Anda di halaman 1dari 85

BAB I

HAKIKAT STATISTIK

Pengertian Statistik Secara Umum


Kumpulan bahan keterangan yang berwujud angka (data kuantitatif) maupun yang
tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan kegunaan yang
besar bagi suatu negara.
Data statistik bersifat kualitatif, misalnya : nama orang
Data statistik bersifat kuantitatif, misalnya : data berupa angka
Data Statistik
Yaitu kumpulan bahan keterangan yang berupa angka atau bilangan atau deretan atau
kumpulan angka yang menunjukkan keterangan mengenai cabang kegiatan hidup tertentu.
Statistik pendidikan yaitu kumpulan bahan keterangan yang berwujud angka, yang
berkaitan dengan kegiatan di bidang pendidikan (proses belajar mengajar), misalnya :
kumpulan bahan keterangan mengenai jumlah siswa.
Data statistik disebut sebagai data, jika data terhadap satu hal tetapi nyatanya lebih
dari satu/bervariasi.
Syarat Data Statistik
Bisa satu individu untuk berapa kali pencatatan
Beberapa individu untuk satu kali pencatatan
Penggolongan Data Statistik
Berdasarkan Sifat Angka
1. Data Kontinyu
Data yang diperoleh pada waktu pengukuran biasanya tidak bilangan bulat dan
dibulatkan menjadi 3 angka, misalnya umur.
2. Data Diskrit
Data yang diperoleh pada waktu pengukuran, biasanya bilangan bulat.
Misalnya : jumlah saudara
Berdasarkan Cara Menyusun Angka
1. Data nominal/data hitungan
Contoh data nominal
Jenis kelamin:
pria = 1
wanita = 2
Jenis pekerjaan
petani = 1, pedagang =2, pns = 3,
guru = 4, dan seterusnya.
2. Data ordinal/urutan
Contoh data ordinal/interval
Interval Ordinal
A = 90 1
B = 70 3
C = 60 4
D = 80 2
E = 40 6
F = 30 7
G = 50 5
H = 0
3. Data interval/jarak yang sama
Adalah data statistik di mana terdapat jarak yang sama di antara hal-hal yang
sedang diselidiki atau dipersoalkan.
Berdasarkan Bentuk Angkanya
1. Data Tunggal : angka-angkanya tidak dikelompokkan (satu kesatuan/unit)
Data tunggal : 10, 20, 30, dan seterusnya.
2. Data kelompokan : terdiri dari sekelompok angka
Data kelompok : 11-15, 16-20, 21-25, dan seterusnya.
Berdasarkan Sumbernya
1. Data primer : diperoleh dari tangan pertama (first hand data)
2. Data sekunder : bersumber dari tangan kedua (second hand data)
Berdasarkan Waktu Pengumpulannya
1. Data seketika : mencerminkan pada satu waktu saja
2. Data urutan waktu : mencerminkan mengenai sesuatu hal dari satu waktu ke
waktu yang lain (berurutan). Dikenal dengan Historical Data.

Sifat Data Statistik


Nilai relatif : nilai yang ditunjukkan oleh angka itu sendiri
Misalnya : 10, 2, 3,50, 0,750
Nilai nyata : daerah tertentu dalam suatu deretan angka yang diwakili oleh nilai
relatif
Misalnya : 9,5 -10,5 1,5-2,5 3,45-3,55 0,745-0,755 1,0445-1,0455 2,00645-
2,00655
Batas bawah relatif
Batas atas relatif
Batas bawah nyata
Batas atas nyata
Data statistik yang berbentuk data kelompok mempunyai nilai tengah
Data statistik sebagai data angka, tidak menggunakan pecahan, tetapi sistem
desimal
Ada pembulatan angka sampai tiga angka di belakang koma
Jika lebih dari tiga angka, angka enam ke atas dianggap satu, angka satu sampai
dengan lima ditiadakan
CONTOH :
2,527948319 = 2,528
0,03675996 = 0,037
123,3094567 = 123,309
Data Statistik Dalam Pendidikan
Data statistik yang berkaitan dengan prestasi belajar
Data statistik yang berkaitan dengan keadaan siswa
Data statistik yang berkaitan dengan guru/dosen
Data statistik yang berkaitan dengan staf administrasi
Data statistik yang berkaitan dengan anggaran
Data statistik yang berkaitan dengan perlengkapan, dan seterusnya
Prinsip Pengumpulan Data Statistik Pendidikan
Dengan waktu, tenaga, biaya, dan alat yang sehemat mungkin dapat dihimpun data
yang :
Lengkap
Tepat (jenis, waktu, kegunaan, instrumen)
Dapat dipercaya

Cara Pengumpulan Data Statistik Kependidikan


Sensus
Sampling
Pengamatan mendalam
Wawancara mendalam
Penyebaran angket
Pemeriksaan dokumentasi
Memberikan tes

Alat Pengumpulan Data (Instrumen) Statistik Kependidikan


Daftar cek
Skala bertingkat
Pedoman wawancara
Daftar pertanyaa yang setiap pertanyaan sudah ada jawabannya
Tes
Perbedaan antara Tes dan Non Tes
Tes Non tes
Mempunyai kriteria kebenaran Tidak mempunyai kriteria
tertentu kebenaran tertentu
Lebih bersifat obyektif Lebih bersifat subyektif
Ada kunci jawaban Tidak ada kunci
jawaban

Ragam Alat Pengumpul Data


1. TES
Tes prestasi/hasil belajar tes
Kecerdasan tes bakat
Tes minat
Tes diagnostik
Tes formatif
Tes sumatif
Tes kepribadian
Tes awal dan tes akhir

2. NON TES
Angket/kuesioner
Wawancara
Dokumentasi
Observasi
Skala sikap
Check list
Kegiatan Statistik
Yaitu kegiatan di dalam mengambil data, mengolah data yang biasanya berupa
angka.
Metode Statistik
Yaitu cara didalam melakukan sesuatu dengan menggunakan statistik atau angka
atau caracara tertentu yang perlu dalam rangka mengumpulkan, menyusun atau mengatur,
menyajkan, menganalisis, dan memberikan interpretasi terhadap sekumpulan bahan
keterangan yang berupa angka sedemikian rupa sehingga kumpulan bahan keterangan yang
berupa angka itu dapat berbicara atau dapat memberikan pengertian dan makna tertentu .
Ilmu Statistik
Adalah ilmu pengetahuan yang mempelajari dan mengembangkan secara ilmiah
tahap-tahap yang ada dalam kegiatan statistik.
Adapun tahaptahap tersebut yaitu pengumpulan data angka, penyusunan atau
pengaturan data angka, penyajian atau penggambaran atau pelukisan data angka,
penganalisaan terhadap data angka dan penarikan kesimpulan.
Penggolongan Statistik
Berdasarkan tingkat pekerjaannya :
Statistik Deskriptif (Statisitik Deduktif/Statistik Sederhana)
Statistik yang tingkat pekerjaannya mencakup cara-cara menghimpun,
menyusun, mengolah, menyajikan dan menganalisa data angka sehingga dapat
memberikan informasi secara jelas tentang sesuatu (hanya menjelaskan apa yang
ada)
Statistik Infersial (Statistik Induktif/Statistik Lanjut/Statistik Mendalam)
Aturan/cara dalam menarik kesimpulan, prediksi, estimasi untuk pengujian
hipotesis
Misalnya : adakah hubungan mahasiswa terhadap sikapnya mengenal pelajaran
statistik
Perbedaan antara Data dan Informasi
Data yang diolah menghasilkan informasi
Infomasi yang diperoleh dari data
Ciri Khas Statistik
Bekerja dengan angka = data kuantitatif
Objektif = apa adanya
Universal = berlaku untuk semua bidang kaji
Permasalahan Statistik
Masalah ratarata
Masalah disversi/variabilitas
Masalah hubungan = korelasi
Masalah perbedaan
Statistik Pendidikan
Adalah Statistik yang berkaitan dengan masalahmasalah pendidikan. Ilmu yang
membahas/mempelajari prinsip, metode dan prosedur dalam rangka pengumpulan,
penyusunan, penyajian, penganalisaan, bahan keterangan yang berwujud angka mengenai
hal-hal yang berkaitan dengan pendidikan.
Fungsi dan Kegunaan Statistik Pendidikan
Fungsi
Sebagai alat bantu dalam mengevaluasi, menentukan, membuat peringkat, dan
menyusun rencana program berikutnya
Manfaat
Memperoleh gambaran tentang suatu keadaan/gejala
Mengikuti perkembangan suatu keadaan
Melakukan penyajian, apakah gejala yang satu berbeda dengan yang lain
Mengetahui apakah gejala satu berhubungan dengan gejala yang lain
Menyusun laporan berupa data kuantitatif
Menarik kesimpulan secara logis, mengambil keputusan tepat dan mantap
Meramalkan hal-hal yang mungkin terjadi dan langkah konkrit yang harus dilakukan.
Peranan Statistik Dalam Penelitian
Alat penghitung besarnya sampel yg diambil dari populasi
Alat penguji validitas dan reliabilitas instrumen
Teknik untuk penyajian data
Alat untuk analisis data
Alat untuk pengujian normalitas dan homogenitas data
BAB II
DISTRIBUSI FREKUENSI

Distribusi Frekuensi
Kata variabel berasal dari bahasa inggris variable yang berarti ubahan, factor tak
tetap atau gejala.
Contohnya adalah nilai-nilai ujian semester dari sejumlah 80 orang siswa bisa
dikatakan sebagai variable. Variabel pada dasarnya bersifat kualitatif namun dilambangkan
dengan angka.
Nilai Banyaknya
(Orang)
100 1
80 1
75 2
70 1
60 3
50 1
50 1
40 1
Total 10

Pengertian Frekuensi
Frekuensi dalam bahasa inggris adalah frequency yang berarti kekerapan,
keseringan, atau jarang-jarang.
Dalam data statistik frekuensi itu sendiri mengandung pengertian : Angka (bilangan)
yang menunjukkan seberapa kali suatu variabel (yang dilambangkan dengan angka itu)
berulang dalam deretan angka tersebut; atau berapa kali suatu variabel (yang dilambangkan
dengan angka itu) muncul dalam deretan angka tersebut.
Pengertian Distribusi Frekuensi
Distribusi dalam baha Inggris berarti penyaluran, pembagian, atau pencaran.
Jadi distribusi frekuensi dapat diberi artian penyaluran frekuensi, pembagian frekuensi,
atau pencaran frekuensi.
Dalam statistik pengertiannya kurang lebih adalah suatu keadaan yang
menggambarkan bagaimana frekuensi dari gejala atau variabelyang dilambangkan dengan
angka itu, telah tersalur, terbagi atau terpencar.
Tabel distribusi Frekuensi (Pengertian dan macamnya)
-Pengertian
Tabel Distribusi frekuensi adalah alat penyajian data statistik yang
berbentuk (dituangkan dalam bentuk) kolom dan lajur, yang didalamnya dimuat angka
yang dapat melukiskan atau menggambarkan pencaran atau pembagian frekuensi dari
variabel yang sedang menjadi objek penelitian.
-Penyusunan Distribusi Frekuensi
Apabila data yang ada adalah kuantitaif dan banyak sekali jumlahnya, maka
untuk memudahkan dalam analisa data perlu dibuat distribusi frekuensi atau tabel
frekuensi. Berikut ini akan disajikan bagaimana cara menyusun distribusi kuantitatif,
yaitu :
Tentukan banyak dan lebar inteval kelas. Hal ini tergantung pada banyak dan
besarnya harga-harga yang akan disusun dalam distribusi itu. Banyak interval
kelas yang efisien biasanya antara 5 dan 15. Pada tahun 1925, H.A Sturges
mengajukan sebuah rumus guna menentukan banyak interval kelas, yaitu : k = 1 +
3,322 log n.
Sedangkan lebar interval kelas ditentukan dengan membagi jangkauan (yaitu
selisih antara harga terbesar dan terkecil) dengan banyak interval kelas yang
digunakan.
Interval-interval kelas tersebut diletakkan dalam suatu kolom, diurutkan dari
interval kelas terendah pada kolom paling atas dan seterusnya.
Data diperiksa dan dimasukkan ke dalam interval kelas yang sesuai. Banyak data
yang masuk dalam suatu interval kelas dinamakan frekuensi interval kelas
tersebut

-Tabel Frekuensi dan Macamnya


Dalam dunia statistik terdapat banyak macam jenis Tabel Distribusi
Frekuensi diantaranya yaitu :
a. Tabel Distribusi Frekuensi Data Tunggal
Tabel Distribusi Frekuensi Data Tunggal adalah salah satu jenis tabel
statistik yang didalamnya disajikan frekuensi dari data angka; angka yang ada itu
dikelompok-kelompokkan (ungrouped data).

Nilai Frekuensi
(X) (f)
8 6
7 9
6 19
5 9
Total 40 = N
b. Tabel Distribusi Frekuensi Data Kelompokan
Tabel distribusi frekuensi data kelompokkan adalah satu jenis tabel
statistik yang didalamnya disajikan pencaran frekuensi dari data angka, dimana
angka-angka tersebut dikelompok-kelompokkan (tiap unit terdapat sekelompok
angka).
Usia Frekuensi (f)
50 54 6
45 49 7
40 44 10
15 39 12
30 34 8
25 29 7
Total 50 = N

c. Tabel Distribusi Frekuensi Kumulatif


Tabel distribusi Frekuensi kumulatif adalah satu jenis tabel statistik
yang didalamnya disajikan fekuensi yang dihitung terus meningkat atau selalu
ditambah-tambahkan, baik dari bawah keatas atau sebaliknya.
Nilai F Fk(b) Fk(a)
(X)
8 6 40 = N 6
7 9 34 15
6 19 25 34
5 6 6 40 = N
Total 40 = N - -

Nilai F Fk(b) Fk(a)


(X)

50 - 54 6 50= N 6
45 49 7 44 13
40 44 10 37 23
15 39 12 27 35
30 34 8 15 43
25 29 7 7 50 = N
Total 50 = N - -

d. Tabel Distribusi Frekuensi Relatif


Tabel distribusi frekuensi relatif dinamakan tabel Persentase sebab
frekuensi yang disajikan disini bukanlah frekuensi sebenarnya, melainkan
frekuensi yang dituangkan dalam bentuk angka persenan.
Nilai (X) F Persentase (P)
8 6 15,0
7 9 22,5
6 19 47
5 6 15,0
Total 40 = N 100,0 = p

e. Tabel Persentase Kumulatif


Seperti halnya tabel Distribusi frekuensi Tabel persentase atau Tabel
Distribusi Frekuensi relatif pun dapat diubah ke dalam bentuk Tabel Persentase
Kumulatif (Tabel Distribusi Frekuensi Relatif Kumulatif).
Nilai (X) P Pk(b) Pk(a)
8 15,0 100,0 = p 15,0
7 22,5 85,0 37,5
6 47,5 62,5 85,0
5 15,0 15,0 100,0 = p
Total 100,0 = p - -
Grafik
Pengertian Grafik
Grafik tidak lain adalah alat penyajian data statistik yang tertuang dalam bentuk
lukisan, baik lukisan garis, gambar maupun lambing. Jadi dalam penyajian data angka
melalui grafik, angka itu dilukiskan dalam bentuk lukisan garis, gambar atau lambing
tertentu; dengan kata lain angka itu divisualisasikan.

Bagian-bagian Utama Grafik


Sebuah grafik Umumnya terdiri dari 13 bagian yaitu :
1. Nomor Grafik
2. Judul Grafik
3. Sub-judul Grafik
4. Unit Skala Grafik
5. Angka Skala Grafik
6. Tanda Skala Grafik
7. Ordinat atau Oedinal atau Sumbu Vertikal
8. Koordinat (garis-garis Pertolongan = garis kisi-kisi).
9. Absis (sumbu Horizontal = Sumbu Mendatar = Garis nol = Garis awal = garis
mula).
10. Titik Nol (Titik awal).
11. Lukisan Grafik (Gambar Grafik).
12. Kunci Grafik (keterangan Grafik).
13. Sumber Grafik (Sumber Data)
Macam-macam Grafik
Seperti halnya Tabel frrekuensi, didalam dunia statistik kita mengenal berbagai
macam atau jenis grafik seperti :
a. Grafik balok atau grafik Batang atau Barchart.
Grafik balok ini ada 6 macam, yaitu :
Grafik Balok Tunggal
Grafik Balok Ganda atau Majemuk
Grafik Balok Terbagi
Grafik Balok Vertikal
Grafik Balok Horizontal
Grafik Balok Bilateral
b. Grafik lingkaran atau Cyrclegram atau Diagram Pastel
c. Grafik Gambar atau Pictogram atau piotograph
d. Grafik peta atau Kartogram atan Sta
e. Grafik Bidang
f. Grafik Volume
g. Grafik Garis, yang dapat dibedakan menjadi 3 macam, yaitu :
Grafik Garis Tunggal
Grafik Garis Majemuk
Grafik Poligon atau Polygon Frequency
h. Grafik ruang atau Grafik Histogram atau Histogram Frequency
Histogram
Sama seperti grafik jenis lain grafik ini pun medibedakan menjadi dua jenis.
a. Grafik Histogram Data Tunggal
Cara membuat grafik jenis ini yaitu :
a. Menyiapkan sumbu horizontal atau absis (X)
b. Menyiapkan sumbu vertical atau ordinal (Y)
c. Menetapkan titik nol (perpotongan X dengan Y)
d. Menentapkan atau menghitung Nilai Nyata (True Value) tiap-tiap interval .
e. Menetapkan nilai nyata masing-masing skor yang ada pada absis(X)
f. Menetapkan frekuensi tiap-tiap skor yang ada pada ordinal (Y)
(X) F Nilai Nyata
10 2 9,50 10,50
9 3 8,50 9,50
8 5 7,50 8,50
7 5 6,50 7,50
6 10 5,50 6,50
5 7 4,50 5,50
4 5 3,50 4,50
3 3 2,50 3,50

g. Membuat Grais Pertolongan (koordinat)


h. Melukiskan Grafik Histogramnya.

Histogram Distribusi Frekuensi Relatif


8

4
Tinggi Persegi Panjang
3

160 165 170 175 180 185 190

Tinggi Badan

b. Grafik Histogram Data Kelompokkan


1. Menyiapkan sumbu horizontal atau absis (X)
2. Menyiapkan sumbu vertical atau ordinal (Y)
3. Menetapkan titik nol (perpotongan X dengan Y)
4. Menentapkan atau menghitung Nilai Nyata (True Value) tiap-tiap interval .
5. Menempatkan Frekuensi Masing-masing interval pada sumbu vertical atau ordinal
(Y)Menetapkan nilai nyata masing-masing skor yang ada pada absis(X)
6. Menetapkan frekuensi tiap-tiap skor yang ada pada ordinal (Y)
7. Membuat Grais Pertolongan (koordinat)
8. Melukiskan Histogramnya
Interval f Nilai Nyata
78 80 2 77,50 80,50
75 77 2 74,50 77,50
72 74 3 71,50 74,50
69 71 4 68,50 71,50
66- 68 5 65,50 68,50
63 65 10 62,50 65,50
60 62 17 59,50 62,50
57 59 14 56,50 59,50
54 56 11 53,50 56,50
51 53 6 50,50 53,50
48 50 4 47,50 50,50
45 47 2 44,50 47,50
Total 80 = N -

100

80
Sum PEN G ELUA

60

40

20

KATEGORI

Polygon
Grafik Polygon dibedakan menjadi dua macam yaitu :
a. Grafik Polygon data Tunggal
Cara melukiskan grafik jenis ini yaitu :
1. Membuat sumbu horizontal (absis), lambangnya X.
2. Membuat sumbu vertical (ordinal), lambangnya Y
3. Menetapkan titik nol, yaitu perpotongan X dengan Y.
4. Menempatkan nilai hasil ulangan umum bidang studi pada absis X, berturut-turut
dari kiri kekanan, mulai dari nilai terendah sampai nilai tertinggi.
5. Menempatkan frekuensi pada ordinal Y.
6. Melukiskan grafik polygonnya

b. Grafik Polygon Data Kelompokkan


Cara melikiskan grafik jenis ini yaitu :
1. Menyiapkan sumbu horizontal atau absis (X)
2. Menyiapkan sumbu vertical atau ordonal (Y).
3. Menetapkan titik nol (perpotongan X dengan Y).
4. Menetapkan atau mencari nilai tengah (mid point) masing-masing interval yang
ada.
Interval f Midponit
(X)
78 80 2 (78 + 80) : 2 = 79
75 77 2 (75 + 77) : 2 = 76
72 74 3 (72 + 74) : 2 = 73
69 71 4 (69 + 71) : 2 = 70
66 68 5 (66 + 68) : 2 = 67
63 65 10 (63 + 65) : 2 = 64
60 62 17 (60 + 62) : 2 = 61
57 59 14 (57 + 59) : 2 = 58
54 56 11 (54 + 56) : 2 = 55
51 53 6 (51 + 53) : 2 = 52
48 50 4 (48 + 50) : 2 = 49
45 47 2 (45 + 47) : 2 = 46
Total 80 = N -

5. Menetapkan nilai tengah masing-masing interval pada absis (X)


6. Menetapkan frekuensi dari masing-masing interval, pada ordinal (Y).
Membuat garis Perpotongan (koordinat)
Melukiskan grafik poligonya.

20000

18000
p e n ju a la n

16000

14000

12000

Jan-00 Mart-00 Mei-00 Jul-00 Sept-00 Nov-00 Jan-01 Mart-01 Mei-01 Jul-01
Feb-00 Apr-00 Jun-00 Ags-00 Okt-00 Des-00 Feb-01 Apr-01 Jun-01 ags-01
bulan
Poligon Distribusi Frekuensi

12

10

6
Frekuensi

0
160 165 170 175 180 185 190

Tinggi Badan

BAB III
TENDENSI SENTRAL

1. MEAN
Rata-Rata Hitung (M)
Adalah jumlah dari keseluruhan angka (bilangan) yang ada, dibagi dengan
banyaknya angka (bilangan) tersebut. Cara mencari mean :
a. Untuk data tunggal
Seluruh skor berfrekuensi Satu
Rumus yang dipergunakan adalah

x
N
Mx =
Mx = mean yang dicari

x
= jumlah dari skor
N = Number of cases
Contoh
Jika nilai hasil ulangan dari seorang siswa MAN adalah sebagai berikut:
Tabel I. Perhitungan mean nilai hasil ulangan harian dalam bidang studi agama
Islam, PMP, Bahasa Indonesia, Bahasa Inggris, IPS dan IPA
X F
9 1
8 1
7 1
6 1
5 1
4 1
x 39 N = 6

x 39
Dari tabel diatas kita memperoleh dan N = 6, maka:

x
N
Mx =
39
6,50
6
Mx =
Seluruh atau sebagian skor berfrekuensi lebih dari satu
Rumus yang dipergunakan adalah:

fx'
N
Mx =
Mx = mean yang kita cari

fx
= jumlah hasil perkalian antara masing-masing skor dengan frekuensinya
N = Number of cases
Contoh:
Dalam Hasil EBTA bidang studi ilmu Jiwa perkembangan yang diikuti 100 orang
siswa kelas terakhir PGA Negeri diperoleh nilai hasil EBTA sebagai berikut:
Nilai (X) Frekuensi (f)
10 1
9 2
8 4
7 20
6 35
5 22
4 11
3 4
2 1
Total 100
Tabel 3. Perhitungan untuk mencari mean nilai hasil EBTA bidang studi ilmu Jiwa
perkembangan yang diikuti 100 orang siswa kelas terakhir PGA Negeri
Nilai (X) Frekuensi (f) fX
10 1 10
9 2 18
8 4 32
7 20 140
6 35 210
5 22 110
4 11 44
3 4 12
2 1 2
Total 100 578

fx'
N
Mx =
578
5,78
100
Mx =
b. Untuk data kelompok
Cara Panjang
Rumus yang dipergunakan:

fx
N
Mx =
Mx = mean yang kita cari

fx
= jumlah dari perkalian antara midpoint masing-masing interval dengan
frekuensi
N = Number of cases
Contoh:
Dalam tes seleksi penerimaan siswa baru SMA swasta yang diikuti 800 orang
calon, diperoleh nilai hasil tes bidang studi bahasa inggris sbb:

Interval F
nilai
75-79 8
70-74 16
65-69 32
55-59 160
50-54 240
45-49 176
40-44 88
35-39 40
30-34 32
8
Total 800

Langkah yang hars ditempuh:


a. Menetapkan midpoint masing-masing interval
b. Memperkalikan frekuensi dengan midpointnya
c. Menjumlahkan fX
d. Menghitung meannya
Tabel 4. Perhitungan mean data yang tertera dengan menggunakan metode
panjang
Interval nilai F X Fx
75-79 8 77 616
70-74 16 72 1152
65-69 32 67 2144
55-59 160 62 9920
50-54 240 57 13680
45-49 176 52 9162
40-44 88 47 4130
35-39 40 42 1680
30-34 32 37 1184
8 32 256
Total 800 - fX
43920 =

Dari tabel di atas, meannya:

fx
N
Mx =
43920
54,90
800
Mx =
Cara Singkat
Rumus yang digunakan
fx'
N
Mx = M + I
Mx = mean yang dicari
M = mean terkaan
i =Interval klas

fx
= jumlah hasil perkaliam dengan titik buatyan sendiri dengan frekuensi
masing-masing
N=number of cases
Contoh:
Tabel Perhitungan data dengan metode panjang, disajikan dengan metode singkat:
Interval nilai f X x fx
75-79 8 77 +4 +32
70-74 16 72 +3 +48
65-69 32 67 +2 +64
55-59 160 62 +1 +160
50-54 240 57(M) 0 0
45-49 176 52 -1 -176
40-44 88 47 -2 -176
35-39 40 42 -3 -120
30-34 32 37 -4 -128
8 32 -5 -40
Total 800 - - fx'
-336 =
Langkah I : mencari mean terkaan sendiri dengan cara memilih salah satu
midpoint diantara midpoint yang ada dalam interval nilai yang memiliki frekuensi
tertinggi
Langkah 2: Menentapkan x dengan cara meletakkan angka nol pada M
selanjutnya berturut-turut keatas +1,+2 dst, sedangkan dibawah -1,-2 dst.
Langkah 3 : Memperkalikan frekuensi dri masing-masing interval dengan x
Langkah 4: menghitung meannya dengan mempergunakan rumus
fx'
N
Mx = M +

fx
Karena M = 57, i = 5, = -338 dan N =800
1680
57 2,10 54,90
800
Mx = 57 -

Penggunaan Mean
Sebagai salah satu ukuran rata-rata, mean kita gunakan apabila kita berhadapan
dengan kenyataan bahwa:
a. Bahwa data statistik yang kita hadapi merupakan data yang distribusi frekuensinya
bersifat normal atau simetris; setidak-tidaknya mendekati normal. Jadi apabila data
statistik yang kita hadapi bersifat a-symetris, maka untuk mencari nilai rata-rata yang
demikian itu hendaknya jangan dipergunakan Mean, sebab nilai rata-rata yang
diperoleh nantinya akan terlalu jauh menyimpang dari kenyataan yang sebenarnya
b. Bahwa dalam kegiatan analisa data, kita menghendaki kadar kemantapan atau kadar
kepercayaan yang setinggi mungkin. Sebagai ukuran rata-rata , mean cukup dapat
diandalkan, atau memiliki reliabilitas yang tinggi.
c. Bahwa dalam penganalisaan data selanjutnya, terhadap data yang sedang kita hadapi
atau kita teliti itu, akan kita kenai ukuran-ukuran statistik selain Mean, misalnya:
Deviasi Rata-rata, Deviasi Standar, Korelasi dan sebagainya.

2. MEDIAN
Adalah suatu nilai atau suatu angka yang membagi suatu distribusi data ke
dalam dua bagian yang sama besar. Dengan kata lain, Nilai Rata-rata Pertengahan atau
Median adalah nilai atau angka yang di atas nilai atau angka tersebut terdapat N dan
dibawahnya juga terdapat N .
Cara Mencari Median
a. Cara mencari median dengan data tunggal
Data tunggal dengan frekuensi 1
Data tunggal dengan frekuensi 1 dan number of casesnya gasal
Untuk data tunggal yag seluruh skorya berfrekuensi 1 dengan number of
cases gasal (2n+1) maka mediannya terletak pada bilangan ke n+1.
Contoh: sejumlah 9 orang mahasiswa menempuh ujian lisan dalam
teknik evaluasi pendidikan. Nilai mereka 65 75 60 70 55 50 80 40 30.
Langkah yang ditempuh menentukan n dengan rumus N = 2n +1
2n = 9-1
n=4
Dengan demikian, mediannya adalah n+1 berada pada bilangan ke 4+1 =
5 yaitu 60
Data tunggal dengan frekuensi 1 dan number of casesnya genap
Untuk data tunggal yag seluruh skorya berfrekuensi 1 dengan number of
cases genap (2n) maka mediannya terletak pada bilangan ke n+1.
Contoh: 161 162 163 164 165 166 167 168 169 170
Karena N = 10, maka n = 5, jadi bilangan median terletak antara bilangan
ke5 dan ke5+1 yaitu 165 dan 166.
165 166
165,50
2
Jadi Mdn =

Data tunggal dengan frekuensi lebih dari satu


Rumus yang digunakan:
1 1
N fkb N fka
2 2
fi fi
Mdn = 1 + atau Mdn = u -
Mdn = median
1 = batas bawah skor yang mengandung median
fkb = frekuensi kumulatif yang terletak di bawah skor mengandung
median
fka = frekuensi kumulatif yang terletak di atas skor yang mengandung
median
N = mumber of cases
U = batas atas skor yang mengandung median

Contoh: skor berikut menunjukkan usia sejumlah 50 orang guru agama


Islam yang bertugas pada SDN di suatu kecamatan:
2 2 2 2 3 2 2 2 2 3
6 8 7 4 1 7 5 8 6 0
2 2 2 3 2 2 3 2 2 2
9 7 6 0 5 3 1 8 6 7
3 2 2 2 2 3 2 2 2 2
1 4 7 9 7 0 8 6 9 5
2 2 2 2 2 2 2 2 3 2
3 9 7 6 8 5 7 8 0 5
2 2 3 2 2 2 2 2 2 2
4 9 1 7 8 8 7 8 7 7
Untuk mencari median dari data semacam ini, terlebih dahulu kita
membuat tabel distribusi frekuensinya yang memuat skor usia, tanda,
frekuensi, frekuensi kumulatif dari bawah, frekuensi kumulatif atas.
Setelah tabel selesai, langkah yang harus dilakukan adalah:
1. Pertama- tama data dibagi menjadi dua bagian sama besar,
karena N=50, maka N = 25
2. Karena skor yang mengandung median adalah 27, maka
dapat diketahui bahwa, l nya = 26,50.frekuensi asli = 12 dan fkbnya
=18
3. Subtitusikan dalam rumus, maka:
1
N fkb
2 7
26,50 1,583 27,083
fi 12
Mdn = 1 + = 26,50 +
Tabel perhitungan distribusi frekuensi usia guru Agama Islam
Usia (X) F Fkb Fka
31 4 50 4
30 4 46 8
29 5 42 13
28 6 37 20
27 12 30 32
26 8 18 40
25 5 10 45
24 3 5 48
23 2 2 50
Total 50 - -

b. Cara mencari median dengan data kelompok


Rumus yang digunakan:

12 N fkb xi 12 N fka xi
fi fi
Mdn = 1 + dan Mdn = u -
Mdn = median
1 = batas bawah skor yang mengandung median
fkb = frekuensi kumulatif yang terletak di bawah interval mengandung median
fka = frekuensi kumulatif yang terletak di atas interval yang mengandung
median
fi = frekuensi aslinya
U = batas atas interval yang mengandung median
Contoh:
Tabel perhitungan untuk mencari median nilai hasil EBTa dalam bahasa arab yang
diikuti 100 orang siswa MTs
Interval nilai F Fkb Fka
65-69 6 100 6
60-64 24 94 30
55-59 25 70 55
50-54 15 45 70
45-49 10 30 80
40-44 6 20 86
35-39 5 14 91
30-34 4 9 95
29-25 3 5 98
20-24 2 2 100
Total 100 - -

Langkah yang harus dilakukan:


1. tentukan letak pertengahan dengan N = 50
2. menentukan letak pertengahan pada frekuensi kumulatif yaitu 70
3. Tentukan interval yaitu 55-59, maka l = 54,50; fi =25; fki = 45 sedangkan I = 5

12 N fkb xi
fi
Mdn = 1 +
5
x5 54,50 1 55,50
25
Mdn = 54,50 +

Penggunaan nilai median


Nilai median digunakan apabila kita berhadapan dengan kenyataan sebagai berikut:
Kita tidak memiliki waktu yang cukup luas atau longggar untuk menghitung
Nilai Rata-rata Hitung (Mean)-nya.
Kita tidak ingin memperoleh nilai reta-rata dengan tingkat ketelitian yang
tinggi, melainkan hanya sekedar ingin mengetahui, sekor atau nilai yang
merupakan nilai pertengahan dati data yang sedang kita teliti.
Distribusi Frekuensi data yang sedang kita hadapi itu bersifat a-simetris
(tidak normal).
Data yang sedang kita teliti itu tidak akan dianalisa secara lebih dalam lagi
dengan mempergunakan ukuran statistik lainnya.

Kebaikan dan kelemahan median


Kebaikan median, karena median dapat diperoleh dalam waktu yang sangat singkat
karena proses perhitungannya yang sangat sederhana, sedangkan kelemahannya
adalah kurang teliti.

3. MODUS
Adalah suatu sekor atau nilai yang mempunyai frekuensi paling banyak; dengan
kata lain: sekor atau nilai yang mempunyai frekuensi maksimal dalam suatu distribusi
data.
Cara Mencari Modus
a. Cara mencari modus data tunggal
Cari mencari modus dengan data tunggal angat mudah sekali dengan memeriksa
diantara skor yang memiliki frekuensi yang paling tinggi.
b. Cara mencari modus data kelompok
Rumus yang digunakan:
fa xi
fb xi
fa fb fa Fb
Mo = l + atau Mo = u -
Mo = modus
L = batas bawah nyata dari interval nilai yang mengandung modus
fa = frekuensi yang terletak diatas modus
fb = frekuensi yang terletak dibawah modus
u = upper limit
i = interval

Kebaikan dan kelamahan Modus


Kebaikan Modus ialah, dapat menolong diri kita untuk dalam waktu yang paling
singkat memperoleh ukuran rata-rata yang merupakan ciri khas dari data yang kita
hadapi.
Adapun kelemahannya ialah kurang teliti, karena Modus terlalu mudah atau
terlalu gampang diperoleh (dicapai). Selain itu, jika frekuensi maksimal yang terdapat
dalam distribusi frekuensi data yang kita teliti itu lebih dari satu buah, maka akan kita
peroleh Modus yang banyaknya lebih dari satu buah. Kemungkinan lainnya, bisa terjadi
bahwa dalam suatu distribusi frekuensi tidak dapat kita cari atau tentukan Modusnya,
disebabkan karena semua sekor yang ada mempunyai frekuensi yang sama. Walhasil,
sebagai salah satu ukuran rata-rata, Modus sifatnya labil (tidak stabil).

Saling Hubungan antara mean, median dan modus


Dalam keadaan khusus yaitu dalam keadaan distibusi frekuensi data yang kita
selidiki bersifat normal (=simetris) maka akan kita temui keadaan sebagai berikut;
Mean = Median = Modus
Modus = 3 Median 2 Mean
Contoh;
Interval Nilai F X x fx fk(b) fk(a)

70-74 2 72 +4 +8 64=N 2
65-69 4 67 +3 +12 62 6
60-64 9 62 +2 +18 58 15
55-59 10 57 +1 +10 49 25
50-54 14 (52)M 0 0 39 39
45-49 10 47 -1 -10 25 49
40-44 9 42 -2 -18 15 58
35-39 4 37 -3 -12 6 62
30-34 2 32 -4 -8 2 64=N
Total 64=N - - 0=fx - -

( fx' ) (0)
M M 'i 52
(N ) (64)
= 52 + 0 = 52
1
N fk b
2 (32 25)
Mdn 1 Xi 49,50 X5
fi 14
= 49,50 + 2,50 = 52
1
N fk a
2 (32 25)
Mdn u Xi 54,50 X5
fi 14
= 49,50 - 2,50 = 52

fa 10
Mo 1 Xi 49,50 X5
fa fb 10 10
= 49,50 + 2,50 = 52
fb 10
Mo u Xi 54,50 X5
fa fb 10 10
= 54,50 2,50 = 52
Modus = 3Mdn 2 M = (3 x 52) (2 x 52)
= 156 104 = 52

Kecuali median, dalam dunia statistik juga dikenal adanya ukuran


penentuan letak nilai lainnya, yaitu quartile, desil dan persentil

4. QUARTIL
Adalah titik atau sekor atau nilai yang membagi seluruh distribusi frekuensi ke
dalam empat bagian yang sama besar, yaitu masing-masing sebesar 1/4N.
Untuk mencari Q1, Q2, Q3 menggunakan rumus sbb:
a. Untuk data tunggal

n 4 N fkb
fi
Qn = 1 +
b. Untuk data kelompok

n 4 N fkb xi
fi
Qn= l +
Di antara kegunaan dari quartile adalah untuk mengetahui simetrus dan
asimetrisnya kurva. Dalam hal ini patokannya adalah sebagai berikut:
Jika Q3 - Q2 = Q2 Q1, maka kurva normal
Jika Q3 Q2 > Q2 - Q1 maka kurva juling positif
Jika Q3 - Q2 < Q2 - Q1 maka kurva juling negatif
Contoh : Data berikut:
Interval Frekuensi (F) fkb
64-66 1 65=N
61-63 1 64
58-60 1 63
55-57 4 62
52-54 5 58
49-51 7 53
46-48 12 46
43-45 15 34
40-42 12 19
37-39 4 7
34-36 2 3
31-33 1 1
Total 65 = N -
N = x 65 = 16,25 (terletak pada interval 40-42)
I = 39,5 fi = 12 fkb = 7 i=3
16,25 7
Q1 39,5 x3 39,5 2,313 41,813
12

2/4 N = 2/4 x 65 = 32,5 (terletak pada interval 43-45)


I = 42,5 fi = 15 fkb = 19 i=3
32,5 19
Q2 42,5 x3 42,5 2,7 45,2
15

N = x 65 = 48,75 (terletak pada interval 49-51)


I = 48,5 fi = 7 fkb = 46 i =3
48,75 46
Q3 48,5 x3 48,5 1,179 49,679
7

Q3 Q2 = 49,679 45,2 = 4,479


Q2 Q1 = 45,2 41,813 = 3,387
Q3 Q2 > Q2 Q1 (Bentuk kurva Juling Positif)
5. DECILE
Titik atau sekor atau nilai yang membagi seluruh distribusi frekuensi dari
data yang kita selidiki, ke dalam 10 bagian yang sama besar, yang masing-masing
sebesar 1/10N.
Untuk mencari decile digunakan rumus sebagai berikut:
a. Untuk data tunggal

n10 N fkb
fi
Dn = 1 +
b. Untuk data kelompok

n10 N fkb xi
fi
Dn = l +
Di antara kegunaan decile adalah dapat digunakan untuk menggolong-
golongkan suatu distribusi data ke dalam sepuluh bagian yang sama besar, untuk
kemudian menempatkan subjek-subjek penelitian ke dalam sepuluh golongan
tersebut.
6. PERSENTIL
Adalah titik atau nilai yang membagi suati distribusi data menjadi seratus
bagian yang sama besar.
Untuk mencari persentik digunakan rumus sebagai berikut:
a. Data tunggal

n100 N fkb
fi
Pn = 1 +
b. Data Kelompok

n100 N fkb xi
fi
Pn = l +

Nilai Rata-rata Ukur


Nilai rata-rata ukur ini jarang sekali dipergunakan dalam lapangan pendidikan,
namun digunakan pada lapangan psycophysica.
a. Pengertian Nilai rata-rata ukur
Adalah hasil perkalian bilangan tersebut, diakar pangkatkan banyaknya
bilangan itu sendiri.
Dengan demikian, GM dari dua bilangan adalah sama dengan akar pangkat dua
dari hasil perkalian kedua bilangan itu sendiri.
n
X 1xX 2 xX 3........... Xn
GM =

b. Cara menghitung nlai rata-rata ukur


Adapun rumus untuk menghitung geometrik mean dengan menggunakan
logaritma adalah sebagai berikut:

log X
N
Log GM =

Nilai rata-rata Harmonik


1. Pengertian nilai Rata-rata Harmonik
Adalah kebalikan dari nilai rata-rata hitung dari kebalikan bilangan yang
termasuk dalam kumpulan bilangan tersebut.
N
1
x
HM =

2. Cara menghitung nilai rata- rata Harmonik


Misalkan ingin mencari nilai rata-rata harmonik 3 bilangan, yaitu bilangan
2,3 dan 4. Jika bilangan tersebut kita lambangkan dengan X1,X2, X3, maka
1 1 6

X 1 2 12

1 1 4

X 2 3 12

1 1 3

X 3 4 12
1 13
X
12
Jumlah:
Karena N=3, maka nilai rata-rata harmoniknya adalah
N
1
x
HM =
3
2,8
13
12
HM =

BAB IV
PENYEBARAN DATA
(VARIABILITAS)

Pengertian Ukuran Penyebaran Data


Ukuran penyebaran data adalah berbagai macam ukuran statistic yang dapat
dipergunakan untuk mengetahui luas penyebaran data, atau variasi data, atau homogenitas,
atau stabilitas data.
Macam-macam Ukuran Penyebaran Data
Dalam dunia statistik dikenal beberapa macam ukuran penyebaran data, dari ukuran
yang paling sederhana sampai ukuran yang dipandang memiliki kadar ketelitian yang
tinggi, yaitu:
1. Range,
2. Deviasi( yatu: deviasi kuartil, deviasi rata-rata, deviasi standar)
3. Variante
4. Ukuran penyebaran relatif
1. Range
Ukuran penyebaran data yang pertama-tama diperkenalkan disini adalah range,
yang dalam dunia statistik dikenal sebagai ukuran penyebaran data yang paling
sederhana yang karena itu juga sering disebut sebagai ukuran penyebaran data yang
paling kasar.
Pengertian Range
Range biasa diberi lambang R adalah salah satu ukran statistk yang
menunjukkan jarak penyebaran antara skor yang terendah sampai skor tertinggi.
Dengan singkat dapat dirumuskan sebagai berikut:
R=HL
R = range yang dicari
H = Skor tertinggi
L = skor terendah

Cara Mencari Range


Tabel berikut mengemukakan salah satu contoh cara mencari range
Tabel. Perhitungan Range Nilai Hasil Tes untuk 5 Macam bidang studi, yang dikuti
oleh 3 orang calon yang mengikuti tes seleksi penerimaan calon mahasiswa baru
pada sebuah perguruan Tinggi Agama Islam
N R= Jum Me
o. Nilai Yang Dicapai H L H-L lah an
Uj B Bh Bh
i Dir. hs s s. Nilai
PM Isla In Ar In
P m d ab gg
8 4
1 85 55 75 45 65 5 5 40 325 65
7 5
2 58 65 72 60 70 2 8 14 325 65
6 6
3 65 65 65 65 65 5 5 0 325 65

Tabel diatas menunjukkan bahwa makin kecil jarak penyebaran nilai dari
nilai terendah sampai nilai tertinggi akan makin homogen distribusi nilai tersebut.
Sebaliknya, makin besar rangenya maka akan makin berserakan (makin
heterogenitas) nilai-nilai yang ada dalam distribusi tersebut.
Selain itu, berdasar pada range kita juga dapat mengatakan bahwa kian kecil
range dari suatu distribusi data, kian cenderung bagi diri kita untuk menganggap
bahwa mean yang kita peroleh merupakan wakil yang representatif data yang
bersangkutan; sebaliknya kian besar rangenya kita akan lebih cenderung
menganggap bahwa mean yang kita peroleh sifatnya meragukan.
Penggunaan Range
Range kita pergunakan sebagai ukuran, apabila di dalam waktu yang sangat
singkat kita ingin memperoleh gambaran tentang penyebaran data yang sedang kita
selidiki, dengan mengabaikan fakto ketelitian dan kecermatan.
Kebaikan dan Kelamahan Range
Kebaikan range sebagai salah satu ukuran penyebaran data ialah bahwa
dengan menggunakan range dalam waktu singkat dapat diperoleh gambaran umun
mengenai luas penyebaran data yang sedang kita hadapi.
Adapun kelemahannya ialah:
a. Range akan sangat tergantung kepada nilai-nilai ekstrimnya. Dengan kata lain
range akan sangat ditentukan oleh nilai terendah dan nilai tertinggi yang
terdapat dalam distribusi data, sehingga dengan demikian range sifatnya
sangat labl dan kurang teliti.
b. Range sebagai ukuran penyebaran data, tidak memperhatikan distribusi yang
terdapat dalam range itu sendiri

2. Deviasi
Pengertian Deviasi
Deviasi adalah selisih atau simpangan dari masing-masing skor atau interval
dari nilai rata-rata hitungnya.
Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang dipergunakan sebagai lambang skornya. Jadi
apabila skor diberi lambang X, maka deviasinya berlambang x.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor
terhadap mean grupnya, maka sudah barang tentu terdapat dua jenis deviasi, yaitu: (1)
deviasi yang berada di atas mean; (2) deviasi yang berada di bawah mean.
Deviasi yang berada diatas mean dapat diartikan sebagai selisih lebih,
karenanya deviasi yang seperti ini akan bertanda plus, lazim dikatakan sebagai deviasi
positif. Adapun derviasi yang berada di bawah mean dapat diartikan sebagai selisih
kurang dan bertanda negatif serta lazim dikenal sebagai deviasi kurang.
Patut diingat bahwa semua deviasi yang bertanda plus maupun minus
dijumlahkan hasilnya akan sama dengan nol. Guna memperjelas uaian perhatikan
contoh berikut:
Skor (X) Banyaknya (f) Deviasi
(x=X-Mx)
8 1 8-6 = +2
7 1 7-6 =+1
6 1 6-6 = 0
5 1 5-6 = -1
4 1 4-6 = -2
X 30 N = 5 x 0

Deviasi Rata-rata
Seperti terlihat pada tabel di atas, jika seluruh deviasi dijumlahkan maka
hasilnya pasti sama dengan nol. Karena jumlah deviasi akan selalu sama dengan
nol, maka jika deviasi kita gunakan sebagai ukuran untuk mengetahui variabilitas
data tidak akan ada gunanya sama sekali. Oleh karena itu agar deviasi dapat
dipergunakan sebagai ukuran variabilitas maka dalam menjumlahkan deviasi itu,
maka tanda-tanda lajabar itu hendaknya diabaikan. Dengan kata lain, agar deviasi
dapat dimanfaatkan sebagai ukuran variabilitas, maka penjumlahan itu dilakukan
terhadap harga mutlak. Setelah seluruhnya dijumlahkan maka dihitung rata-ratanya.
Pengertian Deviasi Rata-Rata
Deviasi rata-rata yaitu jumlah harga mutlak deviasi dari tiap-tiap skor,
dibagi dengan banyaknya skor itu sendiri.
Dalam bahasa Inggris deviasi rata-rata dikenal dengan mean deviation atau
average deviation; selanjutnya digunakan lambang AD. Dengan demikian apabila
pengertian tentang deviasi rata-rata tadi diformulasikan dalam bentuk berikut:

x
N
AD =
AD = avearage Deviation
x
= jumlah harga mutlak dari tiap deviasi

N = Number of case

Cara Mencari Deviasi Rata-Rata


a. Cara mencari deviasi rata-rata untuk data tunggal yang masing-masing skor
berfrekuensi satu
Contohnya:
Tabel Nilai Hasil studi tingkat sarjana yang berhasil dicapai Taufiq dan
perhitungan deviasi rata-ratanya
Nilai (X) F Deviasi (x = X-Mx)
73 1 +3
78 1 +8
60 1 -10
70 1 0
62 1 -8
80 1 +10
67 1 -3
X 480 N=7 x 42
x 490 70
N 7
Mx =

x 42 6,0
N 7
AD =
Tabel Nilai Hasil Studi Tingkat sarjana yang Berhasil dicapai Tarmudzi
dan Perhitungan deviasi rata-ratanya.
Nilai (Y) F Deviasi (y = Y My)
73 1 +3
69 1 -1
72 1 +2
70 1 0
71 1 +1
67 1 -3
68 1 -2
Y 490 N= 7 y 12
Y
490
70
y 1,7
N 7 N
My = AD =
b. Cara mencari deviasi rata-rata untuk data tunggal yang sebagian atau seluruh
skor berfrekuensi lebih dari satu
Untuk data semacam ini, rumus yang dipergunakan adalah sebagai berikut:

fx
N
AD =
AD = deviasi rata-rata

fx
= jumlah frekuensi perkalian antara deviasi tiap-tiap skor dengan

frekuensi masing-masing skor tsb


N = number of cases

Contoh : Tabel usia dan Perhitungan Deviasi rata-rata


Usia (X) F fX X fx
31 4 124 +3,8 +15,2
30 4 120 +2,8 +11,2
29 5 145 +1,8 +9,0
28 7 196 +0,8 +5,6
27 12 324 -0,2 -2,4
26 8 208 -1,2 -9,6
25 5 125 -2,2 -11,0
24 3 72 -3,2 -9,6
23 2 46 -4,2 -8,4
Total N= fX - 82,0 =
50 1360=
fx
Langkah I: Mencari mean dengan rumus
fx 1360 27,2
N 50
Mx =
Langkah II: Menghitung deviasi masing-masing skor dengan rumus x = X
Mx
Langkah III: Memperkalikan f dengan x sehingga di dapatkan fx, kemudian

fx
dijumlahkan sehingga diperoleh , dengan catatan tanda

fx
alajabar diabaikan sehingga nilai = 82,0
Langkah IV: menghitung deviasi rata-rata dengan rumus:

fx
N
AD =
82,0
1,64
50
AD=

c. Cara mencari deviasi rata-rata untuk data kelompokkan


Misal:
Tabel Perhitungan deviasi rata-rata
Interva F X Fx X fx
l
70-74 3 72 216 +25,875 +75,5625
65-69 5 67 335 +20,875 +100,9375
60-64 6 62 372 +15,1875 +91,1250
55-59 7 57 399 +10,1875 +71,3125
50-54 7 52 364 +5,1875 +36,3125
45-49 17 47 799 +0,1875 +3,1875
40-44 15 42 630 -4,8125 -72,1875
35-39 7 37 259 -9,8125 -68,6875
30-34 6 32 192 -14,8125 -88,8750
25-29 5 27 135 -19,8125 -99,0625
20-24 2 22 44 -24,8125 -49,6250
Total N = 80 - fx - 756,8750=
3745 =
fx
Langkah yang akan ditempuh dalam mencari deviasi rata-rata data
kelompokan adalah sebagai berikut:
Langkah I: menetapkan midpoint masing-masing interval
LangkahII: memperkalikan f dengan X( midpointnya) sehingga diperoleh fX,

fx
kemudiandijumlahkan diperoleh = 3745
Langkah III: mencari meannya dengan rumus:

fX
3745
46,8125
N 80
Mx =
Langkah IV: Mencari deviasi tipa-tiap interval dengan rumus x = X-Mx
Langkah V: Memperkalikan f dengan x sehingga diperoleh fx, dengan
mengabaikan tanda aljabar
Langkah VI: Mencari deviasi rata-rata, dengan rumus:
756,8750
9,461
fx 80
N
AD = =

Kelemahan Deviasi rata-rata


Pengabaian tanda alabar secara matematik kurang dapat
dipertanggungjawabkan, sehingga dalam penganalisaan data statistic ukuran ini
jarang sekali digunakan karena dianggap kurang teliti.

Deviasi Standar
Dalam rangka mengatasi kelemahan-kelamahan deviasi rata-rata, Karl
Pearson memberikan jalan keluar sebagai berikut:
1. semua deviasi baik yang bertanda plus maupun minus hendaknya
dikuadratkan terlebih dahulu
2. Setelah semua deviasi dikuadratkan lalu dijumlahkan dicari rata-rata dan
dicari akarnya
Pengertian Deviasi Standar
Disebut deviasi standard, karena deviasi rata-rata yang tadinya memiliki
kelemahan telah dibakukan sehingga memiliki kadar kepercayaan yang lebih
mantap.
Rumus umum :

x2
N
SD =
SD = Standar deviasi

x2
=
jumlah semua deviasi
N = Number of cases

Cara Mencari deviasi standard


a. Cara Mencari Deviasi standard untuk data tunggal yang emua skornya
berfrekuensi satu
Misalkan data berikut yang telah ditentukan deviasi rata-ratanya
Tabel Nilai Hasil studi tingkat sarjana yang berhasil dicapai Taufiq dan
perhitungan deviasi standarnya

Nilai (X) F Deviasi (x = X-Mx) x2


73 1 +3 +9
78 1 +8 +64
60 1 -10 +100
70 1 0 0
62 1 -8 +64
80 1 +10 +100
67 1 -3 +9
X 480 N=7 x 42 x2 = 46

Langkah perhitungannya:
X
490
70
N 7
1. Mx =
2. Mencari deviasi x : X - Mx
3. Mengkuadratkan x sehingga diperoleh x2 sehingga didapatkan x2 = 346
4. Mencari deviasi standarnya:

x2 346
49,429 7,03
N 7
SD = =

x 42 6,0
N 7
AD =
Ternyata SD-nya lebih besar daripada AD-nya. Hasil perhitungan SD ini
lebih teliti daripada hasil perhitungan AD.

b. Cara mencari deviasi standard untuk data tunggal yang sebagian atau seluruh
skornya berfrekuensi lebih dari satu
Rumus deviasi stanar untuk data semacam ini adalah sebagai berikut:

fx2
N
SD =
SD = standar deviasi

fx2
jumlah hasil perkalian antara frekuensi masing-masing
N = Number of cases
Contoh : Misalkan data pada perhitungan table usia yang telah dicari deviasi
rata-ratanya
Usia(X) f Fx X x2 fx2
31 4 124 +3,8 14,44 57,76
30 4 120 +2,8 7,84 31,36
29 5 145 +1,8 3,24 16,20
28 7 196 +0,8 0,64 4,48
27 12 324 -0,2 0,04 0,48
26 8 208 -1,2 1,44 11,52
25 5 125 -2,2 4,84 24,20
24 3 72 -3,2 10,24 30,72
23 2 46 -4,2 17,64 35,28
Total N=50 fX - - fx2
1360= 212,00 =

Langkah yang perlu kita tempuh:


1. Mencari meannya dengan rumus:
2. Mencari deviasi tiap-tiap skor yang ada ( kolom 4)
3. Mengkuadratkan semua deviasi yang ada ( kolom 5)

fx2
2
4. Memperkalika frekuensi dengan x sehingga diperoleh = 212
5. Mencari SD-nya dengan rumus:

fx2 212
4,24 2,06
N 20
SD = =
82,0
1,64
50
AD=
c. Cara mencari deviasi standard untuk data kelompokan
Untuk data kelompokan, deviasi standard dapat dicari dengan dua rumuas yaitu
rumus singkat dan rumus panjang. Rumus panjang dilakukan jika kita
menggunakan alat Bantu hitung karena tingkat ketelitiannya lebih tinggi.
1. Cara mencari deviasi standar dengan menggunakan rumus panjang
Misalkan data berikut kita cari deviasi standarnya
Interva f X fX X x2 fx2
l
70-74 3 72 216 +25,875 634,410 1903,230
65-69 5 67 335 +20,875 407,535 2037,675
60-64 6 62 372 +15,1875 230,660 1383,960
55-59 7 57 399 +10,1875 130,785 726,495
50-54 7 52 364 +5,1875 26,910 188,370
45-49 17 47 799 +0,1875 0,035 0,595
40-44 15 42 630 -4,8125 23,160 347,400
35-39 7 37 259 -9,8125 96,285 673,995
30-34 6 32 192 -14,8125 219,410 1316,460
25-29 5 27 135 -19,8125 392,535 1962,675
20-24 2 22 44 -24,8125 615,660 1231,320
Total N= 80 - 3745= - - fx
11772,175=
fx

fx2 11772,175
147,1522 12,13
N 80
SD = =

2. Cara mencari deviasi standar dengan menggunakan rumus singkat


Rumus singkat mencari deviasi standar sebagai berikut:

fx' fx'
2
2


N N

SD = i
SD = deviasi standar
i = kelas interval

fx'2
= jumlah perkalian natra frekuensi dengan x2

fx'
= jumlah hasil perkalian antara frekuensi denan x
N = number of cases
Tabel perhitungan diatas kita cari dengan menggunakan rumus panjang,
maka sekarang kita cari dengan rumus singkat:
Interva f X x fx x2 fx2
l
70-74 3 72 +5 +15 25 75
65-69 5 67 +4 +20 16 80
60-64 6 62 +3 +18 9 54
55-59 7 57 +2 +14 4 28
50-54 7 52 +1 +7 1 7
45-49 17 47 0 0 0 0
40-44 15 42 -1 -15 1 15
35-39 7 37 -2 -14 4 28
30-34 6 32 -3 -18 9 54
25-29 5 27 -4 -20 16 80
20-24 2 22 -5 -10 25 50
Total N= 80 - - fx' - fx'2
-3= 471=

fx' fx'
2
2


N N

SD = i SD = i
471 3

80 80
=5

5,8875 0,0375 5,88609375


2
= 5 = 5 = 12,13 hasilnya persis sama dengan
rumus panjang

Kegunaan Deviasi rata-rata dan Deviasi Standar


Baik deviasi rata-rata maupun deviasi standar keduanya berguna untuk mengetahui
variabilitas data dan sekaligus untuk mengetahui homogenitas data. Dengan mengetahui
besar kecilnya deviasi rata-rata dan deviasi standar, kita akan dapat pula mengetahui
bagaimana variabilitas dan homogenitas data yang sedang kita selidiki. Jika deviasi rata-
rata atau deviasi standar besar, maka kurang homogenitas data tersebut.
BAB V
HUBUNGAN ANTAR VARIABEL
(TEKNIK ANALISIS KORELASIONAL)

A. Pengertian Korelasi
Kata korelasi berasal dari bahasa Inggris correlation. Dalam bahasa
Indonesia sering diterjemahkan dengan hubungan atau saling hubungan, atau
hubungan rimbal-balik.
Dalam ilmu statistik istilah korelasi diberi pengertian msebagai hubungan
antar dua variabel atau lebuh.
Hubungan antar dua variabel dikenal denmgan istilah bivariate correlation,
sedangkan hubungan antar lebih dari dua variabel disebut multivariate correlation.
Hubungan antar dua variabel misalnya hubungan atau korelasi antara prestasi
studi (variabel X) dan kerajinan kuliah (variabel Y); maksudnya: prestasi studi ada
hubungannya dengan kerajinan kuliah. Hubungan antar lebih dari dua variabel,
misalnya hubungan antara prestasi studi (variabel X1) dengan kerajinan kuliah (variabel
X2), keaktifan mengunjungi perpustakaan (variabel X3) dan keaktifan berdiskusi
(variabel X4).
Dalam contoh di atas, variabel prestasi studi disebut : dependent variable, yaitu
variabel yang dipengaruhi; sedangkan variabel kerajinan kuliah, keaktifan
mengunjungi perpustakaan dan keaktifan berdiskusi disebut : independent variable,
yaitu variabel bebas, dalam arti: bermacam-macam variabel yang dapat memberikan
pengaruh terhadap prestasi studi.

B. Arah Korelasi
Hubungan antar variabel itu jika ditilik dari segi arahnya, dapat dibedakan
menjadi dua macam, yaitu hubungan yang sifatnya satu arah dan hubungan yang
sifatnya berlawanan arah.
Hubungan yang bersifat searah diberi nama korelsi positif, sedang hubungan
yang bersifat berlawanan arah disebut korelasi negatif.
Disebut Korelasi Positif, jika dua variabel (atau lebih) yang berkorelasi,
berjalan paralel; artinya bahwa hubungan antar dua variabel (atau lebih) itu
menunjukkan arah yang sama. Jadi apabila variabel X mengalami kenaikan atau
pertambahan, akan diikuti pula dengan kenaikan atau penambahan pada variabel Y;
atau sebaliknya; penurunan atau pengurangan pada variabel X adakn diikuti pula
dengan penurunan atau pengurangan pada variabel Y.
Contoh : Kenaikan harga Bahan Bakar Minyak (BBM) diikuti dengan kenaikan
ongkos angkutan; sebaliknya jika harga BBM rendag maka ongkos angkutan pun
rendah. Dalam dunia pendidikan misalnya, terdapat korelasi positif antara nilai hasil
belajar Matematika dan nilai hasil belajar Fisika, Kimia, Biologi dan sebagainya.
Disebut Korelasi Negatif jika dua variabel (atau lebih) yang berkorelasi itu,
berjalan dengan arah yang berlawanan, bertentangan atau kebnalikan. Ini berarti bahwa
kenaikan atau pertambahan pada variabel X misalnya, akan diikuti dengan penurunan
atau pengurangan pada variabel Y.
Contoh : Makin meningkatnya kesadaran hukum di kalangan masyarakat diikuti
dengan makin menurunnya angka kejahatan atau angka pelanggaran; makin giat
berlatih makin sedikit kesalahan yang diperbuat oleh seseorang; makin meningkatnya
jumlah aseptor Keluarga Berencana diikuti dengan makin menurunnya angka
kelahiran; atau sebaliknya. Dalam dunia pendidikan misalnya, makin kurang dihayati
dan diamalkannya ajaran agama Islam oleh para remaja akan diikuti oleh makin
meningkatnya frekeunsi kenakalan remaja atua sebaliknya.
Korelasi Postif Korelasi Negatif

X Y X Y X Y X Y

C. Peta Korelasi
Arah hubungan variabel yang dicari dapat diamati dengan menggunakan peta
atau diagram, yang dikenal dengan Peta Korelasi. Dalam peta korelasi dapat dilihat
pencaran titik atau moment dari variabel yang sedang dicari korelasinya. Oleh sebab
itu, peta korelasi juga disebut dengan Scatter Diagram (Diagram Pencaram Titik).
Ciri yang terkandung dalan peta korelasi itu adalah :
1. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif
Tertinggi, atau Korelasi Positif Sempurna, maka pencaran titik yang
terdapat pada peta korelasi, apabila dihubungkan antara satu dengan yang
lain, akan membentuk satu buah garis lurus yang condong ke arah kanan.
0.8 0.6 0.4 0.2

0.8

0.6

0.4

0.2

1s t Qtr

2. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Negatif


Tertinggi, atau Korelasi Positif Sempurna, maka pencaran titik yang
terdapat pada peta korelasi, apabila dihubungkan antara satu dengan yang
lain, akan membentuk satu buah garis lurus yang condong ke arah kiri.
3. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Positif
yang tinggi atau kuat, maka pencaran titik yang terdapat pada peta korelasi,
sedikit mulai menjauhi garis linier, yaitu titik tersebut terpencar atu berada
di sekitar garis lurus tersebut yang condong ke arah kanan.
0.8 0.6 0.4 0.2

0.8

0.6

0.4

0.2

1st Qtr

4. Jika korelasi antara variabel X dan variabel Y merupakan Korelasi Negatif


yang tinggi atau kuat, maka pencaran titik yang terdapat pada peta korelasi,
sedikit mulai menjauhi garis linier, yaitu titik tersebut terpencar atu berada
di sekitar garis lurus tersebut yang condong ke arah kiri.
5. Baik Korelasi Positif maupun Korelasi Negatif dikatakan cukup dan
korelasi rendah, apabila pencaran titik pada Peta Korelasi semakin jauh dari
tersebar/menjauhi garis linier.

D. Angka Korelasi
1. Pengertiannya
Tinggi-rendah, kuat-lemah atau besar kecilnya suatu korelasi dapat
diketahui dengan melihat besar kecilnya suatu angka (koefisien) yang disebut
Angka Indeks Korelasi atau Coefficient of Correlation.
Jadi Angka Indeks Korelasi adalah sebuah angka yang dapat dijadikan
petunjuk untuk mengetahui seberapa besar kekuatan korelasi di antara variabel
yang sedang diselidiki korelasinya.
1. Lambangnya
Angka korelasi biasanya diberi lambang dengan huruf tertentu;
misalnya rxy sebagai lambang koefisien korelasi pada Teknik Korelasi Product
Moment, (baca Rho) sebagai lambang koefisien korelasi pada Teknik
Korelasi Tata Jenjang, (baca Phi) sebagai lambang koefisien korelasi pada
Teknik Korelasi Phi, C atau KK sebagai lambang koefisien korelasi pada
Teknik Korelasi Kontingensi, dan lain-lain.
2. Besarnya
Angka korelasi itu besarnya berkisar antara 0 sampai dengan 1,00,
artinya bahwa angka korelasi itu paling tinggi adalah 1,00 dan paling rendah
adalah 0. jika dalam perhitungan diperoleh angka korelasi lebih dari 1,00 hal
itu merupakan petunjuk bahwa dalam perhitungan trsebut telah terjadi
kesalahan
3. Tandanya
Korelasi antara variabel X dan Y disebut Korelasi Positif apabila angka
indeks korelasinya bertanda plus (+); misalnya : rxy = + 0,235; rxy = + 0,751.
Sebaliknya , apabila angka indeksnya antara variabel X dan Y bertanda
minus (-), maka korelasi yang demikian itu disebut Korelasi Negatif ;
misalnya : rxy = - 0,235; rxy = + 0,235.
Antara variabel X dan Y dikatakan tidak ada korelasinya jika angka
indeks korelasinya = 0. Tanda plus yang terdapat di depan angka indeks
korelasinya memberikan petunjuk bahwa korelasi itu adalah korelasi positif
(korelasi searah). Sedangkan tanda minus yang terdapat di depan angka indeks
korelasi memberi petunjuk bahwa korelasi itu adalah korelasi negatif (korelasi
berlawanan arah)
Dalam hal ini juga, tanda minus tidak menunjukkan bahawa angka
yang diperoleh bukannya lebih kecil dari nol, sebaba angka korelasi yang
paling kecil adalah nol.
4. Sifatnya
Angka indeks korlasi yang diperoleh dari proses perhitungan sifatnya
relatif, yaitu angka yang fungsinya melambangkan indeks hubungan antar
variabel yang dicari korelasinya. Jadi angka indeks korelasi itu bukanlah angka
yang bersifat eksak, atau angka yang merupakan ukuran pada skala linier yang
memiliki unit-unit yang sama besar, sebagaimana yang terdapat pada mistar
penukur panjang.
Sebagai contoh, misal angka korelasi antara variabel X dan Y = 0,75
(rxy = 0,75), sedangkan angka korelasi antara variabel Y dan Z = 0,25 (ryz =
0,25). Di sini tidak dapat dikatakan bahwa rxy = 3 kali lipatnya ryz atau
menyatakan bahwa ryz = 1/3 rxy.

E. Teknik Analisa Korelasional, Pengertian, Tujuan, dan Penggolongannya


1. Pengertiannya
Teknik Analisa Korelasional adalah teknik analisa statistik mengenai hubungan
antar dua variabel atau lebih.
2. Tujuannya
Ada 3 macam tujuan dalam teknik analisa korelasional, yaitu
a. Ingin mencari bukti (berlandaskan pada data yang ada), apakah memang
benar antara variabel yang satu dan variabel yang lain terdapat hubungan
atau korelasi.
b. Ingin menjawab pertanyaan apakah hubungan antar variabel itu (jika
memang ada hubungannya), termasuk hubungan yang kuat, cukupan,
ataukah lemah.
c. Ingin memperoleh kejelasan dan kepastian (secara matematik), apakah
hubungan antar variabel itu merupakan hubungan yang berarti atau
meyakinkian (signifikan), ataukah hubungan yang tidak berarti atau tidak
meyakinkan.
3. Penggolongannya
Teknik Analis Korelasional dapat dibedakan menjadi dua golongan, yaitu Teknik
Analisa Korelasional Bivariat dan Teknik Analisa Korelasional Multivariat.
Teknik Analisa Korelasional Bivariat ialah teknik analisa korelasi yang
mendasarkan diri pada dua buah variabel.
Contoh : Korelasi antara prestasi belajar dalam bisang studi Agama Islam (variabel
X) dan sikap keagamaan siswa (variabel Y).
Adapun Teknik Analisa Korelasional Multivariat ialah teknik analisa korelasi yang
mendasarkan diri pada lebih dari dua variabel.
Contoh : Korelasi antara Sikap Keagamaan Siswa (variabel X 1) dengan Suasana
Keagamaan di Lingkungan Keluarga (variabel X2), Lingkungan Keagamaan Siswa
di Masyarakat (variabel X3), Tingkat Pengetahuan Agama Orang Tua Siswa
(variabel X4), dan Prestasi Belajar Siswa dalam bidang studi Agama Islam (variabel
X5).
4. Cara Mencari Korelasi pada Teknik Analisa Korelasional Bivariat
Sebagaimana dikemukakan oelh Borg dan Gall dalam bukunya Educationl
Research, terdapat 10 macam teknik perhitungan korelasi yang termasuk dalam
Teknik Analisa Korelasional Bivariat, yaitu
a. Teknik Korelasi Product Moment (Product Moment Corrlelation)
b. Teknik Korelasi Tata Jenjang (Rank Different Correlation atau Rank Order
Correlation)
c. Teknik Korelasi Koefisien Phi (Phi Coefficient Correlation)
d. Teknik Korelasi Kontingensi (Contingency Coefficient Correlation)
e. Teknik Korelasi Point Biserial (Point Biserial Correlation)
f. Teknik Korelasi Biserial (Biserial Vorrelation)
g. Tekinik Korelasi Kendall Tau (Kendalls Tau Correlation)
h. Teknik Korelasi Rasio (Correlation Ratio)
i. Teknik Korelasi Widespread Tetrakorik (Tetrachoric Correlation)
Penggunaan teknik korelasi tersebut di atas akan sangat terkandung pada jenis data
statistik yang akan dicari korelasinya.

F. Teknik Korelasi Product Moment


1. Pengertiannya
Product Moment Correlation adalah salah satu teknik untuk mencari
korelasi antar dua variabel yang kerap kali digunakan. Teknik korelasi ini
dikembangkan oelah Karl Pearson, sehingga lebih dikenal dengan istilah Teknik
Korelasi Pearson.
Disebut Product Moment Correlation karena koefisien korelasinya
diperoleh dengan mencari hasil perkalian dari moment-momen variabel yang
dikorelasikan.
2. Penggunaannya
a. Variabel yang dikorelasikan berbetnuk gejala atau data yang bersifat
kontinu
b. Sampel yang diteliti mempunyai sifat homogen, atau setidak-tidaknya
mendekati homogen
c. Regresinya merupakan regresi linier
3. Lambangnya
Kuat-lemah atau tinggi-rendahnya korelasi antar dua variabel yangs dang
diteliti, dapat diketahui dengan melihat besar-kecilnya angka indeks korelasi, yang
pada Teknik Korelsi Prudct Moment diberi lambang r. Angka indeks korelasi
Product Moment ini diberi indeks dengan huruf kecil dari huruf-huruf yang
dipergunakan untuk dua buah variabel yang sedang dicari korelasinya. Jadi, apabila
variabel pertama diberi lambang X dan variabel kedua diberi lambang Y, amaka
angka indeks korelasinya dinyatakan dengan lambang rxy.

4. Cara Mencari Angka Indeks Korelasi Product Moment


Ada beberpa macam cara yang dapat dipergunakan untuk mencari angka
indeks korelasi Product Moment.
Apabila data yang ada dalah Data Tunggal, sedangkan Number of Cases-
nya kurang dari 30, maka sesuai dengan hal yang dikemukakan oleh Henry E.
Garrett, Ph.D. dalam bukunya Statistics in Psychology and Education, angka indeks
korelasi product moment dapat dihitung dengan 6 cara, yaitu
a. Menghitung deviasi standarnya terlebih dahulu
b. Atau cara singkat tanpa menghitung deviasi standarnya
c. Memperhitungkan skor-skor aslinya atau ukuran-ukuran kasarnya
d. Memperhitungkan Mean-nya
e. Memperhitungkan selisih deviasi dari variabel-variabel yang
dikorelasikan terhadap Mean-nya
f. Memperhitungkan selisih dari masing-masing skor aslinya atau angka
kasarnya.
Adapun untuk Data Tunggak yang Number of Cases-ya 30 atau lebih dari
30 dan untuk Data Kelompok, angak indeks korelasi rxy dapat diperoleh dengan
bantuna peta atau diagram.
5. Cara Memberi Intepretasi terhadap Angka Indeks Korelasi r: Product Moment
Terhadap angka Indeks Korelasi yang telah diperoleh dari perhitungan dapat
memberi interpretasi atau penafsiran tertentu. Dalam hubungan ini ada dua macam
cara kita tempuh, yaitu
a.Interpretasi terhadap angka indeks korelsai r Product Moment itu dilakukan
dengan cara kasar atau dengan cara yang sederhana. Ada pedoman yang
digunakan, yaitu
Besarnya r Product Moment
Interpretasi
(rxy)
Antara variable X dan Y memang terdapat
korelasi, akan tetapoi korelasi itu sangat
0,00 0,20 lemah atau sangat rendah sehingga korelasi
itu diabaikan (dianggap tidak ada korelasi
antara variable X dan Y)
Antara variabel X dan Y terdapat korelasi
0,20 0,40
yang lemah atau rendah
Antara variabel X dan Y terdapat korelasi
0,40 0,70
yang sedang atau cukup
Antara variabel X dan Y terdapat korelasi
0,70 0,90
yang kuat atau tinggi
Antara variabel X dan Y terdapat korelasi
0,90 1,00
yang sangat kuat atau sangat tinggi

b. Interpretasi itu diberikan dengan terlebih dahulu berkonsultasi pada Tabel Nilai
r Product Moment
Apabila cara kedua ini yang ditempuh, maka posedur yang harus dilakukan
adalah :
Merumuskan Hipotesa alternatif (Ha) dan Hipotesa Nihil atau Hipotesa
Nol (H0)
Hipotesa alternatifnya (Ha) kita rumuskan sebagai berikut :
Ada korelasi positif (atau korelasi negatif) yang signifikan antara
variabel X dan variabel Y
Adapun rumusan Hipotesa Nihil adalah :
Tidak ada (atau tidak terdapat) korelasi positif ( atau korelasi negatif)
yang signifika antara variabel X dan variabel Y
Menguji kebenaran atau kepalsuan dari hipotesa yang telah diajukan
(Maksudnya ; manakah yang benar : Ha ataukah Ho?) dengan jalan
memperbandingkan besarnya r yang telah diperoleh dalam proses
perhitungan dengan r observasi (ro) dengan besarnya r yang
tercantum dalam Tabel Nilai r Product Moment, dengan terlebih dahulu
mencari derajat bebasnya (db) atau degress of freedomnya (df) yang
rumusnya :

df = N nr
df = degress of freedom
N = Number of cases
Nr = banyaknya variable yang dikorelasiakan (jika bivariat maka nr = 2)
Dengan diperoleh db atau df maka akan dicari besarnya r yang
tercantum dalam Tabel Nilai r Product Moment, baik pada taraf
signifikansi 5% atau 1%.
Jika ro sama dengan atau lebih besar dari pada rt maka Hipotesa alternatif
(Ha) disetujui atau terbukti kebenarannya. Dan Hipotesa Nihilnya ditolak.
6. Contoh Cara Mencari dan Memberikan Interpretsi Terhadap Angka Indeks Korelasi
r Product Moment
a. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal, di mana N kurang dari 30 dengan
terlebih dahulu memperhitungkan Deviasi Standarnya
xy
rxy
N .SDx .SDy
Rumus
Langkah
- Menyiapkan tabel kerja atau Tabel Perhitungan, yangterdiri dari 8 kolom.
Pada kolom 1 dimuat Subjek Penelitian. Kolom 2 memuat skor variabel
X. Kolom 3 memuat variabel Y. Kolom 4 memuat deviasi skor variabel X
terhadap Mean Grupnya (Mx). Kolom 5 memuat deviasi skor variabel Y
terhadap Mean Grupnya. Kolom 6 memuat hasil perkalian antara deviasi v
dan deviasi y. Kolom 7 memuat hasil pengkuadratan devias x. Dan kolom
8 memuat hasil pengkuadratan deviasi y
- Menghitung Mean dari variabel X dengan menggunakan rumus :

x
Mx
N

y
My
N
- Menghitung Mean dari variabel Y :

x
SDx
N
- Menghitung Deviasi Stamndar variabel X ;

y
SDy
N
- Menghitung Deviasi Standar variabel Y :
- Menghitung angka indeks korelasi antara variabel X dan variabel Y

xy
rxy
N .SDx .SDy
dengan menggunakan rumus :
b. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal di mana N kurang dari 30 dengan
tidak menggunakan Standar Deviasi.
xy
rxy
x y
2 2

Rumus :
Langkah
- Menyiapkan tabel kerja atau Tabel Perhitungan, yangterdiri dari 8
kolom. Pada kolom 1 dimuat Subjek Penelitian. Kolom 2 memuat skor
variabel X. Kolom 3 memuat variabel Y. Kolom 4 memuat deviasi skor
variabel X terhadap Mean Grupnya (x = X M x). Kolom 5 memuat
deviasi skor variabel Y terhadap Mean Grupnya (y = Y M y). Kolom 6
memuat hasil perkalian antara deviasi v dan deviasi y. Kolom 7 memuat
hasil pengkuadratan devias x. Dan kolom 8 memuat hasil pengkuadratan
deviasi y
- Mencari angka indeks korelasi r product moment antara variabel

xy
rxy
x y
2 2

X dan variabel Y :

c. Memberikan interpretasi terhadap rxy atau ro, serat menarik kesimpulannya


yang dapat dilakukan secara sederhana atau dilakukan dengan jalan konsultasi
pada tabel nilai r product moment.
d. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal di mana N kurang dari 30 dengan
tidak menggunakan Mean-nya
xy N .M x .M y
rxy
x 2 2

N .M x y 2 N . M y
2

Rumus :
e. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal di mana N kurang dari 30 dengan
tidak menggunakan Selisih Deviasinya
x2 y2 d 2
rxy

2 x2 y 2
f. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi
r Product Moment untuk Data Tunggal di mana N kurang dari 30 dengan
tidak menggunakan Selisih skornya

rxy

N x 2 y 2 x y
2
2 x y
2 N x x N y y
2 2 2 2

g. Cara Mencari dan Memberikan Interpretasi terhadap Angka Indeks Korelasi


r Product Moment untuk Data Tunggal di mana N = 30 atau lebih dari 30
x' y '
Cx' C y '
rxy N
SDx ' SDy '
h. Cara Mencari Angka Indeks Korelasi r Product Moment, untuk Data
Kelompok
x' y '
Cx' C y '
rxy N
SDx ' SDy '

Langkah :
- Merumuskan Ha dan Ho
- Menyiapkan peta korelasi serta perhitungannya
- Mencari Cx dengan rumus fx/N
- Mencari Cy, dengan fy/N
2
fx' fx'
SDx ' i
N N
- Mencari SD dengan :
2
fy' fy'
SD y ' i
N N
- Mencari SD dengan :
x' y '
Cx ' C y '
rxy N
SDx ' SDy '
- Mencari rxy

Contoh :
Skor Variabel X :
67 72 66 70 73 72 70 69 71 69
73 74 66 72 73 70 72 73 71 72
70 68 74 66 68 71 73 67 69 72
71 73 69 68 66 72 71 70 69 68
71 69 68 67 69 70 71 72 69 72

Skor Variabel Y :
59 64 58 62 65 64 62 61 61 61
65 66 58 64 65 62 64 65 63 64
62 60 66 58 60 63 65 59 61 64
63 65 61 60 58 64 63 62 61 60
65 60 62 60 59 64 66 63 59 60

X 7
66 67 68 69 71 72 73 74 f y fy y2 fy2 xy
Y 0
2
1
66 +3 3 +4 +12 16 48 36
+4
2
1 6
65 7 +3 +21 9 63 57
+3 +54
7
1
64 +2 8 +2 +16 4 32 28
0
8
5 1
63 6 +1 +6 1 6 7
+5 +2
62 1 5 6 0 0 0 0 0
0 0
5
61 5 -1 -5 1 5 5
+5
1 4 1 1
60 7 -2 -14 4 28 20
+6 +16 +2 -4
2
2
59 +1 4 -3 -12 9 36 24
+6
8
4
58 4 -4 -16 16 64 64
+64
x2y
N= fy' 8 fy' 2282
2
f 4 3 5 8 6 7 9 6 2
50
=241
x -4 -3 -2 -1 0 +1 +2 +3 +4
+1 fx' 8
fx -16 -9 -10 -8 0 +7 +18 +8
8
x2 16 9 4 1 0 1 4 9 16

fx2 64 27 20 8 0 7 36 54 36 fx'2 252

xy
64 24 16 13 0 12 26 54 32 x'2 y '2 241

a. Merumuskan Hipotesa alternatifnya :


Ha = ada korelasi positif yang signifikan antara variable X dan variable Y
b. Merumuskan Hipotesa nihilnya
H0 = tidak ada korelasi positif yang signifikan antara variabel X dan
variabel Y
c. Langkah 1 mencari Cy dan Cx, dengan :
fx' 8 fy' 8
Cx ' 0,16 Cx ' 0,16
N 50 N 50

Langkah 2 mencari SDx.


2
fx'2 fx'
SDx ' i
N N
2
252 8
1 1 5,04 0,0256 2,22
50 50

Langkah 3 mencari SDy,


2
fy'2 fy'
SDy ' i
N N
2
282 8
1 1 5,64 0,0256 2,35
50 50

Langkah 4 mencari rxy,


x' y '
Cx' C y '
rxy N
SDx ' SDy '
241
0,16 0,16
50 4,82 0,0256
0,92
2,22 2,35 5,217

d. Perbandingan rxy dengan rtabel dengan


df = N nr = 50 - 2 = 48 karena tidak ada di table maka digunakan
df 50 pada taraf signifikan 5% adalah 0,273.
Maka rxy > r0 sehingga Hipotesa Nol di tolak
Berarti ada korelasi positif
e. Kesimpulan : Tinggi rendahnya data pada variabel X sangat kuat
hubungannya dengan data dari variabel.

BAB VI
HUBUNGAN ANTAR VARIABEL
(TEKNIK ANALISIS KORELASIONAL)
LANJUTAN

Teknik Korelasi Tata Jenjang


1. Pengertiannya
Pada Teknik Korelasi Tata Jenjang besar kecilnya atau kuat-lemahnya korelasi antara
variabel; yang sedang diselidiki korelasinya diukur berdasarkan perbedaan urutan
kedudukan skornya; jadi bukan berdasarkan pada skor hasil pengukuran yang
sebenarnya. Datanya adalah data ordinal atau data berjenjang atau data urutan.
2. Penggunaannya
Teknik Analisa Korelasional Tata Jenjang dapat efektif digunakan apabila subjek yang
dijadikan sampel dalam poenelitian lebih dari sembilan tetapi kurang dari tiga puluh.
3. Lambangnya
Lambang Teknik Korelasi Tata Jenjang dilambangkan dengan . Besarnya antara 0,00 -
1,00

6 D2
1

N N2 1
4. Rumusnya
5. Cara Memberikan Interpretasi terhadap Angka Indeks Korelasi Tata Jenjang
Ha = Ada korelasi positif yang signifikan antara variabel I dan variabel II
Ho = Tidak ada korelasi positif yang signifikan antara variabel I dan variabel II
6. Cara menghitung dan Memberikan Interpretasi terhadap Angka Indeks Korelasi Tatata
Jenjang
Ada 3 macam cara menghitungnya, yaitu :
a. dalam keadaan tidak terdapat urutan yang kembar
b. dalam keadaan terdapat urutan yang kembar dua
c. dalam keadaan terdapat kemabr tiga buah atau lebih
Contoh ;
Skor yang Melambangkan Prestasi Belajar Bidang Studi Agama Islam dan Sikap
Keagamaan dari Sejumlah 10 Siswa MAN

D=
Nomo Skor Rank D2
R1 R2
r Nama
II =
Urut I II I = R1
R2
1 A 66 60 6 6 0 0
2 B 82 77 2 2 0 0
3 C 65 59 7 7 0 0
4 D 76 75 3 3 0 0
5 E 69 63 5 5 0 0
6 F 57 40 9 10 -1 1
7 G 90 80 1 1 0 0
8 H 50 47 10 9 1 1
9 I 74 70 4 4 0 0
10 J 59 54 8 8 0 0
N = 10 D = 0 2 = D2

a. Ha = Ada korelasi positif yang signifikan antara Prestasi Belajar bidang studi
Agama Islam dengan Sikap Keagamaan
H0 = Tidak ada korelasi positif yang siginifikan antara Prestasi Belajar bidang studi
Agama Islam dengan Sikap Keagamaan
b. Menghitung
6 D2
1

N N 2 1
62
1 1 0,018 0,98182
10100 1

c. Rho dibandingkan dengan Rho tabel , di mana df = 10 , pada tabel taraf signifikansi
5% 0,648 dan yang 1% adalah 0,794. Dengan demikian rho yang diperoelh
(hitungan) jauh lebih besar dibandingkan dengan rho tabel maka Ho ditolak.
d. Kesimpulan : secara signifikan prestasi belajar bidang studi agama islam
berkorelasi positif dengan sikap keagamaan

Teknik Korelasi Phi


1. Pengertiannya
Teknik Korelasi Koefisien Phi digunakan apabila data yang dikorelasikan adalah data
yang benar-benar dikotomik (terpisah secara tajam) atau variabel yang dikorelasikan
itu adalah variabel diskrit murni.

2. Lambangnya
Lambang Teknik Korelasi Phi dilambangkan dengan . Besarnya antara 0,00 - 1,00
3. Rumusnya
a. Bila dalam menghitung atau mencari berdasarkan diri pada frekuensi masing-
masing sel yang terdapat dalam Tabel Kerja
ad bc

a b a c b d c d

b. Bila dalam menghitung mendasarkan pada pro[orsinya




p q p' q'

c. Bila mencari terlebih dahulu menghitung Kai Kuadrat

x2

N

x2
fo ft 2
ft
Kai Kuadrat :
4. Cara Mencari Interpretasi Terhadap Angka Indeks Korelasi Phi
xy
rxy
x y
2 2

Sekolah Asal dan Prestasi Tes SIPENMARU dari 1760 Calon


Prestasi Tes Sekolah Asal
Jumlah
SIPENMARU SMTA Negeri SMTA Swasta
Lulus 270 (a) 470 (b) 740
Tidak Lulus 180 (c) 840 (d) 1020
Jumlah 450 1310 1760

Berdasarkan Teknik Korelasi Koefisien Phi


a. Ha = Ada korelasi signifikan antara Prestasi Tes SIPENMARU Lulusan SMTA
Negeri dengan SMTA Swasta
H0 = Tidak ada korelasi yang siginfikan antara Prestasi Tes SIMPENMARU
Lulusan SMTA dengan SMTA Swasta
b. Menghitung
ad bc

a b a c b d c d

270 x 840 470 180
270 470 270 180 470 840180 840
142200
0,213
447049,1736

c. interpretasinya terhadap Phi,


df = N nr = 1760 2 = 1758
karena tidak ada yang 1758 maka digunakan 1000 di mana taraf signifikan 5%
adalah 0,062 dan untuk 1% adalah 0,081. Dapat dilihat bahwa r hitung lebih besar
dibandingkan dengan r tabel maka Ho di tolak.
Kesimpulan : Terdapat korelasi positif antara Prestasi Tes SIPENMARU Lulusan
SMTA Negeri dengan SMTA Swasta

Teknik Korelasi Koefisien Kontingensi


1. Pengertiannya
Teknik Analisa Korelasional Bivariat berbentuk kategori atau gejala ordinal. Teknik
Korelasi Koefisien Kontingensi digunakan apabila variabel itu hanya terbagi menjadi
dua kategori dan kedua kategori tersebut sifatnya diskrit.
2. Lambangnya
Kuat-lemah atau tinggi-rendahnya korelasi dapat diketahui dari besar kecilnya angka
indeks korelasi yang dioberi lambang C atau KK

C
2
x2
fo ft 2
2 N ft
2
3. Rumus X didapat melalui Kai Kuadrat

4. Cara Menghitungh Interpretasi terhadap Angka Indeks Korelasi Kontinensi

Contoh : Kegiatan dalam Organisisa Extra Universiter dan Prestasi Studi dari Sejumlah
600 Orang Mahasiswa
C

1 C 2

(f0 (f0
Sel f0 ft (fo ft)2
fr) ft)2/ft
a. 90 x150
1 20 22,5 -2,5 6,25 0,27
600

360 x 150
2 70 90 -20 400 4,44
600
150 x150
3 60 37,5 +22,5 506,25 13,5
600

90 x 350
4 30 52,5 -22,5 506,25 16,875
600

360 x 350
5 245 210 +35 1225 5
600

150 x 350
6 75 87,5 -12,5 156,25 2,08
600
90 x100
7 40 15 +25 625 15,625
600

360 x 100
8 45 60 -15 225 5
600
150 x100
9 15 25 -10 100 6,67
600
Jumla N= 69,46 =
0
h 600 X2
Interpretasinya :
Ha = Ada korelasi positif yang signifikan antara kegiatan dalam organisasi
universitas dan prestasi studi
H0 = Tidak ada korelasi positif yang signifikan antara kegiatan dalam organisasi
universitas dan prestasi studi
C

1 C 2
b. .
2 69,46
0,322
N 69,46 600
C atau KK = =
C 0,322
0,340
1 C 2 1 0,322
2

Maka
c. Interpretasinya dengan tabel r tabel
df = N nr = 600 2 = 598 (karena tidak ada pada tabel r maka digunakan df sebesar
600, dimana signifikan 5% adalah 0,080 dan 1% adalah 0,105)
Ternyata phi yang dihasilkan lebih besar dibandingkan dengan di tabel maka Ho
ditolak
Kesimpulan : adanya korelasi positif yang signifikan antara kegiatan dalam organisasi
universitas dan prestasi studi.

Teknik Korelasi Point Biserial


1. Pengertian dan Penggunaannya
Teknik Korelasi Point Biserial digunakan apabila untuk mencari korelasi antara dua
variabel; dimana variabel I berbentuk variabel kontinum, sedangakan variabel II
berbentuk diskrit murni. Selain itu, dapat juga digunakan untuk mencari validitas item
di mana tiap butir soal dikorelasikan dengan skor hasil tes secara totalitas.
2. Lambangnya
Angka indeks korelasi yang menunjukkan keeratan hubungan antara variabel yang satu
dengan variabel yang lain, pada Teknik Korelasi ini dilambangkan dengan rpbi.

Mp Mt p
rpbi
SD q
3. Rumusnya :
4. Cara Memberikan Interpreasti terhadap Angka Indeks Korelasi Point Biserial
Menggunakan tabel r Product Moment dengan terlebih dahulu mencari df nya. Jika
rpbi yang diperoleh dalam hitungan ternyata sama dengan atau lebih besar dari pada r
tabel , maka dapat diambil kesimpulab bahwa kedua variabel yang sedang kita carai
korelasinya, ternyata signifikan memang berkorelasi. Jika rpbi lebih kecil daripada r
tabel berarti tidak ada korelasi signifikan.

Teknik Analisa Korelasi Point Biserial


Na X Xt
Skor yang dicapai untuk butir soal nomor 2
ma t

Sis 1 1 1 1 1
1 2 3 4 5 6 7 8 9
wa 0 1 2 3 4
A 0 0 1 1 0 1 0 1 0 1 1 1 0 1 8 64
B 1 1 1 0 0 0 0 0 1 0 1 0 1 0 6 36
C 0 0 0 1 1 1 1 1 0 0 0 1 0 0 6 36
1 10
D 1 1 0 1 1 0 1 1 1 1 0 0 1 1
0 0
E 1 0 1 0 1 0 1 0 1 0 1 0 1 0 7 49
1 14
F 0 0 1 1 1 1 1 1 1 1 1 1 1 1
2 4
G 1 1 1 0 1 0 0 0 1 1 0 1 1 1 9 81
H 1 0 1 0 0 1 0 1 0 0 1 0 1 0 6 36
1 10
I 0 1 1 0 1 1 0 1 1 1 0 1 1 1
0 0
1 12
J 1 1 0 1 1 0 1 1 0 1 1 1 1 1
1 1
N= 8 76
6 5 7 5 7 5 5 7 6 6 6 6 8 6
10 5 7
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
P
6 5 7 5 7 5 5 7 6 6 6 6 8 6
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
Q
4 5 3 5 3 5 5 3 4 4 4 4 2 4

X t 85
Mt 8,5
N 10

2 2 2
Xt Xt 767 85
SDt 4.45 2,109
N N 10 10

Mencari validitas soal dari No. 1- 14 :


1. Menguji Vliditas soal No. 1:
6 10 7 9 6 11
Mp 8,167
6
Mencari rpbi

Mp Mt p 8,167 8,5 0,6


rpbi 0,305
SD q 2,109 0,4

Interpretasinya : df = N nr = 10 2 = 8
Dengan df = 8 diperoleh harga r tabel pada signifikan 5% adalah 0,632 dan 1% 0,765.
Karena rpbi yang diperoleh lebih kecil maka soal Nomor 1 adalah tidak valid.
2. Menguji Vliditas soal No.2:
6 10 9 10 11
Mp 9,2
5

Mencari rpbi

Mp Mt p 9,2 8,5 0,5


rpbi 0,332
SD q 2,109 0,5

Interpretasinya : df = N nr = 10 2 = 8
Dengan df = 8 diperoleh harga r tabel pada signifikan 5% adalah 0,632 dan 1% 0,765.
Karena rpbi yang diperoleh lebih kecil maka soal Nomor 2 adalah tidak valid.

3. Menguji Vliditas soal No.3:


8 6 7 12 9 6 10
Mp 8,28
7

Mencari rpbi

Mp Mt p 8,28 8,5 0,7


rpbi 0,1043 x1,526 0,1592
SD q 2,109 0,3

Interpretasinya : df = N nr = 10 2 = 8
Dengan df = 8 diperoleh harga r tabel pada signifikan 5% adalah 0,632 dan 1% 0,765.
Karena rpbi yang diperoleh lebih kecil maka soal Nomor 3 adalah tidak valid.
(dan seterusnya sampai dengan soal nomor 14)
BAB VII
STATISTIK VARIANSI DAN SIMPANGAN BAKU

Statistik Variansi dan Simpangan Baku


1. Data Politomi
a. Simpangan
Simpangan adalah jarak data dengan rerata
Simpangan
x=XX y=YY
Di atas rerata, nilai simpangan adalah positif
Sama dengan rerata, nilai simpangan adalah nol
Di bawah rerata, nilai simpangan adalah [tatisti
Contoh
Data Sampel Data Sampel
No. X x No. Y y
1 7 2 1 10 5
2 7 2 2 9 4
3 6 1 3 9 4
4 5 0 4 6 1
5 4 -1 5 5 0
6 4 -1 6 4 -1
7 4 -1 7 3 -2
8 3 -2 8 2 -3
40 9 1 -4
10 1 -4
50

40 50
X = =5 Y = =5
8 10

x=X X y=Y Y

x 1=75=2 y 1=105=5

x 2=75=2 y 2=95=4

Dst Dst
b. Jumlah Kuadrat Simpangan
Jumlah kuadrat simpangan (JK)
JK ( X ) x 2 ( X X ) 2
( X ) 2
X 2

nX
Contoh:
X X2
7 49
7 49
6 36
5 25
4 16
4 16
4 16
3 9
40 216

nX = 8
JK(X) = 216 (402) / 8 =16

c. Statistik Variansi
a. Rumus variansi pada [tatistic sampel agak beda dari rumus variansi pada
parameter populasi

b. Perbedaan terletak pada NX untuk parameter variansi tetapi nX 1 untuk


[tatistic variansi

c. Statistik variansi menggunakan notasi s2

JK ( X ) x (X X )
2 2

s X2
nX 1 nX 1 nX 1
( X ) 2

X 2

nX

nX 1

d. Sebelum menghitung variansi, perlu jelas dulu apakah data itu populasi ataukah
sampel

e. Statistik Simpangan Baku


Statistik simpangan baku adalah akar dua positif dari [tatistic variansi
s X s X2
Statistik simpangan baku diberi notasi s

f. Statistik simpangan baku dengan kalkulator


Statistik simpangan baku dapat dihitung dengan bantuan kalkulator
elektronik

Cara pemasukan data sama dengan cara pada parameter simpangan baku

Cara menampilkan simpangan baku berbeda di antara parameter simpangan


baku dan [tatistic simpangan baku

Tekan tombol
Shift xn 1 (untuk tampilan sX)
Shift yn = 1 (untuk tampilan sY)
x2 (untuk variansi)
Sebelum menekan tombol simpangan baku, perlu jelas dulu apakah data itu
populasi atau sampel

2. Data Dikotomi

nX
s X2 p X q X
nX 1
nX
sX pX qX
nX 1
Pada data dikotomi, rumus [tatistic variansi dan [tatistic
simpangan baku dapat disederhanakan menjadi
BAB VIII
UJI t

Pengertian Tes t
Tes t atau t tes, adalah salah satu tes statistic yang dipergunakan untuk menguji
kebenaran atau kepalsuan hipotesis nihil yang menyatakan bahwa diantara dua buah mean
sample yang diambil secara random dari populasi yang sama, tidak terdapat perbedaan
yang signifikan.
Tujuan utama kegiatan penelitian antara lain ialah menemukan prinsip yang dapat
diberlakukan secara umum atau bersifaat universal. Untuk dapat menemukan prinsip yang
berlaku universal, secara ideal teoritis, seorang peneliti seharusnya meneliti keseluruhan
objek yang ia hadapi, dengan kata lain: meneliti populasinya.
Dengan meneliti populasinya, generalisasi yang dikemukakan oleh seorang peneliti
tidak akan terlalu jauh berbeda dengan kenyataan yang sebenarnya. Akan tetapi kenyataan
menunjukkan, meneliti populasi secara keseluruhan dalam rangka membuat generalisasi
itu, kecuali tidak mungkin, juga tidak praktis, sebab kenyataan menunjukkan sangat besar
atau sangat luasnya populasi itu, sehingga peneliti tidak mungkin mampu melakukan
pengukuran terhadap karakteristiknya. Sample sebagai miniature population, diperoleh
dengan cara melakukan reduksi terhadap populasi ke dalam bentuk sample itu, seorang
peneliti bermaksud untuk melakukan generalisasi terhadap populasinya, atas dasar sample
tersebut.
Sample adalah suatu proporsi kecil dari populasi yang seharusnya diteliti, yang
dipilih atau ditetapkan untuk keperluan analisis.
Para ahli statistic melalui berbagai macam penelitian dan eksperimentasi pada
akhirnya meyimpulkan bahwa besar kecilnya kesalahan sampling itu dapat diketahui
dengan melihat besar kecilnya angka standar yang disebut standard error of the mean
(SEM), yang dapat diperoleh dengan rumus:
SD
SEM
N 1

SEM = besarnya kesesatan mean sample


SD = deviasi standar dari sample yang diteliti
N = number of cases (banyaknya subjek yang diteliti)
1 = bilangan konstan
standard error perbedaan mean dua sample dapat diperoleh dari rumus sebagai berikut:
2 2
SEM 1 M 2 SEM 1 SEM 2

Untuk menolak atau menerima hipotesis nihil tentang ada atau tidak adanya
perbedaan dua mean sampel secara signifikan, kita harus mencari harga kritik t. di sini
t merupakan suatu angka atau koefisien yang melambangkan derajat perbedaan mean
kedua kelompok sampel yang sedang kita teliti. Besarnya t sama dengan selisih kedua
mean sampel, dibagi dengan standard error perbedaan dua mean sampel; atau apabila kita
formulasikan ke dalam bentuk rumus, adalah sebagai berikut:
M1 M 2
SEM 1 M 2
t=
terhadap t yang telah diperoleh dari hasil perhitungan di atas (lazim disebut t observasi
dengan diberi lambang to) selanjutnya kita berikan interpretasi dengan menggunakan tabel
nilai t (tabel harga kritik t) dengan ketentuan sebagai berikut:

1. Jika to sama dengan atau lebih besar daripada harga kritik t yang tercantum
dalam tabel (diberi lambang tt), maka hipotesis nihil yang mengatakan tidak
adanya perbedaan mean dari kedua sampel, ditolak; berarti perbedaan mean dari
kedua sampel itu adalah perbedaan yang signifikan.
2. Jika to lebih kecil daripada tt, maka hipotesis nihil yang mengatakan tidak adanya
perbedaan mean dari kedua sampel yang bersangkutan, disetujui; berarti
perbedaan mean dua sampel itu bukanlah perbedaan yang terjadi hanya secara
kebetulan saja (by chence) sebagai akibat sampling error.

Untuk mencari harga kritik t dalam tabel nilai :t, maka terlebih dahulu harus kita
perhitungkan degrees of freedomnya (diberi lambang df) atau kita perhitungkan derajat
kebebasanya (diberi lambang db),
Dengan menggunakan rumus df atau db yaitu:
df atau db = (N1 + N2 2)
df atau db = degrees of freedom atau derajat kebebasab
N1 = banykanya subjek kelompok I (jumlah sampel kelompok I)
N2 = banyaknya subjek kelompok II (jumlah sampel kelompok II)

Penggolongan Tes t
Penggunaan tes t sebagai salah satu teknik analisis komparasional bivariat harus
disesuaikan dengan keadaan saampel yang sedang kita selidiki (sedang dicari perbedaan
mean-nya).
Berdasarkan keadaan samplenya itu, pada umumnya para ahli statistic
mengggolongkan tes t menjadi dua macam, yaitu :
1. Tes t untuk sample kecil (N kurang dari 30)
2. Tes t untuk sample besar (N sama dengan atau lebih besar dari 30).

Tes t untuk sample kecil, dibedakan menjadi dua golongan, yaitu:


a. Tes t untuk sample kecil yang kedua sampelnya satu sama lain mempunyai
hubungan.
b. Tes t untuk sample kecil yang kedua sampelnya satu sama lain tidak ada
hibungannya.

Tes t untuk sample besar, juga dibedakan menjadi dua golongan, yakni:
a. Tes t untuk sample besar yang kedua sampelnya satu sama lain saling
berhubungan.
b. Tes t untuk sample besar yang kedua sampelnya satu sama lain tidak saling
berhubungan.

Penggunaan Tes t
Tes t untuk dua sample kecil yang saling berhubungan
1. Rumusnya
Rumus untuk mencari t atau to dalam keadaan dua sample yang kecil (N kurang
dari 30), sedangkan kedua sample satu sama lain mempunyai hubungan, adalah
sebagai berikut :
MD
SEM D
to =
MD = Mean of difference nilai rata-rata hitung dari beda / selisih antara skor
variable I dan skor variable II, yang diperoleh dengan rumus:

D
N
MD =
D = jumlah beda / selisih antara skor variabeel I (variable X) dan skor variable II
(variable Y), dan D dapat diperoleh dengan rumus :
D=XY
N = Number of cases = jumlah subjek yang kita teliti.
D
SEM = standard error (standar kesesatan) dari mean of difference yanG dapat
diperoleh dengan rumus :

D D

MD N 1
SE =
SDD = devuasi standar dari perbedaan antara skor variable I dan skor variable II,
yang dapat diperoleh dengan rumus :


D 2


( D 2 )
D
N (N )
SD
N = number of cases

Langkah Perhitungannya
a. Mencari D (difference = perbedaan) antara skor variable I dan skor variable II. Jika
variable I kita beri lambang X sedang variable II kita beri lambang Y, maka : D = X
Y.
b. Menjumlahkan D, sehingga diperoleh D (tanda plus dan minus ikut
diperhitungkan).

D
N
c. Mencari mean dari difference, dengan rumus : MD =
d. Menguadratkan D : setelah itu lalu dijumlahkan sehingga diperoleh D2.
e. Mencari deviasi standar dari difference (SDD), dengan rumus :

D
( D ) 2
N (N )
SDD =

MD

f. Mencari standar error dari mean of difference, yaitu : SE dengan menggunakan


rumus:
SDD
MD
N 1
SE

g. Mencari to dengan menggunakan rumus :


MD
SEM D
to =
h. Memberikan interpretasi terhadap to dengan prosedur sebagai berikut :
1) Merumuskan terlebih dahulu hipotesis alternative (Ha) dan hipotesis
nihilnya (H0).
2) Menguji signifikansi to, dengan cara membandingkan besarnya to (t hasil
observasi atau t hasil perhitungan) dengan t t (harga kritik t yang
tercantum dalam table nilai t), dengan terlebih dahulu menetapkan
degrees of freedom-nya (df) atau derajat kebebasannya (db), yang dapat
diperoleh dengan rumus : df atau db = N 1.
3) Mencari harga kritik t yang tercantum pada table nilai t dengan
berpegang pada df atau db yang telah diperoleh, baik pada taraf signifikansi
5% ataupun taraf signifikansi 1%.
4) Melakukan pembandingan antara to dengan tt, dengan patokan sebagai
berikut:
(a) Jika to lebih besar atau sama dengan tt maka hipotesis nihil ditolak;
sebaliknya hipotesis alternative diterima atau disetujui. Berarti kedua
variable yang sedang kita selidiki perbedaannya, secara signifikan
memang terdapat perbedaan.
(b) Jika to lebih kecil daripada tt maka hipotesis nihil diterima atau
disetujui; sebaaliknya hipotesis alternative ditolak. Berarti bahwa
perbedaan antara variable I dan variable II itu bukanlah perbedaan yang
berarti, atau bukan perbedaan yang signifikan.
i. Menarik kesimpulan hasil penelitian.

Tes t untuk dua sample kecil yang satu sama lain tidak ada hubungannya
Rumus Pertama:
M1 M 2
to
SEM 1 M 2
t

Rumus Kedua:
M1 M 2
to
( x1 x2
2 2)
( N1 N 2 )

( N1 N 2 2) ( N1.N 2 )

Langkah Perhitungannya
a. Untuk Rumus Pertama :
1) Mencari mean variable I (variable X), dengan rumus:

x
N1
Mx atau M1 =
2) Mencari mean variable II (variable Y), dengan rumus :

Y
N2
My atau M2 =
3) Mencari deviasi standar skor variable X dengan rumus:

y 2

N1
SDx atau SD1 =
4) Mencari standard error mean variable Y dengan rumus:
y 2

N2
SDy atau SD2 =

5) Mencari standar error mean variable X, dengan rumus:


SD1
Mx atauSEM 1
SD N1 1

6) Mencari standard error mean variable Y, dengan rumus:


SD2
SDM x atauSEM 2
N 2 1

7) Mencari standard error perbedaan antara mean variable X dan mean


variable Y, dengan rumus:
2 2
SEM M 2
SEM 1 SEM
1 2

8) Mencari to dengan rumus yang telah disebutkan di atas.

9) Memberikan interpretasi terhadap to dengan prosedur sebagai berikut :


a) Merumuskan hipotesis alternatifnya (Ha): ada (terdapat)
perbedaan mean yang signifkan antara variable X dan variable Y.
b) Merumuskan hipotesis nihilnya (Ho): tidak ada (tidak
terdapat perbedaan mean yang signifikan antara variable X dan variable Y).
10) Menguji kebenaran / kepalsuan ke dalam hipotesis tersebut di atas dengan
membandingkan besarnya t hasil,perhitungan (to) dan t yang tercantum pada
table nilai t, dengan terlebih dahulu menetapkan degrees of freedomnya atau
derajat kebebasannya, dengan rumus:
df atau db = (N1 + N2) 2.
dengan diperolehnya df atau db, maka dapat dicari harga t t pada taraf
signifikansi 5% atau 1%.
Jika to sama besar atau lebih besar daripada t t maka Ho ditolak; berarti ada
perbedaan mean yang signifikan di antara kedua variable yang kita selidiki.
Jika to lebih kecil daripada tt maka Ho diterima; berarti tidak terdapat
perbedaan mean yang signifikan antara variable I dan variable II.
b. Untuk Rumus Kedua
1) Mencari mean variable X1 dengan rumus:

M1
X 1

N1

2) Mencari mean variable X2 dengan rumus:

M2
X 2

N2

3) Mencari deviasi skor variable X1, dengan rumus: (jumlah X1 dan X1 harus
sama dengan nol)
X X 1 M1

4) Mencari skor variable X2, dengan rumus:


X2 X 2 M2

x
2
1
5) Menguadratkan x1,lalu dijumlahkan; diperoleh

x 2
2

6) Menguadratkan x2, lalu dijumlahkan; diperoleh


7) Mencari to dengan rumus seperti telah disebutkan di atas.
8) Memberikan interpretasi terhadap to dengan mempergunakan table nilai t,
dengan cara yang sama seperti telah disebutkan di muka.
9) Menarik kesimpulan.

Tes t untuk dua sample besar yang satu sama lain saling berhubungan
Rumusnya
M1 M 2
to
SEM 1 M 2

Langkah Perhitungannya
a. Untuk Data Tunggal (Range-Nya Kurang Dari 30)
M1
fX
N
1) Mencari mean variable I (variable X):

M2
fY
N
2) Mencari mean variable II (variable Y):

SD1
fx 2

N1
3) Mencari deviasi standar variable I:

SD2
fx 2

N2
4) Mencari deviasi standar variable II:
SD1
SEM 1
N 1
5) Mencari standard error mean variable I:
SD2
SE M 2
N 1
6) Mencari standard error mean variable II:
7) Mencari koefisien korelasi r product moment (rxy atau r12), yang menunjukkan
kuat lemahnya hubungan (korelasi) antara variable I (variable X) daaan variable
II (variable Y) dengan bantuan peta korelasi (Scatter Diagram):

x' y ('C x' )(C y ' )


rxy ataur12 N
( SDx ' )( SDy ' )

8) Mencari standard error perbedaan mean antara sample I dan sample II:

2 2
SEM 1 M 2 SEM 1 SEM 2 (2.r12 )( SEM 1 ) ( SEM 2 )

M1 M 2
to
SEM 1 M 2
9) Mencari to dengan rumus:

b. Untuk Data Kelompokan (Range Sama Atau Lebih Dari 30)


( fX ' )
M 1 M 'i
N
1) Mencari mean untuk variable I:
( fY ' )
M 2 M 'i
N
2) Mencari mean untuk variable II:

SD1 i
fx' 2


( fx' ) 2
N (N )
3) Mencari deviasi standar variable I:

SD2 i
fx' 2


( fx' ) 2
N (N )
4) Mencari deviasi standar variable II:
SD1
SEM 1
N 1
5) Mencari standard error mean variable I:
SD2
SEM 2
N 1
6) Mencari standard error mean variable II:
7) Mencari koefisien korelasi r product moment (rxy atau r12), yang
menunjukkan kuat lemahnya hubungan (korelasi) antara variable I dan variable
II (dengan bantuan peta korelasi), dengan rumus:

x' y' (C
x ' )(C y ' )
rxy ataur12 N
( SDx ' )( SDy ' )

8) Mencari standar error perbedaan antara mean variable I dan mean variable II,

2 2
SEM 1 M 2 SEM 1 SEM 2 (2.r12 )( SEM 1 )( SEM 2 )
dengan rumus:
M1 M 2
to
SEM 1 M 2
9) Mencari to dengan rumus:
selanjutnya baik untuk data tunggal maupun data kelompokan setelah diperoleh
harga to, lalu diberikan interpretasi terhadap t o dengan prosedur kerja sebagai
berikut:
10) Mencari df atau db dengan rumus df atau db = N 1.
11) Berdasarkan besarnya df atau db tersebut kita cari harga kritik t yang
tercantum dalam table nilai t, pada taraf signifikansi 5% dan taraf
signifikansi 1%, dengan catatan:
a) Apabila to sama dengan atau lebih besar daripada t t maka hipotesis nihil
ditolak; berarti di antara kedua variable yang kita selidiki, terdapat
perbedaan mean yang signifikan.
b) Apabila to lebih kecil daripada tt maka hipotesis nihil diterima atau
disetujui; berarti di antara kedua variable yang kita selidiki tidak terdapat
perbedaan mean yang signifikan.
12) Menarik kesimpulan.

Tes t untuk dua sample besar yang satu sama lain tidak mempunyai hubungan
Rumusnya
M1 M 2
to
SEM 1 M 2

1. Langkah Perhitungannya
( fx' )
M 1 M 'i
(N )
a) Mencari mean variable X (variable I), dengan rumus:
( fy' )
M 2 M '
(N )
b. Mencari mean variable Y (variable II), dengan rumus:
fx' ( fx' ) 2
2

SD1 i
N (N )
c. Mencari deviasi standar variable I dengan rumus:
d. Mencari deviasi standar variable II dengan rumus:

SD2 i
fy' 2


( fy' ) 2
N (N )

SD1
SEM 1
N 1
e. Mencari standard error mean variable I dengan rumus:
SD2
SEM 2
N 1
f. Mencari standard error mean variable II dengan rumus:
g. Mencari standard error perbedaan mean variable I dan mean variable II

2 2
SEM 1 M 2 SEM 1 SEM 2
dengan Rumus:
M1 M 2
to
SEM 1 M 2
h. Mencari to dengan rumus:
Uji t
DAFTAR PUSTAKA

Sudijono, Anas. 2010. Pengantar Statistik Pendidikan. Jakarta: PT Raja Grafindo Persada

Usman, Husaini dan Purnomo Setiady Akbar. 2006. Pengantar Statistika. Jakarta: Bumi
Aksara