STATISTIKA DASAR

ZUMROTUS SYADIYAH,S.Si, M.Si

I. PENGANTAR STATISTIKA

1.1 Jenis-jenis Statistik

Secara umum, ilmu statistika dapat terbagi menjadi dua jenis, yaitu:
1. Statistika Deskriptif
2. Statistika Inferensial
Dalam sub bab ini akan dijelaskan mengenai pengertian dari kedua jenis statistika
tersebut.
a. Statistika Deskriptif
Statistika deskriptif dapat disebut juga sebagai statistika deduktif atau statistika
sederhana. Staistika deskriptif adalah statistika yang tingkat pengerjaanya mencakup caracara menghitung, menyusun atau mengatur, mengolah, menyajikan data agar dapat
memberikan gambaran yang ringkas mengenai suatu keadaan, seperti teknik umum mencari
rata-rata, median, modus, kuartil dan lain sebagainya.
b. Statistika Inferensial
Statistika inferensial adalah statistika yang berhubungan dengan analisis data untuk
penarikan kesimpulan dari data. Misalnya, teknik uji hipotesa, analisis varians, teknik
korelasi, regresi dan lain-lain.

1.2 Jenis-jenis Data

Secara garis besar, data-data olahan dibagi menjadi 3 jenis data, yaitu:
1. Data Kuantitatif, yaitu data yang berupa angka-angka. Informasi yang dikandung data
berupa data angka. Contoh: data jumlah penduduk, jumlah pendapatan nasional, dan lain
sebagainya. Data kuantitatif dapat berupa:
a. Data Kontinu adalah data yang angka-angkanya merupakan deretan angka yang
sambung-menyambung atau berkelanjutan.
Contoh: tinggi badan, berat badan, dan lain-lain.
b. Data diskrit adalah data statistik yang tidak berkelanjutan.
Contoh: Jumlah penduduk, Jumlah anak dan lain-lain.
2. Data Kualitatif, yaitu data non-angka. Informasi yang dikandung bukan berupa angka.
Contoh: data jenis kelamin penduduk, tingkat pendidikan dan sebagainya. Data jenis ini harus
diubah terlebih dahulu menjadi data kuantitatif sebelum diolah.

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

1.3 Jenis-jenis Skala Pengukuran

Skala pengukuran yang dapat digunakan dalam pengolahan data statistik adalah
sebagai berikut:
1. Data Nominal
Data nominal adalah data statistik yang cara menyusunnya atas golongan atau klasifikasi
tertentu.
Contoh: Jumlah mahasiswa dari segi tingkat kelas dan kelamin.
2. Data Ordinal
Data ordinal adalah data statistik yang cara menyusunnya didasarkan pada urutan,
kedudukan dan rangking/tingkatan data.
Contoh: Pandai, kurang pandai dan tidak pandai.
3. Data Interval
Data interval adalah data statistik dimana terdapat jarak yang sama. Dari satu data ke data
yang lain intervalnya sama.
Contoh: Mahasiswa yang mendapat nilai 1 sampai 10, petani yang mempunya hasil panen
antara 2 sampai 15 kwintal, dan sebagainya.
4. Data Rasio
Data rasio adalah data yang tergolong dalam data kontinum tapi mempunyai ciri (syarat)
tertentu.
Contoh: Berat badan Paman 60 Kg, Berat badan Sagung 15 Kg. Dengan demikian, berat
badan Ibu adalah 4 kali berat badan Ani.

1.4 Populasi dan Sampel

Populasi adalah sekumpulan objek yang akan dijadikan sebagai bahan penelitian
dengan ciri mempunyai karakteristik yang sama. Populasi selalu memiliki sifat-sifat yang
serupa. Beberapa macam populasi didasarkan pada jumlah anggotanya adalah sebagai
berikut:
a. Populasi berhingga
Populasi berhingga adalah sekumpulan objek yang akan dijadikan sebagai kajian yang
jumlahnya tertentu.
Contoh: Populasi mahasiswa fakultas ekonomi, jumlah kendaraan bermotor dari merk
tertentu yang beredar di jalan, jumlah siswa kelas III dari suatu Sekolah Dasar, dan lain
sebagainya.

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

b. Populasi tak berihingga

Populasi tak berhingga adalah sekumpulan objek yang akan diteliti berjumlah tidak
terhingga banyak.
Contoh: Populasi amoeba dalam suatu parit, jumlah pelanggan supermarket, jumlah
partikel di udara, dan lain-lain.

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

II. STATISTIKA DESKRIPTIF

2.1 Daftar Distribusi Frekuensi

Dafatr distribusi frekuensi adalah penyusunan urutan data ke dalam kelas-kelas
interval, untuk kemudian ditentukan jumlah frekuensinya berdasarkan data yang sesuai
dengan batas-batas interval kelasnya. Tahap penyusunan data menjadi daftar distribusi
frekuensi antara lain adalah:
1. Menghitung jumlah data
2. Mencari data tertinggi dan terendah
3. Menetapkan range
Range ( R) X max X min

4.

Merencanakan jumlah kelas

Jumlah kelas dihitung dengan menggunakan kaedah Sturges:
b 1 3,3 log n , dimana n adalah jumlah data

5. Menentukan panjang kelas

Panjang kelas ditentukan dengan persamaan berikut:
p

xmax xmin R

b
b

6. Menentukan ujung bawah pada kelas interval

Ujung bawah kelas interval ditentukan dengan cara menjumlahkan data terkecil
yang ditetapkan sebagai ujung bawah kelas interval pertama dengan nilai panjang
kelas (p).
Contoh 2.1:
Jumlah kelas: 8
P=9
Data terkecil=22
Maka ujung bawah interval adalah:
22, 31, 40, .dan seterusnya.
7. Menetapkan nilai ujung atas kelas interval
Ujung atas kelas interval dimulai dengan interval kelas pertama sampai dengan
kelas terakhir.

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

a. Jika ujung-ujung bawah adalah bilangan bulat, maka nilai-nilai dari ujung
atas pada interval kelas pertama, kedua dan seterusnya mempunyai selisih 1
dengan nilai ujung bawah berikutnya.
Contoh 2.2:
Perhatikan kembali Contoh 2.1, maka ujung atas intervalnya adalah:
30, 39, 48, ..dan seterusnya.
b. Jika ujung-ujung bawah adalah bilangan 1 desimal, maka nilai ujung-ujung
atas pada interval kelas pertama, kedua dan seterusnya mempunyai seliisih
0,1 dengan nilai ujung bawah berikutnya.
Contoh 2.3:
Misalkan ujung atas interval kelas data adalah:
25,0
31,5
38,0
44,5
dan seterusnya.
Sehingga diperoleh ujung atas intervalnya adalah:
31,4
37,9
44,4
dan seterusnya.
Begitu seterusnya untuk bilangan 2 desimal , 3 desimal dan selanjutnya.
8. Menetukan batas bawah dan batas atas kelas interval
Batas bawah interval dapat dihitung dengan persamaan berikut:
Batas bawah interval ujung bawah - 0.5 (untuk ujung yang berupa bilangan bulat)
Batas bawah interval ujung bawah - 0.05 (untuk ujung yang berupa bilangan 1 desimal)
Batas bawah interval ujung bawah - 0.005 (untuk ujung yang berupa bilangan 2 desimal)

dan seterusnya
sedangkan batas atas dapat dihitung dengan persamaan berikut:

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Batas atas interval ujung atas 0.5 (untuk ujung yang berupa bilangan bulat)
Batas atas interval ujung atas 0.05 (untuk ujung yang berupa bilangan 1 desimal)
Batas atas interval ujung atas 0.005 (untuk ujung yang berupa bilangan 2 desimal)

dan seterusnya

9. Menentukan nilai tengah

Nilai tengah dapat ditentuan sebagai berikut:

xi

ujung bawah ujung atas

2

10. Frekuensi
Banyak data dalam setiap interval kelas yang diperoleh dari himpunan data
disesuaikan dengan batas-batas interval kelas.
Adapun macam-macam distribusi frekuensi adalah:
a. Distribusi frekuensi relatif
Distribusi frekuensi relatif dapat dinyatakan dalam bentuk relatif (persentase).
Frekuensi relatif kadang-kadang dinyatakan dalam bentuk perbandingan ataupun desimal.
Contoh 2.4:
Misalkan jumlah seluruh data adalah 125, maka diperoleh:
21 30

12

12
100% 9,6%
125

31 40

10

10
100% 8%
125

dan seterusnya. Sehingga diperoleh tabel distribusi berikut ini:

Tabel 2.1 Distribusi frekuensi relatif dari Contoh 2.4
No.

Interval

Frekuensi

Frekuensi relatif

1.

21 30

12

9,6%

2.

31 40

10

8%

dan seterusnya

dan seterusnya

b. Distribusi frekuensi kumulatif

Distribusi frekuensi kumulatif adalah distribusi yang berisikan frekuensi kumulatif.
Frekuensi kumulatif adalah frekuensi yang dijumlahkan. Ada dua macam distribusi frekuensi
kumulatif, yaitu distribusi frekuensi kumulatif kurang dari dan lebih dari.

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

a. Distribusi Frekuensi Kumulatif kurang dari, adalah distribusi frekuensi yang memuat
jumlah frekuensi yang memiliki nilai kurang dari nilai batas kelas suatu interval tertentu.
b. Distribusi Frekuensi Kumulatif lebih dari, adalah distribusi frekuensi yang memuat jumlah
frekuensi yang memiliki nilai lebih dari nilai batas kelas suatu interval tertentu.
Contoh 2.5:
Berikut ini adalah data 50 mahasiswa dalam perolehan nilai statistik pada Pendidikan
Matematika Universitas T semester II tahun 2010:
70

91

93

82

78

70

71

92

38

56

79

49

48

74

81

95

87

80

80

84

35

83

73

74

43

86

68

92

93

76

81

70

74

97

95

80

53

71

77

63

74

73

68

72

85

57

65

93

83

86

Nyatakan data-data tersebut ke dalam bentuk tabel distribusi frekuensi kurang dari dan lebih
dari!
Penyelesaian:
Tabel 3.2 Tabel distribusi frekuensi kurang dari dan lebih dari
Frekuensi kumulatif ( f k )
No.

Interval

Frekuensi
Nilai

f k Kurang dari

<35

1.

35 43

< 44

2.

44 52

< 53

3.

53 61

< 62

4.

62 70

< 71

15

5.

71 79

13

< 80

28

6.

80 88

13

< 89

41

7.

89 97

< 98

50

(a) Tabel distribusi frekuensi kumulatif kurang dari

Frekuensi kumulatif ( f k )
No.

1.

Interval

35 43

Frekuensi

Nilai

f k Kurang dari

> 35

50

> 44

41

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

2.

44 52

> 53

28

3.

53 61

> 62

15

4.

62 70

> 71

5.

71 79

13

> 80

6.

80 88

13

> 89

7.

89 97

> 98

(b) Tabel distribusi frekuensi kumulatif lebih dari

Contoh Soal 2.1:

Misalkan terdapat sekelompok data berikut ini:
10

20

14

15

21

25

27

15

13

12

17

14

16

28

22

21

22

23

25

20

Kelompokkan data-data tersebut ke dalam suatu distribusi frekuensi!

Penyelesaian:
1. Jumlah data = 20
2. xmax 28 dan xmin 10
3. Range ( R) xmax xmin 28 10 18
4. Jumlah kelas:
b 1 3,3 log n 1 3,3 log 20 1 3,3 1,301 5,29

Pembulatan dilakukan ke bawah sehingga diperoleh:

b 5,29 5

5. Panjang interval

R 18

3,6667
b 5

Pembulatan dilakukan ke atas sehingga diperoleh:

p 3,6667 4

Dari informasi-informasi yang diperoleh tersebut, maka didapatkan daftar distribusi sebagai
berikut:
Tabel 2.3 Daftar distribusi frekuensi dari Contoh Soal 2.1
No.

Interval Kelas

Frekuensi

1.

10 13

2.

14 17

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

3.

18 21

4.

22 25

5.

26 29

20

Latihan Soal 2.1

1. Misalkan terdapat sekelompok data berikut ini:
20

22

25

32

18

24

15

30

29

28

30

26

31

23

30

34

27

20

32

34

Kelompokkan data-data tersebut ke dalam suatu distribusi frekuensi, distribusi frekuensi

relatif, distribusi frekuensi kumulatif kurang dari dan lebih dari!
2. Misalkan terdapat sekelompok data berikut ini:
25

32

40

33

26

34

45

58

97

68

65

70

98

55

58

53

86

97

64

34

29

30

45

54

66

76

75

88

48

38

44

48

74

43

42

58

55

30

31

51

87

67

68

75

54

65

89

93

94

76

66

69

70

79

37

38

66

87

50

25

36

39

64

60

69

70

71

72

75

80

86

83

82

98

61

73

82

86

44

42

35

38

42

49

44

75

77

79

81

52

28

43

55

83

66

69

70

73

52

39

Kelompokkan data-data tersebut ke dalam suatu tabel distribusi frekuensi, distribusi

frekuensi relatif, distribusi frekuensi kumulatif kurang dari dan lebih dari!

2.2 Ukuran Kepusatan

Ukuran kepusatan suatu kelompok data terdiri atas:
1. Bagaimana tingkat penyimpangan data terhadap rata-rata datanya
2. Bagaimana variasi data yang dimiliki
3. Seberapa besar kemiringan kurvanya terhadap nilai rata-rata
4. Bagaimana ukuran keruncingan kurva (menunjukkan kondisi penyebaran data terhadap
nilai rata-rata)
Terdapat beberapa ukuran kepusatan yang akan dibahas dalam sub bab ini, yaitu:
1. Rata-rata data baik yang belum maupun yang sudah dikelompokkan

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

2. Modus dari data baik yang belum maupun yang sudah dikelompokkan
3. Median dari data yang belum maupun yang sudah dikelompokkan
4. Kuartil dari data yang belum maupun yang sudah dikelompokkan
5. Desil dari data yang belum maupun yang sudah dikelompokkan

2.2.1 Rata-rata
Dalam sub bab ini terdapat beberapa macam rata-rata yang akan dijelaskan,
diantaranya adalah:
a. Rata-rata Hitung
Rata-rata hitung sesungguhnya merupakan hasil jumlah semua data dibagi dengan banyak
data. Rata-rata hitung biasa dilambangkan dengan x .
Misalkan suatu kelompok data dapat dinyatakan dalam barisan x1 , x2 ,, xn . Maka ratarata hitung dari data yang belum dikelompokkan (data tunggal) tersebut dapat dinyatakan
dengan persamaan:
n

x
i 1

x1 x 2 x n
.
n

Sedangkan untuk data yang sudah dikelompokkan ke dalam suatu tabel distribusi
frekuensi, rata-rata hitungnya dapat dinyatakan ke dalam persamaan berikut:

f x
f
i

.(2.1)

atau dapat juga digunakan persamaan:

f i Ci
x x 0 p
f
i

.(2.2)

dimana:
x Rata - rata data
x0 Mid Point (nilai tengah) interval kelas yang dijadikan dasar
xi Mid Point (nilai tengah) kelas ke - i tertentu dan bukan yang dijadikan dasar
f i Frekuensi kelas ke - i
p panjang kelas interval pada kelas dasar
Ci skala (coding) kelas ke - i, Ci

xi x0
p

10

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Penentuan kelas dasar dalam mencari rata-rata hitung dapat dilakukan secara random.
Setiap orang dapat menentukan nilai x0 yang berbeda-beda.
Contoh soal 2.2
Perhatikan kembali Contoh 2.1. Carilah rata-rata hitung data tersebut baik sebelum
maupun sesudah dikelompokkan ke dalam tabel distribusi frekuensi seperti tampak pada
Tabel 2.3.
Penyelesaian:
Diketahui: n 20
n

xi
i 1

20

x
i 1

n
20
10 20 14 15 21 25 27 23 25 20

20
380

19
20

Selanjutnya, perhatikan Tabel 2.3 data-data tersebut dinyatakan ke dalam suatu tabel
distribusi frekuensi. Dari Tabel 2.3 diperoleh beberapa informasi yang dapat disajikan dalam
Tabel 2.4.

Tabel 2.4. Informasi dari data berkelompok Contoh Soal 2.1 (a)
Frekuensi
No.

Interval Kelas

fi

xi

f i xi

1.

10 13

11,5

34,5

2.

14 17

15,5

93

3.

18 21

19,5

78

4.

22 25

23,5

117,5

5.

26 29

27,5

55

20

378

Sehingga jika rata-rata hitung ditentukan dengan menggunakan Persamaan 2.1, maka
diperoleh:

f x
f
i

380
18,9
20

11

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Kemudian, jika rata-rata hitung dicari dengan menggunakan Persmaan (2.2) dan jika
diambil nilai x0 15,5 maka diperlukan pula beberapa informasi seperti yang tampak pada
Tabel 2.5 berikut:
Tabel 2.5. Informasi dari data berkelompok Contoh Soal 2.1(b)
Frekuensi
No.

Interval Kelas

fi

xi

Ci

f i Ci

1.

10 13

11,5

-1

-3

2.

14 17

15,5

3.

18 21

19,5

4.

22 25

23,5

10

5.

26 29

27,5

20

17

Sehingga diperoleh rata-rata hitung:

f i Ci
x x 0 p
f
i

17
15,5 4
20
15,5 3,4

18,9

b. Rata-rata Ukur
Rata-rata ukur biasa digunakan pada kumpulan data yang mempunyai sifat berurutan
tetap arau hampir tetap. Dengan kata lain, rata-rata ukur dapat digunakan untuk menghitung
rata-rata data yang bersifat kelipatan tetap (hampir tetap.
Misalkan terdapat sekumpulan data yang memenuhi sifat-sifat di atas, yaitu

x1 , x2 ,, xn . Maka rata-rata ukur dapat dihitung dengan menggunakan persamaan berikut:

U n x1 x2 xn

..(2.3)

dengan n adalah jumlah data. Persamaan (2.3) dapat diturunkan sebagai berikut:
U x1 x 2 x n n
1

log U log x1 x 2 x n n
1

1
log U log x1 x2 xn
n

.(2.4)

12

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Sehingga untuk data yang telah dikelompokkan dapat digunakan persamaan berikut:
log U

f log x
f
i

.(2.5)

Contoh 2.3
Misalkan sekelompok data:
85

75

70

80

90

45

50

65

35

40

Data tersebut dapat dinyatakan ke dalam tabel distribusi frekuensi berikut:

Tabel 2.6 Tabel distribusi frekuensi Contoh 2.3

No.

Interval

Frekuensi

xi

log xi

f i log xi

35 48

41,5

1,61805

4,85414

49 62

55,5

1,74429

1,74429

63 76

69,5

1,84199

5,52595

77 90

83,5

1,92165

5,76506

10

17,88945

Cari rata-rata ukurnya!

Penyelesaian:
U 10 85.75.70.80.90.45.50.65.35.40
10 6,5786 1017
60,51

Atau dapat dihitung dengan menggunakan Persamaan (2.4) seperti tampak di bawah ini:

1
log 85.75.70.80.90.45.50.65.35.40
10
1
17,818
10
1,7818

log U

U log 1 1,7818 60,51

Untuk data yang telah dikelompokkan dalam Tabel 2.3 dapat diperleh rata-rata ukur berikut:

log U

f log x
f
i

17,88945
1,78895
10

U log 1,78895 61,5

1

13

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

c. Rata-rata Untuk Suatu Data Yang Bersifat Tumbuh

Nilai rerata untuk suatu data yang bersifat tumbuh dapat diperoleh dengan menggunakan
persamaan:

Pt P0 1

100

Keterangan:
Pt Data akhir
P0 Data awal
x Rata - rata data
t Selang waktu

Contoh data yang bersifat tumbuh adalah perkembangan modal usaha selama kurun
waktu tertentu atau perkembangan jumlah penduduk suatu daerah dalam kurun waktu
tertentu.

Contoh 2.4
Jumlah penduduk suatu daerah pada tahun 1998 adalah 3,2 juta dan pada tahun 2011
jumlahnya bertambah menjadi 132,5 juta. Berapakah pertambahan rata-rata penduduk setiap
tahunnya?
Penyelesaian:

Pt P0 1

100

14

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si
t

x

log Pt log P0 1

100

log P0 log 1

100

log P0 t log 1

100

log 132500000 log 3200000 13 log 1

100

x
8,1222 6,50515 1,6170659
log 1

100

x
1

100 1,331649

x
0,331649
100
x 33,16 34

Jadi, rata-rata pertambahan penduduk per tahunnya adalah 34 jiwa.

2.2.2 Modus
Modus adalah besaran yang menyatakan keterpusatan data didasarkan pada frekuensi
paling sering munculnya data. Selanjutnya, data yang mempunyai lebih dari satu nilai modus
disebut data multimodal.
Untuk data yang telah dikelompokkan menjadi tabel distribusi frekuensi, modus dapat
dihitung dengan menggunakan persamaan berikut:
b1
M o b p
b1 b2

Keterangan:
M o Nilai modus
b Batas bawah dimana modus terdapat
p panjang interval
b1 selisih antara frekuensi modus dengan frekuensi sebelumnya
b2 selisih antara frekuensi modus dengan frekuensi sesudahnya

Contoh 2.5
1. Misalkan sekelompok data: 12, 24, 23, 12, 31, 42
Maka modus dari data tersebut adalah 12 (muncul 2 kali).

15

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

2. Lihat kembali data dalam Contoh 2.1. Tampak bahwa frekuensi tertinggi ada pada kelas
kedua. Sehingga diperoleh informasi sebagai berikut:

b 13,5
b1 3
b2 2
3
M o 13,5
15,9
3 2
Hal ini mengandung arti bahwa nilai-nilai data terletak paling banyak di sekitar nilai 15,9.

2.2.3 Median
Median adalah nilai data tengah (sekelompok data dibagi menjadi 2 bagian yang
sama). Ingat bahwa median dicari setelah data diurutkan terlebih dahulu.
Untuk data yang belum dikelompokkan, penghitungan median dapat dilakukan
dengan 2 cara, yaitu:
a. Untuk data ganjil
Contoh 2.6
Misalkan sekelompok data: 8, 12, 5, 3, 16, 7, 2, 3, 8
Data setelah diurutkan: 2, 3, 3, 5, 7, 8, 8, 12, 16
Sehingga diperoleh median data adalah: M e 7
b. Untuk data genap
Contoh 2.7
Misalkan sekelompok data: 8, 12, 5, 3, 16, 7, 2, 3, 8, 17
Data setelah diurutkan: 2, 3, 3, 5, 7, 8, 8, 12, 16, 17
Sehingga diperoleh median data adalah: M e

78
7,5 .
2

Selanjutnya, untuk kumpulan data yang telah dikelompokkan ke dalam distribusi

frekuensi, median data tersebut dapat ditentukan dengan persamaan di bawah ini:
n

M e b p 2
f

Keterangan:

16

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

b Batas bawah kelas median (dimana median berada)

p panjang kelas kelas median (dimana median berada)
n jumlah data
F frekuensi kumulatif sebelum kelas median
f frekuensi kelas median
Contoh 2.8
Misalkan terdapat sekelompok data yang telah disajikan dalam tabel distribusi frekuensi
berikut ini:
Tabel 2.7. Tabel distribusi frekuensi data Contoh 2.8
No.

Interval

Frekuensi (f)

31 40

frekuensi kumulatif
(F)
4

41 50

10

51 60

18

61 70

14

32

71 80

26

58

81 90

12

70

91 100

20

90

90

Median terletak pada data ke:

90
45
2
Karena data ke 45 terletak pada kelas ke-5, maka diperoleh informasi berikut:

b 71 0,5 70,5
p 10
F 32
f 26

45 32
M e 70,5 10
75,5
26

2.2.4 Kuartil
Kuartil adalah nilai sekumpulan data yang dibagi 4 bagian yang sama. Oleh sebab itu,
terdapat 3 kuartil, yaitu: K1 , K 2 , K 3 .
Untuk data yang belum dikelompokkan ke dalam tabel distribusi frekuensi, maka
kuartil data dapat dihitung sesuai dengan langkah-langkah berikut:

17

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

1. Urutkan data dari data terkecil ke data terbesar

2. Tentukan letak kuartil dengan persamaan:

Ki

i(n 1)
, n banyak data
4

3. Tentukan nilai kuartil yang diminta tersebut

Contoh 2.9
1. Misalkan diketahui data ganjil sebagai berikut: 12,8, 10, 22, 18, 4, 9
Sehingga diperoleh data setelah diurutkan: 4, 8, 9, 10, 12, 18, 22
Letak kuartil:

K1

1(7 1)
2 maka, kuartil pertama ( K1 ) terletak pada data ke-2, yaitu: 8
4

K2

2(7 1)
4 maka, kuartil pertama ( K 2 ) terletak pada data ke-4, yaitu: 10
4

K3

3(7 1)
6 maka, kuartil pertama ( K1 ) terletak pada data ke-6, yaitu: 18
4

2. Misalkan diketahui data genap: 8, 12, 5, 3, 7, 2, 3, 8

Sehingga data terurut: 2, 3, 3, 5, 7, 8, 8, 12
Letak kuartil:

K1

1(8 1)
2,25
4

Nilai K1 Data ke-2+(0,25(data ke-3 data ke-2))

3+(0,25(3-3))
3
K2

2(8 1)
4,5
4

Nilai K1 Data ke-4+(0,5(data ke-5 data ke-4))

5+(0,5(7-5))
6
K3

3(8 1)
6,25
4

Nilai K 3 Data ke-6+(0,25(data ke-7 data ke-6))

8+(0,25(8-8))
8

18

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Sedangkan untuk data yang telah dikelompokkan ke dalam tabel distribusi frekuensi,
kuartil data dapat dihitung dengan menggunakan langkah-langkah berikut:
1. Tentukan letak kuartil dengan persamaan:

Ki

in
, n banyak data
4

2. Menentukan nilai kuartil dengan persamaan berikut:

in

Nilai K i b p 4
f

Keterangan:

b batas bawah kelas kuartil

p panjang interval
n jumlah data
F frekuensi kumulatif sebelum kelas kuartil
f frekuensi kelas kuartil

Contoh 2.10
Perhatikan Tabel 2.7. Tentukan nilai kuartil ketiganya ( K 3 )!
Letak kuartil kedua ( K 3 ):

K3

3 90
67,5 , maka kuartil ketiga terletak pada kelas ke-6
4

Sehingga diperoleh informasi berikut:

b 81 0,5 80,5
p 10
F 58
f 12
3 90

58

88,42
Nilai K 3 80,5 10 4
12

Latihan Soal
Misalkan terdapat sekumpulan data berikut:
10

20

14

15

21

25

27

15

13

12

19

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

17

14

16

28

22

21

22

23

25

20

Carilah modus, median dan ketiga kuartil dari data tersebut baik sebelum maupun sesudah
dikelompokkan ke dalam tabel distribusi frekuensi!

20

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

III. ANALISA KORELASI LINEAR SEDERHANA

Analisis korelasi adalah metode statistik yang digunakan untuk menentukan kuat
tidaknya (derajat) hubungan linier antara 2 variabel atau lebih. Analisa korelasi sederhana,
meneliti hubungan dan bagaimana eratnya itu, tanpa melihat bentuk hubungan. Jika kenaikan
didalam suatu variabel diikuti dengan kenaikan variabel yang lain, maka dapat dikatakan
bahwa kedua variabel tersebut mempunyai korelasiyang positif. Tetapi jika kenaikan
didalam suatu variabel diikuti penurunan variabel yang lain maka kedua variabel tersebut
mempunyai korelasi negatif. Jika tidak ada perubahan pada suatu variabel ,meskipun variabel
yang lain mengalami perubahan, maka kedua variabel tersebut, tidak mempunyai hubungan
(uncorrelated).
Ilmu ekonomi dan pendidikan banyak mempelajari hubungan antar berbagai variabel.
Dari adanya hubungan tersebut digunakan untuk memprediksi pengaruh satu variabel
terhadap variabel lainnya. Misalnya, hubungan antara jumlah permintaan suatu barang
terhadap besarnya harga yang dapat dinyatakan dengan (f(p)). Fungsi tersebut menunjukkan
fakta yang muncul sebagai akibat atau disebabkan munculnya suatu yang lain. Hal ini
menghadapkan kita pada fakta kausalitas. Dari contoh tersebut dapat dijelaskan bahwa
jumlah barang yang diminta akan berubah sebagai akibat adanya perubahan harga.
Hubungan-hubungan fungsional tersebut menjelaskan ketergantungan variabel terikat
(dependent variable) pada variabel-variabel bebas (independent variable) dalam bentuk yang
spesifik. Hubungan fungsional ini bisa jadi merupakan hubungan yang sederhana antar
variabel. Pada kenyataannya, lebih sering dijumpai hubungan fungsional yang rumit dan sulit
untuk dijelaskan. Alat yang sering digunakan untuk mendekati kejadian tersebut adalah
regresi, baik regresi linear sederhana maupun regresi berganda.
Langkah awal yang harus dilakukan (sebelum menganalisis regresi) adalah mengetahui
bahwa dua variabel yang akan dianalisis memiliki hubungan yang kuat. Hal ini dapat
dilakukan dengan melakukan analisis korelasi. Analisis korelasi adalah sekumpulan teknik
statistika yang dapat digunakan untuk mengukur keeratan hubungan (korelasi) antara dua
variabel. Misalkan suatu perusahaan berpendapat bahwa dengan mendemonstrasikan cara
pemakaian produk akan dapat meningkatkan angka penjualan. Dari contoh tersebut, maka
dapat dikatakan bahwa demonstrasi pemakaian produk disebut variabel bebas, sedangkan
angka penjualan disebut variabel terikat.

21

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Hubungan antara dua variabel jika ditinjau dari segi arahnya dapat dibedakan menjadi 2
jenis, yaitu:
1. Hubungan searah (korelasi positif)
Dua variabel (atau lebih) dikatakan memunyai hubungan searah jika dua variabel (atau
lebih) berjalan secara paralel. Hal ini mengandung makna bahwa hubungan antara dua
variabel (atau lebih) menunjukkan arah yang sama.
Jadi apabila variabel X meningkat (bertambah) maka variabel Y juga mengalami
peningkatan. Sebaliknya, apabila variabel X menurun (berkurang) maka variabel Y juga
menurun.
Contoh 3.1
Berikut ini adalah beberapa contoh hubungan searah antara dua variabel:
1. Kenaikan harga BBM akan diikuti dengan kenaikan harga sembako
2. Naiknya frekuensi pemberian tugas akan menyebabkan naiknya hasil belajar
3. Naiknya kedisiplinan anak didik diikuti dengan meningkatnya hasil belajar anak didik
bersangkutan.
Gambaran umum mengenai korelasi positif di atas dapat dilihat dalam Gambar 3.1
berikut:

(a)

X Y
(b)

Gambar 3.1 Arah Korelasi positif

2. Hubungan berlawanan arah (korelasi negatif)

Dua variabel (atau lebih) dikatakan mempunyai hubungan yang berlawanan arah jika
kedua variabel (atau lebih) tersebut bergerak dengan arah yang berlawanan. Hal ini
mengandung makna bahwa hubungan antara dua variabel (atau lebih) menunjukkan arah
yang berkebalikan.
Jadi, apabila variabel X meningkat (bertambah) maka variabel Y juga mengalami
penurunan. Sebaliknya, apabila variabel X menurun (berkurang) maka variabel Y juga
menigkat.

22

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Contoh 3.2
Berikut ini adalah beberapa contoh hubungan antara dua variabel yang berlawanan arah:
1. Semakin

meningkatnya

kedisiplinan

dalam

berkendara

akan

diikuti

dengan

berkurang/menurunnya angka kecelakaan lalu lintas.

2. Semakin menurunnya harga buku pelajaran akan meningkatkan tingkat pengetahuan
siswa.

Gambaran umum mengenai korelasi positif di atas dapat dilihat dalam Gambar 3.1
berikut:

(a)

X Y
(b)

Gambar 3.1 Arah Korelasi positif

Positif atau negatifnya korelasi antara dua variabel dapat juga dilihat dari angka
korelasinya. Angka korelasi (koefisien korelasi) adalah koefisien yang dapat digunakan untuk
melihat besar-kecilnya, tinggi-rendah atau kuat-lemahnya suatu korelasi. Jadi, koefisien
korelasi adalah sebuah angka yang dapat dijadikan petunjuk untuk mengetahui seberapa besar
kekuatan korelasi di antara variabel yang sedang diselidiki korelasinya.
Lambang koefisien korelasi berbeda-beda sesuai dengan teknik korelasi yang
digunakan, yaitu:

rxy koefisien korelasi product moment

koefisien korelasi spearmann

koefisien korelasi phi
rpbi koefisien korelasi point biserial
Besarnya nilai mutlak angka korelasi berada dalam interval 0,1. 0 menandakan
tidak ada korelasi di antara variabel-variabel yang diselidiki dan angka 1 menunjukkan
adanya korelasi yang maksimal. Jika diperoleh angka korelasi yang lebih dari 1 atau kurang
dari -1, maka dalam perhitungan pasti terjadi kesalahan.

23

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Jika tanda koefisien korelasi adalah positif (plus) maka korelasi yang terjadi adalah
korelasi positif. Sedangkan jika tanda angka/koefisien korelasi adalah negatif (minus) maka
korelasi antara variabel-variabel yang diselidiki adalah korelasi negatif.
Terdapat beberapa teknik korelasi yang dapat digunakan untuk mencari angka/koefisien
korelasi antar variabel, diantaranya adalah:
1. Teknik korelasi product moment (pearson)
Teknik korelasi product moment digunakan untuk mencari koefisien korelasi untuk data
kontinu, populasinya bersifat homogen atau mendekati homogen dan regresinya adalah
regresi linear.
2. Teknik korelasi tata jenjang (rank spearman)
Teknik korelasi rank spearmann digunakan untuk mencari koefisien korelasi untuk data
ordinal (berjenjang).
3. Teknik korelasi phi
Teknik korelasi phi digunakan untuk mencari koefisien korelasi untuk data diskrit.
4. Teknik korelasi point biserial
Teknik korelasi point biserial digunakan untuk mencari koefisien korelasi untuk data
kontinu dan diskrit.
Dalam bab ini hanya akan dibahas mengenai teknik korelasi product moment. Seperti
yang telah disebutkan sebelumnya bahwa lambang untuk angka korelasi product moment
adalah rxy , yang dapat ditentukan dengan persamaan berikut:
r
xy

n XY X Y
n X 2 X 2 n Y 2 Y 2

..(3.1)

Keterangan:
X Variabel bebas
Y Variabel terikat
n Jumlah data
rxy koefisien korelasi product moment

Koefisien ini dapat diinterpretasi dengan 2 cara, yaitu:

1. Dengan cara kasar menggunakan tabel penentu
Jika koefisien yang diperoleh dari Persmaan (3.1) diinterpretasikan dengan menggunakan
cara kasar (tabel penentu) maka digunakan Tabel 3.1 berikut:

24

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

Tabel 3.1 Tabel interpretasi koefisien korelasi dengan cara kasar

Nilai koefisien

Interpretasi

korelasi

Antara variabel X dan Y terdapat korelasi yang sangat lemah sehingga

0 0,2

korelasi tersebut dapat diabaikan (dianggap tidak ada korelasi antara

variabel X dan Y)

0,2 0,4

Antara variabel X dan Y terdapat korelasi yang lemah

0,4 0,7

Antara variabel X dan Y terdapat korelasi yang sedang

0,7 0,9

Antara variabel X dan Y terdapat korelasi yang kuat

0,9 1

Antara variabel X dan Y terdapat korelasi yang sangat kuat

Interpretasi dari koefisien korelasi dapat diambil dengan menggunakan Tabel 3.1 sesuai
dengan nilai yang diperoleh dan disesuaikan dengan interval yang ada di dalam tabel.

2. Dengan menggunakan uji-r

Jika interpretasi dilakukan dengan menggunakan uji-r, maka terdapat beberapa langkah
yang harus ditempuh, yakni:
a). Membuat hipotesa nol H 0 dan hipotesa alternatif ( H a )
H a = Terdapat korelasi positif/negatif yang signifikan antara variabel X dan Y
H 0 = Tidak terdapat korelasi positif/negatif yang signifikan antara variabel X dan Y

b). Menguji kebenaran hipotesa

Dengan menggunakan tabel r product moment dengan menggunakan ketentuan sebagai
berikut:
df derajat kebebasan n k
n jumlah data
k banyaknya variabel yang dikorelasi kan

taraf signifikan si 5% atau 1%

dimana kriteria ujinya adalah:

Jika rxy rt maka H 0 ditolak dan H a diterima

Jika rxy rt maka H 0 diterima dan H a ditolak

25

STATISTIKA DASAR
ZUMROTUS SYADIYAH,S.Si, M.Si

3. Dengan menggunakan uji-t

Seperti pada interpretasi dengan uji-r, dalam interpretasi uji-t juga diperlukan beberapa
langkah berikut:
a). Membuat hipotesa nol H 0 dan hipotesa alternatif ( H a )
H a = Terdapat korelasi positif/negatif yang signifikan antara variabel X dan Y
H 0 = Tidak terdapat korelasi positif/negatif yang signifikan antara variabel X dan Y

b). Menguji kebenaran hipotesa

Dengan menggunakan tabel t dengan menggunakan ketentuan sebagai berikut:
df derajat kebebasan n k
n jumlah data
k banyaknya variabel yang dikorelasi kan

taraf signifikan si 5% atau 1%

Dan t hitung ditentukan dengan persamaan berikut:

t hit

rxy n 2
1 rxy

dimana kriteria ujinya adalah:

Jika t hit t t maka H 0 ditolak dan H a diterima
Jika t hit t t maka H 0 diterima dan H a ditolak

26