebut:
Sampel 1=nomor 1949
Sampel 2=nomor 1949 +10=nomor 1959.
Sampel 3=nomor 1949 +2 (10)=nomor 1969.
Sampel 4=nomor 1949 +3(10)=nomor 1979.
Sampel 100=(nomor 1949 +99(10)=nomor 2939.
Sampel 2=nomor 1949 +10=nomor 1959. Karena nomor terakhir 2900 maka 2939-2900=39
nomor awal =1900 maka 39 +1900=1939).
3.3.3. STRATIFIED RANDOM SAMPLING
Apabila populasi dalam suatu penelitian terdiri dari sejumlah sub populasi yang dipisahkan
menurut stratifikasi tertentu, maka populasi tersebut dibagi dalam lapisan-lapisan (strata yang
seragam ). Makin besar derajat keseragaman yang dapat dicapai pada tiap-tiap lapisan

menyebabkan makin besarnya perbedaan yang terdapat diantara lapisan-lapisan tersebut yang
berarti hasil yang diperoleh makin baik.
3.3.4. STRATIFIED PROPURSIVE RANDOM SAMPLING
Pada metode ini jumlah sampel yang diambil dari tiap stratum berbanding lurus (proporsional)
dengan jumlah anggota dalam seratus tersebut.
Misal: Suatu populasi distratifikasi menjadi tiga strata :
Stratum 1=1000 anggota
Stratum 2= 500 anggota
Stratum 3=250 anggota
Jika sampel yang akan diambil sebanyak 70, berapakah jumlah sampel untuk tiap stratumnya ?
Stratum 1=(1000/1750) x70=40 anggota
Stratum 2=(500/1750) x70=20 anggota
Stratum 3=(250/1750) x 70=10 anggota
3.3.5. STRATIIFIED CLUSTER SAMPLING
Apabila dalam cluster diadakan stratifikasi maka samplingnya disebut Stratified Cluster
Sampling.
Misal :
Cluster 1. Pegawai negeri

Stratum 1 Penghasilan tinggi

Stratum 2 Penghasilan sedang
Stratum 3 Penghasilan rendah

Cluster 2. Pegawai Bank

Stratum 1 Penghasilan tinggi

Stratum 2 Penghasilan sedang
Stratum 3 Penghasilan rendah

Cluster 3. Wiraswasta

Stratum 1 Penghasilan tinggi

Stratum 2 Penghasilan sedang
Stratum 3 Penghasilan rendah

sampel penelitian dapat disebut Proporsional Stratified Cluster Sampling.

Cluster :
1. Pegawai negeri

Stratum 1 Penghasilan tinggi...anggota

Stratum 2 Penghasilan sedang...anggota

Stratum 3 Penghasilan rendah...anggota

2. Pegawai Bank

Stratum 1 Penghasilan tinggi....anggota

Stratum 2 Penghasilan sedang...anggota
Stratum 3 Penghasilan rendah...anggota

3. Wiraswasta

Stratum 1 Penghasilan tinggi ...anggota

Stratum 2 Penghasilan sedang...anggota
Stratum 3 Penghasilan rendah....anggota
IV. UKURAN PEMUSATAN

4.1. PENGERTIAN
Untuk mendapatkan gambaran yang lebih jelas tentang sekumpulan data mengenai
sesuatu hal pada sampel atau populasi, selain data disajikan dalam tabel dan diagram masih
diperlukan ukuran-ukuran yang merupakan wakil dari kumpulan data tersebut.
4.2. RATA-RATA/RATAAN/NILAI TENGAH/MEAN/AVERAGE
a. Data tidak berkelompok
Yrata-rata= Yi
N

Y=rata-rata hitung
Yi= Y. Y. Y.
N=jumlah data

Misal data tinggi badan (cm)

150;156;165;162;168
Y=(150+156+165+162+168)/5 =
b. Data berkelompok
Yaitu data yang telah disusun dalam tabel distribusi frekeuensi
Yrata-rata= fiYi = fiYi
fi
N

Yi=Titik tengah interval kelas

fi=Frekwensi kelas ke-i
N=jumlah pengamatan

Tabel 5. Data distribusi frekuensi

Nilai
31-40
41-50
51-60
61-70
71-80
81-90

Fi
1
2
5
15
25
20

Yi
35.5
45.5
55.5
65.5
79.5
85.5

Fi.Yi
35.5
91.0
277.5
982.5
1887.5
1710.0

91-100
Jumlah

12
80

95.5

1146.0
6130.0

Y rata-rata=6130 =76.625
80
4.4. MODUS
Untuk menyatakan fenomena yang sering banyak terjadi atau paling banyak terdapat digunakan
ukuran Modus yang disingkat Mo.
a.Data tidak berkelompok
Data berat sapih (kg)
10

12

14

10

11

15

10

16

MO=10

10

10

10

11

12

14

15

16

M0=10

10

10

11 12

14

14

15

16

Mo=10 dan 14

Tidak semua kumpulan data pasti mempunyai modus.

b. Data berkelompok
Mo=Bbi+ (

1 ) xi=
1+ 2
Keterangan :
Bbi=Batas banyak kelas modus
1=Selisih frekwensi kelas modus dengan frekwensi kelas di bawah kelas modus
2=Selisih frekwensi kelas modus dengan frekwensi kelas di atas kelas modus
i =Interval
Nilai
31-40
41-50
51-60
61-70
71-80
81-90
91-100
Jumlah

Fi
1
2
5
15
25
20
12
80

Frekuensi terbanyak adalah 25 maka kelas modus 71-80 maka Bbi=71

1=25-15=10

2=25-20=5
i =10
Mo=71 + ( 10 ) x 10 =77.67
10 +5
4.4. MEDIAN
Merupakan nilai sentral dari distribusi frekuensi. Secara teoritis median membagi data hasil
pengamatan menjadi dua bagian yang sama banyaknya.
a.Data tidak berkelompok
Untuk sampel berukuran ganjil setelah data disusun menurut urutan nilai maka median
sama dengan data yang terletak ditengah.
Untuk sampel berukuran genap, setelah data disusun menurut urutan nilai maka median sama
dengan rata-rata hitung dua data tengah.
Me=N+1 =
2
Tinggi badan (cm)
149;151;162;165;167;171;172;174;176
149;151;162;165;167;171;172
Me=(165+167)/2=166
b. Data berkelompok
Me=Bbi + (N+1)/2 +(f)i) x L =
F median
Keterangan:
Bbi=batas bawah kelas median
(N+1)/2=posisi median
(f)i =Jumlah semua frekuensi di bawah kelas median
F median=Frekuensi kelas median
L =Interval
Nilai
31-40
41-50
51-60
61-70
71-80
81-90

Fi
1
2
5
15
25
20

F kumulatif
1
3
8
23
48
68

91-100
Jumlah

12
80

80

Posisi median =(80+1)/2=40,5

Pada frekuensi kumulatif nilai 40,5 terletak pada kelas 71-80, maka kelas ini disebut kelas
median.
Bbi=71
(f)i =1+2+5+15=23
F median=25
I =10
Me=Bbi + (40.5+23)x10 = 78
25
4.5. KUARTIL
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak setelah data disusun
menurut urutan nilai maka bilangan pembagi tersebut disebut kuartil.
a.Data tidak berkelompok
1. Posisi Kuartil Ki=i (N+1)
(i=1,2 dan 3 )
4
Misal data :52;56;57;60;64;66;70;75;82;86
K1=1 (10+1)
=2,75 yaitu 56 +0,75 (57-56)=56,75
4
K2=2 (10+1)
=5,56 yaitu 64 +0,50 (66-64)=65,00
4
K3=3 (10+1)
=8,25 yaitu 75 +0,25 (82-75)=76,75
4
b.Data berkelompok
Me=Bbi +i (N+j)/4 +(f)i) x L =
F kuartil
Keterangan:
Bbi=batas bawah kelas kuartil
i(N+1)/4=posisi kuartil
(f)i =Jumlah semua frekuensi di bawah kelas kuartil
F kuartil=Frekuensi kelas kuartil
L =Interval

Nilai
31-40
41-50
51-60
61-70
71-80
81-90
91-100
Jumlah

Fi
1
2
5
15
25
20
12
80

F kumulatif
1
3
8
23
48
68
80

Posisi :Kuartil 1= (1(80+1))/4=20,25 maka kelasnya 61-70

Kuartil 2= (2(80+1))/4=40,50 maka kelasnya 71-80
Kuartil 3= (3(80+1))/4=60,75 maka kelasnya 81-90
Bb1=61 (f)1 =8 +fk1=15 k1=69,17
Bb2=71 (f)2 =23+fk2=25 k2=78.00
Bb3=81 (f)3 =48 +fk3=20 k3=87,375
4.6. DESIL
Membagi data menjadi 10 bagian sama
a.Data tidak berkelompok
Posisi Desil i= i(N+l)
10

(i=1,2,3,....9)

b. Data berkelompok
Di=Bbi +i (N+l)/10 +(f)i) x l =
F desil
Keterangan:
Bbi=batas bawah kelas desil
i(N+1)/10=posisi desil
(f)i =Jumlah semua frekuensi di bawah kelas desil
F desil=Frekuensi kelas desil
l =Interval
V. UKURAN PENCAR
5.1. PENGERTIAN

Ukuran pencar ini kadang-kadang dinamakan ukuran variasi yang menggambarkan bagaimana
berpencarnya data kuantitatif.
5.2. JUMLAH KUADRAT (JK)/ SUM OF SQUARE (SS)
a.Data tidak berkelompok
JKj=(Yi-Yrata-rata)=Yi2 (Yi)2/n=
Y
10
15
20
25
30
100

Y-Y rata-rata=x
-10
-5
0
5
10
0

x2
100
25
0
25
100
250

Y2
100
225
200
625
900
2250

JK=x2=250
Atau
JK=2250-(250)2/5=2250-2000=250
b. Data berkelompok
JK =f(Yi-Yrata-rata)- (fi)2=(fi)2 =y2
N+fx
Nilai

Yi

Fi

31-40
41-50
51-60
61-70
71-80
81-90
91-100
Y
Y rata-rata
Y2

35,5
45,5
55,5
65,5
75,5
85,5
95,5
6130
76625
48331
0

1
2
5
15
25
20
12

Y-Yrata
rata=x
-41,125
-31,125
-21,125
-11,125
-1,125
8,875
18,875
0,0

Fi(Y-Yrata rata)2
161,265625
1937,531250
2231,328125
1856,484375
31,640625
1575,312500
4275,187500
13598.750000

JK=483310-6130/80=13598,75
5.3. KUADRAT TENGAH (KT)/ RAGAM/VARIANSI/MEAN SQUARE (MS)/ 2

KT=JK
N-1

N-1=derajat bebas

a.Data tidak berkelompok

KT=250/4=62,5
b. Data berkelompok
KT=13598,75/79=172,1360759
5.4. SIMPANG BAKU/STANDARD DEVIASI( Sd=)
Sd=VKT
a.Data tidak berkelompok
Sd=

62.50=7,90569

b.Data berkelompok
Sd=

172,1360759=13,1200

Arti dari simpang baku:

1.Y rata-rata 1 sd mencakup 68,26 persen dari jumlah data.
2. Y rata-rata 2 sd mencakup 95,44 persen dari jumlah data.
3. Y rata-rata 3 sd mencakup 99,74 persen dari jumlah data.
5.5. SALAH BAKU /STANDARD ERROR
Sy = Sd/Vn
a.Data tidak berkelompok
Sy =3,5355339
b.Data berkelompok
Sy=1,4668677
Catatan : Makin kecil nilai salah baku menunjukkan nilai tengah sampel mendekati nilai tengah
populasi.

5.6. KOEFISIEN KERAGAMAN (KK)

Koefisien keragaman ini mengukur besarnya variasi yang dinyatakan dalam persen. Makin besar
nilai KK maka makin besar pula variasi data tersebut.
KK=Sd/Y rata-rata x 100%.
a.Data tidak berkelompok
KK=7,905/20 x 100%=39,525%
b.Data berkelompok
KK=13,12/76,625 x 100%=17,122%
Catatan :KK dapat digunakan untuk membandingkan variasi dua atau lebih kelompok data yang
mempunyai satuan ukur berbeda.