Anda di halaman 1dari 50

A.

PENDAHULUAN
A.1 DEFINISI
Secara terminologi ada yang membedakan antara istilah STATISTIK dan STATISTIKA. Definisi kedua istilah tersebut diberikan berdasar beberapa tinjauan :

1. Statistik sbg data: Kumpulan atau deretan angka atau bilangan yang menunjukkan keterangan mengenai cabang kegiatan hidup tertentu. Contoh: Statistik penduduk, statistik pertanian, statistik perdagangan, statistik pendidikan dsb. 2. Statistik sbg kegiatan perstatistikan: Menurut UU no. 7 Th. 1960, statistik sebagai kegiatan mencakup 4 macam kegiatan: 1) pengumpulan data, 2) penyusunan data, 3) pelaporan data, dan 4) analisa data.

Terkait dengan pengertian statistik sebagai kegiatan ini, istilah BIRO PUSAT STATISTIK mempunyai pengertian sebagai sebuah biro pada tingkat pusat yang mempunyai kegiatan pokok yang mencakup 4 macam kegiatan: 1) pengumpulan data, 2) penyusunan data, 3) pelaporan data, dan 4) analisa data statistik. 3. Statistik sbg metode: Metode statistik adalah cara-cara tertentu yang ditempuh untuk: 1) mengumpulkan data, 2) menyusun data, 3) melaporkan data, dan 4) menganalisa data yang berupa sekumpulan bahan keterangan angkaangka untuk mendapatkan pengertian dan makna tertentu.

4. Statistik sbg Ilmu: Ilmu statistik adalah ilmu pengetahuan yang merupakan cabang dari matematika terapan yang membahas dan mengembangkan prinsip, metode, dan prosedur untuk: 1) mengumpulkan data angka, 2) menyusun data angka, 3) melaporkan data angka, 4) menganalisa data, dan 5) menarik kesimpulan, membuat perkiraan (estimasi), dan penyusunan ramalan (prediksi) secara ilmiah.

Statistik sebagai ilmu pengetahuan ini disebut sebagai STATISTIKA (Statistics).

Menurut Sudjana dalam Ridwan dan Sunarta (2007 : 4) Statistika (statistic) adalah ilmu yang terdiri dari theory dan metode yang merupakan cabang dari metematika terapan dan membicarakan tentang bagaimana mengumpulkan data, mengolah, dan menyajikan data, bagaimana menarik kesimpulan data, bagaimana menarik kesimpulan dari hasil analisis, bagaimana menentukan keputusan dalam batas-batas resiko tertentu berdasarkan strategi yang ada. Secara garis besar dalam memahami dan mempelajari statistik ada 4 langkah yang perlu diperhatikan, yaitu : 1. Apa yang dimaksud dengan statistic? (THEORY) 2. Mengapa menggunakan statistik? (THE REASON) 3. Misalnya : karena kuantitatif, karena experiment, karena untuk menguji hipotesis. 4. Bagaimana menggunakan dan menerapkan statistik? 5. Contoh statistik?

A.2 KLASIFIKASI STATISTIK


Berdasarkan tingkat pekerjaannya, Statistik sebagai ilmu pengetahuan dibedakan menjadi: 1. Statistik Deskriptif: Statistik yang digunakan untuk menghimpun, menyusun, mengolah, menganalisa dan menyajikan data angka agar dapat memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu gejala, peristiwa atau keadaan Istilah lain: Statistik Deduktif, Statistik Sederhana, Descriptive Statistics. 2. Statistik Inferensial: Statistik yang digunakan sebagai alat untuk menarik kesimpulan yang bersifat umum dari sekumpulan data, menyusun atau membuat prediksi/ ramalan, melakukan penaksiran (estimasi) dan sebagainya. Istilah lain: Statistik Induktif, Statistik Lanjut, Statistik Mendalam, Inferential Statistics.

A.2 KLASIFIKASI STATISTIK

Statistik Induktif dibedakan menjadi dua yaitu : 1. Statistika Parametrik: Statistik parametris terutama digunakan untuk menganalisis data interval atau data rasio yang diambil dari populasi yang berdistribusi normal. 2. Statistika Nonparametrik (distribution-free statistics for use with nominal / ordinal data): Statistik non parametris terutama digunakan untuk menganalisis data nominal dan ordinal pada populasi yang bebas distribusi sehingga tidak harus normal.

Data

kualitatif

Jenis Data

kuantitatif

Nominal Ordinal

Nominal Ordinal

DATA TERBAGI ATAS : Data Kualitatif Data Kuantitatif Data Nominal : Data yang dinyatakan dalam bentuk bukan angka. : Data yang dinyatakan dalam bentuk angka : Data yang diperoleh dengan cara kategorisasi/klasifikasi Ciri : - Posisi data setara Tidak bisa dilakukan operasi matematika ( x, :, +, - ) Contoh : Jenis kelamin, jenis pekerjaan Data Ordinal : Data yang diperoleh dengan cara kategorisasi/klasifikasi, tetapi diantara data tersebut terdapat hubungan Ciri : - Posisi data tidak setara Tidak bisa dilakukan operasi matematika ( x, :, +, - ) Contoh : kepuasan kerja, motivasi

Data Interval : Data yang diperoleh dengan cara pengukuran, dimana jarak diantara 2 titik skala

sudah diketahui Ciri : - Tidak ada kategorisasi -Bisa dilakukan operasi Matematika Contoh : Temperatur yang diukur berdasarkan oC dan oF, sistem kalender
Data rasio : Data yang diperoleh dengan cara pengukuran, jarak antara 2 titik skala sudah

diketahui dan mempunyai titik 0 absolut. Ciri : - Tidak ada kategorisasi -Bisa dilakukan operasi Matematika

Contoh : Gaji, skor ujian, jumlah buku.

Prosedur pengolahan data A. Parameter 1. Statistik parametrik

2. Statistik non parametrik


B. Jumlah variabel 1. Analisis Univariat : hanya ada satu pengukuran / variabel untuk n sampel / beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik 2. Analisis Multivariat : dua / lebih pengukuran ( variabel ) untuk n sampel dimana

analisis antar variabel dilakukan bersamaan.


Contoh : Pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi.

Mulai Statistik nonParametrik Nominal Jenis data

Interval
Rasio

Ordinal

Statistik Parametrik

Analisis Univariat

satu

Jumlah Variabel

dua/ lebih

Analisis Multivariat

CIRI DATA STATISTIK : Data mentah statistik adalah berupa angka-angka atau bilangan. Namun TIDAK SEMUA DATA ANGKA atau bilangan dapat disebut sebagai data statistik. Data berupa angka-angka atau bilangan tersebut dapat dikategorikan sebagai data statistik bila menunjukkan ciri dari suatu penelitian yg bersifat agregatif dan mencerminkan suatu kegiatan dlm bidang atau lapangan tertentu (Sudijono, 1987). Ciri penelitian yg bersifat Agregatif : 1. Penelitian boleh hanya mengenai satu individu saja, tetapi pencatatannya harus lebih dari satu kali. Contoh : Paijo adalah siswa SMA 1 Kediri tahun pelajaran 2009/2010 (1 orang individu). Terhadap diri Paijo dilakukan pencatatan ttg nilai hasil belajar B. Inggrisnya mulai semester 1 sampai semester 6 dgn hasil berupa data angka sebagai berikut: Angka-angka ini telah menunjukkan ciri tentang perkembangan prestasi belajar Paijo dalam B. Inggris dari waktu ke waktu. Semester I II III IV V VI Nilai 7 8 7,5 8 9 9

Angka-angka ini telah menunjukkan ciri tentang perkembangan prestasi belajar Pijo dalam B. Inggris dari waktu ke waktu.

Walaupun data hanya mengenai SATU INDIVIDU, pencatatannya LEBIH DARI SATU KALI.

2. Penelitian atau pencatatan boleh HANYA SATU KALI, tetapi individu yang diteliti HARUS LEBIH DARI SATU. Contoh: Hasil pencatatan nilai sumatif B. Inggris dari 10 orang siswa SMA 1 Kediri tahun pelajaran 2009/2010 No. 1. 2. 3. 4. 5. 6. 7. 8. 9. Siska Rudi Giono Santi Nina Brodin Emi Dian Nama Arifin Nilai 7 6 5 8 9 8 7 6 7 Walaupun data diperoleh hanya dari satu kali pencatatan, jumlah yg diteliti lebih dari satu individu.

10.

Indro

B.2 Klasifikasi Data Statistik


Klasifikasi data statistik dapat dilakukan berdasarkan beberapa kriteria: A. Berdasarkan Sifat Data: 1. Data Kontinyu: data statistik yang angka-angkanya merupakan deretan angka yang sambung-menyambung (kontinum).
Contoh:

1.

Data statistik ttg tinggi badan (dlm centimeter): 150 150,1 150,2 150,3 150,4 150,5 dsb.

2. Data statistik ttg berat badan (dlm kilogram): 40 40,1 40,2 40,3 40,4 40,5 dsb

2. Data Diskrit: data statistik yang angka-angkanya tidak mungkin dalam bentuk pecahan.
Contoh:
1. Data statistik ttg jumlah anggota keluarga: 1 2 3 4 -5 6 dsb. 2. Data statistik ttg jumlah buku di perpustakaan: 10 15 20 50 100 dsb

B.2 Klasifikasi Data Statistik


B. Berdasarkan Cara Menyusun Angkanya: 1. Data Nominal: data statistik yang cara menyusun angkanya didasarkan pada penggolongan atau klasifikasi tertentu. Disebut juga: Data Hitungan, karena diperoleh dengan cara MENGHITUNG. Contoh:
Tabel 1. Jumlah siswa SMAN 1 Plosokandang Tahun Ajaran 2009/2010

Jenis Kelamin

Jenis kelamin Klasifikasi

Kelas III II

Laki-laki
50 48 72 170

Perempuan
34 44 52 130

Jumlah 84 92 124 300

Tingkatan

I Jumlah

B.2 Klasifikasi Data Statistik

2. Data Ordinal: data statistik yang cara menyusun angkanya didasarkan pada urutan kedudukan. Disebut juga: Data Urutan.

Tabel 2. Skor Hasil Penilaian Juri Lomba Puisi


No. Urut 1. 2. 3. No. Undian 031 115 083 Nama Badrun Eni Sinta Skor 451 497 427 Ranking 4 2 5

Data Ordinal

4.
5.

024
156

Brodin
Yuliati

568
485

1
3

Data Interval

B.2 Klasifikasi Data Statistik

3. Data Interval: data statistik dimana terdapat jarak yang sama diantara hal-hal yang sedang diteliti atau dipersoalkan. Note: Dari Tabel 2 tersebut, kita tahu bahwa walaupun ke lima orang finalis itu mempunyai perbedaan urutan kedudukan yang sama (masingmasing selisih perbedaannya 1), namun tidak mesti menunjukkan perbedaan skor yang sama. Selisih skor Juara I & II Selisih skor Juara II & III Selisih skor Juara III & IV Selisih skor Juara IV & V = 568 497 = 497 485 = 485 451 = 451 427 = 71 = 12 = 34 = 24

B.2 Klasifikasi Data Statistik


C. Berdasarkan Cara Menyajikannya: 1. Data Tunggal: data statistik yang masing-masing angkanya merupakan SATU UNIT. Dengan kata lain, angka-angkanya tidak dikelompok-kelompokkan. Disebut juga: Ungrouped Data. Contoh: Data nilai mid-semester 40 orang mahasiswa Jur. B. Inggris UNP pada mata kuliah statistik adalah sbb: 40 82 73 30 71 55 46 57 54 65 73 62 67 45 58 68 59 63 61 48 84 74 80 35 46 58 59 39 51 44 84 55 60 75 76 53 57 45 48 60

Masing-masing angka ini merupakan satu unit kesatuan, berdiri sendiri dan tidak dikelompokkan

B.2 Klasifikasi Data Statistik


C. Berdasarkan Cara Menyajikannya: 2. Data Berkelompok: data statistik yang tiap-tiap unitnya terdiri dari sekelompok angka. Disebut juga: Grouped Data. Contoh: Data nilai midsemester pada data tunggal diatas dikelompokkan sbb:
Nilai : 80 - 84

75 - 79
70 - 74 65 - 69 60 - 64 dst

Dalam kelompok nilai: 80 84 terdapat nilai: 80, 81, 82, 83, 84.

D. Berdasarkan Sumber Data: 1. Data Primer: data statistik yang diperoleh / bersumber dari tangan pertama ( first hand data) Contoh: Data jumlah alumni jur b. Inggris UNP yang bersumber dari Bagian Kemahasiswaan dan Alumni UNP 2. Data Sekunder : data statistik yang diperloleh / bersumber dari tangan kedua ( second-hand data) Contoh: Data jumlah alumni jur b. Inggris UNP yang bersumber dari koran Jawa Pos Radar Kediri

E. Berdasarkan Waktu Pengumpulan Data : 1. Data seketika (Cross Section Data): data statistik yang mencerminkan keadaan pada satu saja (at a point time) Contoh: Data statistik tentang jumlah dosen jur b. Inggris UNP pada tahunakademik 2009/2010 (hanya satu tahun saja) 2. Data Ururan Waktu (Time Series Data): data statisik yang mencerminkan keadaan atau perkembangan dari waktu ke waktu secara berurutan. Disebut juga : Histritical Data Contoh: Data statistik tentang jumlah dosen jur b. Inggris UNP mulai tahun akademik 2004/2005 sampai dengan 2009/2010

Data statistik adalah data yang berwujud angka- angka. Sebagai data angka, data-data ini mempunyai beberapa sifat tertentu: 1. Data statistik mempunyai Nilai Relatif dan Nilai Nyata. Nilai Relatif ( Relative Value) dari sebuah bilangan adalah nilai yang ditunujukkakn oleh angka atau bilangan itu sendiri. Jadi, nilai relatif dari angka 5 adaah 5, nilai relatif 27 adaah 27. nilai relatif disebut juga : Nilai Semu. Nilai Nyata / Sebenarnya ( True Value) darisebuah bilangan adalah daerah tertentu dalam suatu deretan angka yang diwakili oleh Nilai Relatif. Jadi, Nilai nyata dari angka 5 adalah : 5+-0,5. jadi, nilai nyata dari 5 adalah angka antara 4,5 5,5 Nilai nyata dari angka 17,5 adalah : 17,5+-0,05. jadi, nilai nyata dari 17,5 adalah angka antara 17,45 17,55. Nilai nyata dari angka 17,58 adalah: 17,58 +- 0,005. jadi, nilai nyata dari 17,58 adalah angka antara 17,575 17,585.

2. Data statistik mempunya Batas Bawah / Batas Atas Nyata Contoh: a) Bilangan 40- 44 Batas Nyata
B . Batas Nyata : 40- 0,5 =39,5 B . Atas Nyata : 44 + 0,5 = 44,5

b) Bilangan : 50 B. Batas Nyata B . Atas Nyata Nilai Nyata

: 50 0,5 = 49,5 : 50 + 0,5 = 50,5 : 49,5 50,5

3. Data statistik yang berbentuk data tunggal dan data kelompok ( gruoped dat), memiliki Nilai Tengah/ Titik Tengah ( Mid point). Yang dimaksud Nilai Tengah dari sederetan angka adalah bilangan yang terletak di tengah tengah deretan bilangan tersebut. Contoh: a. Deretan bilangan: 5 6 7 8 9 b. Data kelompokan : 50 54, nilai tengahnya = (50 + 54) : 2= 52 Deretan bilangannya : 50 51 52 53 54. c. Data kelompokan: 75 80, nilai tengahnya = ( 75 + 80) : 2= 77,5 Deretan bilangannya : 75 76 77 78 79 80.

4. Data statistik sebagai data nagka dalam proses perhtungannya tidak menggunakan sistim pecahan, melainkan menggunakan sistim desimal. 5. Data statistik sebagai data angka dalam proses perhitungannya menggunakan sistim pembulatan angka tertentu ( biasanya sampai dengan tiga angka di belakang koma).

Dalam dunia pendidikan kita dapat menjumpai beragam data yang dapat kita analisa dengan menggunakan satistik. Contoh : 1. Data statistik terkait dengan prestasi belajar. Misal: Nilai siswa, Skor tes IQ, Skor tes kepribadian, Skor tes penjurusan, Skor tes ujian masuk dsb. 2. Data statistik terkait degan keadaan anak didik. Misal : Jumlah siswa dari tahun ke tahun, Jumlah siswa dilihat dari berbagai segi ( kelas, jurusan, jenis kelamin, sekolah asal, agama, status pekerjaan ortu dsb. 3. Data statistik terkait dengan guru/ staf pengajar dan karyawan dsb. 4. Data statistik terkait dengan anggaran pendapatan dan belanja. 5. Data statistik terkait dengan bidang perlengkapan. 6. Data statistik terkait dengan perpustakaan. 7. Data statistik terkait dengan angka presensi siswa, guru, dan data karyawan.

Yaitu penyusunan data dalam suatu tabel dengan memperhatikan masing-masing nilai interval. Variabel adalah suatu data yang nilainya berubah-ubah atau konsep yang memiliki pengertian lebih dari satu, misalnya, jenis kelamin, tempat tinggal, berat badan, kecerdasan. Ada dua macam distribusi frekuensi yaitu distribusi nilai tunggal dan distribusi nilai kelompok.

CONTOH : Hasil nilai matematika dari 40 orang siswa disebuah SMP sebagai berikut : 7666576577 7479654889 6555476688 4699876666

Tabel distribusi frekuensi

NILAI
9 8 7 6 5 4

JARI-JARI FREKUEN SI IIII 4 6 8 12 6 4

V. CARA MEMBUAT INTERVAL KELAS


CONTOH : Hasil pengukuran berat badan 50 siswa SMA :
68 63 66 53 60 60 65 67 66 71 72 70 57 73 60 68 53 60 60 61 60 60 56 61 61 73 69 71 62 60 67 57 62 55 59 62 62 62 66 70 64 65 64 65 66

Xt = 73 Xr = 53 R = 73 53 = 20 + 1 = 21 L=3 J= =
21 3

=7

Xt: Nilai Tertinggi Xr: Nilai Terendah J: Jumlah Interval (banyaknya interval pada satu tabel)

Tabel 3. Statistik Distribusi Frekuensi Interval 71 73 68 70 65 67 62 64 59 61 56 58 53 - 55 Frekuensi 5 7 12 8 11 4 3 % 10 14 24 16 22 8 6

Tabel 4. Frekuensi Kumulatif


Interval 71 73 68 70 65 67 62 64 59 61 56 58 53 55 Frekuensi 5 7 12 8 11 4 3 Fkb 50 45 38 26 18 7 3 Fka 5 12 24 32 43 47 50 Fkb Presentase 100 90 76 52 36 14 6

Perhitungan Presentasi : 3 / 50 X 100% = 6% Fkb : Freikuensi Kumulatif dari bawah. Fka : Frekuensi Kumulatif dari atas. Fkb % : Frekuensi Kumulatif dari bawah dalam presentase.

Pengukurantendensisentral
A. Mean Disingkat M adalahnilai rata-rata yang diperolehdengancaramenjumlahkanseluruhnilai, kemudiandibagidenganbanyakindividu. Rumus M =

a. Mencarinilai rata-rata ( M ) dari data tunggal Tabel I. Hasilpengumpulan data ataskekuatanototlengansiswakelas 4 SDNMojoroto 2 Kediri tahunpelajaran2008/2009 X F Fx Keterangan : 9 4 36 X= Nilai 8 6 48 F= Frequensi siswa 7 8 56 6 12 72 = Jumlah
5 4 6 4 40 30 16 256

b. Mencari nilai rata-rata ( M ) dari tabel data berkelompok


Interval 71-73 68-70 65-67 62-64 59-61 56-58 53-55 Jumlah F 5 7 12 8 11 4 3 70 X 72 69 66 63 60 57 54 Fx 360 1173 792 1197 600 228 162 4512
Keterangan : F= Jumlah Siswa X= Nilai tengah = Jumlah

jadi : M= M=
4512 = 64, 70

46 ( data berkelompok )

B. Median = nilai tengah Contoh ada nilai 6, 7, 8, 5, 4, 9, 10 diurutkan

Apabila data sudahditabulasikan, maka median menggunakanrumus : Md =Bb + ( )I Keterangan : Bb = Batas bawah interval yang mengandung median N = Jumlahfrekuensi ( subject ) Fkb = Frekuensikumulatif di bawah interval yang mengandung median Fd = Frekuensipada interval yang mengandung median I = Lebarkelas ( nilaisetiap interval )
Interval 71-73 68-70 65-67 62-64 59-61 56-58 F 5 17 12 19 10 4 Fkb 70 65 48 36 17 7 N = 35, Fkb = 17, I=3 Makanilai medium adalah : Md = 61,5 + (
3517 19 18

1 2

Bb = 61,5 Fd = 19

)3

= 61,5 + ( 19 ) 3 = 61,5 + 19 = 64,34


54

53-55
Jumlah

3
70

= 61,5 + 2,84

C. Modus = nilai yang sering muncul Tabel tunggal


X 10 9 8 7 6 F 2 4 5 2 3

Keterangan : X = nilai F = frekuensi Mo = 8

Tabel kelompok
Interval 71-73 68-70 65-67 62-64 59-61 56-58 53-55 F 5 17 12 19 10 4 3

Apabila distribusi normal, maka Mo bisa dicari dengan rumus sbb : Mo = 3Md-2M = 3.64,34 2. 64, 46 = 193, 02 128, 92 = 64,1

VIII. Pengukurannilaivariabel 1. Range ( R ) Adalahjarakpengukuran/jangkauan yang diperolehdenganmencariselisihnilaitertinggidannilaiterendah. Rumus : R = Xt Xr Makin besar R nya, makin heterogen kelas = 90 40 tersebut = 50

2. Standard deviasi ( SD ) Disebutsimpanganbaku. Standard deviasiadalahakardarijumlahdurasideviasidibagibanyaknyaindividu. Deviasiadalahpenyimpangannilai-nilaiindividuterhadap mean ( M ) SD =


X 10 9 8 7 6 40


x 2 1 0 -1 -2 0 x2 4 1 0 1 4 10

SD = =

10 5

M=

= 2 = 1,414

40 = 5

=8

a. Mencari SD dari tabel tunggal


X 9 8 7 6 5 4 F 4 6 8 12 6 4 40 Fx 36 48 56 72 30 16 258 Fx2 324 384 392 432 150 64 1746 Cara mancari Fx2 : F. X2 = 4. 81 = 324
1746 40 2 ) 258 2 ) 40

SD = =

( (

= 43,65 6,45 = 43,65 41,60 = 2,05 = 4,31

b. Mencari SD dari tabel berkelompok


Interval 71-73 68-70 65-67 62-64 59-61 56-58 53-55 Jumlah F 5 7 12 8 11 4 3 70 X 72 69 66 63 60 57 54 Fx 360 1173 792 1197 600 228 162 4512 Fx2 25920 80937 52272 75411 36000 12996 8748 292.284

SD =

= = 4175,486 64, 457 = 4175,486 4154,705 = 20,781 = 4, 568

2 ( ) 292.284 4512 ( 70 ) 70

UJIPERCOBAAN Ujit dignakanuntukmengetahuiapakah 2 kelompok sample mempunyaiperbedaan yang significance. Ada 2 macamuji t : 1. Ujit untuk sample-sample bebas 2. Ujit untuk sample-sample berhubungan Uji t untuk sample-sample bebas Rumus: t = Keterangan: t = nilai c yang dicari Mx= m kelompok x My= m kelompok y SDbm = standartkesalahanuntukkesalahan mean. SDbm SDmx SDm = + = standartkesalahan mean untukkelompok x = 1

Dengan demikian langkah-langkah analisisnya sebagai berikut : 1. Untuk masing masing kelompok dihitung a. N b. M c. SD d. SDm 2. Menghitung SDbm 3. Menghtung nilai t 4. Membadingkan nilai t hasil perhitungan tersebut dengan nilai t pada tabel statistik (t teori) 5. Mengambil keputusan dengan pedoman sebagai berikut : a. Jika t hitung t tabel, taraf significance 1% maka sangat significance, akibatnya Ho ditolak b. Jika t hitung t tabel, taraf significance 5% maka significance, akibatnya Ho ditolak c. Jika t hitung t tabel, taraf significance 5% maka tidak significance, akibatnya Ho diterima ( gagal ditolak ). Catatan : Ha = hipotesis alternatif kerja Hipotesis yang menyatakan ada tautan antara variabel yang satu dengan yang lain ( hipotesis yang menyatakan adanya perbedaan hubungan variabel satu dengan yang lain. ) Ho = hipotesis nilai nol yang diuji proses hipotesis yang menyatakan tidak adanya tautan antara variabel yang satu dengan yang lain. Hipotesis yang menyatakan tidak adanya perbedaan hubungan variabel satu dengan yang lain.

Contoh penggunaan uji t dalam penelitian : 1. Permasalahan Adanya perbedaan prestasi olahraga cabang atletik antara sekolah yang memiliki fasilitas yang lengkap dan sekolah yang fasilitas tidak lengkap di daerah Kabupaten Kediri.
2. Hypotesis Karena hipotesis akan diuji dengan statistik, maka dirumuskan Ho sebagai berikut : Ho tidak ada perbedaan prestasi olahraga cabang atletik antara sekolah yang memiliki fasiltas yang lengkap dan sekolah yang fasilitas tidak lengkap di daerah Kabupaten Kediri. 3. Data Setelah dilakukan perhitungan dari 2 kelompok diperoleh : Kelompok SD yang fasilitasnya lengkap ( X ) N = 10 M = 8,0 SD = 1, 48 Kelompok SD yang fasilitasnya tidak lengakp ( Y ) N = 10 M = 6,3 SD = 1,35

D. Analisis SDmx =
1,48 101

SDmy =
1,35 101 1,35 9 1,35 3

= =
1,48 3

1,48 9

= =

= 0, 49

= 0, 45

SDbm = + = 0, 49 + 0,45 = 0,24 + 0,20 = 0,4426 = 0, 665 t=


Mx My

= 0,665 = 0,665 = 2, 556 ( t hitung )

86,3

1,7

E. Penafsiran hasil analisis / pengujian hipotesis Mencari nilai t tabel Db ( derajat kebebasan ) ( Nx + Ny ) 2 = ( 10 + 10 ) 2 = 20 2 = 18 Dengan db = 18, t tabel 1% taraf significant = 2,878, Sedangkan yang 5% = 2,101 Dengan demikian alternatif yang tepat adalah = t hitung ( 2, 556 ), lebih besar t tabel taraf significant % = 2,101 maka significant dan akibatnya Ho ditolak. F. Kesimpulan Karena Ho ditolak, maka Ha diterima, sehingga dapat disimpulkan : ada perbedaan prestasi olahraga cabang atletik antara sekolah yang memiliki fasilitas yang lengkap dan sekolah yang fasilitas tidak lengkap di daerah Kabupaten Kediri.

2. Uji T untuk Sample Sample Berhubungan.


Amatan ulang, teknik ini dipergunakan untuk penelitian EKSPERIMEN. Ada 2
pelaksanaanya :
1.

Mengambil 2 kelompok sample yang berpasang pasangan, artinya 2 kelompok tersebut mempunyai kemampuan yang sama kemudian 2 kelompok tersebut diberi perlakuan (TREATMENT) yang berbeda setelah melalui proses yang relatif cukup, maka dilakukan tes untuk kedua kelompok tersebut. Hasil tes dibandingkan dengan hasil UJI INI.

2.

Mengambil 1 kelompok sample diperlakukan tertentu, diberi tes awal (pretest), setelah diberi perlakuan tertentu diberi tes lagi (post-test). Hasil tes awal dibandingkan tes akhir dengan menggunakan UJI t INI.

Rumus

Keterangan : Mk = Mean kelompok kontrol. Me = Mean kelompok eksperimen. b2 = Jumlah deviasi dari mean perbedaan. N = Jumlah pasangan sample.

Contoh Penggunaan Rumus


1. Permasalahan
Adakah pengaruh peningkatan gizi anak terhadap prestasi lari cepat 100 meter di SMP PGRI Kediri Kelas VII Tahun

Ajaran 2010 / 2011.


2. Hipotesis (Dugaan Sementara / Jawaban Sementara) Tidak ada pengaruh peningkatan gizi anak terhadap prestasi lari cepat 100 meter di SMP PGRI Kediri Kelas VII Tahun Ajaran 2010 / 2011.

Pelaksanaan Penelitian Peneliti membagi siswa menjadi 2 kelompok berpasang pasangan. Kelompok ke 1 diberi latihan dengan fasilitas biasa, kelompok ke 2 diberi perlakuan luar biasa (setiap pagi diberi minum susu, waktu istirahat, latihan diberi makanan makanan bergizi). Hasil tes dari 2 kelompok tersebut setelah beberapa waktu ( 1 bulan) sebagai berikut :

Pasangan Subyek 1 2 3 4 5 6 7

Kelompok Kontrol 10.2 11.5 9.9 12.8 11.6 12.5 11.1

Kelompok Eksperimen 10.00 10.8 10.8 11.3 11.3 11.5 11.9

8
9 10

13.3
13.1 13.0

12.8
12.4 12.8

t test bentuk eksperimen.


Tabel kerja untuk mencari nilai t antara kelompok kontrol dengan kelompok eksperimen. N 1 2 3 4 5 6 7 8 9 10 K 10.2 11.5 9.9 12.8 11.6 12.5 11.1 13.3 13.1 13.0 119 E 10.00 10.8 10.8 11.3 11.3 11.5 11.9 12.8 12.4 12.8 115 B 0,2 0,7 -0,9 1,5 0,3 1,0 -0,8 0,5 0,7 0,2 4 b -0,2 0,3 -1,3 1,1 -0,1 0,6 -1,2 0,7 0,3 -0,2 0 b2 0,04 0,09 1,69 1,21 0,01 0,36 1,44 0,49 0,09 0,04 5,46
B = 10.2 10.00 = 0,2 Nb = B = 4 = 0,4 N 10 b = B Nb = 0,2 0,4 = -0,2 Mencari Mk = K = 119 = 11,9 N 10 Me = E = 115 = 11,5 N 10 MB = B = 4 = 0,4 N Mk Me t = b2 N (N 1) = 10 11,9 11,5 5,46 10 (10 1) = 0,4 = 5,46 90 0,4 0,0607 = 0,4 0,25 = 1,624 (t hitung)

3. Pengujian Hipotesis
Dengan db = 10 1 = 9 untuk taraf significance 1% = 3,250 dan 5% = 2,262. Jadi, t hitung t tabel, maka significance akibatnya Ho

diterima.
4. Kesimpulan Karena Ho diterima, maka Ha ditolak, sehingga dapat disimpulkan

tidak ada pengaruh peningkatan gizi anak terhadap prestasi lari


cepat 100 meter di SMP PGRI Kediri Kelas VII Tahun Ajaran 2010 /2011.