Makalahstatistikadasar 160314165033

MAKALAH
STATISTIKA DASAR
Nama :
Dania Yuliani (06081181419001)
Silvia Kuswanti (06081181419017)
Lia Destiani (06081181419064)
PENDIDIKAN MATEMATIKA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SRIWIJAYA
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT, atas rahmat dan hidayah-Nyalah sehingga
kami dapat menyelesaikan makalah ini.
Kami mengucapkan terima kasih kepada Ibu Dr. Ratu Ilma Indra Putri, M.Si dan Ibu Puji selaku
dosen pembimbing mata kuliah statistika dasar yang telah memberikan tugas, sehingga dapat
menambah wawasan kami serta dapat memberikanpengetahuan bagi seluruh pembaca.
Kami sangat menyadari dalam penyusunan makalah ini terdapat banyak kekurangan dan
kesalahan.Oleh karena itu, kami sangat mengharapkan kritik dan sarannya dari Ibu.Sehingga
dikemudian hari dapat kami dapat membuat makalah lebih baik lagi.Semoga makalah ini dapat
digunakan dengna baik dan bermanfaat bagi kita semua.Aamiin.
Penulis
Kelompok 5
DAFTAR ISI
Kata Pengantar
Daftar Isi ii
ISI
BAB 1
Pengertian, Jenis Statistika dan Macam-Macam Data
BAB II
Penyajian Data dan Aplikasi pada Data Penelitian
13
BAB III
Daftar Distribusi Frekuensi dan Aplikasi pada Data Penelitian 23

BAB IV
Ukuran Pemusatan
34
BAB V
Ukuran Letak dan Ukuran Penyebaran 58

BAB VI
Distribusi Binomial dan Poisson 65

BABVII
Disrtribusi Normal
69
BAB VIII
Uji Normalitas dan Homogenitas 76

BAB IX
Uji Hipotesis
90
BAB X
Uji Hipotesis satu Rata-rata
96
BAB XI
Uji Hipotesis 2 Rata-rata 102
PENUTUP
Daftar Pustaka 110
BAB I
STATISTIKA DAN MACAM-MACAM DATA
I.
Pengertian Statistik dan Statistika

A. Pengertian Statistik
Menurut Prof. Drs. Sutrisno Hadi MA, statistik adalah cara untuk mengolah data dan
menarik kesimpulan-kesimpulan yang teliti dan keputusan-keputusan yang logik dari
pengolahan data.
Menurut Prof. Dr. H. Agus Irianto, statistik adalah sekumpulan cara maupun aturan-aturan
yang berkaitan dengan pengumpulan, pengolahan (analisis), penarikan kesimpulan, atas datadata yang berbentuk angka dengan menggunakan suatu asumsi-asumsi tertentu.
Dari beberapa pengetian para ahli diatas, dapat ditarik kesimpulan bahwa Statistik
adalah data mengenai suatu masalah, yang biasanya disusun dalam tabel dan atau diagram, yang
melukiskan atau menggambarkan suatu persoalan.
B. Pengertian Statistika
Menurut Sujana, statistika merupakan pengetahuan yang berhubungan dengan cara-cara
pengumpuam fakta, pengolahan serta penganalisanya, penarikan kesimpulan, penyajian dan
publikasi dari data-data yang berbentuk angka
Menurut Sudrajat, statistika merupakan Ilmu pengetahuan mengenai cara dan aturan
dalam hal pengumpulan data, pengolahan, analisa, penarikan keseimpulan, penyajian dan
publikasi dari kata-kata yang berbentu angka.
Dari beberapa pengetian para ahli diatas, dapat ditarik kesimpulan bahwa statistika
adalah ilmu yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana caranya
mengumpulkan data, mengolah data, menyajikan data, menganalisis data, membuat kesimpulan
dari hasil analisis data dan mengambil keputusan berdasarkan hasil kesimpulan.
II.Jenis-jenis Statistika
A. Statistika Deskriptif
Statistika Deskriptif merupakan statistika yang menggambarkan kegiatan berupa pengumpulan
data, penyusunan data, pengolahan data, dan penyajian data dalam bentuk tabel, grafik,
4
ataupun diagram agar memberikan gambaran yang teratur, ringkas, dan jelas mengenai
kejadian suatu peristiwa.
B. Statistika Inferensial
Statistika inferensial merupakan statistika yang berkaitan dengan analisis data (data dari
sampel) yang kemudian digunakan untuk melakukan peramalan atau penaksiran kesimpulan
mengenaidata secara keselurahan (populasi). Generalisasi tersebut memiliki sifat tidak pasti
karena hanya berdasarkan pada data dari sampel. Oleh sebab itu, dalam statistika induktif harus
didasari dengan teori peluang.
Data kasar diperoleh dari hasil pengukuran suatu variabel pada sampel yang diambil dari suatu
populasi menggunakan teknik pengambilan sampel tertentu. Langkah-langkah kegiatan
dtatistika untuk menangani data kasar yaitu :
1. Pengumpulan data
2. Pengolahan data
3. Penyajian data dalam bentuk tabel atau grafik
4. Penafsiran sajian data
5. Analisa data
6. Penafsiran dan pengambilan kesimpulan
7. Pemanfaat penafsiran dan kesimpulan untuk penentuan kegiatan penelitian lebih lanjut
Dari langkah-langkah diatas, untuk nomor 1, 2, 3, 4, dan 7 disebut statistik deskriptif
(tanpa analisis, tanpa pengujian hipotesis, dan hanya melakukan perhitunganperhitungan saja) Data ini disajikan dalam bentuk tabel distribusi frekuensi
Sedangkan untuk nomor 1, 2, 3, 4, 5, 6, dan 7 disebut statistik inferensial (dengan
analisis, generalisasi, dan pengujian hipotesis
III.
Data, Populasi, dan Sampel

Data adalah himpunan atau informasi lain yang diperoleh dari observasi, pengukuran
dan penilaian terhadap suatu objek atau lebih.
Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang, benda-benda
dan ukuran lain dari objek yang menjadi perhatian. Contoh:
a. Populasi mahasiswa Universitas Sriwijaya
b. Populasi mahasiswa Fakultas Keguruan dan Ilmu Pendidikan
Sampel adalah bagian dari populasi yang di ambil melalui cara-cara tertentu yang juga
memilki karakteristik tertentu, jelas dan lengkap yang dianggap bisa mewakili populasi
5
IV.
Macam-macam Data
Dalam melakukan suatu penelitian harus dilandasi dengan penggunaan metode ilmiah.
Syarat metode ilmiah adalah:
Dasar : Fakta/data yang reliable, valid, dan ternilai, teori yang relevan.
Sifat
: Universal, obyektif, jujur dan terbuka, logis, kritis, analistis, dinamis dan inovatif.
A. Data menurut sifat angka

a. Data Diskrit
Angka-angka yang tidak memiliki desimal atau pecahan di antara bilangan bulatnya,
diperoleh dari menghitung. Tiap objek memiliki satu satuan yang utuh, yang tidak
memungkinkan untuk terjadinya secara sebagian.
Contoh: Jumlah mahasiswa/i FKIP Matematika Universitas Sriwijaya kampus Indralaya
tahun ajaran 2014 sebanyak 39 orang.
b. Data Kontinu
Kumpulan angka-angka yang masih dimungkinkan memiliki bilangan desimal atau pecahan
di antara bilangan bulatnya yang banyaknya tak terhingga, biasanya didapatkan dari proses
pengukuran.
Contoh: Mahasiswa FKIP Matematika Indralaya memiliki tinggi badan rata-rata 156,5 cm.
B. Data menurut sifatnya
a. Data Kualitatif
Kenyataan yang menunjukkan sifat-sifat objek yang tidak memungkinkan secara langsung
dapat diubah menjadi angka, sehingga menggunakan pendekatan dalam bentuk kategori.
Contoh: lukisan indah, pemandangan bagus, wajah cantik, penataan rapi, kebijaksanaan
tepat, perkataannya benar, tariannya indah.
b. Data Kuantitatif, yaitu data yang dinyatakan dalam bentuk angka. Misalnya : FKIP Unsri
Indralaya mempunyai 4 gedung.
C. Data menurut sumbernya
6
a. Data Primer
data yang diperoleh secara langsung dengan

melakukan sendiri pengumpulan terhadap obyek.
b. Data Sekunder :
data yang diperoleh dari olahan data primer
c. Data Tersier
data yang diperoleh dari olahan data sekunder.
d. Data Kuarter
data yang diperoleh dari data tersier yang telah
diolah terlebih dahulu.

D. Data menurut cara menyusun angkanya
a. Data nominal, yaitu data statistik yang cara menyusunnya didasarkan pada klasifikasi
tertentu. Misalnya: Jumlah mahasiswa FKIP Matematika tahun ajaran 2013/2014 menurut
tingkat dan jenis kelaminnya.
b. Data ordinal/urutan, yaitu data statistik yang cara menyusun angkanya didasarkan pada
urutan/ranking. Misalnya: Hasil nilai ujian statistika mahasiswa FKIP Matematika tahun
ajaran 2013/2014 berdasarkan ranking.
c. Data interval, yaitu data statistik dimana terdapat jarak yang sama di antara hal-hal yang
sedang diteliti
E. Data berdasarkan bentuk angkanya
a. Data tunggal, yaitu data statistik yang angka-angkanya merupakan satu unit atau satu
kesatuan, tidak dikelompokkan.
b. Data kelompok, yaitu data statistik tiap unitnya terdiri dari sekelompok angka, 51-55, 56-60,
61-65, dst.
F. Data berdasarkan waktu pengumpulannya
a. Data seketika, yaitu data statistik yg mencerminkan keadaan pada suatu waktu saja.
Contoh : Pada semester gazal 2013/2014.
b. Data urutan waktu, yaitu data statistik yg mencerminkan keadaan dari waktu ke waktu secara
berurutan. Contoh: Jumlah mahasiswa FKIP Unsri yang lulus dari tahun 2010-2013
V. Sumber Data Statistika
a. Data primer
7
Data primer merupakan sumber data yang diperoleh langsung dari sumber asli
(tidak melalui media perantara). Data primer dapat berupa opini subjek (orang) secara
individual atau kelompok, hasil observasi terhadap suatu benda (fisik), kejadian atau
kegiatan, dan hasil pengujia.
Sumber data primer, misalnya:
1. Wawancara langsung
2. Wawancara tidak langsung
3. Pengisian kuisione
b. Data sekunder
Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara
tidak langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data sekunder
umumnya berupa bukti, catatan atau laporan historis yang telah tersusun dalam arsip (data
dokumenter) yang dipublikasikan dan yang tidak dipublikasikan.
Sumber data sekunder, misalnya :
1. BPS
2. Bank Indonesia
3. Diknas
VI.
Istilah dalam Statistika

a. Obyek
Benda hidup atau mati yg diuji unsur-unsur, sifat dan kelakuannya
melalui pengamatan,
pengukuran dan penilaian guna mendpt info atau nilai-nilai yg berguna mengenai benda tsb
b. Variabel
Suatu sifat dari obyek atau unsur dari obyek yg dpt diamati atau diukur shg menghasilkan nilai,
ukuran atau criteria lainyg dpt bervariasi
c. Variate
Angka/nilai ukuran/criteria lain yg dicapai suatu variabelpada suatu individu atau unit statistic
d. Variasi
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu variabel pada populasi atau sampel
e. Variabilitas
Kemungkinan utk bervariasi dr nilai suatu variable pd suatu populasi atau sample
f. Parameter
8
Suatu variabel terukur yg digunakan sbg criteria utk mengevaluasi suatu populasi atau system
g. nilai parametrik
Suatu nilai dari suatu parameter yg diperoleh dariperhitungan atau data sensus, masih harus di
analisis.
h. Nilai Statistik
Suatu nilai dari suatu parameter yg diperoleh dariperhitungan atau data sensus.
KESIMPULAN
Statistik merupakan data mengenai suatu masalah, yang biasanya disusun dalam ?tati dan atau
diagram, yang melukiskan atau menggambarkan suatu persoalan. Sedangkan statistika merupakan
ilmu yang mempelajari statistik, yaitu ilmu yang mempelajari bagaimana caranya mengumpulkan data,
mengolah data, menyajikan data, menganalisis data, membuat kesimpulan dari hasil analisis data dan
mengambil keputusan berdasarkan hasil kesimpulan
Jenis statitisk terdiri dari ?tatistic deskriptif dan inferensial. Statistika Deskriptif merupakan
statistika yang menggambarkan kegiatan berupa pengumpulan data, penyusunan data, pengolahan data,
dan penyajian data dalam bentuk tabel, grafik, ataupun diagram agar memberikan gambaran yang
teratur, ringkas, dan jelas mengenai kejadian suatu peristiwa. Sedangkan statistika inferensial
merupakan statistika yang berkaitan dengan analisis data (data dari sampel) yang kemudian digunakan
untuk melakukan peramalan atau penaksiran kesimpulan mengenaidata secara keselurahan (populasi).
Generalisasi tersebut memiliki sifat tidak pasti karena hanya berdasarkan pada data dari sampel. Oleh
sebab itu, dalam statistika induktif harus didasari dengan teori peluang.
Macam-macam data dibedakan berdasarkan dari data menurut sifat angka, data menurut
sifatnya, data menurut sumbernya, data menurut cara menyusun angkanya, data berdasarkan bentuk
angkanya, dan data berdasarkan waktu pengumpulannya. Sumber data ?tatistic terbagi menjadi 2,
yaitu data primer (langsung) dan data sekunder (tidak langsung).
10
BAB II
PENYAJIAN DATA DAN APLIKASINYA
A. PENGERTIAN PENYAJIAN DATA
Penyajian Data adalah salah satu kegiatan dalam pembuatan laporan hasil penelitian yang telah
dilakukan sesuai dengan tujuan yang diinginkan. Penyajian data bertujuan memberikan gambaran
yang sistematis tentang peristiwa-peristiwa yang merupakan hasil penilitian/observasi, data lebih
cepat ditangkap dan dimengerti, memudahkan dalam analisis data, membuat proses pengambilan
keputusan kesimpulan lebih tepat, cepat dan akurat. Penyajian data dalam sebuah tabel ataupun
gambar grafik memiliki maksud tertentu.
B. BENTUK PENYAJIAN DATA
Secara umum ada beberapa cara penyajian data statistik yang sering digunakan, yaitu tabel,
grafik, dan diagram.
1. PENYAJIAN DATA DALAM BENTUK TABEL
Tabel, yaitu kumpulan angka-angka yang disusun menurut kategori-kategori. Misalnya
berat badan menurut jenis kelamin, jumlah pegawaimenurut pendidikan, jumlah penjualan
menurut jenis barang dan daerahpenjualan, dll.
Tabel Biasa
Tabel biasa sering digunakan untuk bermacam keperluan baik bidang ekonomi, sosial,
1.1.
budaya dan lain-lain untuk menginformasikan data dari hasil penelitian. Bentuk table biasa :
JUDUL TABEL
JUDUL KOLOM
Sel-sel
Sel-sel
JUDUL BARIS
Sel-sel
Sel-sel
Sel-sel
Sel-sel
Sumber :
Sel-sel
Sel-sel
Sel-sel
Catatan :
Keterangan :
a. Judul Tabel ditulis di atas simetris sumbu y dengan huruf capital tanpa penggalan kata
secara singkat dan jelas tentang apa, macam atau klasifikasi, dimana, kapan dan apabila ada
cantumkan satuan atau unit data yang digunakan.
11
b. Judul kolom ditulis singkat, jelas, dan diupayakan jangan memutus (memenggal) kata.
c. Sel-sel tempat penulisan angka-angka atau data.
d. Catatan ditulis di bagian kiri bawah berguna untuk mencatat hal-hal penting dan perlu
diberikan. Pada bagian tersebut juga terdapat sumber untuk menjelaskan dari mana data
tersebut dikutip, kalau tidak ada berarti pelopor ikut di dalamnya.
e. Selain 4 bagian tersebut juga harus diperhatikan yaitu nama sebaiknya disusun sesuai abjad,
waktu secara berurutan (kronologis), menempaatkan data kategori disusun secara
sistematis.
1.2.
Tabel Kontigensi
Tabel kontigensi biasanya digunakan khusus data yang terletak antara baris dan kolom
berjenis variabel kategori. Bentuk tabel kontigensi :
Sumber : www.google.com
1.3.
Tabel Distribusi Frekuensi

Distribusi Frekuensi adalah penyusunan suatu data mulai dari terkecil sampai terbesar
yang membagi banyaknya data ke dalam beberapa kelas.Distribusi frekuensi terdiri dari dua
yaitu distribusi frekuensi kategori dan distribusi frekuensi numerik. Distribusi frekuensi
kategori adalah pengelompokkan data yang disusun berbentuk kata-kata atau pengelompokkan
kelas-kelasnya berdasarkan kumulatif. Distribusi numerik adalah pengelompokkan data yang
kelas-kelasnya disusun secara interval didasarkan pada angka-angka (kuantitatif). Tabel
distribusi frekuensi terdiri atas beberapa bentuk yaitu :

a. Distribusi Frekuensi Relatif
Distribusi frekuensi relatif ialah distribusi frekuensi yang nilai frekuensinya tidak dinyatakan
dalam angka mutlak atau nilai mutlak, tetapi setiap kelasnya dinyatakan dalam bentuk angka
persentase (%) atau angka relatif. Contoh :
b. Distribusi Frekuensi Kumulatif
12
Distribusi frekuensi kumulatif ialah distribusi frekuensi yang nilai frekuensinya (f) diperoleh
dengan cara menjumlahkan frekuensi demi frekuensi.
1. Distribusi frekuensi kumulatif kurang dari
2. Distribusifrekuensi kumulatif lebih dari
c. Distribusi Kumulatif Relatif
Distribusi frekuensi kumulatif relatif ialah distribusi frekuensi yang mana nilai frekuensi
kemulatif diubah menjadi frekuensi relatif atau persentase.
2. PENYAJIAN DATA DALAM BENTUK GRAFIK
Grafik, yaitu gambar-gambar yang menunjukkan secara visual data berupaangka atau
simbol-simbol yang biasanya dibuat berdasarkan data dari tabel yang telah dibuat.
2.1.
Histogram
Histogram ialah grafik yang menggambarkan suatu distribusi frekuensi dengan bentuk beberapa
segi empat. Contoh :
GRAFIK HISTOGRAM
4
3.5
3
2.5
2
1.5
1
0.5
0
B
2.2.
Poligon
Poligon frekuensi ialah grafik garis yang menghubungkan nilai tengah tiap sisi atas yang
berdekatan dengan nilai tengah jarak frekuensi mutlak masing-masing. Contoh :
GRAFIK POLIGON
13
Nilai Ujian Matematika Kelas X

SMA N 1 Bayung Lencir
25
20
frekuensi -
15
10
5
0
62
67
72
77
82
87
92
2.3.
Ogive
Ogive ialah distribusi frekuensi kumulatif yang menggambarkan diagramnya dalam sumbu
tegak dan mendatar atau eksponensial. Contoh :
GRAFIK OGIVE
80
70
60
50
40
f (kumulatif kurang dari) -
30
f (kumulatif lebih dari) -
20
10
0
60
65
70
75
80
85
90
95
3. PENYAJIAN DATA DALAM BENTUK DIAGRAM

Diagram ialah gambaran untuk memperlihatkan atau menerangkan sesuatu data yang
akan disajikan.
Diagram Batang
Diagram batang digunakan untuk menyajikan data yang bersifat kategori atau data
3.1.
distribusi. Penyajian data berbentuk diagram batang ini banyak modelnya antara lain : diagram
14
batang satu komponen atau lebih, diagram batang dua arah, diagram batang tiga dimensi, dan
lain-lain sesuai dengan variasi atau tergantung keahlian pembuat diagram. Contoh :
Diagram Batang
Nilai Ujian MTK kelas X
SMAN 1 Bayung Lencir
25
Frekuensi
20
15
10
5
0
60-64
3.2.
65-69
70-74
75-79
80-84
85-89
90-94
Diagram Garis
Diagram garis digunakan untuk menggambarkan keadaan yang serba terus menerus.
Diagram Garis
SMA N 1 Bayug Lencir
25
Frekuensi
20
15
10
5
0
60-64
3.3.
65-69
70-74
75-79
80-84
85-89
90-94
Diagram Lambang
Diagram lambang atau simbol ialah suatu diagram yang menggambarkan simbol-simbol
dari data sebagai alat visual untuk orang awam.
Grafik Nilai Geometri FKIP Matematika Unsri Angkatan 2014
NILAI
A
B
15
C
D
Ket : = Banyaknya 1 orang

3.4.
Diagram Lingkaran dan Pastel

Diagram lingkaran dan Pastel digunakan untuk penyajian data yang berbentuk kategori
dinyatakan dalam persentase. Contoh :
Diagram Lingkaran
Nilai ujian Matmatika kelas X
60-64
65-69
6% 3% 9%
10%
21%
23%
70-74
75-79
80-84
85-89
90-94
29%
Diagram pastel yaitu perubahan wujud dari model diagram lingkaran disajikan dalam
bentuk tiga dimensi. Contoh :
Diagram pastel
60-64
65-69
70-74
6% 3% 9%
10%
21%
23%
75-79
80-84
85-89
90-94
29%
3.5.
Diagram Peta
16
Diagram peta yaitu diagram yang melukiskan fenomena atau keadaan dihubungkan dengan
tempat kejadian. Contoh :
DIAGRAM PETA
3.6.
Diagram Pencar (titik)

Diagram pencar (titik) ialah diagram yang menunjukkan gugusan titik-titik setelah garis
koordinat sebagai penghubung dihapus. Contoh :
3.7.
Diagram Campuran
17
Diagram Campuran ialah diagaram yang disajikan dalam bentuk gabungan dari
beberapa dimensi dalam satu penyajian data. Contoh :
18
KESIMPULAN
Penyajian data adalah salah satu kegiatan dalam pembuatan laporan hasil penelitian yang telah
dilakukan sesuai dengan tujuan yang diinginkan. Penyajian data bertujuan memberikan gambaran yang
sistematis tentang peristiwa-peristiwa yang merupakan hasil penilitian/observasi, data lebih cepat
ditangkap dan dimengerti, memudahkan dalam analisis data, membuat proses pengambilan keputusan
kesimpulan lebih tepat, cepat dan akurat.
Secara umum ada beberapa cara penyajian data statistic yang sering digunakan yaitu, tabel,
grafik, dan diagram. Penyajian data berbentuk tabel terdiri atas : table biasa, table kontigensi, dan table
distribusi frekuensi. Penyajian data berbentuk grafik terdiri atas : grafik histogram, polygon, dan ogive.
Penyajian data berbentuk diagram terdiri atas : diagram batang, diagram garis, diagram lambang,
diagram lingkaran dan pastel, diagram peta, diagram pencar, dan diagram campuran.
19
BAB III
DISTRIBUSI FREKUENSI & APLIKASI PADA DATA PENELITIAN
1. PENGERTIAN DAN TUJUAN DISTRIBUSI FREKUENSI
1.1 Pengertian Distribusi Frekuensi
Definisi distribusi frekuensi menurut paraahli:
- Distribusi Frekuensi adalah penyusunan data dalam kelas-kelas interval .(Kuswanto,2006)
- Distribusi Frekuensi adalah membuat uraian dari suatu hasil penelitian dan menyajikan hasil
penelitian tersebut dalam bentuk yang baik, yakni bentuk stastistik popular yang sederhana
sehingga kita dapat lebih mudah mendapat gambaran tentang situasi hasil penelitian.
(Djarwanto,1982)
- Distribusi Frekuensi atau Tabel Frekuensi adalah suatu tabel yang banyaknya kejadian atau
frekuensi (cases) didistribusikan ke dalam kelompok-kelompok (kelas-kelas) yang berbeda.
(Budiyuwono,1987)
Sehingga bisa disimpulkan bahwa distribusi frekuensi adalah penyusunan data kedalam
kelas-kelas tertentu, dimana setiap individu hanya termasuk kedalam salah satu kelas tertentu
saja. Dalam suatu penelitian, biasanya juga akan dilakukan pengumpulan data. Salah satu cara
untuk mengatur atau menyusun data adalah dengan mengelompokan data-data berdasarkan ciri-ciri
penting dari sejumlah data kedalam beberapa kelas dan kemudian dihitung banyaknya data yang
masuk kedalam setiap kelas.
1.2 Tujuan Distribusi Frekuensi
Tujuan distribusi frekuensi, yaitu :
Memudahkan dalam penyajian data, mudah dipahami, dan dibaca sebagai bahan informasi.
Memudahkan dalam menganalisa/menghitung data, membuat tabel, grafik.
2. MACAM-MACAM DISTRIBUSI FREKUENSI

2.1 Ditinjau dari jenisnya
a. Distribusi Frekuensi Numerikal
Distribusi frekuensi numeric aladalah pengelompokan data berdasarkan angka-angka dan
biasanya disajikan dengan grafik histogram.Misalnya data tunggal.
b. Distribusi Frtekuensi Kategorikal / Kategoris
20
Distribusi frekuensi kategori adalah pengelompokan data berdasarkan kategori-kategori

tertentu, biasanya distribusi frekuensi disajikan dengan grafik batang, lingkaran, dan gambar.
Misalnya data berkelompok.
2.2. Ditinjau dari nyatatidaknyafrekuensi
a. Distribusi frekuensi absolut
Distribusi frekuensi absolute adalah suatu jumlah bilangan yang menyatakan banyaknya data
pada suatu kelompok tertentu. Distribusi ini disusun berdasarkan data apa adanya, sehingga
tidak menyulitkan peneliti dalam membuat distribusi ini
b. Distribusi frekuensi relatif
Distribusi frekuensi relative adalah suatu jumlah presentase yang dinyatakan banyaknya data
pada suatu kelompok tertentu. Dalam hal ini pembuat distribusi terlebih dahulu harus dapat
menghitung persentase pada masing-masing kelompok. Distribusi akan memberikan informasi
yang lebih jelas tentang posisi masing-masing bagian dalam keseluruhan, karena kita dapat
melihat perbandingan antara kelompok yang satudengan kelompok yang lainnya. Walaupun
demikian, kita masih belum memperoleh gambaran yang jelas tentang penyebab adanya
perbedaan tersebut.. Berikut adalah rumus mencari distribusi frekuensi relatif:
frekuensirelatif =
frekuensi kelas
n
100
2.3. Ditinjau dari kesatuannya:

a. Distribusi frekuensi satuan
Distribusi frekuensi satuan adalah frekuensi yang menunjukan berapa banyak data pada
kelompok tertentu.
b. Distribusi frekuensi kumulatif
Distribusi frekuensi kumulatif adalah distribusi frekuensi yang menunjukan jumlah frekuensi
pada sekelompok nilai tertentu mulai dari kelompok sebelumnya sampai kelompok tersebut.
Frekuensi kumulatif dibagi menjadi dua, yaitu kurang dari dan lebih dari.
3. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
1. Class (Kelas)
21
Kelas adalah penggolongan data yang dibatasi dengan nilai terendah dan nilai tertinggi yang
masing-masing dinamakan batas kelas. Batas kelas (Class Limit) adalah nilai batas dari pada tiap
kelas dalam sebuah distribusi, terbagi menjadi dua, yaitu:
a. stated class limit adalah batas-batas kelas yang tertulis dalam distribusi frekuensi, terdiri
dari Lower Class Limit (batas bawah kelas) dan upper class limit (batas atas kelas).
b. class boundaries (tepikelas) adalah batas kelas yang sebenarnya, terdiri dari lower class
boundary (batas bawah kelas yang sebenarnya) dan upper class boundary (batas atas kelas
yang sebenarnya).
2. Class interval / panjang kelas merupakan lebar dari sebuah kelas dan dihitung dari perbedaan
antara kedua tepi kelasnya.
3. Mid point / class mark / titik tengah merupakan rata-rata hitung dari kedua batas kelas nya atau
tepi kelasnya.
4. LANGKAH-LANGKAH MENYUSUN DISTRIBUSI FREKUENSI
1. Urutkan data terlebih dahulu
2. Menentukan Range (Jangkauan) :didapat dari nilai yang terbesar dikurangi nilai yang terkecil.
R = Xmax X min
3. Menentukan banyaknya kelas dengan menggunakan rumus Sturgess.
K = 1 + 3,3 logn
dimana K = Banyak nya kelas dan n = Jumlah Data.
4. Menentukan Interval Kelas :
R
I= K
5. Menentukan batas kelas :
Tbk = Bbk 0,5
Tak = Bak + 0,5
Panjang interval kelas = Tak Tbk
Keterangan :
Tbk = tepi bawah kelas

Tak = tepi atas kelas
22
Bbk = batas bawah kelas

Bak = batas atas kelas
6. Menentukan titik tengahnya.
7. Memasukkan data kedalam kelas-kelas yang sesuai dengan memakai sistem turus/tally.
Menyajikan distribusi frekuensi : isi kolom frekuensi sesuai dengan kolom Tally atau Turus.
Contoh :
Diberikan data mentah tentang gaji bulanan 50 pegawai honorer dalam ribuan rupiah.
138
164
150
132
144
125
149
157
118
124
144
152
148
136
147
140
158
146
128
135
168
165
126
154
138
118
178
163
137
143
135
140
153
135
147
142
173
146
146
150
142
150
135
156
145
145
161
128
155
162
Dari data diatas, buatlah daftar distribusi frekuensi dari gaji tersebut.
Untuk menjawab soal diatas, langkah langkah yang perlu dilakukan adalah sebagai berikut.
1.
Menentukan Range (R).

Range dapat diartikan sebagai jarak antara data terkecil sampai terbesar atau selisih antara data
terbesar sampai terkecil. Dari contoh diatas :

Range (R)
2.
= Data terbesar data terkecil

= 178 118
= 60
Menentukan Jumlah Kelas (k).

Interval atau panjang kelas adalah bebas, kelas dapat berinterval 3, 5, 10, dsb.
Cara menentukan jumlah kelas (k) yang paling sederhana adalah dengan Rumus :
23
Jumlah Kelas (k) = Range (R) : Interval kelas

Dari contoh di atas, jika interval kelas adalah 9,
maka jumlah kelasadalah : 60 : 9 = 6,67 7
(dibulatkan).
Ada cara lain untuk menentukan jumlah kelas, yaitu dengan rumus STURGES, yang
formulasinya sebagai berikut :
Jumlah kelas (k) = 1 + 3,3 log n
Dimana : n = jumlah data yang dimiliki
Sehingga, dari contoh diatas diperoleh :
k = 1 + 3,3 log 50 = 1 + 3,3 (1,699) = 6,607 dibulatkan 7 kelas
Maka interval kelas (i) = R : k = 60 : 7 = 8,57 dibulatkan menjadi 9
3.
Menentukan kelas.
Dalam menentukan kelas, diharapkan semua data yang ada dapat masuk keseluruhan. Data
terkecil harus masuk pada kelas pertama, dan data terbesar dapat masuk pada kelas terakhir.Dari
persoalan diatas, dapat dibuat interval interval kelas sebagai berikut.
Kelas I
= dimulai dengan 118, mengingat panjang kelas = 9 maka :
Kelas II
= dimulai dengan 127
Kelas III
Kelas IV
Kelas V
Kelas VI
Kelas VII = dimulai dengan 172

4.
Menghitung Frekuensi Kelas.

24
Frekuensi tiap tiap kelas diartikan sebagai jumlah dari data data yang sudah dimasukkan
kedalam masing masing kelas.Selanjutnya semua data pengamatan pada masing masing kelas
dihitung dengan menggunakan sistem Tally (tanda : ////). Frekuensi kelas adalah jumlah dari tanda yang
diperoleh. Jika semua langkah dipenuhi, maka dari soal diatas dapat dibuat table distribusi frekuensi
sebagai berikut.
TABEL DISTRIBUSI FREKUENSI GAJI BULANAN
50 PEGAWAI HONORER
KELAS
GAJI
( DalamRibuan )
118 126
II
TALLY
FREKUENSI
////
127 135
//// //
III
136 144
//// //// /
11
IV
145 153
//// //// ////
14
154 162
//// //
VI
163 - 171
////
VII
172 - 180
//
TOTAL
50
Jika frekuensi dinyatakan dalam persentasi terhadap total frekuensi, maka table tersebut
dinamakan table frekuensi relatif. Jumlah frekuensi dari semua nilai yang lebih kecil dari limit atas dari
suatu interval kelassampai dengan dan termasuk kelas yang bersangkutan disebut frekuensi kumulatif.
Jika frekuensi kumulatif dinyatakan dalam bentuk hasil pembagiannya dengan total frekuensi disebut
frekuensi kumulatif relatif.
25
TABEL DISTRIBUSI FREKUENSI, FREKUENSI RELATIF,

FREKUENSI KUMULATIF DAN FREKUENSI KUMULATIF RELATIF
GAJI BULANAN 50 PEGAWAI HONORER
KELAS
GAJI
(Ribuan )
FREKUENSI
FREKUENSI
KUMULATIF
FREKUENSI
RELATIF
(%)
FREKUENSI
KUMULATIF
RELATIF
118 126
10
(%)
0
II
127 135
12
14
24
III
136 144
11
23
22
46
IV
145 153
14
37
28
74
154 162
44
14
88
VI
163 - 171
48
96
VII
172 - 180
50
100
TOTAL
50
100
26
Contoh :
DAFTAR HASIL MID SEMESTER
KELAS XII IPA 3 SMAN 1 TANJUNG RAJA
NILAI
BATAS
FREKUENSI
18-27
KELAS
17,5 - 27,5
28-37
27,5 37,5
38-47
37,5 47,5
48-57
47,5 57,5
58-67
57,5 67,5
68-77
67,5 77,5
78-87
77,5 87,5
3
34
(sumber :makalah statistic tahun 2014)

DISTRIBUSI FREKUENSI KUMULATIF KURANG DARI
FrekuensiKumulatif
NILAI
Batas Kelas
PersenKumulati
17,5
18-27
27,5
5,8
28-37
37,5
20,5
38-47
47,5
14
41,1
48-57
57,5
21
61,7
58-67
67,5
24
70,5
68-77
77,5
31
91,1
78-87
87,5
34
100
27
Berikut ogif kumulatif kurang dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA Tanjung
Raja yang diambil dari tabel distribusi frekuensi ditambah satu kolom frekuensi menurun dengan
menggunakan batas kelas.
OGIF FREKUENSI KUMULATIF

40
35
30
25
OGIF FREKUENSI
KUMULATIF
20
15
10
5
0
17,5
27,5
37,5
47,5
57,5
67,5
77,5
87,5
DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI

FrekuensiKumulatif
NILAI
Batas Kelas
18-27
PersenKumulati
17,5
34
100
28-37
27,5
31
91,1
38-47
37,5
24
70,5
48-57
47,5
21
61,7
58-67
57,5
14
41,1
68-77
67,5
20,5
78-87
77,5
5,8
87,5
28
Berikut ogif kumulatif lebih dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA Tanjung
Raja Raja yang diambil dari table distribusi frekuensi ditambah satu kolom frekuensi menurun dengan
menggunakan batas kelas.
OGIF FREKUENSI KUMULATIF LEBIH DARI DARI

40
35
30
OGIF FREKUENSI
KUMULATIF LEBIH DARI
DARI
25
20
15
10
5
0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
OGIF KUMULATIF
40
35
30
25
Ogif kurang dari
20
Ogif lebih dari

15
10
5
0
17,5
27,5
37,5
47,5
57,5
67,5
77,5
87,5
29
KESIMPULAN
Distribusi Frekuensi adalah penyusunanan data kedalam kelas-kelas tertentu dimana setiap
individu hanya termasuk kedalam salah satu kelas tertentu saja. Tujuan distribusi frekuensi, yaitu :
memudahkan dalam penyajian data, mudah dipahami, dan dibaca sebagai bahan informasi,
memudahkan dalam menganalisa/menghitung data, membuat tabel, grafik.
Adapun macam-macam distribusi frekuensi, dapat ditinjau dari jenisnya, nyata tidaknya
frekuensi dan kesatuannya. Dari jenisnya terdapat distribusi frekuensi numerical dan katagorikal, dari
nyata tidaknya frekuensi terdapat distribusi frekuensi absolute dan relatif, sedangkan ditinjau dari
kesatuannya terdapat distribusi frekuensi satuan dan kumulatif. Bagian-bagian distribusi frekuensi
diantaranya terdapat kelas, interval kelas dan titik tengah.
30
BAB IV
UKURAN PEMUSATAN DAN UKURAN PENYEBARAN
A. Pengertian Ukuran Pemusatan
Ukuran pemusatan adalah nilai tunggal dari data yang dapat memberikan gambaran yang lebih
jelas dan singkat tentang pusat data yang juga mewakili seluruh data.
B. Macam macam Ukuran Pemusatan
1. Untuk Data Tunggal
a. Rata-rata
Rata- rata dapat dibedakan menjadi rata-rata hitung, rata-rata ukur, dan rata-rata
harmonik.
Rata-rata Hitung
Rata-rata hitung dari data tunggal dapat diperoleh dengan cara menjumlahkan
seluruh nilai dan membaginya dengan banyaknya data. Rata-rata hitung dari data
tunggal, dapat dirumuskan :
n
xi
x = i=1
fi
Keterangan :
x
rata-rata
xi
i=1
fi
= jumlah seluruh data
= banyaknya data
Contoh
Tentukan nilai rata-rata mata pelajaran matematika bimbingan belajar kelas spesial yang terdiri
dari 10 siswa dengan nilai 65, 73, 85, 70, 75, 90, 93, 80, 65, 73
Jawab:
n
xi
X = i=1
fi
31
65+ 65+70+73+73+75+ 80+85+90 93

10
769
10
76,9
Jadi nilai rata-rata mata pelajaran matematika bimbingan belajar kelas spesial
yang terdiri dari 10 siswa adalah 76,9
Rata-rata Ukur
Untuk data tunggal, rata-rata ukur disimbolkan dengan G dirumuskan dengan:
G=n ( x 1 )( x2 ) ( xn )
G = rataan ukur
atau
log ( G )=
n = banyaknya data
log ( xi )
xi = data ke-i
Contoh
Hitunglah rata-rata ukur dari data 2, 4, 8
Jawab:
3
log ( 2 )+ log ( 4 )+ log ( 8 )

3
G= ( 2 ) ( 4 )( 8 )
log ( G )=
G=3 64
log ( G )=
G=4
atau
log ( 2 )+ log ( 22 ) +log ( 23 )

3
Log(G) = log(4)
G=4
Jadi rata-rata nilai ukur yang didapatkan adalah 4

Rata-rata Harmonis
Untuk data tunggal, rata-rata harmonis disimbolkan dengan G dirumuskan dengan:
32
H=
n
n
x1
i=1
Keterangan :
H = rataan harmonis
n = banyaknya data
x i = data ke-i
Contoh
Nilai ulangan harian 4 orang siswa adalah 70, 75, 78, 80. Tentukanlah rata-rata
harmonisnya !
Jawab :
H=
x1
i=1
H=
4
1 1 1 1
+ + +
70 75 78 80
H=
4
0,0142+0,0133+0,0128+0,0125
H=
4
0,0528
H=75,75
Jadi nilai rata-rata harmonisnya adalah 75,75

b. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan (disusun) dari data
terkecil sampai data terbesar
Rumus untuk data yang berjumlah ganjil
Me=x
( n+2 1 )
33
Rumus untuk data yang berjumlah genap

xn + x n
(2 +1)
Me=
Contoh
1. Diketahui data sebagai berikut 65, 70, 90, 40, 35, 45, 70, 80, 50.
Tentukan median dari data tersebut !
Jawab:
Data diurutkan menjadi : 35, 40, 45, 50, 65, 70, 70, 80, 90
Jumlah data adalah 9, berjumlah ganjil. Jadi menggunakan rumus mencari median
untuk data berjumlah ganjil.
Me=x n+ 1
(2)
Me=x
( 9 +12 )
Me=x 5
Me=65
Jadi median dari data tersebut adalah 65

2. Diketahui data sebagai berikut 3, 2, 5, 2, 4, 6, 6, 7, 9, 6.
Tentukan median dari data tersebut !
Jawab :
Data diurutkan menjadi : 2, 2, 3, 4, 5, 6, 6, 6, 7, 9.
Jumlah data adalah 10, berjumlah genap. Jadi menggunakan rumus mencari median
untuk data berjumlah genap.
xn + x n
Me=
(2 +1)
2
x 10 + x
Me=
Me=
( 102 +1)
2
x5 + x 6
2
34
Me=
5+6
2
Me=
11
2
Me=5,5
Jadi median untuk data tersebut adalah 5,5
c. Modus
Modus adalah data yang paling sering muncul atau nilai data yang frekuensinya
paling besar.
Data yang belum dikelompokkan bisa memiliki satu modus, dua modus, atau
mungkin tidak mempunyai modus. Data yang memiliki satu modus disebut
monomodus, sedangkan data yang memiliki dua modus disebut bimodus.
Contoh
Tetukan modus dari data berikut ini 5, 7, 7, 6, 8, 6, 6, 5, 8, 6
Jawab :
Data diurutkan menjadi : 5, 6, 6, 6, 6, 7, 7, 8, 8
Mo = 6
karena nilai 6 muncul sebanyak 4 kali
Jadi modus dari data tersebut adalah 6
2. Untuk Data Berkelompok
a. Rata-rata
Rata-rata Hitung
Rumus rata-rata hitung untuk data berkelompok
n
f i xi
x = i=1n
fi
1
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa. Tentukanlah ratarata hitung nya!
35
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
6
2
7
8
20
4
3
50
Jawab :
Untuk mencari rata-rata hitung , perlu ditambahkan nilai tengah
Nilai
xi
fi
xi fi
52 58
59 65
66 72
73 79
80 86
87 93
94 100
55
62
69
76
83
90
97
6
2
7
8
20
4
3
330
124
483
608
1660
360
291
50
3856
Jumlah
n
f i xi
x = i=1n
fi
1
f i xi
x = i=17
fi
1
x =
3856
50
x =77,12
36
Jadi nilai rata-rata hitung dari nilai matematika dari 50 orang siswa adalah
77,12
Rata-rata Ukur
Rata-rata ukur disimbolkan dengan G. Untuk data berkelompok
dengan:
log G=
dirumuskan
( f i log x i )
fi
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa. Tentukanlah
rata-rata ukur nya!
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
2
6
7
20
8
4
3
50
Jawab :
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
log G=
( f i log x i )
fi
log G=
93,8515
50
fi
2
6
7
20
8
4
3
50
xi
55
62
69
76
83
90
97
Log xi
1,7403
1,7924
1,8388
1,8808
1,9190
1,9542
1,9868
fi log xi
3,4806
10,7544
12,8716
37,6160
15,3520
7,8168
5,9601
93,8515
log G=1,8770
G=75,4
Jadi nilai rata-rata ukur dari nilai matematika dari 50 orang siswa adalah 75,4
37
Rata-rata Harmonis
Rata-rata ukur disimbolkan dengan H. Untuk data berkelompok
dengan:
^= n
H
dirumuskan
xi
i
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa. Tentukanlah
rata-rata harmonis nya!
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
2
6
7
20
8
4
3
50
Jawab :
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
^
H=
fi
2
6
7
20
8
4
3
50
xi
55
62
69
76
83
90
97
fi / xi
0,1361
0,0968
0,1014
0,2631
0,0964
0,0444
0,0309
0,6694
n
f
xi
i
^
H=
50
0,6694
^
H=74,69
38
Jadi nilai rata-rata harmonis dari nilai matematika dari 50 orang siswa adalah
74,69
b. Median
Median adalah nilai tengah dari kumpulan data yang telah diurutkan (disusun) dari data
terkecil sampai data terbesar.
1
nF
2
Me=b+ p
f
( )
Keterangan
b = batas bawah kelas median
p = panjang kelas
n = banyaknya data
F= jumlah frekuensi sebelum kelas median
f = frekuensi kelas median
Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa. Tentukanlah median
dari data terebut
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
2
6
7
20
8
4
3
50
Jawab :
Jumlah data (n) = 50
Median terlatak pada kelas 73-79
72+73
b=
=72,5
2
p=7
39
F = (2+6+7) = 15
f = 20
1
nF
2
Me=b+ p
f
( )
( )
1
5015
2
Me=72,5+7
20
Me=72,5+7 ( 0,5 )
Me=76
Jadi nilai modus dari nilai matematika dari 50 orang siswa adalah 76
c. Modus
Modus adalah data yang paling sering muncul atau nilai data yang frekuensinya
paling besar.
Mo=b+ p
b1
b1 +b 2
Keterangan :
Mo = Modus
b = batas bawah kelas modus
p = panjang kelas
b1
= frekuensi kelas modus dikurangi frekuensi kelas sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi kelas berikutnya

Contoh
Berikut ini merupakan daftar nilai matematika dari 50 orang siswa. Tentukanlah modus
dari data terebut!
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
Frekuensi
2
6
7
20
8
4
40
94 100
Jumlah
3
50
Jawab :
Frekuensi terbanyak terlatak pada kelas 73-79, berarti modusnya terletak pada
kelas 73-79.
72+73
b=
=72,5
2
p=7
b1 = 20 7 = 13
b2 = 20-8 = 12
Mo=b+ p
b1
b1 +b 2
Mo=72,5+7
13
13+ 12
Mo=72,5+3,64
Mo=76,14
Jadi nilai modus dari nilai matematika dari 50 orang siswa adalah 76,14
II.
Ukuran Letak
A. Macam macam Ukuran Letak
1. Untuk Data Tunggal
a. Kuartil (Q)
Kuartil adalah ukuran letak yang membagi suatu kelompok data menjadi empat bagian
yang sama besar.
Letak Q1=
n+1
4
Letak Q2=
2 ( n+1 )
4
Letak Q 3=
3 ( n+1 )
4
41
Contoh
Diketahui data sebagai berikut 2, 4, 3, 3, 6, 5, 9 . tentukan
Q1 , Q2 ,Q3
Jawab :
Data diurutkan menjadi 2, 3, 3, 4, 5, 6, 9
n+1
Letak Q1= 4
Letak Q1=
7+1
4
Letak Q1=2
Artinya
Q1
terletak pada data ke-2 dari data yang sudah diurutkan, yaitu 3
Letak Q2=
2 ( n+1 )
4
Letak Q2=
2 ( 7+ 1 )
4
Letak Q2=4
Artinya
Q2
Letak Q 3=
3 ( n+1 )
4
Letak Q3=
3 ( 7+1 )
4
Letak Q3=6
Artinya
Q3
b. Desil
Desil merupakan sekumpulan data yang dibagi menjadi 10 bagian sama banyak
Di=
i
( n+1 )
10
Contoh
Diketahui data 6, 7, 9, 4, 3, 4, 7, 8, 5, 7. Tentukan D7
42
Jawab :
Data diurutkan menjadi 3, 4, 4, 5, 6, 7, 7, 7, 8, 9.
Di=
i
( n+1 )
10
D 7=
7
( 10+1 )
10
D7=7,7
Artinya letak nilai D7 antara data ke 7 dan 8
Besar nilai D7 = 7 + 0,7 (7-7)
Besar nilai D7 = 7
c. Persentil
Persentil adalah nilai yang membagi data menjadi seratus bagian sama setelah data
disusun dari yang terkecil sampai terbesar
Pi =
i
( n+1 )
100
Contoh
Diketahui data 6, 7, 9, 4, 3, 4, 7, 8, 5, 7. Tentukan P20
Jawab :
Data diurutkan menjadi 3, 4, 4, 5, 6, 7, 7, 7, 8, 9.
Pi =
i
( n+1 )
100
P20=
20
( 10+1 )
100
P20=2,2
Artinya letak nilai P20 antara data ke 2 dan 3
Besar nilai P20 = 4 + 0,2 ( 4-4 )
Besar nilai P20 = 4
2. Untuk Data Berkelompok
43
a. Kuartil (Q)
1
nF
4
Q1=b+ p
f
1
nF
2
Q2=b+ p
f
3
nF
4
Q3=b+ p
f
Keterangan :
b = tepi bawah kelas
p = panjang kelas
F = jumlah frekuensi sebelum kelas Q
f = frekuensi sebelum kelas Q
n = jumlah data
Contoh
Tentukan
Q1 , Q2 ,Q3
dari data berikut !

Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
2
6
7
20
8
4
3
50
1
nF
4
Q1=b+ p
f
1
508
4
Q1=65,5+7
7
44
Q1=65,5+5,5
Q1=70
1
nF
2
Q2=b+ p
f
1
5015
2
Q2=72,5+7
20
Q2=72,5+3,5
Q2=76
3
nF
4
Q3=b+ p
f
3
5035
4
Q3=79,5+7
8
Q3=79,5+2,2
Q3=81,7
b. Desil (D)
Untuk data berkelompok, desil dirumuskan
[ ]
i
nF
10
Di=Bb+ p
fD
1
Keterangan
i = 1,2,3,....9
Bb = batas bawah kelas interval yang mengandung Di
45
p = panjang kelas
n = banyak data
F = Frekuensi kumulatif seebelum Di
fD
= Frekuensi kelas interval yang mengandung Di
c. Persentil (P)
Untuk data berkelompok, persentil dirumuskan
i
nF
100
Pi=Bb+ p
fD
1
Keterangan
i = 1,2,3,....9
Bb = batas bawah kelas interval yang mengandung Pi
p = panjang kelas
n = banyak data
F = Frekuensi kumulatif seebelum Pi
fD
= Frekuensi kelas interval yang mengandung Pi
Contoh
Perhatikan data berkelompok berikut , hitunglah P10
Nilai
52 58
59 65
66 72
73 79
80 86
87 93
94 100
Jumlah
Frekuensi
2
6
7
20
8
4
3
50
Jawab
46
i
nF
100
Pi=Bb+ p
fD
1
10
502
100
P10=58,5+7
6
P10=58,5+3,5
P10=62
Jadi P10 dari data diatas adalah 62
III.
Ukuran Penyebaran
A. Pengertian Ukuran Penyebaran
Ukuran penyebaran adalah suatu ukuran yang menyatakan seberapa besar nilai-nilai data
berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar penyimpangan nilainilai data dengan nilai pusatnya.
B. Macam macam Ukuran Penyebaran
1. Rentangan ( Range )
R= X max X min
Keterangan
R = Rentangan (R)
Xmax = Nilai data terbesar
Xmin = Nilai data terkecil
2. Rentangan antar kuartil
RAK =Q3Q1
Keterangan
RAK = Rentangan antar kuartil
Q3 = kuartil ke 3
47
Q1 = kuartil ke 1
3. Simpangan Rata-rata
n
|x ix|
SR= i=1
Keterangan
SR = Simpangan rata-rata
x = Data ke-i
x
= Rataan hitung
n = Banyak data
4. Simpangan Baku
a. Untuk Data Tunggal
S=
|x i x|
i=1
S=
|x i x|
i=1
n1
Keterangan
s = Simpangan baku
xi = data ke-i
n = jumlah data
b. Untuk data Berkelompok
S=
fi x
2
i
( f i xi )
fi
1
i
Keterangan
s = Simpangan baku
= Frekuensi ke-i
x = Rata-rata
xi = Titik tengah data ke-i

5. Varians
48
|x ix|
S 2= i=1
6. Angka Baku
Angka baku adalah perubahan yang dipergunakan untuk membandingkan dua buah keadaan
atau lebih.
Z=
x x
S
Keterangan
Z = Angka baku
xi = data ke-i
x = rata-rata
s = simpangan baku
Contoh
Diketahui nilai ujian semester statistika kelas IV sebagai berikut
90, 80, 70, 90, 70, 100, 80, 50, 75, 70
Tentukan :
a. R
b. SR
c. Simpangan baku
Jawab :
a. Data diurutkan terlebih dahulu
50, 70, 70, 70, 75, 80, 80, 90, 90, 100
Berdasarkan data diatas, bahwa nilai terbesarnya adalah 100 sedangkan nilai terkecil
adalah 50.
R= X max X min
R=10050
R=50
49
Jadi, rentangan nilai ujian semester statistika kelas IV adalah 50.

b.
Untuk mempermudah mencari simpangan rata-rata, digunakan tabel

Nilai Ujian Semester Statistika kelas IV
Nilai (xi)
Rata-rata (
xi x
Jumlah data (n) = 10
x
50
70
70
70
75
80
80
90
90
100
xi=775
77,5
27,5
7,5
7,5
7,5
2,5
2,5
2,5
12,5
12,5
22,5
x
ix 105
x i x
n
SR=
SR=
105
=10,5
10
Jadi, simpangan rata-rata dari data diatas adalah 10,5
c. Untuk mempermudah mencari simpangan baku dan varians, kita gunakan tabel
Untuk data populasi
Nilai (xi)
Rata-rata (
x
50
70
70
70
75
80
80
90
90
100
xi=775
77,5
xi x
27,5
7,5
7,5
7,5
2,5
2,5
2,5
12,5
12,5
22,5
x
ix 105
xi x
756,25
56,25
56,25
56,25
6,25
6,25
6,25
50
156,25
156,25
156,25
x i x 2 = 1412,5
Untuk simpangan baku (populasi) :
x i x 2
n
s=
s=
1412,5
=11,8
10
Jadi simpangan baku nya adalah 11,
Contoh
Diketahui sebuah data ditribusi berikut (Nilai Ujian Statistika kelas XI)
Nilai (xi)
60-64
65-69
70-74
75-79
80-84
85-89
90-94
Frekuensi (fi)
2
6
15
20
16
7
4
f = 70
Tentukan
a. Simpangan rata-rata
b. Simpangan baku
Jawab:
Nilai
Frekuens
T.Tengah
(xi)
i (fi)
(x)
60-64
65-69
70-74
75-79
80-84
85-89
90-94
2
6
15
20
16
7
4
f
62
67
72
77
82
87
92
= 70
(
fi.x
124
402
1080
1540
1312
609
368
f i.x
= 5435
xi x
15,64
10,64
5,64
0,64
4,36
9,36
14,36
fi.(
xi x
31,28
63,84
84,6
12,8
69,76
65,52
57,44
fi.(
xi x
f.
(
2
xi x
244,6
113,2
31,8
0,4
19
87,6
206,2
xi x
489,2
679,2
477
8
304
613,2
824,8
fi . x i x 2
51
= 385,24
Rata-rata ( x =
x =
= 3395,4
fix
fi
5435
=77,6
70
a. Simpangan rata-rata
fixi x
fi
SR=
SR=
385,24
= 5,5
70
Jadi, simpangan rata-rata dari data tersebut adalah 5,5

b. Simpangan baku
s=
fi (xi x )2
fi
s=
3395,4
=6,9
70
Jadi, simpangan baku dari data diatas adalah 6,9
52
KESIMPULAN
Ukuran pemusatan adalah nilai tunggal dari data yang dapat memberikan gambaran yang lebih
jelas dan singkat tentang pusat data yang juga mewakili seluruh data. Terdiri dari rata-rata hitung, ratarata ukur, rata-rata harmonis, modus dan median.
Ukuran penyebaran adalah suatu ukuran yang menyatakan seberapa besar nilai-nilai data
berbeda atau bervariasi dengan nilai ukuran pusatnya atau seberapa besar penyimpangan nilai-nilai data
dengan nilai pusatnya. Terdiri daru Rentangan, Rentangan Antar Kuartil, Simpangan Rata-rata,
Simpangan Baku, Varians dan Angka Baku.
53
BAB V
UKURAN KERUNCINGAN
A. PENGERTIAN UKURAN KERUNCINGAN
Kurtosis (ukuran keruncingan) adalah derajat kepuncakan dari suatu distribusi,
biasanya diambil relatif terhadap distribusi normal.
B. DERAJAT KERUNCINGAN DISTRIBUSI FREKUENSI
Dilihat dari segi keruncingannya, kurva distribusi frekuensi dapat digolongkan
menjadi tiga golongan, yaitu :
1. Kurva Leptokurtik
Kurva leptokurtik adalah kurva distribusi yang sangat runcing dan nilainilai datanya sangat terpusat di sekitar nilai rata-rata. Perhatikan gambar di
bawah :
Gambar Kurva Leptokurtik

2. Kurva Mesokurtik
Kurva mesokurtik adalah kurva yang kemiringannya sedang dan
merupakan penggambaran dari suatu distribusi normal. Perhatikan gambar
di bawah :
54
Gambar Kurva Mesokurtik

3. Kurva Platikurtik
Kurva platikurtik adalah kurva yang betuknya mendatar dan nilai-nilai
datanya tersebar secara merata sampai jauh dari rata-ratanya. Perhatikan
gambar di bawah :
Gambar Kurva Platikurtik

Untuk mengetahui apakah suatu kurva distribusi merupakan leptokurtik,
mesokurtik, atau platikurtik, kita dapat menggunakan suatu ukuran keruncingan atau
koefisien kurtosis. Untuk menghitung tingkat keruncingan suatu kurva dipergunakan
rumus 4 yang di rumuskan berikut ini :

1. Data Tidak Berkelompok
4
n
4
( xi x )
m 1
4= 4 =
4
n i =1
S
S
55
Keterangan :
4=koefisienkurtosis
x i=nilai datake i
x =Nilai ratarata
n=banyaknya data
S=simpangan standar
2. Data Kelompok
n
1
( f i ( x ix )4 )
4
n
m
4= 4 = i=1
S
S4
Keterangan :
4=koefisienkurtosis
x i=nilai datake i
x =Nilai ratarata
f i =frekuensi kelas kei

n=banyaknya data
S=simpangan standar
Berdasarkan koefisien kurtosisnya, jenis kurvanya dikategorikan sebagai berikut :

1. Jika
4 >3
, kurvanya runcing (liptokurtik)
2. Jika
4=3
, kurvanya distribusi normal (mesokurtik)
3. Jika
4 <3
, kurvanya agak datar (platikurtik)
Contoh :
Diketahui data kunjungan ke Perpustakaan di SMU H selama 100 hari adalah sebagia
berikut
Kelas
Frekuensi
56
1-5
6-10
11-15
16-20
21-25
26-30
31-35
36-40
41-45
Jumlah
1
7
12
20
24
16
11
6
3
100
Hitunglah koefisien keruncingan dan tentukan jenis kurvanya !

Jawab :
Kelas
xi
ci
fi
cifi
1-5
-4
-4
6-10
-3
-21
11-15
13
-2
12
-24
16-20
18
-1
20
-20
21-25
23
24
26-30
28
16
16
31-35
33
11
22
36-40
38
18
41-45
43
12
100
-1
Jumlah
Pertama tentukan rata-rata data tersebut
x 0=23
P= 5
57
c =
ci f i
fi
c =
1
=0,01
100
x =x 0+ P c
x =23+5 (0,01 )=230,05=22,95 (dibulatkan menjadi 23)
Kelas
xi
1-5
6-10
11-15
16-20
3
8
13
18
21-25
26-30
31-35
36-40
41-45
Jumla
( x i x )
-20
-15
-10
-5
fi
( x i x )
( x i x ) f i
400
225
100
25
1
7
12
20
400
1575
1200
500
23 0
28 5
33 10
0
25
100
24
16
11
0
400
1100
38 15
43 20
225
400
6
3
100
1350
1200
7725
h
S=
1
( x i x ) 2 f i
n
S=
1
(7725)= 77,25=8,8
100
Kelas
xi
1-5
6-10
11-15
3
8
13
(x i x )
-20
-15
-10
fi
1
7
12
( x i x )4
160000
50625
10000
( x i x )4 f i
160000
354357
120000
58
16-20
21-25
26-30
31-35
36-40
41-45
Jumlah
18
23
28
33
38
43
-5
0
5
10
15
20
20
24
16
11
6
3
100
625
0
625
10000
50625
160000
12500
0
10000
110000
303750
480000
1550607
1
( f i ( x ix )4 )
4
n
m
4= 4 = i=1
S
S4
1
155060607
100
4=
( 8,8)4
4=
1550606,07
5996,9536
4=2,585=2,6
4 <3 maka kurvanyaagak sedikir datar dengan jenis kurva platikurtik .
59
Kesimpulan
Kurtosis (ukuran keruncingan) adalah derajat kepuncakan dari suatu distribusi, biasanya diambil
relatif terhadap distribusi normal.
Dilihat dari segi keruncingannya, kurva distribusi frekuensi dapat digolongkan menjadi tiga
golongan, yaitu : Kurva leptokurtik adalah kurva distribusi yang sangat runcing dan nilai-nilai datanya
sangat terpusat di sekitar nilai rata-rata. Kurva mesokurtik adalah kurva yang kemiringannya sedang
dan merupakan penggambaran dari suatu distribusi normal. Kurva platikurtik adalah kurva yang
betuknya mendatar dan nilai-nilai datanya tersebar secara merata sampai jauh dari rata-ratanya.
60
BAB VI
DISTRIBUSI BINOMIAL DAN POISSON
A DISTRIBUSI BINOMIAL
Percobaan Binomial adalah suatu percobaan yang terdiri dari beberapa usaha, yang mana setiap usaha
memiliki dua kemungkinan hasil yaitu berhasil dan gagal. Misalnya, dalam perlemparan sekeping uang
logam sebanyak 5 kali, hasil setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila
kartu diambil berturut-turut, kita dapat memberi label berhasil bila kartu yang terambil adalah kartu
merah atau gagal bila yang terambil adalah kartu hitam. Ulangan-ulangan tersebut bersifat bebas dan
peluang keberhasilan setiap ulangan tetap sama, yaitu sebasar .
Adapun syarat percobaan atau distribusi binomial adalah sebagai berikut:
1. Jumlah percobaan merupakan bilangan bulat. Contoh:melambungkan koin 2 kali, tidak mungkin 2
2.
kali.
Setiap eksperimen mempunyai duahasil. Contoh: sukses atau gagal, laki-laki atau perempuan, sehat
3.
atau sakit.
Peluang sukses sama setiap ekperimen. Contoh: Jika sebuah dadu, yang diharapkan adalah keluar mata
lima, maka dikatakan peluang sukses adalah 1/6, sedang kanpeluang gagal adalah 5/6. Untuk itu
peluang sukses dilambangkan p, sedang kan peluang gagal adalah (1 - p) atau biasa juga dilambangkan
q, di manaq = 1- p.
(N )
Distribusi Binomial dirumuskan ( x )=P ( X=x )= x p (q)
Banyak percobaan
Banyak kejadian sukses
Peluang sukses
q=1 p
Peluang gagal
( Nx )
Banyak kejadian gagal
Nx
; dengan:
Contoh Soal:
Probabilitas seorang bayi tidak di imunisasi polio adalah 0,2 (p). Pada suatu hari di Puskesmas
X ada 4 orang bayi.Hitung lah peluang dari bayi tersebut 2 orang belum imunisasi polio.
Jadi, di dalam kejadian binomial ini dikatakan b (x=2, n=4, p=0,2) => b (2, 4, 0,2)
61
Penyelesaian soal:
Katakanlah bayi tersebut A,B,C,D. Dua orang tidak diimunisasi mungkin adalah A&B, A&C, A&D,
B&C, B&D, C&D.
Rumus untuk b (x,n,p) adalah:
B DISTRIBUSI POISSON
Distribusi Poisson adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa
yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang
saling bebas sejak kejadian terakhir. Distribusi poisson ini juga dapat digunakan untuk jumlah kejadian pada
interval tertentu seperti jarak, luas, atau volume.
Apabila nilai harapan kejadian pada suatu interval adalah , maka probabilitas terjadi peristiwa
sebanya kx kali (x adalah bilangan bulat non negatif, x = 0, 1, 2, ...)maka sama dengan
P ( X )=P ( X =x ) =
e x
x!
Dimana e adalah basis logaritma natural

1
2
3
(e=2,71828 )
Adapun ciri-ciri dari distribusi poisson adalah sebagai berikut:

Percobaan di satu selang tertentu tak bergantung pada selang lain.
Peluang terjadi nya satu percobaan singkat atau pada daerah yang kecil (jarang terjadi).
Peluang lebih dari satu hasil percobaan akan terjadi dalam selang waktu singkat tertentu, dapat
diabaikan.
Contoh soal :
Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika probabilitas
penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka berapakah peluang ada 3
orang yang tidak datang.
Rata rata seorang sekretaris baru melakukan lima kesalahan mengetik per halaman. Berapakah
peluang bahwa pada halaman berikut ia :
a) Tidak ada kesalahan ( x = 0 )
b) Tidak lebih dari tiga kesalahan ( x 3) atau ( 0,1,2,3 )
c) Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,,15)
62
Jawab :
a) Dik :
=5
a. x = 0
P( x ;
e x
x!
)=
2.718285 50
= 0.0067
0!
P( 0 ; 5 ) =
b. x 3 ; P( x ;
)=
e x
x!
P (x 3 , 5) = P( x 1, ) +.+p(x3, )
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %
c. X > 3 ; P( x ;
)=
e x
x!
P (X >3 , 5) = P( X 4, ) +.+p(X 15, )

= P( 4, 5 ) + P (5, 5 ) + + P ( 15, 5 ) atau
P (X >3 , 5) = 1 [P ( X 3 , 5 ) ]
= 1 [ P ( X 0, ) +.+ p (X 3, ) ]
= 1 [ P ( 0, 5 ) +.+p ( 3, 5 ) ]
= 1 [ 0.2650 ]
= 73.5 %
63
KESIMPULAN
Probabilitas
dapat
membantu
kita
dalam
mengambil
keputusan.
Misalnya
seperti
memperkirakan mana yang lebih banyak peluang gagal atau sukses dari sebuah usaha yang dilakukan.
Percobaan Binomial adalah suatu percobaan yang terdiri dari beberapa usaha, yang mana setiap
usaha memiliki dua kemungkinan hasil yaitu berhasil dan gagal. Percobaan tersebut disebut dengan
tindakan Bernoulli atau percobaan Bernoulli (Bernoulli trial)
Distribusi Poisson adalah distribusi probabilitas diskret yang menyatakan peluang
Jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan
dalam waktu yang saling bebas sejak kejadian terakhir
64
BAB VII
DISTRIBUSI NORMAL
I.
Pengertian Distribusi Normal

Distribusi normal adalah salah satu distribusi teoritis dan variabel random kontinu. Distribusi
normal sering disebut distribusi Gauss, sesuai nama pengembangnya, yaitu Karl Gauss
II.
Ciri-ciri Distribusi Normal

x= .
a. Berbentuk lonceng simetris terhadap
1
f ( x )=
e
2
1 x
2
( )
Keterangan
= nilai konstan yaitu = 3,1416
e = nilai konstan yaitu = 2,7183
= parameter yang merupakan rata-rata distribusi
= parameter yang merupakan simpangan baku distribusi
(Usman Husaini dan R. Purnomo, 2006:106).

Jika x mempunyai bentuk
< x < , maka disebut variabel acak X berdistribusi
normal. Rumus di atas dapat digambarkan sebagai berikut:
Kurva Normal
65
1. Grafiknya selalu berada di atas sumbu absis X.

2. Mempunyai modus, jadi kurva unimodal tercapai pada
x==
0,3939
.
3. Grafiknya mendekati (berasimtutkan) sumbu absis X dimulai dari

kanan dan
x=3
x=+3
ke
ke kiri.
4. Luas daerah grafik selalu = satu unit persegi

b. Bentuk Kurva Normal
a. Normal Umum
Di mana:
=simpangan baku
=ratarata
3 2 + +2 +3
Kurva Normal Umum

b. Normal Baku (Standar)
Kurva Normal Baku
66
Menurut Husaini Usman dan R. Purnomo (2006:107-108), perubahan dari bentuk normal
umum menjadi normal baku dilakukan dengan langkah-langkah berikut:
X
1. Cari zhitung dengan rumus: z=
2. Gambar kurvanya.
3. Tuliskan nilai zhitung pada sumbu X di kurve di atas dan tarik garis dari titik z hitungke atas
sehingga memotong garis kurve.
4. Luas yang terdapat dalam tabel merupakan luas daerah antara garis tegak ke titik 0 di
tengah kurve.
5. Carilah tempat nilai z dalam tabel normal.
6. Luas kurve normal = 1, karena =0 , maka luas dari 0 ke ujung kiri = 0,5. Luas dari
0 ke titik kanan = 0,5.
Jika z bilangan bulat, maka luas daerah (dalam %) adalah sebagai berikut:
Gambar 4. Kurva Normal Baku dalam %

Jika z bukan bilangan bulat, maka luas daerahnya dicari dengan menggunakan tabel
kurva normal baku.
III.
Cara Menggunakan Tabel Kurva Normal Baku

a. Hitung nilai z hingga dua desimal
b. Gambarkan sketsa kurvanya
67
c. Tentukan nilai z pada sumbu z, kemudian buatlah garis tegaklurus sumbu z melaui z=0
sehingga membagi luas kura nya sama besar. Nilai z ada 2 kemungkinan yaitu positif dan
negatif.
d. Luas yang tertera dalam daftar F adalah luas daerah antara garis yang tegaklurus sumbu Z
melalui titik z = 0 dan lengkungan kura.
e. Dalam daftar F , dibawah kolom Z, carilah nilai Z sampaidengan 1 desimal sedangkan
desimal yang kedua didapat pada baris paling atas
f. Dari nilai daerah desimal yang terdapat pada kolom paling kiri ditelusuri, maju ke kanan
dan dari nilai z di baris atas ditelusuri turub ke bawah sehingga seolah-olah bertemu di titik
koordinat , maka pertemuan pada titik koordinat itulah bilangan yang merupakan luas yang
dicari.
Misalkan z = 0,23
68
Akan diperoleh antara z- 0,23 luas daerahnya sama dengan 0,0910 kira-kira sama dengan
9,1 %
Tabel daftar distribusi normal standar untuk 0 Z
69
Contoh
Carilah luas daerah, dan gunakan Dftar F tadi. Antara z=0 dan z=1,25
Penjelasan
Pada kolom z cari 1,2 kemudian ikuti ke kanan hingga bertemu dengan bilangan yang
terdapat di bawah kolom angka 5. Bilangan yang dimaksud adalah 0,3944.
Maka luas daerah yang dicari adalah daerah yang di arsir yaitu 0,3944 atau 39,44 %
70
IV.
Rata-rata, varians, dan simpangan baku distribusi normal

Distribusi normal memiliki rata-rata, varians, dan simpangan baku sebagai berikut.
a. Rata-rata;
=
X
n
b. Varians;
(X)2
=
2
c. Simpangan baku;
( X)2
=
n
71
KESIMPULAN
Distribusi normal merupakan salah satu distribusi teoritis dan variabel random kontinu. Dimana
kurvanya merupakan kurva normal. Keluarga distribusi normal memiliki jumlah yang banyak sekali,
akibat pengaruh rata-rata simpangan baku. Akan tetapi, untuk mencari probabilitas suatu interval dari
variabel random kontinu dapat dipermudah dengan menggunakan bantuan distribsui normal standar.
Menghitung luas daerah kurva normal dapat menggunakan Tabel Kurva Normal Baku.
72
BAB VIII
UJI NORMALITAS DAN HOMOGENITAS
A. UJI NORMALITAS
Uji distribusi normal adalah uji untuk mengukur apakah data yang didapatkan memiliki
distribusi normal sehingga dapat dipakai dalam statistik parametrik (statistik inferensial). Dengan kata
lain, uji normalitas adalah uji untuk mengetahui apakah data empirik yang didapatkan dari lapangan itu
sesuai dengan distribusi teoritik tertentu. Dalam kasus ini, distribusi normal. Dengan kata lain, apakah
data yang diperoleh berasal dari populasi yang berdistribusi normal.
Ada
a.
banyak
cara
untuk
menguji
normalitas,
antara
lain:
Uji normalitas Chi Square (Chi kuadrat)
Uji chi-kuadrat atau Chi square digunakan jika ukuran sampel 30 data atau lebih (n 30). Metode
Chi-Square atau uji goodness of fit distribution normal ini menggunakan pendekatan penjumlahan
penyimpangan data observasi tiap kelas dengan nilai yang diharapkan. Uji normalitas data dengan
teknik chi-kuadrat digunakan untuk menguji normalitas data yang disajikan secara kelompok.
Rumus :
(O iEi )2
X =
Ei
2
Keterangan :
X 2=Nilai x 2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N (total
frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)
Persyaratan Metode Chi Square (Uji Goodness of fit Distribusi Normal)

a. Data tersusun berkelompok atau dikelompokkan dalam tabel distribusi frekuensi.
73
b. Cocok untuk data dengan banyaknya angka besar ( n > 30 )

c. Setiap sel harus terisi, yang kurang dari 5 digabungkan.
Signifikansi:
Signifikansi uji, nilai X2 hitung dibandingkan dengan X2 tabel (Chi-Square).
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Contoh :
Diambil Data Nilai Ujian Matematika siswa kelas X SMA N 1 Bayung Lencir
Skor
Frekuensi
27-33
34-40
41-47
13
48-54
15
55-61
13
62-68
11
69-75
Jumlah
64
Selidikilah dengan
= 5%, apakah data tersebut di atas berdistribusi normal ? (Mean = 51,77;
Standar deviasi = 10,14)

Jawab :
Langkah-langkah untuk menguji normalitas dengann Chi Square:
1. Hipotesis :
74
Ho : Populasi nilai ujian matematika siswa berdistribusi normal

H1 : Populasi nilai ujian matematika siswa tidak berdistribusi normal
2. Nilai
Nilai = level signifikansi = 5% = 0,05
3. Rumus Statistik Penguji
(O iEi )2
2
X =
Ei
Kelas Interval
27-33
34-40
41-47
48-54
55-61
62-66
69-75
Batas
Z batas
Luas Z
Kelas
kelas
Tabel
26,5
33,5
40,5
47,5
54,5
61,5
68,5
75,5
-2,49
-1,80
-1,11
-0,42
0,27
0,96
1,65
2,34
Jumlah
0,4936
0,4641
0,3665
0,1628
0,1064
0,3315
0,4505
0,4904
Ei
Oi
1,89
6,25
13,04
7,23
14,41
7,62
2,55
1
9
13
15
13
11
(OiEi )2
Ei
0,41
1,21
0,00012
0,29
0,14
1,5
0,12
64
3,67
4. Derajat Bebas
Df = ( k =panjang kelas) 3 ) = ( 7 3 ) = 4
5. Nilai Tabel
Nilai tabel X2 ; = 0,05 ; df = 4 ; = 9,49. Tabel X2 (Chi-Square) pada lampiran.
6. Menentukan daerah penolakan
Menggunakan Rumus :
Jika nilai X2 hitung < nilai X2 tabel, maka Ho diterima ; Ha ditolak.
Jika nilai X2 hitung > nilai X2 tabel, maka maka Ho ditolak ; Ha diterima.
Maka :
|3,67 | < |9,49| ; berarti Ho diterima, Ha ditolak
7. Kesimpulan
Populasi nilai ujian matematika siswa berdistribusi normal
75
b.
Uji Liliefors
Uji Normalitas dengan uji liliefors apabila data masih disajikan secara individu, maka uji
normalitas data sebaiknya dilakukan dengan Uji Liliefors, karena uji Liliefors jauh lebih teliti
dibandingkan dengan Uji Chi-Kuadrat.
Rumus yang digunakan adalah sebagai berikut.
Metode Lilliefors menggunakan data dasar yang belum diolah dalam table
distribusi frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal
sebagai probabilitas komulatif normal.
Rumus:
X X
Z i= i
s
keterangan :
Xi = data / nilai
X = rata- rata (mean)
s = standar deviasi
Hipotesis dari uji Liliefors:
Ho : Sampel berdistribusi normal
Hi : Sampel tidak berdistribusi normal
Kriteria:
Jika Lhitung, < L tabel maka terima Ho dan tolak Hi
Jika Lhitung, > L tabel maka tolak Ho dan terima Hi
c. Uji normalitas Kolmogorov-Smirnov

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-langkah
penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda. Signifikansi metode
Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-Smirnov, sedangkan metode
Lilliefors menggunakan tabel pembanding metode Lilliefors.
76
No
Xi
Z i=
X i X
s
FT
Fs
|F TFs|
1
2
3
4
dst
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
FT = Probabilitas kumulatif normal
FT
= Probabilitas kumulatif empiris
Persyaratan:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.
Signifikansi:
Signifikansi uji, nilai |
FT
Fs| terbesar dibandingkan dengan nilai tabel Kolmogorov Smirnov.
Jika nilai |
FT
Fs| terbesar < nilai tabel Kolmogorov Smirnov, maka Ho diterima ; Ha ditolak.
Jika nilai |
FT
Fs| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho ditolak ; Ha diterima.
Tabel Kolmogorov Smirnov pada lampiran 5, Harga Quantil Statistik Kolmogorov Distribusi
Normal.
Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengikuti pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random, didapatkan data
sebagai berikut :
78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78, 77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97
.
Selidikilah dengan = 5%, apakah data tersebut di atas diambil dari populasi yang berdistribusi
normal ?
Penyelesaian:
a. Hipotesis
77
Ho : Populasi berat badan mahasiswa berdistribusi normal

H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
b. Nilai
Nilai = level signifikansi = 5% = 0,05
c. Statistik Penguji
No
Xi
Z i=
X i X
s
FT
Fs
|F TFs|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
67
-1,3902
0,0823 0,0741
0,0082
67
-1,3902
68
-1,2929
0,0985 0,1111
0,0126
69
-1,1957
0,1151 0,1481
0,0330
70
-1,0985
0,1357 0,2222
0,0865
70
-1,0985
72
-0,904
0,1841 0,2963
0,1122
72
-0,904
77
-0,4178
0,3372 0,3704
0,0332
77
-0,4178
78
-0,3205
78
-0,3205
0,3745 0,5185
0,1440
78
-0,3205
78
-0,3205
80
-0,1261
0,4483 0,5556
0,1073
82
0,06843
0,5279 0,5926
0,0647
84
0,26291
0,6025 0,6025
0,0271
87
0,55463
0,7088 0,7088
0,0421
88
0,65188
0,7422 0,7422
0,0385
89
0,74912
0,7734 0,7734
0,0327
90
0,84636
0,8023 0,8148
0,0125
90
0,84636
95
1,33256
0,9082 0,5190
0,3892
97
1,52704
97
1,52704
0,9370 0,9630
0,0260
97
1,52704
98
1,62429
0,7474 1,0000
0,2526
F Fs| tertinggi sebagai angka penguji normalitas, yaitu 0,1440
Nilai | T
d. Derajat Bebas
Df tidak diperlukan.
e. Nilai Tabel
Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ; yaitu 0,254. Tabel Kolmogorov Smirnov
pada lampiran.
f. Daerah Penolakan
Menggunakan rumus
| 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
78
g. Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal dengan = 0,05.
B. UJI HOMOGENITAS
Uji homogenitas merupakan uji perbedan antara dua atau lebih populasi. Semua karakteristik
populasi dapat bervariasi antara satu populasi dengan yang lain. Dua di antaranya adalah mean dan
varian (selain itu masih ada bentuk distribusi, median, modus, range, dll).
Uji homogenitas bertujuan untuk mengetahui apakah varians skor yang diukur pada kedua
sampel memiliki varians yang sama atau tidak. Populasi-populasi dengan varians yang sama besar
dinamakan populasi dengan varians yang homogen, sedangkan populasi-populasi dengan varians yang
tidak sama besar dinamakan populasi dengan varians yang heterogen.
Menguji Homogenitas Varians Populasi
Perhatikan data nilai matematika siswa kelas A dan kelas B berikut ini:
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Nilai
Kelas
Kelas
A
B
5
5
6
5
9
9
8
6
10
10
9
6
8
9
9
9
9
9
10
10
10
10
8
8
10
10
6
2
7
6
9
10
9
9
8
10
9
9
10
10
79
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
9
10
9
7
8
9
10
5
8
9
10
7
6
8
8
10
10
10
6
10
10
9
3
8
9
10
6
4
3
8
80
Untuk melakukan uji homogenitas data tersebut.Ada dua macam uji

homogenitas untuk menguji kehomogenan dua atau lebih variansi yaitu :
1. Uji Bartlett
Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama
maupun tidak sama (n yang sama maupun n yang berbeda) untuk tiap
kelompok.
Untuk menguji kesamaan beberapa buah rata-rata, dimisalkan populasinya
mempunyai varians yang homogen, yaitu
21= 22== 2k . Demikian
untuk menguji kesamaan dua rata-rata, telah dimisalkan
21= 22 , akan
diuraikan perluasannya yaitu untuk menguji kesamaan k buah (k2) buah

populasi berdistribusi independen
dan normal masing-masing dengan
2
2
2
varians 1 , 1 , , k . Akan diuji hipotesis :
H0 : 21= 22 == 2k
H1 : paling sedikit satu tanda sama dengan tidak berlaku
Berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap
populasi.Metode yang akan digunakan untuk melakukan pengujian ini
adalah dengan uji Bartlett. Kita misalkan masing-masing sampel
n 1 , n1 , , nk
berukuran
Yij (i=1,2, , kdanj=1,2, , n k )
dengan
data
dan hasil pengamatan telah disusun
dalam daftar :
DARI POPULASI
KE
1
2 k
Y1 1 Y21 . Yk1
Data hasil
pengamat
Y1 2 Y22 . Yk 2
an
Y1 n Y2 n . Yk n
1
selanjutnya,
dari
sampel-
sampel itu akan kita hitung

variansnya
masing-masing
2
2
2
adalah s 1=s2==s k .
Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk uji

Bartlett lebih baik disusun dalam sebuah daftar seperti :
Sampe
l ke
dk
n 11
1
2
.
.
.
n21
.
.
1
dk
s 21
(n 11
1
s 21
1
(n 21
k
n k 1
(n k 1
1
Log
s 21
2
(dk) log s 1
(n 11 log s 21
Log
s 21
s 22
(n 21 log s 2k
Log
.
.
.
s 22
.
2
sk
.
.
.
2
(n k 1 log s k
.
Log
s 2k
nk 1
jumlah
(n k 1
1
Dari daftar ini kita hitung harga-harga yang diperlukan, yakni :
( ( n11 ) s 2i )
s=
( n i1 )
2
Harga satuan B dengan rumus :

s
log ( ni 1 )
B=
Untuk uji Bartlet digunakan statistik chi-kuadrat.
(n k 1
log s2k
10
ln { B ( ni1 ) log s2i }
x2 =
Dengan ln 10 = 2,3026, disebut logaritma asli dari bilangan 10.
Dengan taraf nyata , kita tolak hipotesis
2
x (1 )(k1)
dimana
H0
jika
x x( 1 )(k1) ,
didapat dari daftar distribusi chi-kuadrat dengan
peluang (1-) dan dk = ( k-1).

x
Jika harga
x
yang dihitung dengan rumus di atas ada di atas harga
dari daftar dan cukup dekat kepada harga tersebut, biasanya
dilakukan koreksi terhadap rumus dengan menggunakan faktor koreksi K

sebagai berikut :
1
K=1+
3( k1)
i=1
1
( n 1
) n1 1 }
i
x 2 yang dipakai sekarang ialah :
Dengan faktor koreksi ini, statistik

x 2K =(
1 2
)x
K
Dengan
x2
di ruas kanan dihitung dengan rumus . dalam hal ini,
hipotesis
H0
ditolak jika
x K x( 1 )(k1)
Prosedur pengujian hipotesis :

1) Menentukan formulasi hipotesis
H0 : 21= 22 == 2k
H1 : paling sedikit satu tanda sama dengan tidak berlaku
2) Menentukan taraf nyata () dan

x
2
tabel
dimana
2
tabel
x 2tabel
=x (1 )(k1) didapat dari daftar distribusi chi-
kuadrat dengan peluang (1-) dan dk = ( k-1).

3) Menentukan kriteria pengujian:
2
Ho diterima jika
x < x (1 )(k1)
Ho ditolak jika
x 2 x2( 1 )(k1)
4) Menentukan uji statistik

10
2
ln { B ( ni1 ) log si }
2
x =
5) Menarik kesimpulan
Contoh soal :
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
2
2
( xi )
2 xi
Dengan rumus varians s i = n 1 n (n 1)
i
i
i
Dari data diperoleh :
s 21= 2,114286
2
s 2= 5,878992
1.
H0 : 21= 22
H1 : 21 22
(homogen)
(tidak homogen)
2. Taraf nyata (=5%) dan
x 2 tabel
x 2 tabel= x 2 (1 )( k 1 )
x 2 ( 10,05 )( 1 )
x 2 ( 0,95 ) ( 1 )
3,81
3. Kriteria pengujian
H0 diterima, jika
H0
x hitung< x tabel
2
x hitung x tabel
ditolak, jika
4. Menentukan uji statistik

Uji statistik :
a. Varians gabungan dari semua sampel
2
2 ( ni 1 ) s i
s=
( n i1 )
34 ( 2,114286 ) +34 ( 5,878992 )

34+34
71,88571+199,8857
68
271,7715
68
=3,996639
b. Harga satuan B
2
Log s =log 3,996639
=0,601695
( n i1)=40,91525
2
2
B=( log s )
i=1
c. Harga X2
10
ln {B ( ni1 ) log s2i }
x 2 hitung=
2,3026 ( 40,9152537,21186 )
2,3026 ( 3,703388 )=8,527437
d. Kesimpulan
2
2
Karena x hitung=8,527437 3,81=x tabel
maka H0 ditolak.
Jadi data tidak berasal dari populasi yang homogen dalam
taraf nyata 0,05. Jadi kedua sampel memiliki varians tidak homogen
sehingga kedua sampel tersebut tidak homogen.
2. Uji Harley Pearson
Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama (n
yang sama ) untuk tiap kelompok, misalkan kita mempunyai dua populasi
2
2
normal dengan varians 1 dan 2 , akan diuji mengenai uji dua pihak
untuk pasangan hipotesis nol
H0
dan tandingannya
H1
H0 : 21= 22
H1 : 21
Berdasarkan sampel acak yang masing-masing secara independen diambil
dari populasi tersebut. Jika sampel dari populasi kesatu berukuran
dengan varians
s 21
dengan varians
s2
statistik
s21
F= 2
s2
dan sampel dari populasi kedua berukuran
n1
n2
maka untuk menguji hipotesis di atas digunakan
Kriteria pengujian adalah : diterima hipotesis

F( 1 )(n 1) < F <F 1
1
H0
jika
(n11,n21)
untuk taraf nyata , dimana
F (m ,n)
didapat dari daftar distribusi F
dengan peluang , dk pembilang = m dan dk penyebut = n.

H0
dalam hal lainnya
ditolak.
Statistik lain yang digunakan untuk menguji hipotesis
F=
H0
adalah
Varians terbesar
Varians terkecil
Prosedur pengujian hipotesis :
1) Menentukan formulasi hipotesis
H0 : 21= 22
H1 : 21
2) Menentukan taraf nyata () dan

Ftabel
Ftabel
(n 11) , dan
ditentukan dengan , derajat bebas pembilang
Ftabel =F 1
(n 1, n 1)
derajat penyebut (n 21) dengan rumus
2
1
3) Menentukan kriteria pengujian:

Ho diterima jika
F( 1 )(n 1) < F <F 1

1
(n11,n21)
Ho ditolak jika
F( 1 )(n 1) F = F 1
1
F( 1 )(n 1) F = F 1
1
(n1 1, n21)
atau
(n 11, n21)
4) Menentukan uji statistik

F=
F=
s21
s22
Varians terbesar
Varians ter k ecil
5) Menarik kesimpulan
Contoh soal :
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
1. Hipotesis
(homogen)
H0 : 21= 22 H1 : 21 22
(tidak homogen)
2. Menentukan taraf nyata () dan

Ftabel
Ftabel
ditentukan dengan = 5%, derajat bebas pembilang
( n 11 ) =34 , dan derajat penyebut

Ftabel =F 1
2
( n 21 ) =34
=F0,05(34,34)=1,77
(n 11, n 21)
3. Kriteria pengujian:
Ho diterima jika
F( 1 )(n 1) < F <F 1

1
(n11,n21)
dengan rumus
Ho ditolak jika
F( 1 )(n 1) F = F 1
1
F( 1 )(n 1) F = F 1
1
(n1 1, n21)
atau
(n 11, n21)
4. Uji statistik
2
s1 5,878992
F = 2=
=2,780604
s2 2,114268
5. Kesimpulan
Fhitung =2,780604 1,77 F tabel
Karena
maka H0 ditolak. Jadi data
tidak berasal dari populasi yang homogendalam taraf nyata 0,05. Jadi
kedua sampel memiliki varians tidak homogen sehingga kedua
sampel tersebut tidak homogen.
BAB IX
UJI HIPOTESIS
A. PENGERTIAN HIPOTESIS STATISTIK

Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo
berarti lemah, kurang atau di bawah, dan thesis berarti teori, proposisi, atau
pernyataan yang sajikan dengan bukti. Jadi, hipotesis dapat diartikan sebagai
suatu anggapan yang mungkin benar dan sering digunakan sebagai dasar
pembuatan keputusan/pemecahan masalah atau untuk dasar penelitian lebih
lanjut.
Hipotesis juga merupakan suatu pernyataan atau dugaan yang masih
lemah
kebenarannya
sehingga
masih
harus
diuji
terlebih
dahulu
menggunakan teknik tertentu. Suatu hipotesis bisa juga salah, untuk itu harus
diuji terlebih dahulu menggunakan data-data observasi. Suatu hipotesis
dirumuskan berdasarkan teori, dugaan, pengalaman pribadi/orang lain, kesan
umum, ataupun kesimpulan yang masih sangat sementara.
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan
populasi yang sifatnya masih sementara atau lemah kebenarannya. Atau
dengan kata lain, jika suatu pernyataan dibuat untuk menjelaskan nilai
parameter populasi, maka hal pernyataan ini juga disebut hipotesis statistik.
B. Konsephipotesis
Menurut Kerlinger (1973:18) dan Tuckman (1982:5) mengartikan
hipotesis adalah sebagai dugaan terhadap hubungan antara dua variable atau
lebih. Selanjutnya menurut Sudjana (1992:219) mengartikan hipotesis adalah
asumsi atau dugaan mengenai suatu hal yang dibuat untuk menjelaskan halitu
yang sering dituntut untuk melakukan pengecekan nya. Atas dasar dua definisi
diatas, maka dapat disimpulkan bahwa hipotesis adalah jawaban atau dugaan
sementara yang harus diuji lagi kebenarannya.
Hipotesis penelitian adalah hipotesis kerja (Hipotesis Alternatif Ha atau H 1)
yaitu hipotesis yang dirumuskan untuk menjawab permasalahan dengan
menggunakan teori-teori yang ada hubungan nya (relevan) dengan masalah
penelitian dan belum berdasarkan fakta serta dukungan data yang nyata
dilapangan. Hipotesisa
lternatif
(Ha)
dirumuskan
dengan
kalimat
positif. Hipotesis nol adalah pernyataan tidak adanya hubungan, pengaruh, atau
perbedaan antara parameter dengan statistik. Hipotesis Nol (Ho) dirumuskan
dengan kalimat negatif). Nilai Hipotesis Nol (Ho) harus menyatakan dengan
pasti nilai parameter.
C. PERUMUSAN HIPOTESIS
Suatu rumusan dari sebuah hipotesis digunakan sebagai petunjuk arah dalam
rancangan
penelitian,
teknik
pengumpulan,
dan
analisis
data
serta
penyimpulan. Rumusan hipotesis sebenarnya sudah dapat dibaca dari uraian

masalah, tujuan penelitian, kajian teoritik, dan kerangka pikir sehingga
rumusannya harus sejalan.
Rumusan hipotesis mempunyai ciri-ciri umum, yaitu sebagai berikut:
1. Kalimat dari rumusan hipotesis dinyatakan sebagai kalimat pernyataan
(deklaratif).
2. Rumusan hipotesis melibatkan minimal dua variabel penelitian.
3. Rumusan hipotesis mengandung suatu prediksi.
4. Suatu rumusan hipotesis harus dapat diuji (testable).
D. TIPE-TIPE HIPOTESIS
Hipotesis statistik akan diterima jika hasil pengujian membenarkan
pernyataan nya dan akan ditolak jika terjadi penyangkalan dari pernyataan
nya. Di dalam pengujian hiptesis, keputusan yang dibuat mengandung
ketidakpastian,
artinya
keputusan
bisa
benar
atau
salah,
sehingga
menimbulkan resiko. Besar kecilnya resiko dinyatakan dalam bentuk

probabilitas.
Hipotesis digolongkan menjadi 2 tipe, yaitu hipotesis nihil dan hipotesis
alternatif.
1. Hipotesis nihil/nol (Ho)
Hipotesis nihil adalah hipotesis yang menyatakan tidak adanya hubungan
antara dua variabel atau lebih atau tidak adanya perbedaan antara dua
kelompok atau lebih.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah hipotesis yang menyatakan adanya hubungan
antara dua variabel atau lebih atau adanya perbedaan antara dua kelompok
atau lebih.
E. KESALAHAN/KEKELIRUAN PENGUJIAN HIPOTESIS
Kesimpulan
Hipotesis benar
Hipotesis salah
Kekeliruan tipe II
Terima
()
hipotesis
(kuasa uji = 1
Tolak
hipotesis
Kekeliruan tipe I
(taraf signifikan
)
Di dalam menaksir parameter populasi berdasarkan data sampel,

kemungkinan akan terdapat dua kesalahan, yaitu:
Kesalahan tipe I, yaitu suatu kesalahan bila menolak Ho yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan
.
Kesalahan tipe II, yaitu suatu kesalahan bila menerima Ho yang salah
(seharusnya ditolak). Tingkat kesalahan ini dinyatakan dengan
Pembuat keputusan berusaha agar kedua tipe kesalahan di atas ditekan

sampai sekecil-kecilnya, hal ini dapat terjadi jika n meningkat.
F. FORMULASI HIPOTESIS
1. Uji Satu Pihak (Kanan)
Contoh: metode pembelajaran kostektual lebih unggul daripada metode
pembelajaran simulasi.
Ho: = o
Ho: > o
2. Uji Satu Pihak (Kiri)

Contoh: dengan metode ceramah pembiayaan media lebih hemat dari
pada metode konstektual.
Ho: = o
Ho: < o
3. Uji Dua Pihak

Contoh: salah satu dari metode pembelajaran lebih unggul dari pada
metode pembelajaran yang lain.
Ho: = o
Ho: o
Kesimpulan
Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan
populasi yang sifatnya masih sementara atau lemah kebenarannya. Hipotesis
digolongkan menjadi 2 tipe, yaitu hipotesis nihil dan hipotesis alternatif. Hipotesis
memiliki formulasi :Uji Satu Pihak (Kanan), Satu Pihak (Kiri), danUji Dua Pihak.
BAB X
UJI HIPOTESIS SATU RATA-RATA
Pengujian hipotesis merupakan suatu prosedur yang akan menghasilkan

suatu keputusan, yaitu keputusan menerima atau menolak keputusan itu. Dalam
pengujian hipotesis, keputusan yang dibuat mengandung ketidakpastian, artinya
keputusan bisa benar atau salah, sehingga menimbulkan resiko. Besar kecilnya
resiko dinyatakan dalam sebuah probabilitas.
I.
Pengujian Hipotesis Satu rata-rata Sampel besar (n > 30)

Untuk pengujian hipotesis satu rata-rata dengan sampel besar (n > 30), uji
statistiknya menggunakan distribusi Z. Prosedurnya sebagai berikut.
1) Formulasi hipotesis
H0 :
H1 :
>
H0 :
H1 :
<
Kriteria pengujian
-H0 diterima jika Z0
Kriteria pengujian
-H0 diterima jika Z0
H0 :
H1 :
Kriteria pengujian
H0 diterima jika
Z0
,
2) Penentuan nilai
Menentukan nilai
(taraf nyata) dan nilai Z tabel (
sesuai soal, kemudian nilai
atau
Z /2
ditentukan dari tabel.
3) Uji statistik
a. Simpangan baku populasi ( ) diketahui:
Z0=
X 0 X
0
=
x
b. Simpangan baku populasi ( ) tidak diketahui:
Z0=
X 0 X
0
=
s x
s
n
Keterangan:
s = penduga dari
0
= nilai
= simpangan baku sampel
sesuai dengan H
0
4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai dengan
kriteria pengujiannya)
Contoh :
Menurut pendapat salah satu pinpinan perusahaan buku Statistika, rata-rata
penerimaan per hari sebesar Rp 7.000, dengan alternatif lebih besar dari
itu. Diketahui simpangan baku dari penerimaan sebesar Rp 1.600. untuk

menguji pendapatnya, dilakukan penyelidikan terhadap 256 orang penjual
buku ke mahasiswa yang dipilih secara acak, ternyata diketahui rata-rata
penerimaan mereka sebesar Rp 7.100. dengan menggunakan
=5 ,
ujilah pendapat tersebut.

Penyelesaian
1.) Formulasi hipotesis
H 0 : =7000
H a : > 7000
Kriteria pengujian
H0 diterima jika Z0
H0 ditolak jika Z0 >
Z ,
Z
2.) Taraf Signifikansi

=5 , Z a =1,64 (dari tabel normal)
3.) Uji Statistik
X 0 71007000
Z0=
=
1600
n
256
=1
4.) Berdasarkan kriteria, H0 diterima jika Z0
Z .
Karena 1 1,64 maka Ho diterima

Artinya memang benar rata-rata penerimaan mereka sebesar Rp
7.100. dengan menggunakan =5
II.
Pengujian Hipotesis Satu Rata-rata Sampel kecil (n
30)
Untuk pengujian hipotesis satu rata-rata dengan sampel kecil (n

30), uji statistiknya menggunakan distribusi t. Prosedurnya sebagai
berikut.
1) Formulasi hipotesis
i.
H0 :
H1 :
>
Kriteria pengujian:
H0 :
H0 diterima jika t0
H0 ditolak jika t0 >
,
H1 :
Kriteria pengujian
H0 diterima jika
ii.
H0 :
H1 :
<
t a /2 t 0 t a /2
Kriteria pengujian:
t ,
a) H0 diterima jika t0
b) H0 ditolak jika t0 <
2) Penentuan nilai
Menentukan nilai
(taraf nyata) dan nilai t-tabel
sesuai soal, kemudian menentukan derajat
bebas,
yaitu db = n 1, lalu menentukan nilai
t ;n 1
dari tabel.
,
3) Uji statistik
a. Simpangan baku populasi ( ) diketahui:
atau
t /2 ;n1
t 0=
X
X 0
0
=
x
n
b. Simpangan baku populasi ( ) tidak diketahui:
t 0=
X
X 0
0
=
s x
s
n
4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai
dengan kriteria pengujiannya).
Contoh
Menurut salah satu seorang guru yayasan Bina Ria, pengeluaran per
hari siswa-siswi sekolah tersebut yaitu sebesar Rp1.740 dengan
alternatifnya tidak sama dengan itu. Untuk menguji pendapat guru
tersebut, dilakukan wawancara terhadap 25 orang siswa yayasan yang
dipilih secara acak sebagai sampel, dan ternyata rata-rata pengeluaran
per hari adalah Rp1.800 dengan simpangan bakunya sebesar Rp100.
Dengan menggunakan =0,05(5 ) , ujilah pendapat tersebut.
Penyelesaian
n=25, X =1800, s=100, 0=1740
Formulasi hipotesis
H 0 : =1740
H 0 : 1740
t 0=
X
18001740
0
=
=3
s
100
n
25
=0,05
derajat kebebasan n1=251=24
t
2 (n1 )
=t 0,025(24)=2,0639
t =2,0639
2
Karena
t 0> t =3>2,0639
2
, maka
H0
ditolak.
Berarti,rata-rata pengeluaran perhari siswa-siswa sekolah dasar

tersebut tidak sama dengan Rp.1.740.
BAB XI
UJI HIPOTESIS DUA RATA-RATA
A. Pengertian Uji Hipotesis Dua Rata-Rata
Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidaknya
perbedaan (kesamaan) antara dua buah data. Salah satu teknik analisis statistic
untuk menguji kesamaan dua rata-rata inii adalah uji t (t test) karena rumus yang
digunakan disebut rumus t. Rumus t sendiri banyak ragamnya dan pemakaiannya
disesuaikan dengan karakteristik kedua data yang akan dibedakan.
Ada beberapa syarat yang harus dipenuhi sebelum uji t dilakukan yaitu ;
a. Data masing-masing berdistribusi normal
b. Data dipilih secara acak
c. Data masing-masing homogen
B. Pengujian Hipotesis Dua Rata-Rata

a. Perumusan hipotesisnya adalah sebagai berikut:
H 0 : 12=0 atau H 0 : 1= 2 ( tidak ada perbedaan atau sama )
H a : 12 >0 ( ada perbedaan , 1> 2 )
H a : 12 <0 ( ada perbedaan , 1< 2 )
2
1 tidak samadengan 2 atau 1 berbeda dengan

H a : 12 0
b.
Langkah langkah untuk melakukan uji hipotesis dua rata-rata adalah sebagai
berikut :
1. Uji atau asumsikan bahwa data dipilih secar acak
2. Uji atau asumsikan bahwa data berdistribusi normal
3. Asumsikan bahwa kedua variansnya homogen
4. Tulis Ha dan H0 dlam bentuk kalimat
5. Tulis Ha dan H0 dlam bentuk statistik
6. Cari thitung dengan rumus tertentu
7. Tetapkan taraf signifikansinya ()
1.
Sampel besar (n < 30)
Untuk pengujian hipotesis beda dua rata-rata dengan sampel besar (n<30).uji
statistiknya menggunakan distribusi Z. prosedur pengujian hipotesisnya ialah
sebagai berikut.
1)
Formulasi Hipotesis
H 0 : 1=2
a.
H 1 : 1 > 2
H 0 : 1=2
b.
H 1 : 1 < 2
H 0 : 1=2
c.
H 1 : 1 2
2)
Penentuan nilai dan nilai Z tabel
Za
Mengambil nilai sesuai soal (kebijakan), kemudian menentukan nilai atau

dari
3)
Z a atau Z a /2
tabel.
Kriteria pengujian
H 0 : 1=2 dan H 1 : 1> 2
Untuk
a.
H 0 diterima jika Z 0 Z a
b.
H 0 ditolak jika Z 0 > Z a

Untuk
H 0 : 1=2 dan H 1 : 1< 2
a.
H 0 diterima jika Z 0 Z a
b.
H 0 ditolak jika Z 0 <Z a

Untuk
H 0 : 1=2 dan H 1 : 1 2
a.
H 0 diterima jikaZ a /2 Z 0 Z a /2
b.
H 0 ditolak jika Z 0 >Z a/ 2 atau Z 0 <Z a /2

4)
Uji Statistik
a) Jika simpangan baku populasi diketahui:
X X
21 22
2
Z0= 1
=
+
x x
dengan
x x
n1 n2
1
b) Jika simpangan baku populasi tidak diketahui:
X X
S21 S22
2
Z0= 1
dengan S x x = n + n
S x x
1
2
1
Dimana apabila
1 dan 2
tidak diketahui, dapat diestimasi dengan :
S21 S22
Sx x =
+
n1 n2
1
S 21=
1
( Xi 1 X 1)2
n11
S 22=
1
( Xi 2 X 2)2
n21
5)
Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a). Jika H0 diterima maka H1 ditolak
b). Jika H0 ditolak maka H1 diterima. (Hasan, 2003:151)
2.
Sampel Kecil ( n 30 )
Untuk pengujian hipotesis beda dua rata-rata dengan sampel ( n 30 ), uji
statisticnya menggunakan distribusi t . Prosedur pengujian hipotesisnya ialah
sebagai berikut :
1. Formulasi Hipotesis
H 0 : 1=2
a.
H 1 : 1 > 2
b.
H 0 : 1=2
H 1 : 1 < 2
c.
H 0 : 1=2
H 1 : 1 2
2. Penentuan nilai dan nilai t tabel
ta
Mengambil nilai sesuai soal (kebijakan), kemudian menentukan

nilai atau
t a atau t a / 2
dari
tabel.
3. Kriteria pengujian
H 0 : 1=2 dan H 1 : 1> 2
Untuk
a.
H 0 diterima jika t 0 t a
b.
H 0 ditolak jika t 0> t a
Untuk
H 0 : 1=2 dan H 1 : 1< 2
a.
H 0 diterima jika t 0 t a
b.
H 0 ditolak jika t 0<t a
Untuk
4.
H 0 : 1=2 dan H 1 : 1 2
a.
H 0 diterima jikat a /2 t 0 t a/ 2
b.
H 0 ditolak jika t 0>t a /2 ataut 0 <t a /2
Uji Statistik
a) Untuk pengamatan tidak berpasangan
t 0=
X 1X 2
2
1
2
( n11 ) s + ( n21 ) s 2 1
n1+ n22
n1
1
)
n2
b) Untuk pengamatan berpasangan

d
t 0=
Sd
n
di

d=
n
di=U 1 u2
Sd =
(did )2
n1
Keterangan :
d=ratarata
darinilai d
Sd = simpangan baku dari niai d
n = banyaknya pasangan
t 0 memiliki distribusi simpangan dengan db=n1
5)
Kesimpulan
Kesimpulan pengujian merupakan penerimaan atau penolakan H0.
a). Jika H0 diterima maka H1 ditolak
b). Jika H0 ditolak maka H1 diterima.
Contoh :
1. Suatu pabrik susu merek Good Milk melakukan pengecekan terhadap produk
mereka, apakah rata-rata berat bersih satu kaleng susu bubuk yang di
produksi dan di pasarkan masih tetap 400 gram atau sudah lebih kecil dari itu.
Dari data sebelumnya di ketahui bahwa simpangan baku bersih per kaleng
sama dengan 125 gram. Dari sample 50 kaleng yang di teliti, di peroleh ratarata berat bersih 375 gram. Dapatkah di terima bahwa berat bersih rata-rata
yang di pasarkan tetap 400 gram? Ujilah dengan taraf nyata 5 % !
Penyelesaian :
Diketahui :
n = 50, X = 375, = 125, o = 400
Jawab :
a. Formulasi hipotesisnya :
Ho : = 400
H1 : < 400
b. Taraf nyata dan nilai tabelnya :
= 5% = 0,05
Z0,05 = -1,64 (pengujian sisi kiri)

c. Kriteria pengujian :
o Ho di terima jika Zo - 1,64

o Ho di tolak jika Zo < - 1,64
d. Uji Statistik
x 0
Z0=
n
Z0=
375400
=1,41
125
50
e. Kesimpulan
Karena Zo = -1,41 - Z0,05 = - 1,64 maka Ho di terima. Jadi, berat bersih rata-rata
susu bubuk merek GOOD MILK per kaleng yang di pasarkan sama dengan 400
gram
2. Sebuah perusahan mengadakan pelatihan teknik pemasaran. Sampel sebanyak

12 orang dengan metode biasa dan 10 orang dengan terprogram. Pada akhir
pelatihan di berikan evaluasi dengan materi yang sama. Kelas pertama
mencapai nilai rata-rata 75 dengan simpangan baku 4,5. Ujilah hipotesis kedua
metode pelatihan, dengan alternative keduanya tidak sama! Gunakan taraf
nyata 10%! Asumsikan kedua populasi menghampiri distribusi normal dengan
varians yang sama!
Penyelesaian :
Diketahui :
n1 = 12
X1 = 80
s = 4
n2 = 10
X2 = 75
s = 4,5
Jawab:
a. Formulasi hipotesisnya :
Ho : =
H1 :
b. Taraf nyata dan nilai tabelnya :
= 10% = 0,10
t a/ 2 = 0,05
db
= 12 + 10 2 = 20
t0,05;20 = 1,725
c. Kriteria pengujian :
o Ho di terima apabila -1,725 t0 1,725

o Ho di tolak apabila t0 > 1,725 atau t0 < -1,725
d. Uji Statistik
t 0=
t 0=
X 1X 2
( n11 ) s1 + ( n21 ) s 2 1
n1+ n22
n1
1
)
n2
8075
( 121 ) 4 2+ (101 ) 4,52 1 1

( + )
12+102
12 10
=2,76
e. Kesimpulan
Karena t0 = 2,76 > t0,05;20 = 1,725 maka Ho di tolak. Jadi, kedua metode yang
digunakan dalam pelatihan tidak sama hasilnya.
DAFTAR PUSTAKA
Subana, Moersetyo Rahadi, dan Sudrajat.2000.Statistik Pendidikan.Bandung :

Pustaka Setia.
Sudjana.2005.Metode Statistika.Bandung : Tarsito.
Sudaryono.2014.Teori dan Aplikasi dalam Statistik.Yogyakarta: Andi.
Riduwan, MBA. 2007. Pengantar Statistika Sosial. Bandung : Alfabeta
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas
Terbuka.
Putri, Ratu Ilma Indra. Distribusi Binomial dan Poisson.
http://ilma69.files.wordpress.com/2012/10/distribusi-binomial-dan-poissonbaru.pdf
http://fathur14klose.blogspot.com/2011/12/makalah-statistika-distribusibinomial.html. Diakses pada tanggal 21Oktober2015
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas
Terbuka.
Putri, Ratu Ilma Indra. Uji Hipotesis.
http://ilma69.files.wordpress.com/2012/10/uji_hipotesis-dan-ujihipotesis_1_ratarata.pdf. Diakses pada tanggal 10 November 2015.
Marhaendro, Agus Susworo Dwi. Pengujian Hipotesis.
http://staff.uny.ac.id/sites/default/files/Pengujian%20Hipotesis.pdf. Diakses
pada tanggal 10 November 2015.
Harlyan, Ledhyane Ika. Uji Hipotesis.
http://ledhyane.lecture.ub.ac.id/files/2012/11/PENGUJIANHIPOTESIS.pdf. Diakses pada tanggal 10 November 2015.
Yassin, Moh. Tabeldistribusifrekuensi.
http://metodestatistik.blogspot.co.id/2011/05/tabel-distribusifrekuensi.html#.VltJknYrLDc
Diaksespadatanggal 28 november 2015.
Primasanti, Iftitah. Ujihipotesis.
http://iftitahprimasanti.blogspot.com/2012/05/uji-hipotesis.html#
Diaksespadatanggal 28 November 2015
Untari, RinaDwi. Distribusi Binomial.
http://rinadwiuntari.blogspot.com/2012/12/distribusibinomial.html#
Diaksespadatanggal 28 November 2015
Lailiyah,Intan. Distribusi binomial danpoisson.
http://intanlailiyah98.blogspot.com/2013/04/distribusi-binomial-danpoisson.html#
diaksespadatanggal 28 November 2015
https://www.academia.edu/9325441/Pengertian_Penyajian_Data (28 November
2015)
https://www.scribd.com/doc/49584241/Tujuan-Penyajian-Data (28 November
2015)
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitasri.pdf
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Yusup, Muhammad. Uji Normalitas
http://yourmath.wordpress.com/tabel-Z/ (10 November 2015)
Hidayat, Anwar. Uji Normalitas
http://www.statistikian.com/2013/01/uji-normalitas.html (10 November
2015)
Hafizah, Ellyna. Uji Normalitas dan Homogenitas Data
http://www.academia.edu/6774849/Uji-Normalitas-dan-Homogenitas-data
(30 November 2015)
Kesuma, Dera Puji. Uji Hipotesis Dua Rata-rata
http://datapujik.blogspot.co.id/2012/06/Uji-Hipotesis-dua-rata-ratauji.html (30 November 2015)
Marfuah, Siti. Uji Hipotesis Dua Rata-Rata (1)
http://sitemath.wordpress.com/2013/03/08/uji-hipotesis-2-rata-rata/ (03
November 2015)
Dajan, A. (2000). Pengantar Metode Statistik Jilid 1. Jakarta: LP3ES.
Irianto, A. (2010). Statistik: Konsep Dasar, Aplikasi, dan Pengembangannya.
Jakarta: Kencana.
Riduwan. (2013). Pengantar Statistika. Bandung : Alfabeta.
Saleh, S. (1996). Statistik Induktif. UPP-AMP YKPN: Yogyakarta.
Statistika Deskriptif. (2014). Sumanto: CAPS.
Sugiyo. (2013). Statistika Untuk Penelitian. Bandung: Alfabeta

Makalahstatistikadasar 160314165033

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Makalahstatistikadasar 160314165033

Diunggah oleh

Hak Cipta:

Format Tersedia

MAKALAH

Pengertian, Jenis Statistika dan Macam-Macam Data

Penyajian Data dan Aplikasi pada Data Penelitian

Daftar Distribusi Frekuensi dan Aplikasi pada Data Penelitian 23

Ukuran Letak dan Ukuran Penyebaran 58

Distribusi Binomial dan Poisson 65

Uji Normalitas dan Homogenitas 76

Uji Hipotesis satu Rata-rata

Uji Hipotesis 2 Rata-rata 102

Pengertian Statistik dan Statistika

Data, Populasi, dan Sampel

A. Data menurut sifat angka

data yang diperoleh secara langsung dengan

data yang diperoleh dari olahan data primer

data yang diperoleh dari olahan data sekunder.

data yang diperoleh dari data tersier yang telah

diolah terlebih dahulu.

Istilah dalam Statistika

berjenis variabel kategori. Bentuk tabel kontigensi :

Tabel Distribusi Frekuensi

distribusi frekuensi terdiri atas beberapa bentuk yaitu :

Nilai Ujian Matematika Kelas X

f (kumulatif kurang dari) -

f (kumulatif lebih dari) -

3. PENYAJIAN DATA DALAM BENTUK DIAGRAM

Ket : = Banyaknya 1 orang

Diagram Lingkaran dan Pastel

Diagram Pencar (titik)

2. MACAM-MACAM DISTRIBUSI FREKUENSI

Distribusi frekuensi kategori adalah pengelompokan data berdasarkan kategori-kategori

2.3. Ditinjau dari kesatuannya:

Tbk = tepi bawah kelas

Bbk = batas bawah kelas

Menentukan Range (R).

terbesar sampai terkecil. Dari contoh diatas :

= Data terbesar data terkecil

Menentukan Jumlah Kelas (k).

Jumlah Kelas (k) = Range (R) : Interval kelas

= dimulai dengan 118, mengingat panjang kelas = 9 maka :

= dimulai dengan 127

= dimulai dengan 136

= dimulai dengan 145

= dimulai dengan 154

= dimulai dengan 163

Kelas VII = dimulai dengan 172

Menghitung Frekuensi Kelas.

//// //// ////

TABEL DISTRIBUSI FREKUENSI, FREKUENSI RELATIF,

(sumber :makalah statistic tahun 2014)

OGIF FREKUENSI KUMULATIF

DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI

OGIF FREKUENSI KUMULATIF LEBIH DARI DARI

Ogif lebih dari

= jumlah seluruh data

65+ 65+70+73+73+75+ 80+85+90 93

log ( 2 )+ log ( 4 )+ log ( 8 )

log ( 2 )+ log ( 22 ) +log ( 23 )

Jadi rata-rata nilai ukur yang didapatkan adalah 4

Jadi nilai rata-rata harmonisnya adalah 75,75

Rumus untuk data yang berjumlah genap

Jadi median dari data tersebut adalah 65

= frekuensi kelas modus dikurangi frekuensi kelas sebelumnya

b2 = frekuensi kelas modus dikurangi frekuensi kelas berikutnya