PENDAHULUAN

A. LATAR BELAKANG
Tranformasi linaer termasuk dalam aljabar linear elementer yang memiliki sub bagian seperti
matriks dan operasinya,determenian matriks, system persamaan linear, vector dibidang dan
diruang,ruang vektor,ruang hasil kali dalam, ruang eigen dan yang terakhir transformasi linear
Diantara 8 sub bagian dari aljabar linear elementer saya akan membahas transformasi linear
Mulai dari apakah transformasi linear sampai dengan masalh dan solusin

B. RUMUSAN MASALAH
1.
2.
3.
4.
5.
6.

Apa yang di maksud dengan konsep Transformasi linier?

Apa sifat dari hasil Transformasi linier?
Apa yang di maksud skor standar?
Apa saja contoh dari aplikasi transformasi linier?
Bagaimana cara mentransformasi skor mentah menjadi skor standar menggunakan Excel?
Bagaimana cara mengerjakan soal transformasi linier?

C. TUJUAN
1.
2.
3.
4.
5.
6.

Mengetahui konsep transformasi linier

Mengertahui sifat hasil transformasi linier
Mengetahui tentang skor standar
Mengetahui contoh aplikasi transformasi linier
Mengetahui cara mentransformasikan skor mentah menjadi skor standar menggunakan Excel
Mengetahui cara mengerjakan soal transfomasi linier

BAB II
ISI
A Konsep Transformasi Linier
Dalam berbagai analisis statistik,umunya untuk bidang penelitian pendidikan dan
psikologi,khususnya dalam bidang pengujian dan pengukuran transformasi data ke data
lainsering di pakai membantu guru ,psikolog, dan peneliti menginterprestasikan dat
mentah..Transformasi linier merupakan bentuk paling sederhana dalam konsep pengubahan data
dalam satu format ke format lainnya.Tujuan utama yang sering di ungkapkan dalam pembahasan
topik ini (transfomasi linier) adalah untuk mengembangkan pemahaman bahwa data dalam satu

format dapat di transfer atau di ubah ke bentuk data lainsehingga memudahkan analisis
selanjutnya dan penginterprestasiannya.
Dalam analisis statistik lebih lanjut akan lebih informatif apabila dari suatu distribusi
diketahui rata-rata dan variabiitas distribusi kelompok yang membentuknya dengan tambahan
informasi ini seuah skor bisa di ganti dengan skor lain tanpa harus mengubah posisi skor di
maksud relatif terhadap anggota kelompok yangmembentuk distribusi itu.pendekatan ini
memberi gambaran suatu model transformasi data ke beentuk data lain. Untuk memberi ilustrasi
yang lebih konkrit perhatikan uraian data berikut ini
X

Asumsikan kita ingin mengibah bentuk distribusinya menjadi sekelompok

data lain dengan rumus:

5
4

Yi = 2Xi + 3

3Dalam keadaan data di atas ,sekelompok data Y dapat di katakan

sebagai bentuk atau hasil transformasi linier data X.Transformasi linier ini
disimpulkan
2 dari bentuk rumus matematis Yi = 2 Xi + 3,yang hanya
berpangkat tunggal (untuk Xi) yang dalam istilah ilmu al jabar di sebut
sederajat
1 satu atau linier ingat derajat dua atau lebih adalah non- linier aau
ekuivalinier.

13
11
9
7
5

Dari contoh sederhana di atas,suatu generalisasi terhadap proses pengubahan data(X)

kepada data lain(Y) ddapat di ungkapkan yaitu
1) Trnsformasi dapat di laksanakan dengan menghasilkan data asli dengan suatu angka atau
konstante tertentu,yang menjadi koefisien pemgubahan;
2) Menambahkan terhadap hasil kali(1) dengan konstante lainnya sehingga hasil pengubahan yang
di inginkan dapat di capai.
Dari model rumusan di atas,suatu ungkapan umum terhadap transfomasi linier yang
diinginkan(di muka) dapat di tuliskan dengan rumus matematik yang berlaku umum sebagai:
Yi = b x Xi + c
Dimana:
Yi = hasil pentransformasian linierdata Xi
b = konstante perkalian(dalam istlah lain sering di sebut pula
slop atau angka arah)
c = konstanta penambahan terhadap hasil perkalian (atau juga biasa di sebut intersep
yaitu, dalam visualisasi geometrik, perpotongan garis transformasi linier dengan sumbu vertikal).
Selanjutnya,rumusan dan hasil transformasi linier di atas dapat di ungkapkan dalam
bentuk visualisasi geometrik sebagaimana gambar 5.1 berikut ini.

Y + bX + c
Y
Y = bX + c
Y1
C

b
X1

X
Data semula

Gambar 5.1 visual transformasi linier set data (X) penelitian

kepada set data lainnya(Y).
B.Sifat-sifat Hasil Transformasi Linier
Untuk dapat menjelaskan beberapa sifat hasil transformasi linier satu set data ,perhatikan
contoh berikut ini.
Misalkan dari persamaan umum di atas diinginkan bentuk transformasi linier dengan b = 1 dan c
= 3 maka bentuk persamaa yang menggambarkan suatu hubungan X dan Y adalah sebagai:
Yi = X i + 1

Dari satu set data X dan data Y yng telah menjelaskan di muka di peroleh:

X
5
4
3
2
1

X2
1
0
-1
-2

Y
8
7
6
5
4

Y2
1
0
1
2

Dari data di atas di ketahui bahwa:

= 3 (mean X)
= 6 (mean Y)
= 2(varian X)
= 2 (varian Y)
= = 1,4 (simp.baku X)
= =1,4(simp.baku Y)
Dari kenyataan dapat di berikan penjelasan yanng menggabarkan sifat suatu transformasi linier
sebagai berikut,Apabila konstante ditambahkan pada mean aslinya maka:
1. Mean baru sama dengan mean asli ditambah konstante tersebut
2. Variasi tidak berubah
3. Simpangan bakku barutetap sama dengan yang asli
Kemudian perhatikan contoh data berikut ini ,paabila pada contoh kali ini di gunakan
transformasi linier yang rumus matematikanya di tentukan oleh b = 2 dan c = 0,maka persamaan
yang di bentuk memjadi:

Yi = 2 X i
Dari satu set data X dan set data Y,berikut akan di peroleh :
X
5
4
3
2
1

Dari data di atas diketahui bahwa :

= 3 (mean X)
= 2(varian X)
= = 1,4(simp. Baku X)

X2
1
0
-1
-2

Y
10
8
6
4
2

Y4
2
0
2
4

= 6 (mean Y)
= 8 (varian Y)
= =2,8(simp.baku Y)

Hasil analisis ini memunculkan penjelasan yang dapat menggambarkan sifat suatu transformasi
linier yang dapat di rumuskan sebagai berikut:
Apabila suatu konstante dikalikan kepada mean asli,maka:
1) Mean baru sama dengan mean asli dikallikan konstante tersebut
2) Varian baru sama dengan kudrat konstante dikalikan varian asli
3) Simpangan baku baru sama dengan harga absolute konstante di kalikan simpangan baku asli

Selanjutnya,perhatikan contoh data berikut ini,apabila transformasi linier yang di perlukan

memiliki ,b = 2 dan c = 3 maka persamaan yang di hasilkan adalah:
Yi = 2Xi + 3
Dengan mengginakan rumusan transformasi linier ini,dari satu set data X dan set data Y,
akan di peroleh:
X

Y= 2X+3

5
4
3
2
1

13
11
9
7
5

simpangan dari =9
4
2
0
-2
-4

Kenyataan terakhir ni memunculkan penjelasan yang dapat menggambarkan sifat suatu

ttransformasi linier,sebagai :
Apabila suatu konstante(pertama) dikalikan pada mean asli di tambah dengan suatu
konstane lainnya (kedua) maka:
1. Mean baru sama dengan konstante pertama dikalikan mean asli di tambah konstante kedua
2. Varian baru sama dengan kuadrat konstante pertama dikalikan variasi asli
3. Simpangan baku baru sama dengan harga absolut petama dikalikann simpangan baku asli
Berbagai sifat di atas memberi keluwesan analisis data bagi peneliti ,apabila dia ingin
menstrukturkan data yang ada sesuai dengan kemudahan penjelasan atau uraian yang ingin di
buat berdasarkan data yang ada .Dissamping itu ,berbagai penjelasan deskripsi mungkin akan
lebih informatif apabila transformasi linier ini dapt di lakukan .
Salah satu bentuk transformasi linier yang biasa di pakai di dunia pendidikan (statistik
pendidikan)adalah transformasi linier Z(yang menghasilkan skor standar Z).skor stadarZ ini
telah lama di kenal oleh para pendidik, khususnya dalam kaitannya dengan pengolahan data
hasil pengujian. Skor standar Z ininjuga banyak di pakai untuk membandingkan prestasi
belajar seseorang dalam beberapa mata pelajaran (relatif dalam kelas),prestasi belajar seseorang
atau
sekelompok orang terhadap kelompok (lain) tertentu,sebab
penjelasan dari skor mentah kurang menggambarkan keadaan yang sebenarnya dan kurang
informatif
Bentuk transformasi linier menggunakan skor standar Z ini sebenarnya dapat di tuliskan
sebagai sebuah transformasi linier dengan:

b = dan c =
Sehingga:

Yi = +
Bentuk transformasi linier dapat di tuliskan juga sebagai:

Yi =
Atau dapat pula di tulis sebagai:

Zi =
Dengan rumusan transformasi linier skor standar Z tersebut, maka beberapa ungkapan ini layak
di perhatikan .
1) Mean ,varian dan simpangan baku baru
1) Meaan baru sama dengan NOL
2) Varian baru sama dengan 1
3) Simpangan baku sama dengan
2) Bagai mana cara menginter prestasikan skor standar Z tersebut? Skor hasil transformasilinier
akan merupakan sutu distribusi Z yang memiliki mean sama dengan NOL dan bersimpangan
baku sama dengan 1
3) Bagaimana bentuk distribusi baru (Z) di bandingkan dengan distribusi asli (X)?
Bentuk distribusi skor baru (Z)tetap sama dengan distribusi skor lama(X). Atau dengan kata
lain bentuk distribusi tidak pernah akan terganggu akibat adanya transformasi linier. Jadi tidak
benar apabila ada orang yang menyatakan bahwa akibat transfomasi skor X tang TIDAK
NORMAL ,akan menjadi skor standar Z yang berdistribusi (atau seolah-olah ) menjadi
NORMAL.
Bentuk transformasi linier lainnya ada berbagai macam, namun secara umum transformasi
linier tersebut dapat di ungkapkan secara matematis sebagai:
Zi = ziSz + Z
Dimana Zi (Z besar) adalah data Xi dalam skala skor baru yang di inginkan peneliti.Dalam
berbagai kasus seringkai di sebut sebagai skor T, yang memiliki mean tertentu (Z atau T)
misalnya untuk IQ memiliki mean 100, untuk tes potensi akademik (TPA) memiliki mean
500,atu tes TOEFL juga memakai mean 500; juga memiliki deviasi standar tertentu(SZ atau ST)
misalnya untuk IQ memiliki deviasi standar 15 atau 16 untuk TPA memiliki deviasi standar
100,atau tes TOEFL memakai deviasi standar 100. Skor dengan skala Z(Z besar) atau T ini
dipakai untuk menghindari agar dalam skor tidak di jumpai kor negatif,sebagaimana dalan skor
dengan skala Z(Z kecil)

C. Skor Standar
skor standar dapat di definisikan sebagai skor yang menunjukan jarak sebuah skor terhadap
skor tengah(dalam hal ini rata-rata hitung ) dalam ukuran simpangan baku.skor standar sangat
bermanfaat untuk melakukan komparasi beberapa distribusi,sebab memiliki deviasi (simpangan)
yang sama.skor standar dalm pengertian z-skor (skor standar z,zkecil)memiliki simpangan baku
baru(atau 1)
skor mentah tidak boleh melakukan komparasi sebab skor mentah tidak memiliki unit atau
simpangan yang sama.oleh sebab itu,apabila kita melakukan penelitian di anjurkan memakai
skor standar ini.skor standar dalam ungkapan Z juga sering di pakai untuk melakukan
transformasi linier.
Beberapa sifat skor standar (Z skor) dapat di ungkapkan sebagai berikut:
1) Bentuk distribusi asli suatu distribusi frekuensi tidak berubah.artinya seandainya jumlah skor
mentah memiliki distribusi frekuensi yang menceng maka skor standar (Z skor) yang disusun
dari skor tersebut tetap menceng.
2) Skor standar (Z skor) ini memiliki mean sama dengan nol.
3) Skor standar (Z skor ) ini memiliki simpangan baku dan varian sama dengan 1(1,0)

1)
2)

3)

4)

Akibat sifat butir 2) dan 3)ini,skor standar (z-skor) memiliki satu kelemahan,yaitu beberapa
skor di bawah rata-rata akan di tampilkan berskor negatif (-).bagi sementar orang skor negatif
meragukan dan sulit mereka mengerti . untuk itu di susun berapa skor standar lain yang dapat
menghilangkan skor negatif itu.
Untuk mengatasi kelemahan skor stndar z di atas ,para peneliti khususnya yang
bergerak dalam pengembangan dan penggunaan tes osikologi menganjurkan dan menyusun
skor standar lain yang semua skornya positif .beberapa skor standar lain yang biasa dipakai
dalam pelaporan hasil pengujian prestasi belajar dan pengujian psikologi,adalah sebagai berikut
Skor T yang memiliki mean 50 dan simpangan baku (deviasi standar)10.Tujuan pembuatan skor
stndar seperti ini adalah untuk menghindaari skor negatif dalam suatu distribusi dann
menggambarkan perbedaan individu (individual differences ) yang cukup nyata.
Skor standar yang di pakai pada TOEFL?
Pada tes TOEFL skor standar di buat memiliki mean 500 dan simpangan baku (deviasi standar )
100.Oleh sebab itu ,apabila banyak orang indonesia berpendapat bahwa lulus TOEFL berarti
berskor (standar) minimal 500 itu sebenarnya kita tidak boleh lebih rendah dari rata-rata
distribusi.sedangkan apabila kebanyakan perguruan tinggi di amerika serikat menginginkan
berskor TOEFL tidak kurang dari 550 itu berarti setengah simpangan baku di atas rata-rata
.dalam konotasi psikologi sering di interprestasikan sebagai berkemampuan di atas ratarata(pandai).tetapi apabila kita ingin mengambil pendidikan dalam bidang bahasa inggris
(misalnya linguistik) disyaratkan berskor TOEFL minimal 650,artinya superior (di atas satu
setengah simpangan baku).rata-rata orang indonesia yang menganbil TOEFL berskor di bawah
500
Skor standar yang biasanya dipakai untuk UMPTN atau SMPTN?
Skor UMPTN atau SMPTN mengikuti pola pelaporan TOEFL (walaupun hasil tes tidak secara
terbuka dilaporkan kepada pengambil tes atau peserta ujian).tentu interprestasinya mirip dengan
TOEFL.dari data UMPTN tahun 1992 rata-rata peserta ujian masuk IKIP padang kelompok
bidang IPA berskor 484,58,bersimpangan baku 47,38(berskor minimal 347,57 dan maksimum
683,88);kelompok bidang IPS berskor 367,49 dan bersimpangan baku 53,64(berskor minimal
367,49,maksimum 734,95).bandingkan debgan calon yang masuk ITB (IPA)(rata-rata) yang
berskor 779,65 dan bersimpangan baku 66,38(berskor minimum 621,38,maksimum 995,47);UI
(IPS) yang berskor rata- rata 721,25 dan bersimpangan baku 69,12(berskor minimum
522,39,maksimum 943,98).
Tes IQ (Standar-Binet)
Mean = 100 dan simpangan baku = 16,yang artinya skor pada berbagai posisi?perhatikan grafik
distribusi normal pada suatu pemvalidasian tes standar binet di bawah ini

-3

-2

- 88

100

112

124

+3
148
Genius

Terbelakang

normal

superior

sangat superior

Menurut aplikasi distribusi Gambar 5.2 di atas, berbagai pelabuhandan pemberian sifat
dilakukan oleh para psikolog .misalnya dalam berbagai posisi,anastasi memberi interprestasi
genius(0,1%) kelompok teratas (berskor paling sedikit 148 atau tiga simpangn baku di atas ratarata) sangat superior yang merupakan 6,5 % di bawah genius (berskor 124-148 atau satu
setengah simpangan baku di atas rata-rata);superior yang merupakan kelompok berjumlah 16%
di bawah kelompok sangat superior(berskor antara 112-124 atau 0,75 simpangan baku di atas
rata-rata); dan kelompok lainnya berturut-turut normal,dull (terbelakang).

D.Contoh Aplikasi Transformasi linier

Ilustrasi berikut mengganbarkan pemakaian analisis transformasi linier yang di gabungkn
dengan pemahamam tentang asumsi distribusi normal,untuk memperkirakan peluang seorang
siswa SMA di terima di perguruan tinggi negeri ,berdasarkan informasi statistik UMPTN .untuk
keperluan ini di perlukan buku statistik PTN dan SMA seluruh indonesia yang di terbitkan
dikti.berdasarkan buku statistik PTN dan SMA pada tahun 2000, buku ini memberi informasi
statistik berbagai jurusan atau prodo di PTN dan SMA menurut jurusannya (IPA ,IPS dan
Bahasa).ats dasar informasi ini maka di gagaslah contoh aplikasi analisis transformasi linier
untuk memperkirakan seseorang siswa yang di ketahui memiliki level prestasi di SMAnya akan
di terima/tidak di sebuah prodi di PTN tertentu,jika diaa mendaftar
Untuk lebih konkretnya ,perhatikan contoh kasus yang di kemas dalam kasus analisis
berikut ini
Seorang siswa kelas 3 IPA SMAN Wonosari Klaten,ingin masuk fakultas Kedokteran
Universutas Sebelas maret di Surakarta (F.dok UNS).siswa tersebut merupakan siswa terbaik
kedua dari 150 siswa kelas 3 IPA di sekolahnya.data UMPTN SMAN1 Wonosari XSMA = 580 dan
SSMA = 70 .Data UMPTN F.Dok UNS,XF.DOK = 700 dan SF.DOK = 40.Berapa peluang siswa
tersebut di terima di F.DOK UNS,apabila diasumsikan distribusi siswa di SMAN1 Wonosari dan
peserta UMPTN mengikuti distribusi normal?

1.
2.
3.
4.
5.

Untuk melakukan analisis mencoba memperkirakan besarnya peluang siswa SMA di terima
di prodi PTN pilihannya tersebut dengan menggunakan analisis transformasi linier dapat di
jelaskan dengan langkah langkah analisis sebagai berikut.
Mencari posisi siswa (persentil siswa) menggunakan data sekolah .
Mencari Z siswa,menggunakan distribusi normal ( memerlukan tabel distribusi normal)
Mencari perkiraan skor UMPTN siswa berdasarkan data sekolah
Mencari Z siswa ,menggunakan data F.Dok UNS.
Mencari perkiraan peluang siswa di terima di F.Dok UNS(menggunakan tabel distribusi
normal)
Mari sekarang langkah langkah ini mencoba untuk menjawab persoalan di atas.

Contoh penyelesaian kasus di atas :

1. Mencari posisis siswa (persentil siswa) menggunakan data sekoah;
Posisianak = 100 = = 1,33% = 0,0133(teratas)
2. Mencari Z siswa ,menggunakan distribusi normal (memrlukan tabel distribusi normal);
Hasil analisis langkah pertama di atas ,artinya P(z z1) = 0,0133.Dengan informasi ini dan
menggunakan tabel distribusi normal(lampiran tabel I)carilah entri tabelpada kolom 7
angka.0133 atau mendekatinya.jika angka sudah diketemukan ,kemudian baca harga z1 pada
kolom 1 akan di peroleh z1 = +2,22.
3. Mencari perkiraan sokr UMPTN siswa (Xsiswa) berdasarkan data sekolah
=

x +

=22,2 X 70 +580 = 155,4 + 580 =735,4

Analisis langkah ketiga ini menunjukan perkiraan skor UMPTN siswa SMAN1 Wonosari
Klaten tersebut ,jika mengikuti UMPTN diduga sebesar 735,4.
4. Mencari perkiraan z siswa di percaturan pendaftar F,Dok UNS dengan menggunakan dataF.Dok
UNS.Untuk membedakan z dari SMA dan F.Dok UNSuntuk langka keempat di sebut saja z2.

Z2 = = = = 0,885
Jadi perkiraan zsiswa di F.Dok UNS sebesar +0,885,dan karena tabel hanya menggunakan dua
digit angka di belakang koma,di ambil 0,88
5. Mencari peluang siswa di teerima F.Dok UNS
Caranya dengan menggunakan besaran Z2 dan tabel distribusi normal .
Gunakan kolom 1 untuk Z1 (memakai harga Z2= +0.88) dan peluangnya dilihat pad kolom
6(karena Zsiswa positif).
Catatan :jika Z siswa dalm analisos langka 4 hasilnya negatif ,maka perkiraan peluangnya
dilihat pada kolom 7.dari kolom 6 diperoleh:
Z = 0,885,P(z 0,885) = 0,8106 (dalam tabel di baca .8106)

Jadi peluang siswa SMAN1 Wonosari tersebut di terima di F.dok UNS sebesar 81%.

E.Transformasi Skor Mentah Menjadi Skor Standar Menggunakan Excel

Untuk kepentingan transformasi skor mentah menjadi skor standar,khususnya skor standar
Z,excel menyediakan fungsi khusus dengan nama STANDARDIZE.Adapun jika menghendaki
transformasi dengan standar lain (selain z) ,misalnya skor standar T,maka bisa di tempuh dengan
menuliskan formula yang sesuai.sebagai pembelajaran ,berikut di berkan contoh penerapannya .
Andaikan berikut adalah sebuah sempel data tentang hasil tes kemampuan verbal dan
matematik dari 20 siswa .Dua distribusi skor ini di mungkinkan berasal dari pengkuran yang
skalanya tidak sama ,namun keduanya di asumsikan berdistrubusi normal .
Tabel 5.1 Sampel data skor hasil tes verbal dan matematika
No
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

Nama
Aulia
Bondan
Candra
Delon
Endang
Farid
Guntur
Hendra
Indria
Jamal
Karta
Linda
Maudi
Nanda
Ovinda
Parman
Qiqi
Rasyid
Santi
Tirta

Verbal
37
30
31
36
34
24
29
29
26
32
28
30
25
29
42
43
29
31
37
29

Matematika
102
104
104
104
91
99
79
107
90
96
99
105
109
97
102
96
111
111
96
102

Pertanyaannya ,berdasarkan data sampel di atas ,apakah dapat di nyatakan bahwa

Ovinda (sebagai contoh) mempunyai kemampuan matematik lebih tinggi dari kemampuan
verbalnya ?bagaimana juga dengan Bondan ? jika melihat skor yang di peroleh ,oinda mendapat
skor matematika 102,sementara skor kemampuan verbalnya 42.Dapatkah secara langsung di
bandingkan dua skor tersebut ? jawabanya tentu tidak bisa .untuk bisa di bandingkan maka

keduanya di transformasi sedemikian hingga berupa skor standar yang sama,misalnya keduanya
dalam bentuk skor standar normal (Z), atau skor standar T

Untuk tujuan tersebut maka tahapan langkahnya adalah sebagai berikut:

Entri data dalam halaman excel sebagaiman tampak pada gambar 5.3
A
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

NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

B
NAMA

VERBAL MATEMATIKA

Aulia
Bondan
Candra
Delon
Endang
Farid
Guntur
Hendra
Indria
Jamal
Karta
Linda
Maudi
Nanda
Ovinda
Parman
Qiqi
Rasyid
Santi
Tirta

37
30
31
36
34
24
29
29
26
32
28
30
25
29
42
43
29
31
37
29

Rarata
SD

32
5,132
073

F G

skor standar Z
verbal/matematika

Skor standar T
verbal/matematika

102
104
104
104
91
99
79
107
90
96
99
105
109
97
102
96
111
111
96
102
100
7,63535722

Gambar 5.3 Entri data untuk Transformasi skor standar

Dapat rerata dan standar deviasi dari sempel dat verbal dan matematika
Pada kolom-kolom sebelahnya ,sediakan kolom(dan beri judul ) untuk menempatkan angkaangka hasil transformasi;
Pada G4,ketikan fungsi =STANDARDIZE(D4;32;5,13) lalu tekan Enter .penulisan fungsi ini
maksudnya adalah kita akan melakukan transformasi dari skormentah(x) menjadi normal
standar (z) dengan formula:

Z1 = = ;
Dimana Z1 adalah skor-Z untuk Aulia akan muncul hasilnya adalah 0,90. Untuk baris kedua
dan seterusnya, silahkan klik sel G4 tersebut dan sorot kebawah.

Dengan cara yang sama ,skor srandar z untuk kemampuan matematika di dapatkan dengan
menullis fungsi =STANDARDIZE(E4;100;7,64) pada sel H4.
Selanjutnya skor standar T di dapatkan denngan mudah dengan mengetikan formula pada sel
J4 dan K4.ingat bahwa skor standar T memiliki rerata 50 dan standar deviasi 10. Sehingga
formula transformasinya adalah :
Ti = (Zi)(10) +50
Dengan denikian ,pada sej J4 ketikan =G4*10+50 lalu Enter .dan pada sel K4 ketikan
=H4*10+50 lalu Enter.selanjutnya sorot ke bawah untuk menetukan baris-baris berikutnya.
Hasil transfomasi di tampilkan dalam gambar 5.4
Perhatikan transformasi yang di tampilkan pada gammbar 5.4.skor mentah 37 untuk
kemampuan verbal ternyata sepadan dengan 0,90 pada skor standar z,dan sepadan dengan 59
pada skor standar T. Demikian juga ,skor mentah 102 untuk kemampuan matematika ternyata
sepadan dengan 0,27 dalam skor standar z,dan sepadan dengan 53 dalam skor standar T.sekali
lagi bahwa skor standar menunjukan jarak sebuah skor terhadap skor setengah (dalamm hal ini
rata-rata hitung) dalam ukuran simpangan baku.kemampuan verbal dan kemampuan matematik
seseorang kemudian dapat di perbandingkan dengan sebab distribusi masing-masing sudah
memiliki deviasi (simpangan) yang sama.
A
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

NO
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

B
NAMA

VERBAL MATEMATIKA

Aulia
Bondan
Candra
Delon
Endang
Farid
Guntur
Hendra
Indria
Jamal
Karta
Linda
Maudi
Nanda
Ovinda
Parman
Qiqi
Rasyid
Santi
Tirta

37
30
31
36
34
24
29
29
26
32
28
30
25
29
42
43
29
31
37
29

Rarata

32

102
104
104
104
91
99
79
107
90
96
99
105
109
97
102
96
111
111
96
102
100

F G

skor standar Z
verbal/matematika

0,90 / 0,27
-0,32 / 0,58
-0,28 / 0,50
0,79 / 0,56
0,31 /-1,17
-1,59 / -0,07
-0,67 / -2,69
-0,63 / 0,96
-1,21 / -1,30
-0,02 / -0,46
-0,69 / -0,10
-0,33 / 0,65
-1,29/1,20
-0,51 / -0,33
1,94 / 0,27
2,13 / -0,50
-0,60 / 1,38
-0,19 / 1,42
1,04 / -0,56
-0,57 / 0,20

Skor standar T
verbal/matematika

59 / 53
47 / 56
47 / 55
58 / 56
53 / 38
34 / 49
43 / 23
44 / 60
38 / 37
50 / 45
43 / 49
47 / 56
37 / 62
45 / 47
69 / 53
71 / 45
44 / 64
48 / 64
60 / 44
44 / 52

7,63535722
Kita kembali pada contoh pertanyaan di awal tentang kemampuan Bondan dan Ovinda
.kita dapat menjawabnya dengan melihat skor standarnya , baik z ataupun T.dapat kita nyatakan
bahwa Bondan mempunyai kemampuan matematika lebih baik dari pada kemampuan
verbalnya .kemampuan matematikanya di atas rata-rata,kemampuan verbalnya tidak lebih baik
dari kemampuan matematikanya, namunkedua kemampuan tersebut di atas rata-rata. Dalam
contoh ini penafsiran skor menggunakan acuan norma, yaitu membandingkan nya dengan
distribusi skor dalm kelompok .dalam praktiknya , penafsiran hasil tes bisa berdasarkan adcuan
norma atau acuan kriteria .
Lebih jelas tentang penafsiran skor dua siswa tersebut diilustrasikan dalam gambar 5.5 dan
gambar 5.6

Distribusi Data Sampel

Sekor Kemampuan Verbal

X
16,16

26,87

32

37,13

47,39

+1

+2

+3

60

70

80

Z
-3

-2

20

30

-1

T
40

50

= Sekor Kemampuan Verbal Bondan

= Sekor Kemampuan Verbal Ovinda

Gambar 5.5 kurva transformasi skor kemampuan verbal

Distribusi Data Sempel
Skor Kemampuan Matematika

X
16,16

92,36

100

107,64

122,92

Z
-3

-2

20

30

-1

+1

+2

+3

T
40

50

60

70

80

= Sekor Kemampuan Matematika Bondan

= Sekor Kemampuan Matematika Ovinda

Gambar 5.6 kurva transformasi skor kemampuan matematika

BAB III
PEMBAHASAN
Jika diketahui sebaran nilai statistik dari 1000 orang mahasiswa Universitas Borobudur dalam 5
tahun terakhir berdistribusi normal dengan nilai rata-rata 70 dan simpangan baku 10, maka
hitunglah:
1. Jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75
2. Jumlah mahasiswa yang mendapat nilai lebih besar dari 80
3. Dari 400 orang mahasiswa yang mendapat nilai tertinggi, dan berapakah nilai tertendah
dari mereka?
4. Dari 300 orang yang nilainya terendah, berapakah nilai tertinggi dari mereka?
TIPS:
Distribusi Normal (Mean = 70)
Karena berdistribusi normal maka bentuk grafiknya sebagaimana disamping dengan nilai ratarata dan sudah diketahui nmahasiswa = 1000 serta sbaku = 10.
Untuk menjawab pertanyaan diatas, dapat menggunakan bilangan z (z-score) yang dirumuskan
dengan zi = (xi x )/s dimana i = 1,2,3, ,n. Adapun dalam table z-score variable (data baru)
dari z1, z2, z3, ,zn rata-ratanya sama dengan 0 dan simpangan bakunya sama dengan 1.
PENYELESAIAN
Jika sudah diketahui, maka buatlah tabel seperti dibawah ini:
Cari Peluangnya dengan menggunakan Tabel Bilangan z
Cari Nilai z-score dari Peluang yang ada, kemudian hitung batas nilainya!
JAWAB:
-0.5 < z < 0.5

1) Jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75 adalah sama dengan Jumlah
Peluang yang mendapat nilai 65 dari 1000 mahasiswa ditambah Jumlah Peluang yang mendapat
nilai 75.
Jadi, jumlah mahasiswa yang mendapat nilai statistik antara 65 s/d 75 adalah 383 orang.
Table z-score
2) Jumlah mahasiswa yang mendapat nilai lebih besar dari 80 adalah jumlah peluang yang
dibatasi oleh nilai lebih besar dari (> 80):
Atau dibulatkan menjadi 341 orang yang mendapatkan nilai > 80 (lihat model grafik diatas)
Untuk 400 mahasiswa dengan nilai tertinggi
3) Dari 400 orang mahasiswa yang mendapat nilai tertinggi, dengan menggunakan table z-score
dan perhitungan diatas, maka nilai tertendah dari mereka adalah 82.8.
Perhitungannya dari orang, maka peluangnya (lihat table z-score) mendekati 0.3997 dari 1000
populasi yang ada dan diketahui nilai z-nya = 1.28. Maka, jika z dirumuskan dengan zi = (xi
x)/s maka didapatkan xi x = z dikali dengan s. (lihat cara hitung diatas)
4) Dari 300 orang yang nilainya terendah, untuk mengetahui nilai tertinggi dari mereka dapat
menggunakan table z-score dan dari 300 orang, maka peluangnya (lihat table z-score)
mendekati 0.2996 dari 1000 populasi yang ada dan diketahui nilai z-nya = -0.84. Nilai (-)
diberikan karena posisinya berada disebelah kiri dari nilai rata-rata (mean).
Dengan demikian (lihat perhitungan diatas) maka dari 300 mahasiswa yang nilainya terendah,
maka nilai tertinggi mereka adalah 61.6.

BAB IV
PENUTUP
A.Kesimpulan

Transformasi linier merupakan dasr yang berbentukfungsi.transformasi linier yang di

maksud adalah perpindahan dari satu ruang yang biasanya dinamakan domain atau daerah asal
keruang lain yang di namakan kodomain atau daerah hasil