STATISTIKA DASAR

OLEH :

1. RYA AGUSTINI (06081181419012)

2. SAHALA MARTUA AMBARITA (06081181419009)

3. SHERLY ANGGRAINI (06081181419005)

PENDIDIKAN MATEMATIKA

FAKULTAS KEGURURUAN DAN ILMU PENDIDIKAN

UNIVERSITAR SRIWIJAYA

2015
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT, atas rahmat dan hidayah-Nyalah
sehingga kami dapat menyelesaikan makalah ini.

Kami mengucapkan terima kasih kepada Ibu Prof.Dr. Ratu Ilma Indra Putri, M.Si
selaku dosen mata kuliah statistika dasar dan Ibu Puji Astuti, S,Pd., M.Sc selaku dosen
pembimbing mata kuliah statistika dasar yang telah memberikan tugas, sehingga dapat
menambah wawasan kami serta dapat memberikanpengetahuan bagi seluruh pembaca.

Kami sangat menyadari dalam penyusunan makalah ini terdapat banyak kekurangan
dan kesalahan.Oleh karena itu, kami sangat mengharapkan kritik dan sarannya dari
Ibu.Sehingga dikemudian hari dapat kami dapat membuat makalah lebih baik lagi.Semoga
makalah ini dapat digunakan dengna baik dan bermanfaat bagi kita semua.Aamiin.

Mengetahui,

Dosen Pembimbing Palembang, Desember 2015

Prof.Dr. Ratu Ilma Indra Putri, M.Si Penyusun

 DAFTAR ISI

HALAMAN JUDUL ............................................................................................................................... 1

KATA PENGANTAR ............................................................................................................................. 2
DAFTAR ISI ............................................................................................................................................ 3
BAB I ........................................................................................................................................................ 4
STATISTIKA DAN MACAM-MACAM DATA .............................................................................. 4
BAB II .................................................................................................................................................... 13
PENYAJIAN DATA DAN APLIKASI PADA DATA PENELITIAN ......................................... 13
BAB III ................................................................................................................................................... 23
DISTRIBUSI FREKUENSI & APLIKASI PADA DATA PENELITIAN................................... 23
BAB IV ................................................................................................................................................... 34
UKURAN PEMUSATAN DAN UKURAN PENYEBARAN ........................................................ 34
BAB V..................................................................................................................................................... 63
UKURAN KEMIRINGAN DAN KERUNCINGAN ...................................................................... 63
BAB VI ................................................................................................................................................... 71
DISTRIBUSI BINOMIAL DAN POISSON ................................................................................... 71
BAB VII ................................................................................................................................................. 78
DISTRIBUSI NORMAL .................................................................................................................. 78
BAB VIII ................................................................................................................................................ 92
UJI NORMALITAS DAN HOMOGENITAS ................................................................................ 92
BAB IX ................................................................................................................................................. 110
UJI HIPOTESIS .............................................................................................................................. 110
BAB X................................................................................................................................................... 116
UJI HIPOTESIS SATU RATA-RATA ......................................................................................... 116
BAB XI ................................................................................................................................................. 125
UJI HIPOTESIS DUA RATA-RATA ........................................................................................... 125
DAFTAR PUSTAKA .......................................................................................................................... 138
 BAB I
STATISTIKA DAN MACAM-MACAM DATA

A. PENGERTIAN STATISTIK DAN STATISTIKA

Pengertian statistik
Menurut Prof. Dr. Sudjana, M.A., M.Sc., statistik adalah pengetahuan yang
berhubungan dengan cara-cara pengumpulan data, pengolahan penganalisisannya, serta
penarikan kesimpulan berdasarkan kumpulan data dan penganalisasan yang dilakukan.
Menurut Prof.Dr.H.Agus Irianto, statistik adalah sekumpulan cara maupun
aturan-aturan yang berkaitan dengan pengumpulan, pengolahan(analisis), penarikan
kesimpulan, atas data-data yang berbentuk angka dengan menggunakan suatu asumsi-
asumsi tertentu.
Menurut Anderson Dan Bancroft, statistik adalah ilmu dan seni perkembangan
serta metode paling efektif untuk pengumpulkan, pentabulasian serta dan
penginterpretasikan data kuantitatif sedemikian rupa, sehingga akan memungkin
kesalahan dalam kesimpulan dan estimasi dapat diperkirakan dengan penggunaan
penalaran induktif yang didasarkan pada matematik probailitas(peluang).
Menurut Stoel dan Torrie, statistik adalah metode yang memberikan cara-cara
guna menilai ketidaktentuan dari penarikan kesimpulan yang bersifat induktif.
Menurut Anto Dajan, statistik adalah metode/asas-asas
mengerjakan/memanipulasi data kuantitatif agar angka-angka tersebut berbicara.
Menurut Drs. Djawanto, statistik adalah Statistik iyalah kumpulan angka-angka
yang berhubungan dengan atau melukiskan suatu persoalan.
Berdasarkan pengertian-pengertian statistik di atas, maka dapat disimpulkan
bahwa statistik adalah suatu metoda atau cara untuk mengumpulkan, mengolah,
menganalisis, menarik kesimpulan, serta menyajikan dan mempublikasikan data fakta
yang berbentuk angka.
 Pengertian statistika

Statistika adalah pengetahuan yang berhubungan dengan cara-cara

pengumpulan data, pengolahan atau penganalisaannya dan penarikan kesimpulan atau
interprestasi terhadap hasil analisis kumpulan data tersebut. Statistika
dikelompokkan dalam dua kelompok yaitu statistika deskriptif dan statistika
inferensia.
Menurut Anderson & Bancrofi, statistika adalah ilmu dan seni mengembangkan
dan menerapkan metoda yang paling efektif untuk mengumpulkan, mentabulasi,
menginterpretasi kan data kuantitatif sedemikian rupa sehingga kemungkinan salah
dalam kesimpulan dan estimasi dapat diperkirakan dengan menggunakan penalaran
induktif berdeasarkan matematika probabilitas.
Menurut Sujana, statistika adalah pengetahuan yang berhubungan dengan cara-
cara pengumpulan fakta, pengolahan serta penganalisaannya, penarikan kesimpulan,
penyajian dan publikasi dari data-data yang berbentuk angka.
Menurut Sudrajat, statistika adalah ilmu pengetahuan mengenai cara dan aturan
dalam hal pengumpulan data, pengolahan, analisa, penarikan keseimpulan, penyajian
dan publikasi dari kata-kata yang berbentuk angka.
Berdasarkan pengertian-pengertian di atas, maka dapat disimpulkan bahwa
statistika adalah ilmu pengetahuan yang mengandung seni tentang cara dan aturan
mengembangkan dan menerapkan metoda yang paling efektif untuk mengumpulkan,
mengolah, menganalisis, menarik kesimpulan, serta menyajikan dan mempublikasikan
data yang berupa fakta dari data-data yang berbentuk angka.

B. STATISTIK DESKRIPTIF DAN STATISTIK INFERENSIAL

Statistik deskriptif, yaitu statistik yang digunakan untuk analisa data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya,
tanpa ada tujuan membuat kesimpulan untuk generalisasi. Statistika deskriptif juga
merupakan bagian dari statistika yang berkaitan dengan cara-cara meringkas data, dalam
ukuran-ukuran tertentu, berbentuk tabel, diagram, grafik, dan besaran-besaran lain.
Statistika deskriptif ini tidak menarik kesimpulan apapun tentang gugus data induknya
yang lebih besar.
 Sedangkan statistik inferensial yaitu statistik yang digunakan untuk menganalisis
data sampel dan hasilnya diberlakukan untuk populasi.Statistik ini cocok digunakan jika
sampel diambil pada populasi yang jelas dan pengambilan sampel secara acak.Sering
disebut statistik induktif atau statistik probabilitas karena kesimpulan yang diberlakukan
pada populasi berdasarkan pada data sampel dan kebenarannya bersifat peluang (kita kenal
disini taraf signifikansi dan interval kepercayaan).
Disini terjadi pengujian signifikansi dari suatu analisis yang biasanya didasarkan
pada tabel seperti tabel-t untuk uji-t dan tabel-F untuk uji-F (dapat digunakan alat bantu
lainnya seperti MS - Excel).
Statistik inferensial terbagi atas dua, yaitu statistik parametrik dan statistik
nonparametrik.Statistik parametrik adalah statistik yang berhubungan dengan inferensi
statistik yang membahas parameter-parameter populasi seperti rata-rata proporsi, dan lain-
lain.Dengan ciri-ciri parametrik adalah jenis data interval atau rasio serta distribusi data
(populasi) adalah normal atau mendekati normal. Contoh metode statistik parametric,
yaitu:
a. Uji-z (1 atau 2 sampel)
b. Uji-t (1 atau 2 sampel)
c. Korelasi pearson,
d. Perancangan percobaan (one or two-way anova parametrik), dll.
Sedangkan statistik nonparametric adalah inferensi statistik yang tidak membahas
parameter-parameter populasi dengan ciri, yaitu data nominal atau ordinal serta distribusi
data (populasi) yang tidak diketahui atau bisa disebut tidak normal. Contoh metode
statistik non-parametrik adalah:
a. Uji tanda (sign test)
b. Rank sum test (wilcoxon)
c. Rank correlation test (spearman)
d. Fisher probability exact test.
e. Chi-square test, dll
Data kasar (raw data) diperoleh dari hasil pengukuran suatu variable pada sampel
yang diambil dari suatu populasi menggunakan teknik pengambilan sampel
tertentu.Langkah-langkah kegiatan statistika untuk menangani data kasar, yaitu:
1. Pengumpulan data
2. Pengolahan data (diurutkan atau digolongkan)
3. Penyajian data dalam tabel atau grafik
 4. Penafsiran sajian data
5. Analisa data
6. Penafsiran dan pengambilan kesimpulan
7. Pemanfaat penafsiran dan kesimpulan utk penentuan kegiatan
8. penelitian lebih lanjut
Untuk 1,2,3,4, dan 7 disebut statistik deskriptif (tanpa analisis, tanpa generalisasi,
tanpa pengujian hipotesis, dan hanya melakukan perhitungan-perhitungan saja). Data ini
disajikan dalam bentuk tabel distribusi frekuensi (mean, median, danmodus), bar-diagram,
histogram, polygon, dll.Sedangkan untuk 1,2,3,4,5,6, dan 7 disebut statistik inferensial
(dengan analisis, generalisasi, dan pengujian hipotesis).

C. DATA, POPULASI, DAN SAMPEL

Data adalah himpunan nilai/variate/datum atau informasi lain yang diperoleh dari
observasi, pengukuran dan penilaian) terhadap suatu obyek atau lebih.
Populasi adalah sebuah kumpulan dari semua kemungkinan orang-orang,benda-
benda dan ukuran lain dari objek yang menjadi perhatian. Contoh:
- Populasi mahasiswa Universitas Sriwijaya
- Populasi mahasiswa Fakultas Keguruan dan Ilmu Pendidikan Matematika
Sampel adalah bagian dari populasi yang di ambil melalui cara-cara tertentu yang
juga memilki karakteristik tertentu, jelas dan lengkap yang dianggap bisa mewakili
populasi. Menurut Teken (dalam Masri Singarimbun dan Sofyan Efendi), ciri-ciri sampel
yang ideal adalah:
Dapat menghasilkan gambaran yang dipercaya dari seluruh populasi yang diteliti.
Dapat menentukan presisi (precision) dari hasil penelitian dengan menentukan
penyimpangan baku (standar deviasi) dari taksiran yang diperoleh sederhana, sehingga
mudah dilaksanakan.
Dapat memberikan keterangan sebanyak mungkin dengan biaya yang rendah.
Contoh: Badan akreditas kampus meneliti/menguji kemampuan mahasiswa FKIP Jurusan
MIPA Unsri hanya mengambil 3 orang dalam setiap masing-masing prodinya untuk
dilakukan sebuah tes baik tertulis dan wawancara.
D. MACAM-MACAM DATA
Dalam melakukan suatu penelitian harus dilandasi dengan penggunaan metode
ilmiah. Adapun syarat metode ilmiah adalah:
Dasar : Fakta/data yang reliable, valid, dan ternilai, teori yang relevan.
Sifat : Universal, obyektif, jujur dan terbuka, logis, kritis, analistis, dinamis dan
inovatif.

Data menurut sifat angka

- Data Diskrit (data anumeration)
Angka-angka yang tidak memiliki desimal atau pecahan di antarabilangan bulatnya,
diperoleh dari menghitung.Tiap objek memiliki satu satuan yang utuh, yang tidak
memungkinkan untuk terjadinya secara sebagian.Misalnya: Jumlah mahasiswa/i
Inderalaya FKIP Matematika Universitas Sriwijaya tahun ajaran 2014 sebanyak 39
orang.

- Data Kontinu (data measurement)

Kumpulan angka-angka yang masih dimungkinkan memiliki bilangan desimal atau
pecahan di antara bilangan bulatnya yang banyaknya tak terhingga, biasanya
didapatkan dari proses pengukuran. Misalnya: Mahasiswa FKIP Matematika
Indralaya memiliki tinggi rata-rata 156,5 cm.

Data menurut sifatnya

- Data Kualitatif
Kenyataan yang menunjukkan sifat-sifat objek yang tidak memungkinkan secara
langsung dapat diubah menjadi angka, sehingga menggunakan pendekatan dalam
bentuk kategori. Contoh: lukisan indah, pemandangan bagus, wajah cantik, penataan
rapi, kebijaksanaan tepat, perkataannya benar, tariannya indah.
- Data Kuantitatif, yaitu data yang dinyatakan dalam bentuk angka. Misalnya : FKIP
Unsri Indralaya mempunyai 4 gedung.
 Data menurut sumbernya

- Data Primer : data yang diperoleh secara langsung dengan melakukan sendiri
pengumpulan terhadap obyek.
- Data Sekunder : data yang diperoleh dari olahan data primer
- Data Tersier : data yang diperoleh dari olahan data sekunder.
- Data Kuarter : data yang diperoleh dari data tersier yang telah diolah terlebih
dahulu.

Data menurut cara menyusun angkanya

- Data nominal, yaitu data statistik yang cara menyusunnya didasarkanpada klasifikasi
tertentu.Misalnya: Jumlah mahasiswa FKIP Matematika tahun ajaran 2014/2015
menurut tingkat dan jenis kelaminnya.
- Data ordinal/urutan, yaitu data statistik yang cara menyusun angkanya didasarkan
pada urutan/ranking. Misalnya: Hasil nilai ujian statistikamahasiswa FKIP
Matematika tahun ajaran 2014/2015 berdasarkan ranking.
- Data interval, yaitu data statistik dimana terdapat jarak yang sama di antara hal-hal
yang sedang diteliti

Data berdasarkan bentuk angkanya

- Data tunggal, yaitu data statistik yang angka-angkanya merupakan satu unit atau satu
kesatuan, tidak dikelompokkan.
- Data kelompok, yaitu data statistik tiap unitnya terdiri dari sekelompok angka, 51-
55, 56-60, 61-65,dst.

Data berdasarkan waktu pengumpulannya

- Data seketika, yaitu data statistik yg mencerminkan keadaan pada suatu waktu
saja.Contoh : Pada semester gazal 2014/2015.
- Data urutan waktu, yaitu data statistik yg mencerminkan keadaan dari waktu ke
waktu secara berurutan. Contoh: Jumlah mahasiswa FKIP Unsri yang lulus dari
tahun 2010-2014
 Sumber Data Statistika
- Data primer
Data primer merupakan sumber data yang diperoleh langsung dari sumber asli (tidak
melalui media perantara).Data primer dapat berupa opini subjek (orang) secara
individual atau kelompok, hasil observasi terhadap suatu benda (fisik), kejadian atau
kegiatan, dan hasil pengujian. Metode yang digunakan untuk mendapatkan data primer
yaitu : (1) metode survei dan (2) metode observasi.
Sumber data primer, misalnya:
1. Wawancara langsung
2. Wawancara tidak langsung
3. Pengisian kuisione

- Data sekunder
Data sekunder merupakan sumber data penelitian yang diperoleh peneliti secara tidak
langsung melalui media perantara (diperoleh dan dicatat oleh pihak lain). Data
sekunder umumnya berupa bukti, catatan atau laporan historis yang telah tersusun
dalam arsip (data dokumenter) yang dipublikasikan dan yang tidak dipublikasikan.
Sumber data sekunder, misalnya, data dari pihak lain seperti:
1. BPS
2. Bank Indonesia
3. Diknas

E. POPULASI DAN SAMPEL

Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita baik
yang berhingga maupun tak berhingga jumlahnya. Seringkali tidak praktis mengambil
data dari keseluruhan populasi untuk menarik suatu kesimpulan. Untuk itu dilakukan
pengambilan sampel yaitu sebagian atau himpinan bagian dari populasi. Sampel yang
diambil haris dapat merepresentasikan populasi yang ada. Prosedur pengambialan
sampel yang menghasilkan kesimpulan yang konsisten terlalu tinggi atau terlalu
rendah mengenai suatu ciri populasi dikatakan berbias. Untuk menghindari
kemungkinan bias ini perlu dilakukan pengambian contoh acak atau contoh acak
sederhana. Contoh acak sederhana didefinisikan sebagai contoh yang dipilih
sedemikian rupa sehingga setiap himpunan bagian yang berukuran n dari populasi
mempunyai peluang terpilih yang sama.
F. PEYAJIAN DATA
Suatu data yang telah diperoleh dan telah diolah, maka dilakukan interpretasi
dan penyajian data tersebut. Secara garis besar ada dua macam cara penyajian data
dalam statistika yaitu:
a. Tabel atau daftar yang dapat berbentuk:
- Daftar baris kolom - Daftar kontingensi
- Daftar distribusi frekuensi
b. Grafik atau diagram yang terbagi menjadi:
- Diagram batang atau balok - Diagram garis atau grafik
- Diagram lingkaran, dll
 KESIMPULAN

Statistik merupakan data ringkasan yang berbentuk angka (kuantitatif). Misalnya statistik
mahasiswa, yaitu data atau keterangan berbentuk angka ringkasan mahasiswa (jumlah, rata-
rata umur, persentase yang buta huruf, dll). Sedangkan statistika adalah ilmu yang mempelajari
tentang statistik, yaitu ilmu pengetahuan yang mengandung seni tentang cara dan aturan
mengembangkan dan menerapkan metoda yang paling efektif untuk mengumpulkan,
mengolah, menganalisis, menarik kesimpulan, serta menyajikan dan mempublikasikan data
yang berupa fakta dari data-data yang berbentuk angka.
Jenis statitisk terdiri dari statistik deskriptif dan inferensial. Statistik deskriptif, yaitu
statistik yang digunakan untuk analisa data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa ada tujuan membuat
kesimpulan untuk generalisasi dan statistik inferensial yaitu statistik yang digunakan untuk
menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik inferensial
terbagi menjadi 2, yaitu statitik parametrik dan non-parametrik.
Data adalah himpunan nilai/variate/datum atau informasi lain yang diperoleh dari
observasi, pengukuran dan penilaian terhadap suatu obyek atau lebih . Macam-macam data
dibedakan berdasarkan dari data menurut sifat angka, data menurut sifatnya, data menurut
sumbernya, data menurut cara menyusun angkanya, data berdasarkan bentuk angkanya, dan
data berdasarkan waktu pengumpulannya. Sumber data statistik terbagi menjadi 2, yaitu data
primer (langsung) dan data sekunder (tidak langsung).
 BAB II

PENYAJIAN DATA DAN APLIKASI PADA DATA PENELITIAN

A. DEFINISI PENYAJIAN DATA

Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan
yang diinginkan. Penyajian data bertujuan memberikan gambaran yang sistematis tentang
peristiwa-peristiwa yang merupakan hasil penilitian/observasi, data lebih cepat ditangkap
dan dimengerti, memudahkan dalam analisis data, membuat proses pengambilan
keputusan kesimpulan lebih tepat, cepat dan akurat. Penyajian data dalam sebuah tabel
ataupun gambar grafik memiliki maksud tertentu.

B. BENTUK PENYAJIAN DATA

Secara garis besar ada dua cara penyajian data, yaitu dengan daftar atau tabel dan
diagram atau grafik. Dua cara penyajian data ini saling berkaitan karena pada dasarnya
sebelum dibuat grafik data tersebut berupa tabel.

A. Macam Macam Penyajian Data dalam Bentuk Tabel

Pada dasarnya banyak cara untuk menyajikan data sehingga ia dapat dipahami dan
digunakan secara tepat oleh pengolah data. Namun untuk menghasilkan gambaran data yang
komunikatif, harus diingat untuk menyajikan sesuai kebutuhan. Dalam hal ini, penyajian data
dalam bentuk tabel bertujuan untuk memberikan informasi dan gambaran mengenai jumlah
secara terperinci sehingga memudahkan pengolah data dalam menganalisis data tersebut.
Macam macam penyajian data dalam bentuk tabel antara lain:

1. Tabel Baris Kolom

Tabel yang lebih tepat disebut tabel baris kolom ini adalah tabel-tabel yang dibuat
selain dari tabel kontingensi dan distribusi frekuensi yaitu tabel yang terdiri dari
baris dan kolom yang mempunyai ciri tidak terdiri dari faktor-faktor yang terdiri
dari beberapa kategori dan bukan merupakan data kuantitatif yang dibuat menjadi
beberapa kelompok.
 Contoh, tabel daftar ip seorang mahasiswa pendidikan matematika
No Semester IP
1 I 3,12
2 II 3,00
3 III 3,39
4 IV 3,37
5 V 2,9
6 VI 3,3
7 VII 3,4
Tabel 1. Baris kolom

2. Tabel Kontingensi
Tabel kontingensi merupakan bagian dari tabel baris kolom, akan tetapi tabel ini
mempunyai ciri khusus, yaitu untuk menyajikan data yang terdiri atas dua faktor
atau dua variabel, faktor yang satu terdiri atas b kategori dan lainnya terdiri atas k
kategori, dapat dibuat daftar kontingensi berukuran b x k dengan b menyatakan
baris dan k menyatakan kolom.

Contoh Banyak Murid Sekolah Di Daerah Inderalaya Menurut Tingkat Sekolah

Dan Jenis Kelamin Tahun 2006
JENIS JUMLAH
KELAMIN TINGKAT SEKOLAH
SD SMP SMA
Laki laki 4756 2795 1459 9012
Perempuan 4032 2116 1256 7404
Jumlah 8790 4911 2715 16416
Tabel 2. Tabel kontingensi

3. Tabel Silang
Data hasil penelitian yang berupa perhitungan frekuensi pemunculan data juga
dapat disajikan ke dalam bentuk tabel silang. Tabel silang dapat hanya terdiri dari
satu variable tetapi dapat juga terdiri dari dua variable. Tergantung pertanyaan atau
keadaan yang ingin dideskripsikan. Dengan demikian, pemilihan penyajian data ke
dalam tabel silang satu atau dua variable akan tergantung dari data yang
diperoleh.((Burhan Nurgiyantoro, 2004:42)
 Tabel silang satu variable digunakan untuk menggambarkan data dengan
menampillkan satu karakteristiknya saja. Misal jumlah keseluruhan. Sementara
tabel silang dua variable digunakan untuk menggambarkan data dengan
menampilkan dua karakteristiknya. Misalnya jumlah keseluruhan dan jumlah per
gender.
Contoh:
Dalam suatu penelitian angket pada 34 siswa kelas XI.A tentang mata pelajaran
MIPA yang disukai, diperoleh hasil data sebagai berikut:

No. Mata Pelajaran Jumlah

1 Matematika 11
2 Kimia 10
3 Fisika 7
4 Biologi 6
Tabel 2.1 Penyajian Data dalam bentuk tabel silang satu variable

No. Mata Pelajaran Siswa Yang Menyukai Jumlah

Siswa Laki Siswa
Laki Perempuan
1 Matematika 8 3 11
2 Kimia 4 6 10
3 Fisika 5 2 7
4 Biologi 2 4 6
Tabel 2.2 Penyajian Data dalam bentuk tabel silang dua variable

B. Macam macam Penyajian Data dalam Bentuk Grafik

Selain dapat disajikan ke dalam bentuk tabel sebagaimana dikemukakan di atas, data-data
angka juga dapat disajikan ke dalam bentuk grafik, atau lengkapnya grafik frekuensi.
Pembuatan grafikfrekuensi pada hakikatnya merupakan kelanjutan dari pembuatan tabel
distribusi frekuensi karena pembuatan grafik itu haruslah didasarkan pada tabel distribusi
frekuensi. Dengan kata lain, pembuatan tabel distribusi frekuensi harus tetap dilakukan baik
kita bermaksud maupun tidak bermaksud membuat grafik frekuensi.
Penyajian data angka ke dalam grafik biasanya dipandang lebih menarik karena data-data itu
tersaji dalam bentuk visual. Gambar grafik frekuensi yang banyak dipergunakan dalam metode
statistik adalah histogram, polygon, kurve dan garis. (Burhan Nurgiyantoro, 2004:43-44)

1. Grafik Histogram / Batang

Histogram merupakan grafik dari distribusi frekuensi suatu variable. Tampilan
histogram berupa petak-petak empat persegi panjang. Sebagai sumbu horizontal
boleh memakai tepi-tepi kelas, batas-batas kelas atau nilai variabel yang
diobservasi, sedang sumbu vertical menunjukkan frekuensi. Untuk distribusi
bergolong atau berkelompok yang menjadi absis adalah nilai tengah dari masing-
masing kelas. (Drs. Ating Somantri, 2006:113)

FREKUENSI
10
9
8
7
6
5
FREKUENSI
4
3
2
1
0
51 57 58 64 65 71 72 78 79 85 86 92 93 99

2. Grafik Poligon
Poligon merupakan grafik distribusi dari distribusi frekuensi bergolong suatu
variable. Tampilan polygon berupa garis-garis patah yang diperoleh dengan cara
menghubungkan puncak dari masing-masing nilai tengah kelas. Jadi absisnya
adalah nilai tengah dari masing-masing kelas. (Drs. Ating Somantri, 2006:114)
3. Grafik Kurve
Kurve merupakan perataan atau penghalusan dari garis-garis polygon. Gambar
polygon sering tidak rata karena adanya perbedaan frekuensi data skor dan data
skor itu sendiri mencerminkan fluktuasi sampel. Pembuatan kurve dilakukan
dengan meratakan garis gambar polygon yang tidak rata dan terlihat tidak beraturan
sehingga menjadi rata. (Burhan Nurgiyantoro, 2004:49)
 & FREKUENSI
25

20

15

& FREKUENSI
10

0
0 2 4 6 8

4. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan perkembangan suatu keadaan.
Perkembangan tersebut bias naik bias turun. Hal ini akan Nampak secara visual
melalui garis dalam grafik. Dalam grafik terdapat garis vertical yang menunjukkan
jumlah dan yang mendatar menunjukkan variable tertentu yang ditunjukkan pada
gambar dibawah, yang perlu diperhatikan dalam membuat grafik adalah ketepatan
membuat skala pada garis vertical yang akan mencerminkan keadaan jumlah hasil
observasi. (Dr. Sugiyono, 2002:34)
Contoh : Perkembangan nilai ujian matematika Adit semester 1 tahun ajaran
2012/2013 sebagai berikut:
Ujian Semester ke Nilai
1 80
2 95
3 60
4 100
5 85
 NILAI
120

100

80

60
NILAI
40

20

0
1 2 3 4 5
Ujian Semester ke

C. Diagram Lingkaran

Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram lingkaran.
Diagram lingkaran digunakan untuk membandingkan data dari berbagai kelompok. (Dr.
Sugiyono, 2002:37)
Contoh : Dari hasil penelitian mengenai pelajaran matematika dengan sampel 50 siswa di smp
negeri 24 prabumulih diperoleh data sebagai berikut:
No Penilaian Jumlah
1 Sangat Suka 12
2 Suka 13
3 Tidak Suka 19
4 Sangat Tidak Suka 6

Penyajian data tersebut dalam diagram lingkaran adalah sebgai berikut:

1. Cari persentase masing-masing data tersebut.
12
Sangat Suka = 50 100% = 24%
13
Suka = 50 100% = 26%
19
Tidak Suka = 50 100% = 38%
6
Sangat Tidak Suka = 50 100% = 12%
2. Cari Luas sudut yang dibutuhkan untuk setiap data.
24
Sangat Suka = 100 360 = 86,4
26
Suka = 100 360 = 93,6
38
Tidak Suka = 100 360 = 136,8
12
Sangat Tidak Suka = 100 360 = 43,2

3. Selanjutnya luas-luas kelompok data tersebut digambarkan ke dalam bentuk lingkaran.

Perbandingan pendapat siswa

mengenai matematika

12%
24% Sangat Suka
Suka
Tidak Suka
38%
26% Sangat Tidak Suka
 APLIKASI DALAM PENELITIAN

DAFTAR HASIL MID SEMESTER MATEMATIKA

KELAS XII IPA 3 SMAN 1 TANJUNG RAJA
JENIS
NO NAMA SISWA KKM NILAI KETERANGAN
KELAMIN
1. Marleni Perempuan 65 84 T
2. Intan Novita Sari Perempuan 65 83 T
3. Lisna Tri Daniar Perempuan 65 78 T
4. Devi Septiani Perempuan 65 74 T
5. Anisyah Perempuan 65 72 T
6. Anita Lestari Perempuan 65 72 T
7. Ani Aryani Perempuan 65 71 T
8. Maria Febriani Sipasuita Perempuan 65 70 T
9. Danti Novianisiwi Perempuan 65 70 T
10. Imelda Perempuan 65 69 T
11. Geo Guzali Laki-Laki 65 66 T
12. Ady Wijaya Laki-Laki 65 58 TT
13. Neneng Azizah Perempuan 65 58 TT
14. Camellia Perempuan 65 56 TT
15. Norma Yunita Perempuan 65 56 TT
16. Septa Aria Nugraha Perempuan 65 54 TT
17. Tiara Asriandari Perempuan 65 51 TT
18. Endang Lestari Perempuan 65 50 TT
19. Trio Yulistinah Laki-Laki 65 50 TT
20. Wahyuni Perempuan 65 50 TT
21. Wulandari Perempuan 65 47 TT
22. Rani Novariani Perempuan 65 46 TT
23. Eka Supranata Perempuan 65 44 TT
24. Nazillah Perempuan 65 40 TT
25. Novi Hadra Perempuan 65 39 TT
26. Fella Rati Andini Perempuan 65 38 TT
27. Sintia Ramadona Perempuan 65 38 TT
28. Puji Astutik Perempuan 65 36 TT
29. Yolanda Virsa Tri A Perempuan 65 34 TT
30. Randi Ramadhani Laki-Laki 65 32 TT
32. Yosi Fatriah Fahlevi Perempuan 65 30 TT
32. Rizka Febriyanti Perempuan 65 28 TT
33. Riza Umami Perempuan 65 26 TT
34. Lesi Hermalis Perempuan 65 18 TT
Rata-Rata 49,67
Nilai Tertinggi 84
Nilai Terendah 18
Sumber : Skripsi Boyke Lesmana, Fakultas Pendidikan Matematika Universitas Sriwijaya
Berdasarkan data mentah yang didapat dari hasil skripi oleh Boyke mengenai daftar
hasil mid semester Matematika Kelas XII IPA3 SMAN 1 Tanjung raja , Data tersebut
dapat disajikan dalam bentuk diagram lingkaran seperti berikut :

Persentase Ketuntasan Nilai MID Matematika

TUNTAS
32%

TIDAK TUNTAS
68%

Berdasarkan penyajian data diatas, nilai MID Semester Matematika Kelas XII IPA 3
SMAN 1 Tanjung Raja yang berjumlah 34 orang, dengan KKM nilai 65, banyak siswa
yang tuntas sebesar sebesar 32 % dan yang tidak tuntas sebesar 68%
 KESIMPULAN

Dalam pembuatan laporan penelitian, data adalah hal yang harus dilaporkan.Agar dapat
memberikan gambaran yang bermakna, data-data itu haruslah disajikan kedalam tampilan yang
sistematis untuk keperluan penganalisisaan. Biasanya, data itu disusun dalam sebuah tabel atau
gambar-gambar grafik. Penyajian data ini bertujuan memberikan gambaran yang sistematis
tentang peristiwa-peristiwa yang merupakan hasil penilitian/observasi, data lebih cepat
ditangkap dan dimengerti, memudahkan dalam analisis data, membuat proses pengambilan
keputusan kesimpulan lebih tepat, cepat dan akurat.
Secara garis besar ada dua cara penyajian data, yaitu dengan daftar atau tabel dan
diagram atau grafik. Dua cara penyajian data ini saling berkaitan karena pada dasarnya
sebelum dibuat grafik data tersebut berupa tabel.
Dalam penyajian data dengan tabel, terdapat 3 jenis tabel, yaitu tabel satu arah, tabel
dua arah dan tabel tiga arah.Sedangkan penyajian data dengan grafik/diagram, terdapat jenis-
jenis grafiknya, diantaranya grafik garis, grafik batang, histogram, grafik lingkaran, grafik
gambar dan grafik berupa peta.
 BAB III

DISTRIBUSI FREKUENSI & APLIKASI PADA DATA PENELITIAN

A. PENGERTIAN DAN TUJUAN DISTRIBUSI FREKUENSI

Definisi distribusi frekuensi menurut para ahli:
- Distribusi frekuensi adalah susunan data menurut kelas interval tertentu atau menurut
kategori tertentu dalam sebuah daftar (Hasan, 2001).
- Distribusi Frekuensi adalah penyusunan data dalam kelas-kelas interval.
(Kuswanto,2006)
- Distribusi Frekuensi adalah membuat uraian dari suatu hasil penelitian dan menyajikan
hasil penelitian tersebut dalam bentuk yang baik, yakni bentuk stastistik popular yang
sederhana sehingga kita dapat lebih mudah mendapat gambaran tentang situasi hasil
penelitian. (Djarwanto,1982)
- Distribusi Frekuensi atau Tabel Frekuensi adalah suatu tabel yang banyaknya kejadian
atau frekuensi (cases) didistribusikan ke dalam kelompok-kelompok (kelas-kelas) yang
berbeda. (Budiyuwono,1987)

Sehingga bisa disimpulkan bahwa distribusi frekuensi adalah penyusunan data ke

dalam kelas-kelas tertentu, dimana setiap individu hanya termasuk kedalam salah satu kelas
tertentu saja. Dalam suatu penelitian, biasanya juga akan dilakukan pengumpulan data.
Salah satu cara untuk mengatur atau menyusun data adalah dengan mengelompokan data-
data berdasarkan ciri-ciri penting dari sejumlah data ke dalam beberapa kelas dan kemudian
dihitung banyaknya data yang masuk ke dalam setiap kelas.
Tujuan distribusi frekuensi, yaitu :
Memudahkan dalam penyajian data, mudah dipahami, dan dibaca sebagai bahan
informasi.
Memudahkan dalam menganalisa/menghitung data, membuat tabel, grafik.
 Contoh:
Distribusi Frekuensi Nilai UAS Dalam Bidang Studi Matematika dari 40 Orang Siswa kelas X
1 SMA N 22 Palembang
Nilai (X) Frekuensi (f)
9 4
8 6
7 9
6 16
5 5

Total 40

B. MACAM-MACAM DISTRIBUSI FREKUENSI

1. Ditinjau dari jenisnya
a. Distribusi Frekuensi Numerikal
Distribusi frekuensi numerikal adalah pengelompokan data berdasarkan angka-angka
dan biasanya disajikan dengan grafik histogram.Misalnya data tunggal.
b. Distribusi Frtekuensi Kategorikal / Kategoris
Distribusi frekuensi kategori adalah pengelompokan data berdasarkan kategori-
kategori tertentu, biasanya distribusi frekuensi disajikan dengan grafik batang,
lingkaran, dan gambar. Misalnya data berkelompok.
2. Ditinjau dari nyata tidaknya frekuensi
a. Distribusi frekuensi absolut
Distribusi frekuensi absolut adalah suatu jumlah bilangan yang menyatakan
banyaknya data pada suatu kelompok tertentu. Distribusi ini disusun berdasarkan data
apa adanya, sehingga tidak menyulitkan peneliti dalam membuat distribusi ini
b. Distribusi frekuensi relatif
Distribusi frekuensi relatif adalah suatu jumlah presentase yang dinyatakan banyaknya
data pada suatu kelompok tertentu.Dalam hal ini pembuat distribusi terlebih dahulu
harus dapat menghitung persentase pada masing-masing kelompok. Distribusi akan
memberikan informasi yang lebih jelas tentang posisi masing-masing bagian dalam
keseluruhan, karena kita dapat melihat perbandingan antara kelompok yang satu
dengan kelompok yang lainnya. Walaupun demikian, kita masih belum memperoleh
gambaran yang jelas tentang penyebab adanya perbedaan tersebut.. Berikut adalah
rumus mencari distribusi frekuensi relatif:

frekuensi relatif = 100

3. Ditinjau dari kesatuannya:

a. Distribusi frekuensi satuan
Distribusi frekuensi satuan adalah frekuensi yang menunjukan berapa banyak data
pada kelompok tertentu.
b. Distribusi frekuensi kumulatif
Distribusi`frekuensi kumulatif adalah distribusi frekuensi yang menunjukan jumlah
frekuensi pada sekelompok nilai tertentu mulai dari kelompok sebelumnya sampai
kelompok tersebut.Frekuensi kumulatif dibagi menjadi dua, yaitu kurang dari dan
lebih dari.

C. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI

1. Class (Kelas)
Kelas adalah penggolongan data yang dibatasi dengan nilai terendah dan nilai tertinggi
yang masing-masing dinamakan batas kelas. Batas kelas (Class Limit) adalah nilai batas
dari pada tiap kelas dalam sebuah distribusi, terbagi menjadi dua, yaitu:
a. stated class limit adalah batas-batas kelas yang tertulis dalam distribusi frekuensi,
terdiri dari Lower Class Limit (batas bawah kelas) dan upper class limit (batas atas
kelas).
b. class boundaries (tepi kelas) adalah batas kelas yang sebenarnya, terdiri dari lower
class boundary (batas bawah kelas yang sebenarnya) dan upper class boundary (batas
atas kelas yang sebenarnya).
2. Class interval / panjang kelas merupakan lebar dari sebuah kelas dan dihitung dari
perbedaan antara kedua tepi kelasnya.
3. Mid point / class mark / titik tengah merupakan rata-rata hitung dari kedua batas kelasnya
atau tepi kelasnya.
D. LANGKAH-LANGKAH MENYUSUN DISTRIBUSI FREKUENSI
1. Urutkan data terlebih dahulu
2. Menentukan Range (Jangkauan) : didapat dari nilai yang terbesar dikurangi nilai yang
terkecil.
=

1. Menentukan banyaknya kelas dengan menggunakan rumus Sturgess.

= 1 + 3,3 = = .

2. Menentukan Interval Kelas :

I=

3. Menentukan batas kelas :
= 0,5
= + 0,5
=

Keterangan : =
=
=
=

6. Menentukan titik tengahnya.

7. Memasukkan data kedalam kelas-kelas yang sesuai dengan memakai sistem turus/tally.
8. Menyajikan distribusi frekuensi : isi kolom frekuensi sesuai dengan kolom Tally atau
Turus.
 DAFTAR HASIL MID SEMESTER

KELAS XII IPA 3 SMAN 1 TANJUNG RAJA

NO NAMA SISWA JENIS KELAMIN KKM NILAI KETERANGAN

1. Marleni Perempuan 65 84 T
2. Intan Novita Sari Perempuan 65 83 T
3. Lisna Tri Daniar Perempuan 65 78 T
4. Devi Septiani Perempuan 65 74 T
5. Anisyah Perempuan 65 72 T
6. Anita Lestari Perempuan 65 72 T
7. Ani Aryani Perempuan 65 71 T
8. Maria Febriani Sipasuita Perempuan 65 70 T
9. Danti Novianisiwi Perempuan 65 70 T
10. Imelda Perempuan 65 69 T
11. Geo Guzali Laki-Laki 65 66 T
12. Ady Wijaya Laki-Laki 65 58 TT
13. Neneng Azizah Perempuan 65 58 TT
14. Camellia Perempuan 65 56 TT
15. Norma Yunita Perempuan 65 56 TT
16. Septa Aria Nugraha Perempuan 65 54 TT
17. Tiara Asriandari Perempuan 65 51 TT
18. Endang Lestari Perempuan 65 50 TT
19. Trio Yulistinah Laki-Laki 65 50 TT
20. Wahyuni Perempuan 65 50 TT
21. Wulandari Perempuan 65 47 TT
22. Rani Novariani Perempuan 65 46 TT
23. Eka Supranata Perempuan 65 44 TT
24. Nazillah Perempuan 65 40 TT
25. Novi Hadra Perempuan 65 39 TT
26. Fella Rati Andini Perempuan 65 38 TT
27. Sintia Ramadona Perempuan 65 38 TT
28. Puji Astutik Perempuan 65 36 TT
29. Yolanda Virsa Tri Agustin Perempuan 65 34 TT
30. Randi Ramadhani Laki-Laki 65 32 TT
31. Yosi Fatriah Fahlevi Perempuan 65 30 TT
32. Rizka Febriyanti Perempuan 65 28 TT
33. Riza Umami Perempuan 65 26 TT
34. Lesi Hermalis Perempuan 65 18 TT
Rata-Rata 49,67
Nilai Tertinggi 84
Nilai Terendah 18
Standar Deviasi 17.11
DISTRIBUSI FREKUENSI NUMERIKAL

Berdasarkan data yang didapat diatas, hasil penelitian oleh Boyke, dalam skripsinya mengenai
hasil daftar nilai MID semester kelas XII.IPA3 SMAN 1 Tanjung Raja, dapat dibuat sebuah
distribusi frekuensi numerical sebagai berikut:

84 72 66 54 47 38 30
83 71 58 51 46 38 28
78 70 58 50 44 36 26
74 70 56 50 40 34 18
72 69 56 50 39 32

DISTRIBUSI FREKUENSI KATEGORIKAL

Berdasarkan hasil penelitian yang dilakukan oleh Boyke dalam skripsinya mengenai hasil
daftar nilai MID semester kelas XII.IPA3 SMAN 1 Tanjung Raja, dapat dibuat sebuah
distribusi kelompok, berikut langkah-langkahnya:

Data tersebut sudah terurut dan didapat :

Jumlah seluruh siswa(n)= 34, Xmax = 84, Xmin = 18

Menentukan Range (Jangkauan)

= 84 18 = 66

Menentukan banyak kelas :

= 1 + 3,3

= 1 + 3,3 (34)

= 1 + 3,3 (1,53)

= 1 + 5,05

= 6,05

= 7 ( )

Menentukan interval kelas :

66
I= = = 9,4 = 10 (dibulatkan keatas)
7
 Menentukan batas kelas:
Tbk = Bbk 0,5 ; Tak = Bak + 0,5
Panjang interval kelas = Tak Tbk
Keterangan : Tbk = tepi bawah kelas, Bbk = batas bawah kelas
Tak = tepi atas kelas, Bak = batas atas kelas
Menentukan titik tengah
27 18
1 = = 22,5
2
37 28
2 = = 32,5
2
47 38
3 = = 42,5
2
57 48 67 58
4 = = 52,5 ; 5 = = 62,5
2 2
7768 8778
6 = 2 = 72,5 ; x7 = 2 = 82

Daftar distribusi kelompok dari data yang didapat diatas, didapat seperti tabel berikut:

BATAS TURUS NILAI FREKUENSI

NILAI FREKUENSI
KELAS (TALLY) TENGAH (xi) RELATIF

18-27 17,5 - 27,5 II 2 22,5 5,88

28-37 27,5 37,5 IIII 5 32,5 14,7

38-47 37,5 47,5 IIII II 7 42,5 20,58

48-57 47,5 57,5 IIII II 7 52,5 20,58

58-67 57,5 67,5 III 3 62,5 8,82

68-77 67,5 77,5 IIII II 7 72,5 20,58

78-87 77,5 87,5 III 3 82,5 8,82
JUMLAH 34
 DISTRIBUSI FREKUENSI KUMULATIF KURANG DARI

Frekuensi
NILAI Batas Kelas Persen Kumulatif
Kumulatif

, 0 0

18-27 27,5 2 5,8

28-37 37,5 7 20,5

38-47 47,5 14 41,1

48-57 57,5 21 61,7

58-67 67,5 24 70,5

68-77 77,5 31 91,1

78-87 87,5 34 100

Berikut ogif kumulatif kurang dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA
Tanjung Raja yang diambil dari tabel distribusi frekuensi ditambah satu kolom frekuensi
menurun dengan menggunakan batas kelas.

OGIF FREKUENSI KUMULATIF

40

35

30

25

20 OGIF FREKUENSI KUMULATIF

15

10

0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
 DISTRIBUSI FREKUENSI KUMULATIF LEBIH DARI

Frekuensi
NILAI Batas Kelas Persen Kumulatif
Kumulatif

18-27 , 34 100

28-37 27,5 31 91,1

38-47 37,5 24 70,5

48-57 47,5 21 61,7

58-67 57,5 14 41,1

68-77 67,5 7 20,5

78-87 77,5 2 5,8

87,5 0 0

Berikut ogif kumulatif lebih dari untuk nilai MID semester Matemtika kelas XII IPA 3 SMA
Tanjung Raja Raja yang diambil dari table distribusi frekuensi ditambah satu kolom frekuensi
menurun dengan menggunakan batas kelas.

OGIF FREKUENSI KUMULATIF LEBIH DARI

DARI
40

35

30

25

20 OGIF FREKUENSI KUMULATIF

LEBIH DARI DARI
15

10

0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5
 OGIF KUMULATIF

40

35

30

25

20 Ogif kurang dari

Ogif lebih dari
15

10

0
17,5 27,5 37,5 47,5 57,5 67,5 77,5 87,5

Ogif yang diambil dari tabel distribusi kumulatif kurang dari dan distribusi kumulatif lebih
dari.Dari gambar tersebut untuk frekuensi kumulatif kurang dari grafiknya meningkat,
sedangkan untuk frekuensi lebih dari grafiknya menurun.
 KESIMPULAN

Distribusi Frekuensi adalah penyusunanan data ke dalam kelas-kelas tertentu dimana

setiap individu hanya termasuk kedalam salah satu kelas tertentu saja.Tujuan distribusi
frekuensi, yaitu :memudahkan dalam penyajian data, mudah dipahami, dan dibaca sebagai
bahan informasi, memudahkan dalam menganalisa/menghitung data, membuat tabel, grafik.
Adapun macam-macam distribusi frekuensi, dapat ditinjau dari jenisnya, nyata tidaknya
frekuensi dan kesatuannya.Dari jenisnya terdapat distribusi frekuensi numerikal dan
katagorikal, dari nyata tidaknya frekuensi terdapat distribusi frekuensi absolut dan relatif,
sedangkan ditinjau dari kesatuannya terdapat distribusi frekuensi satuan dan kumulatif.Bagian-
bagian distribusi frekuensi diantaranya terdapat kelas, interval kelas dan titik tengah.
 BAB IV

UKURAN PEMUSATAN DAN UKURAN PENYEBARAN

A. PENGERTIAN UKURAN PEMUSATAN

Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat segugus data,
yang telah diurut dari yang terkecil sampai yang terbesar atau sebaliknya. Salah satu
kegunaan dari pemusatan data adalah untuk membandingkan dua (populasi) atau contoh,
karena sangat sulit untuk membandingkan masing-masing anggota dari masing-masing
populasi.Nilai ukuran pemusatan ini dibuat sedemikian sehingga mewakili seluruh nilai
pada data yang bersangkutan.

B. MACAM-MACAM UKURAN PEMUSATAN

1. Mean (Rataan)
Mean atau Rataan merupakan salah satu ukuran untuk memberikan gambaran
yang lebih jelas dan singkat tentang sekumpulan data dan sebagai penyeimbanng syatu
data. Rataan merupakan wakil dari kumpulan data atau nilai yang paling dekat dengan
hasil ukuran yang sebenarnya. Rataan dibedakan menjadi 3,yaitu rata-rata hitung, rata-
rata ukur dan rata-rata harmonik.
a. Rataan Hitung
Rataan ukur merupakan ukuran yang banyak dipakai. Untuk data yang tidak
berbobot digunakan rumus:
n
i=1 xi
x = fi

Contoh:

Indeks prestasi 5 orang mahasiswa adalah sbb: 2,7; 3,2; 3; 2,4 dan 2,1

Maka rata-rata indeks prestasi ke 5 mahasiswa tersebut adalah:

Jawab:

n
i=1 xi 2,7+3,2+3+2,4+2,1
Mean =
fi
= = 2,68
5
Jika data sudah disusun dalam daftar distribusi frekuensi, maka rataan ditentukan
dengan rumus:

n
i=1 fi xi
x = fi

Contoh: Tentukan Mean dari data berikut!

Nilai fi

31 40 2

41 50 4

51 60 10

61 70 15

71 80 6

81 - 90 3

Jawab:

Langkah menghitung rata-rata yaitu: tentukan nilai tengah (Yi) masing-masing kelas
interval, tentukan tanda kelas dan nilai kodenya (Ci) sehingga tabelnya menjadi:

Nilai Fi xi Fi.xi

31 40 2 35.5 71

41 50 4 45.5 182
 51 60 10 55.5 555

61 70 15 65.5 982.5

71 80 6 75.5 453

81 - 90 3 85.5 265.5

40 2509

n
i=1 fi xi 2509
Mean = = = 62.725
fi 40

b. Rataan Ukur
Rataan hitung dipergunakan untuk menghitung rata-rata dari perbandingan tiap 2
data berurutan tetap atau hamper tetap. Untuk data yang bernilai X1, X2, ., Xn.
Rataan ukur disimbolkan dengan U didefinisikan dengan:
1. Rataaan ukur data tunggal
log(xi)
= (1)(2) ()atauLog(U) = n

=
=
1 =

Contoh: Berapakah rata-rata ukur dari data 2, 4, 8?

Jawab:
3 3
U = (2)(4)(8) = 64 = 4
atau
log(2) + log(4) + log(8)
Log(U) =
3
log(2) + log(22 ) + log(23 )
Log(U) =
3
Log(U) = log(4)
U=4
 2. Rataan ukur data kelompok
( fi. log(xi))
Log(U) =
fi
xi = nilai tengah (tanda kelas)
fi = frekuensi yang sesuai dengan xi
Contoh :
Tentukan rata-rata ukur dari tabel berikut !
No Nilai Ujian fi
1 31-40 2
2 41-50 3
3 51-60 5
4 61-70 13
5 71-80 24
6 81-90 21
7 91-100 12
8 Jumlah 80
Jawab:
No Nilai Ujian fi Xi Log xi fi.log (xi)
1 31-40 2 35,5 1,5502 3,1005
2 41-50 3 45,5 1,6580 4,9740
3 51-60 5 55,5 1,7443 8,7215
4 61-70 13 65.5 1,8162 23,6111
5 71-80 24 75.5 1,8779 45,0707
6 81-90 21 85,5 1,9320 40,5713
7 91-100 12 95,5 1,9800 23,7600
8 Jumlah 80 149,8091

( fi.log(xi)) 149,8091
Log(U) = fi
= = 1,8726
80

U = 101,8726 = 74,58

c. Rataan Harmonis
Misalkan diberikan sekumpulan data X1, X2, X3, , Xn. Rataaan harmonis
disimbolkan dengan H didefinisikan dengan:
1. Rata-rata harmonis data tunggal

n
H=
1
( )
xi
 =
=
1 =

Contoh:
Si Adi seorang mahasiswa Universitas Sriwijaya yang bepergian pulang pergi.
Saat pergi ia mengendarai kendaraan dengan kecepatan 10 km/jam sedangkan
saat kembalinya 20 km/jam. Berapakah rata-rata kecepatan pulang pergi Adi?
Jawab:
2 40
H= = = 13,5 km/jam
1 1 3
10 + 20

2. Rata-rata harmonis data kelompok

H=

( )

Contoh: Berapakah rata-rata harmonis dari table distribusi frekuensi berikut!
No Nilai Ujian Fi
1 31-40 2
2 41-50 3
3 51-60 5
4 61-70 13
5 71-80 24
6 81-90 21
7 91-100 12
8 Jumlah 80
 Jawab:
No Nilai Ujian Fi xi fi/xi
1 31-40 2 35,5 0,0563
2 41-50 3 45,5 0,0659
3 51-60 5 55,5 0,0901
4 61-7- 13 65,5 0,1985
5 71-80 24 75,5 0,3179
6 81-90 21 85,5 0.2456
7 91-100 12 95,5 0,1257
8 Jumlah 80 1,1000

80
H= = = 72,7283
1,1000
( )

2. Median
Median adalah salah satu uuran pemusatan data, yaitu, jika segugus data
diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya, nilai pengamatan
yang tepat di tengah-tengah bila jumlah datanya ganjil atau rata-rata kedua pengamatan
yang di tengah bila datanya genap.

Median data tidak dikelompokkan:

Urutkan data, tentukan titik tengahnya ( jika data ganjil maka median tepat pada satu
data, jika data genap maka median terletak antara dua data dan untuk menentukannya
jumlahkan kedua data tersebut dan bagi dua)

Contoh:

Diketahui data sbb: 5, 5, 6, 6, 6, 6, 6, 7, 7, 8, 8, 9, 9, 11 ( n= 14)

Titik tengah terletak antara data ke7 dan data ke 8 (angka 6 dan 7) maka:

6+7
ME = = 6.5
2

Data : 5, 5, 6, 6, 6, 7, 7, 7, 7, 8, 8, 9, 9,11, 12 ( n = 15) median terletak pada data ke 8

sehingga

Me = 7
 Jika data kuantitatif sudah disusun dalam daftar distribusi frekuensi, maka median
ditentukan dengan rumus:


= + ( )

Bb = batas bawah kelas interval yang mengandung median.

p = panjang kelas interval.
Fk = freuensi kumulatif sebelum kelas interval.
fm = frekuensi kelas interval yang mengandung median.

Contoh: Tentukan Median dari data berikut!

Contoh tabel distribusi ( n = 40)

Nilai fi

31 40 2

41 50 4

51 60 10

61 70 15

71 80 6

81 - 90 3

Karena n = 40 maka kelas median terletak antara data ke 20 dan data ke 21 atau terletak pada
kelas dengan interval 61 70, sehingga diperoleh komponen-komponen:
 Jawab:
Interval F Fk

31 40 2 2

41 50 4 6

51 60 10 16

61 70 15 31

71 80 6 37

81 - 90 3 40

Jumlah 40

Kelas median = 61-70

Bb = 60.5
n = 40
p = 10
fm = 15
Fk = 16
1
10( .4016)
2
Maka median Me =60,5 + 15
10(4)
= 60,5 +
15
=60,5 + 2,67
=62,3
3. Modus
Modus adalah nilai yang paling sering muncul, maka untuk data kuantitatif,
modus ditentuan dengan melihat frekuensi terbanyak antara data itu.
Contoh:
Tentukan Modus dari data
a.3, 3, 3, 4, 4, 5, 5, 5, 7, 8, 9

b.3, 4, 5, 6, 6,

Jawab:

a.Modusnya adalah 3 dan 5 karena masing-masing muncul 3 kali.

b.Modusnya adalah 6 karena muncul 2 kali

 Jika data kuantitatif sudah disusun dalam daftar distribusi frekuensi, maka modus
ditentukan dengan rumus:

= + ( )
+
Bb = batasbawah kelas interval yang mempunyai frekuensi tertinggi.
P = panjang kelas interval.
b1 = selisih frekuensi yang mengandung modus dengan frekuensi sebelumnya.
b2 = selisih frekuensi yang mengandung modus dengan freuensi sesudahnya.

Contoh: Tentukan Modus dari data berikut!

Nilai Fi

31 40 2

41 50 4

51 60 10

61 70 15

71 80 6

81 - 90 3

Jawab:
Frekuensi paling banyak adalah 15 pada interval 61-70
Bb = 60,5
p = 10
b1 = 15 10 = 5
b2 = `15 6 = 9
b1
Maka Mo = Bb + p ( )
b1+b2
5
= 60,5 + 10 (5+9)
5
= 60,5 + 10 (14)
= 60,5 + 3,57
= 64,07
 UKURAN LETAK DAN PENYEBARAN

1.Ukuran Letak

Penggunaan atau fungsi sebuah ukuran letak, yaitu untuk mengetahui nilai data yang
berdasarkan pada letak dari suatu nilai data dalam urutan distribusi. Ukuran letak terdiri dari :

1.kuartil (Q)

2.desil (D)

3.persentil (P)

1.Kuartil

Kuartil adalah nilai yang membagi data menjadi 4 bagian yang sama setelah diurutkan dari
data yang terkecil ke data yang terbesar. Kuartil sering kali dilambangkan dengan Q.Kuartil
dibagi menjadi 2 perhitungan, yaitu kuartil untuk data tunggal dan kuartil data kelompok.

Rumus mencari kuartil data tunggal :

a.Letak Kuartil

( + 1)
=
4

b.Nilai kuartil :

( + 1)
=
4
Dimana:

Qi = Kuartil ke-i

i = 1,2,3

n = jumlah data

Rumus mencari kuartil data kelompok :

a.Letak kuartil :

.
=
4

b.Nilai kuartil

.

= + ( 4 )

Dimana:

Qi : Kuartil ke-i

Bb : Batas bawah kuartil yang terletak

P : Panjang kelas

n : jumlah data

F : frekuensi komulatif sebelum kelas kuartil yang terletak

fQi : frekuensi kelas kuartil

2.Desil

Desil merupakan nilai yang membagi data menjadi 10 bagian yang sama. Desil dilambangkan
dengan D.dalam perhitungannya desil juga dibagi menjadi 2 perhitungan, yaitu desil untuk
data tunggal dan desil untuk data kelompok.

Rumus mencari desil data tunggal :

a.Letak desil

( + 1)
=
10

b.Nilai desil :

( + 1)
=
10

Dimana:

Di = Desil ke-i

i = 1,2,3

n = jumlah data

Rumus mencari kuartil data kelompok :

a.Letak desil :

.
=
10

b.Nilai kuartil

.

= + ( 10 )

Dimana:

Di : Kuartil ke-i

Bb : Batas bawah desil yang terletak

P : Panjang kelas

n : jumlah data

F : frekuensi komulatif sebelum kelas desil yang terletak

fDi : frekuensi kelas desil

3.Persentil

Persentil merupakan nilai yang membagi data menjadi 100 bagian yang sama. Desil
dilambangkan dengan P.perhitungannya persentil juga dibagi menjadi 2 perhitungan, yaitu
persentil untuk data tunggal dan persentil untuk data kelompok.

Rumus mencari persentil data tunggal :

a.Letak persentil

( + 1)
=
100

b.Nilai persentil

( + 1)
=
100

Dimana:

Pi = persentil ke-i

i = 1,2,3

n = jumlah data
Rumus mencari persentil data kelompok

1. Letak persentil :

.
=
100

2. Nilai persentil

.

= + ( 10 )

Dimana:

Pi = Persentil ke-i

Bb = Batas bawah persentil yang terletak

P = Panjang kelas

n = Jumlah data

F = Frekuensi komulatif sebelum kelas persentil yang terletak

fDi = Frekuensi kelas persentil

CONTOH (untuk data tunggal)

Diketahui data : 65, 70, 90, 40, 35, 45, 70, 80, dan 50. Tentukan::

a. 1, 2 3 ?
b. 3, 7 ?
c. 15, 30 ?
JAWAB:

Data disusun terlebih dahulu sehingga menjadi : 35, 40, 45, 50, 65, 70, 70, 80, 90

n=9

a.Q1, Q2 dan Q3

- Letak Q1
+1
1 = 1 ( )
4
10
= 1.
4
= 2,5 (artinya Q1 terletak pada posisi data ke-2 dan 3)

-Nilai Q1

1 ( + 1)
1 =
4

=nilai data ke 2 + nilai data 0,5 ( nilai data ke 3 nilai data ke-2)

= 40 + 0,5 (45-40)

= 42,5

, 1 2,5 42,5

- Letak Q2
+1
2 = 2( )
4
10
= 2 ( )
4
= 5 (artinya Q1 terletak pada posisi data ke-5)

-Nilai Q2

2 ( + 1)
2 =
4
 =nilai dari data ke-5

= 65( )

, 2 5 65

- Letak Q3
+1
3 = 3( )
4
10
= 3 ( )
4
= 7,5 (artinya Q1 terletak pada posisi antara data ke 7 dan 8)

-Nilai Q3

3 ( + 1)
3 =
4

=nilai dari data ke 7 + 0,5 ( nilai data ke 8- nilai data ke 7)

= 70 + 0,5 (80 70)

= 75

, 2 7,5 75

b.D3, D7

- Letak D3
+1
3 = 3 ( )
10
10
= 3.
10
= 3 (artinya D3 terletak pada posisi data k3- 3)
 -Nilai D3

3 ( + 1)
3 =
4

= nilai data ke 3 = 45

, 3 2,5 45

- Letak D7
+1
7 = ( )
10
10
= 7 ( )
10
= 7 (artinya D7 terletak pada posisi data ke-7)

-Nilai D7

7 ( + 1)
7 =
10

=nilai dari data ke-7

= 70 ( )

, 7 7 70

c.P15,P30

- Letak P15
+1
15 = 15 ( )
100
10
= 15.
100
= 15 (artinya P15 terletak pada posisi antara data ke-1 dan 2)
 -Nilai P15

15 ( + 1)
15 =
100

= nilai data ke 1 + nilai data ke 0,5 = nilai data ke 2 nilai data ke 1)

= 35 + 0,5 ( 4035)

= 37,5

, 15 1,5 37,5

- Letak P30
+1
7 = 30( )
100
10
= 30( )
100
= 3 (artinya D7 terletak pada posisi data ke-3)

-Nilai P30

30 ( + 1)
30 =
10

=nilai dari data ke-3

= 45 ( )

, 7 3 45

CONTOH (untuk data kelompok):

Distribusi nilai matematika 40 siswa SMA Budi Mulyo

Nilai (x) Frekuensi (f)

41-45 3
46-50 6
51-55 16
56-60 8
61-65 7
Dari data diatas, tentukan :

a. Q3
b. D5
c. P25

JAWAB :

3.40
a. Letak 3 = = 30
4

3025
Q3 = 55,5 + 6 ( ) = 55,5 + 3,75 = 59,5
8

5.40
b. Letak D5 = = 20
10

20 9
Q3 = 50,5 + 6 ( ) = 50,5 + 4,1 = 54,6
16

25.40
c. 25 = = 10
100

10 9
25 = 50,5 + 6 ( )
16

= 50,5 + 0,3 = 50,8

2.Ukuran Penyebaran

Ukuran penyebaran/dispersi data, yaitu ukuran yang menunjukkan besar kecilnya

perbedaan data dari rata-ratanya. Selain itu, ukuran penyebaran data merupakan berbagai
macam ukuran statistik yang dapat digunakan untuk mengetahui : luas penyebaran data, atau
variasi data, atau homogenitas data, atau stabilitas data (Sudijono Anas, 2009: 143). Ukuran
penyebaran (dispersi) digunakan untuk mengetahui luas penyimpangan data atau homogenitas
suatu data. Adapun jenis ukuran penyebaran ini, diantaranya rentangan, rentangan antar kuartil,
rentangan semi antar kuartil, simpagan rata-rata, simpangan baku, varians, koefisien varians
dan angka baku.
1.Rentangan (Range)
Rentangan merupakan jarak penyebaran data antara nilai terbesar dan nilai terkecil dalam suatu
kelompok data, baik dalam data populasi atau sampel.Rentangan biasanya dilambangkan
dengan R. Rumus untuk mencari rentangan, yaitu :

Dimana :
R = Rentangan (R)
Xmax = Nilai data terbesar
Xmin = Nilai data terkecil

2.Rentangan antar kuartil

Rentangan antar kuartil meupakan selisih antara kuartil ketiga dengan kuartil
pertama.Rentangan antar kuartil biasanya dilambangkan dengan RAK. Rumus untuk
mencari rentangan antar kuartil , yaitu :

= 3 1

Dimana :
RAK = Rentangan antar kuartil , Q3 = kuartil ke 3, Q1 = kuartil ke 1
3.Rentangan Semi Antar kuartil (Simpangan Kuartil)
Simpangan kuartil merupakan setengah dari Rentangan Antar Kuartil (RAK).Simpangan
kuartil biasanya dilambangkan dengan SK. Berikut rumus untuk mencari simpangan kuartil,
yaitu :

1
=
2
atau
1
= ( 1 )
2 3
4. Simpangan Rata-rata

Simpangan rata-rata merupakan ukuran penyebaran yang memperlihatkan penyimpangan suatu

nilai dari rata-rata hitung atau nilai rata-rata dari harga mutlak semua simpangan terhadap rata-
rata kelompoknya.Harga mutlak maksudnya semua nilai simpangan negatif dianggap
positif.Simpangan rata-rata biasanya dilambangkan dengan SR.Rumus untuk mencari
simpangan rata-rata terbagi menjadi 2, yaitu untuk data tunggal dan data kelompok.

Simpangan rata-rata untuk data tunggal

| |
=

Dimana:

SR = Simpangan rata-rata

x = Data ke-i

= Rataan hitung

n = Banyak data

Simpangan rata-rata untuk data kelompok

Dimana: | |
=

SR = Simpangan Rata-rata

= Frekuensi ke-i

xi = Nilai titik tengah kelas ke-i

= Rataan hitung

5.Simpangan Baku

Simpangan baku atau standar deviasi merupakan nilai yang menunjukkan tingkat variasi
kelompok data atau ukuran standar penyimpangan dari rata-ratanya. Standar deviasi biasanya
dilambangkan dengan s. Rumus mencari simpangan baku dalam data tunggal terdapat
sampel dan populasi dan begitu juga dengan data kelompoknya
Simpangan baku untuk data tunggal

Simpangan baku sampel Simpangan baku populasi

| |2 | |2
= =
1

Dimana :

s = Simpangan baku

xi = data ke-i

n = jumlah data

Simpangan baku untuk data kelompok

Simpangan baku sampel Simpangan baku populasi

( )2 ( )2
= =
1

Dimana :

s = Simpangan baku

= Frekuensi ke-i

= Rata-rata

xi = Titik tengah data ke-i

6. Varians

Varians merupakan kuadrat dari simpangan baku (standar deviasi) yang biasanya
dilambangkan dengan S. sama halnya dengan simpangan baku, rumus mencari varians dalam
data tunggal ada varians yang untuk sampel dan populasi dan begitu juga dengan data
kelompoknya.

Varians untuk data tunggal

Varian sampel Varian populasi

2
2 2
| | 2
= | |
1 =

Dimana:

V = varians

xi = data ke-i

n = jumlah data

Varians untuk data kelompok

varians sampel varians populasi

2 2
( )2 ( )2
= =
1

Dimana :

V = varians

xi = Titik tengah data ke-i

= Frekuensi ke-i
7.Koefisien Varians

Koefisien varians merupakan perbandingan antara simpangan baku dengan meannya yang
dinyatakan dalam persen dan tujuannya adalah mengamati sebaran data/variasi dari meannya.
Semakin kecil koefisien variansnya maka data semakin seragam (homogen) sebaliknya
semakin besar koefisien varians maka data semakin heterogen.Koefisien varians biasanya
dilambangkan dengan dengan KV. Berikut rumus untuk mencari koefisien varians :

= 100%

Dimana :

KV = Koefisien varians

s = simpangan baku

= rata-rata

8.Angka Baku

Angka baku merupakan bilangan yang menunjukkan seberapa jauh suatu nilai yang
menyimpang dari rata-rata dengan satuan simpangan baku dan biasanya dilambangkan dengan
Zscore. Fungsi angka baku, diantaranya mengamati perubahan kenaikan, penurunan variabel
yang ada dari meannya, untuk mengubah data ordinal menjadi interval dengan mengubah skor
mentah menjadi skor baku. Semakin kecil angka baku, semakin kecil perubahan variable
tersebut dari meannya, namun sebaliknya semakin besar angka baku maka semakin besar juga
perubahan variabel dari meannya.

Berikut rumus untuk mencari angka baku:

Dimana :

Zscore = Angka baku

xi = data ke-i

= rata-rata

s = simpangan baku
CONTOH (untuk data tunggal) :

Diketahui data MID Semester Statistika kelas A :

90, 80, 70, 90, 70, 100, 80, 50, 75, 70

Tentukan :

a.R ? c. SD dan V?

b.SR ? d.koefisien varians baku ?

JAWAB : urutkan data terlebih dahulu

50, 70, 70, 70, 75, 80, 80, 90, 90, 100

Berdasarkan data diatas, bahwa nilai terbesarnya adalah 100 sedangkan nilai terkecil adalah 50.

= 100 50 = 50

Jadi, Rentangan nilai untuk data diatas adalah 50.

b. Untuk mempermudah mencari simpangan rata-rata, kita gunakan tabel

Nilai MID Semester Statistika kelas A

Nilai (xi) Rata-rata ( ) | |

50 27,5 Jumlah data (n) = 10
70 7,5
70 7,5
=
70 7,5
75 2,5
77,5 775
80 2,5 = = 77,5
80 2,5 10
90 12,5
90 12,5
100 22,5
= 775 | | = 105

| |
=

105
= = 10,5
10
Jadi, simpangan rata-rata dari data diatas adalah 10,5
C. Untuk mempermudah mencari simpangan baku dan varians, kita gunakan tabel

Untuk data populasi

Nilai (xi) Rata-rata

| | | |2
( )
50 27,5 756,25
70 7,5 56,25
70 7,5 56,25
70 7,5 56,25
75 2,5 6,25
80 77,5 2,5 6,25
80 2,5 6,25
90 12,5 156,25
90 12,5 156,25
100 22,5 156,25
= 775 | | = 105 | |2 = 1412,5

Untuk simpangan baku (populasi) :

| |2
=

1412,5
= = 11,8
10

Untuk varians (populasi)

2
2
| |
=

= (11,8) 2 = 141,25

Jadi, untuk data populasi simpangan baku nya adalah 11,8 dan variansnya adalah 141,25

d.koefisien varians

berdasarkan hasil yang didapat pada pengerjaan sebelumnya, s = 11,8 dan = 141,25

untuk koefisien varians:


= 100%

11,8
= 100% = 8,3%
141,25
Jadi, koefisien variansnya adalah 8,3 %

CONTOH (untuk data kelompok) :

Diketahui sebuah data ditribusi berikut (Nilai UAS Statistika kelas B)

Nilai (xi) Frekuensi (fi)

60-64 2 Tentukan :
65-69 6
70-74 15 a.SR ?
75-79 20
b.s dan V ?
80-84 16
85-89 7 c.KV ?
90-94 4
= 70

Setelah diketahui data seperti diatas, kita dapat mencari:

Nilai Frekuensi T.Tengah

fi.x (| |) fi.(| |) (| |)2 f.| |2
(xi) (fi) (x)
60-64 2 62 124 15,64 31,28 244,6 489,2
65-69 6 67 402 10,64 63,84 113,2 679,2
70-74 15 72 1080 5,64 84,6 31,8 477
75-79 20 77 1540 0,64 12,8 0,4 8
80-84 16 82 1312 4,36 69,76 19 304
85-89 7 87 609 9,36 65,52 87,6 613,2
90-94 4 92 368 14,36 57,44 206,2 824,8
i = 70
i.x = fi.(| |) = fi. |
2
| =
5435 385,24 3395,4

Rata-rata ( ) =

5435
= = 77,6
70

a.Simpangan rata-rata :

| |
=

 385,24
= = 5,5
70

Jadi, simpangan rata-rata dari data tersebut adalah 5,5

b.Simpangan baku (populasi)

( )2
=

3395,4
= = 6,9
70

Jadi, simpangan rata-rata dan simpangan baku/standar deviasi dari 70 mahasiswa diatas
berturut-turut sebesar 5,5 dan 6,9

c.Koefisien baku dapat dicari menggunakan simpangan baku dan rata-rata yang kita dapatkan
sebelumnya. didapat: s = 6,9 dan = 77,6

= 100%

6,9
= 100% = 8,8 %

77,6
Jadi, koefisien variansnya adalah 8,3 %
 KESIMPULAN

Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat segugus data,

yang telah diurut dari yang terkecil sampai yang terbesar atau sebaliknya. Salah satu

kegunaan dari pemusatan data adalah untuk membandingkan dua (populasi) atau contoh,

karena sangat sulit untuk membandingkan masing-masing anggota dari masing-masing

populasi. Macam-macam dari ukuran pemusatan ini, diantaranya mean (rata-rata), median dan

modus. Masing-masing ukuran pemusatan ini mempunyai perhitungan untuk data tunggal dan

data kelompok.

Penggunaan atau fungsi sebuah ukuran letak, yaitu untuk mengetahui nilai data yang
berdasarkan pada letak dari suatu nilai data dalam urutan distribusi.Jenis ukuran letak diatara
nya kuartil, desil, persentil. Masing-masing jenis ukuran mempunyai 2 perhitungan yaitu
perhitungan untuk data tunggal dan data kelompok

Ukuran penyebaran/dispersi data, yaitu ukuran yang menunjukkan besar kecilnya

perbedaan data dari rata-ratanya. Ukuran penyebaran (dispersi) digunakan untuk mengetahui
luas penyimpangan data atau homogenitas suatu data. Adapun jenis ukuran penyebaran ini,
diantaranya rentangan, rentangan antar kuartil, rentangan semi antar kuartil, simpagan rata-
rata, simpangan baku, varians, koefisien varians dan angka baku.
 BAB V

UKURAN KEMIRINGAN DAN KERUNCINGAN

1. KEMIRINGAN DISTRIBUSI DATA

A. Pengertian Ukuran Kemiringan Data

Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi.

Kemiringan distribusi data ada tiga jenis:

Simetri

Miring ke kanan kemiringan positif

Miring ke kiri kemiringan negative

Kemiringan distribusi data disebut kemencengan atau kemenjuluran (skewness).

Kemiringan adalah derajat atau ukuran dari ketidaksimetrian (asimetri) suatu distribusi data

Ada beberapa cara untuk menghitung derajat kemiringan data yaitu sebagai berikut :

1. Rumus Pearson :
Contoh soal :

Berikut ini adalah data nilai ujian statistik dari 40 mahasiswa sebuah universitas.

Nilai Ujian Statistika pada Semester 2, 2010

a) Tentukan nilai sk dan ujilah arah kemencengannya (gunakan kedua rumus tersebut) !

b) Gambarlah kurvanya !

Penyelesaian:

Oleh karena nilai sk-nya negatif (-0,46) maka kurvanya menceng ke kiri atau menceng negatif.
b. Gambar kurvanya :

2. Rumus Momen

Untuk data tidak berkelompok :

3. Rumus Bowley :

Cara menentukan kemiringannya

Contoh soal :

Tentukan kemencengan kurva dari distribusi frekuensi berikut :

Nilai Ujian Matematika Dasar I dari 111 mahasiswa, 1997

 Penyelesaian :

Kelas Q1 = kelas ke -3

Karena skB negatif (=0,06) maka kurva menceng ke kiri dengan kemencengan yang berarti.

2. KERUNCINGAN DISTIRBUSI DATA

B. Pengertian Ukuran Keruncingan Data

Kurtosis adalah derajat kepuncakan dari suatu distribusi. Suatu distribusi yang relatif tinggi
dinamakan leptokurtik, jika puncaknya datar disebut platikurtik dan jika puncaknya tidak
terlalu tinggi atau terlalu datar disebut mesokurtik.
Untuk mengetahui apakah sekumpulan data mengikuti distribusi leptokurtik, platikurtik, dan

mesokurtik, hal ini dapat dilihat berdasarkan koefisien kurtosisnya.

Untuk mengetahui keruncingan kurva dapat ditentukan dengan menghitung koefisien kurtosis:

Koefisien Kurtosis Persentil dilambangkan dengan K (kappa). Untuk distribusi normal,

nilai K = 0,263. Koefisien Kurtosis Persentil, dirumuskan :

1
( 1 )
2 3
K=
(90 10 )

Dimana:

K3= kuartil ke-3

K1= kuartil ke-1

P90 = persentil ke-90

P10 = persentil ke-10

Dari hasil koefisien kurtosis diatas, ada tiga kriteria untuk mengetahui model distribusi dari
sekumpulan data, yaitu :

1. Jika koefisien kurtosis kurang dari 0,263 bentuk distribusi: platikurtik

2. Jika koefisien kurtosis sama dengan 0,263 bentuk distribusi: mesokurtik

3. Jika koefisien kurtosis lebih dari 0,263 bentuk distribusi: leptokurtik

Contoh soal :

Berikut ini disajikan tabel distribusi frekuensi dari tinggi 100 mahasiswa

universitas XYZ.

a. Tentukan koefisien kurtosis persentil (K) !

b. Apakah distribusinya termasuk distribusi normal !

Tinggi Mahasiswa Universitas XYZ

 KESIMPULAN

Ukuran kemiringan adalah ukuran yang menyatakan derajat ketidak simetrisan suatu
lengkungan halus (kurva) dari suatu distribusi frekuensi.

Kemiringan distribusi data ada tiga jenis:

Simetri
Miring ke kanan kemiringan positif
Miring ke kiri kemiringan negative

Ukuran keruncingan adalah kepuncakan dari suatu distribusi, biasanya diambil relatif
terhadap distribusi normal. Sebuah distribusi yang mempunyai puncak relatif tinggi dinamakan
leptokurtik, sebuah distribusi mempunyai puncak mendatar dinamakan platikurtik, distribusi
normal yang puncaknya tidak terlalu tinggi atau tidak mendatar dinamakan mesokurtik.

Jika koefisien kurtosisnya < 0,263 maka distribusinya adalah platikurtik

Jika koefisien kurtosisnya = 0,263 maka distribusinya adalah mesokurtik
Jika koefisien kurtosisnya > 0,263 maka distribusinya adalah leptokur
 BAB VI

DISTRIBUSI BINOMIAL DAN POISSON

A. Distribusi Binomial

1) Definisi Distribusi Binomial

Distribusi Binomial ditemukan oleh seorang ahli matematika berkebangsaan Swiss
bernama Jacob Bernauli.Oleh karena itu distribusi binomial ini dikenal juga sebagai distribusi
bernauli. Distribusi binomial berasal dari percobaan binomial yaitu suatu proses Bernoulli
yang diulang sebanyak n kali dan saling bebas.Distribusi Binomial adalah suatu distribusi
probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai
dengan proses Bernoulli. Percobaan yang terdiri dari beberapa usaha, yang mana setiap usaha
memiliki dua kemungkinan hasil yaitu sukses dan gagal percobaan seperti ini disebut
percobaan binomial. Misalnya, dalam perlemparan sekeping uang logam sebanyak 5 kali, hasil
setiap ulangan mungkin muncul sisi gambar atau sisi angka. Begitu pula, bila kartu diambil
berturut-turut, kita dapat memberi label sukses bila kartu yang terambil adalah kartu merah
atau gagal bila yang terambil adalah kartu hitam. Ulangan-ulangan tersebut bersifat bebas
1
dan peluang keberhasilan setiap ulangan tetap sama, yaitu sebasar .(Ronald E. Walpole).
2

2) Syarat Distribusi Binomial

1. Jumlah percobaan merupakan bilangan bulat. Contoh: melambungkan koin 2 kali, tidak
1
mungkin 22 kali.

2. Setiap eksperimen mempunyai dua hasil. Contoh: sukses atau gagal, laki-laki atau
perempuan, sehat atau sakit.

3. Peluang sukses sama setiap ekperimen. Contoh: Jika sebuah dadu, yang diharapkan adalah
1
keluar mata lima, maka dikatakan peluang sukses adalah 6, sedangkan peluang gagal
5
adalah 6.Untuk itu peluang sukses dilambangkan p, sedangkan peluang gagal adalah (1 - p)

atau biasa juga dilambangkan q, di mana q = 1- p.

 3) Ciri-ciri Distribusi Binomial.

Distribusi Binomial dapat diterapkan pada peristiwa yang memiliki ciri-ciri percobaan
Binomial sebagai berikut :

1. Setiap percobaan hanya mempunyai 2 kemungkinan hasil : sukses(hasil yang

dikehendakai, dan gagal(hasil yang tidak dikehendaki)

2. Tiap usaha bebas dengan usaha lainnya.

3. Probabilita sukses setiap percobaan harus sama, dinyatakan dengan p. Sedangkan

probabilita gagal dinyatakan dengan q, dan jumlah p dan q harus sama dengan satu.

4. Jumlah percobaan, dinyatakan dengan n, harus tertentu jumlahnya.

4) Rumus Disribusi Binomial

Distribusi Binomial dirumuskan () = ( = ) = ( ) () ; dengan:

Banyak percobaan
Banyak kejadian sukses
Peluang sukses
=1 Peluang gagal
( ) Banyak kejadian gagal

!
= 0,1,2, . . . . , 0 < < 1 dan ( ) = !()! merupakan koefisien binomia

Distribusi binom mempunyai parameter, diantaranya yang akan kita gunakan ialah rata-rata
dan simpangan baku. Rumusnya adalah :
= dan = (1 )

Contoh Soal:

1. Diketahui bahwa 20% bola lampu yang diproduksi oleh sebuah mesin adalah
rusak. Sebuah pemeriksaan dilakukan dengan mengambil 4 bola lampu secara
acak. Dari empat bola lampu ini tentukan peluang jumlah yang rusak adalah
 (a) 1 bola lampu

(b) 0 bola lampu

(c) kurang dari 2 bola lampu

(d) tentukan rata-rata terdapatnya bola lampu rusak

Jawab :

Peluang bola lampu rusak adalah p = 20% = 0,2, berarti peluang yang baik adalah q = 1
p = 0,80. Misalkan X adalah variabel acak yang menunjukkan bola lampu yang rusak.
Maka dengan menggunakan rumus (2) diperoleh :

4
(a) ( = 1) = ( ) (0,2)1 (0,8)3 = 0,4096
1
4
(b) ( = 0) = ( ) (0,2)0 (0,8)4 = 0,4096
0
(c) ( < 2) = ( = 0) + ( = 1) = 0,4096 + 0,4096 = 0,81192

(d) = 4(0,2) = 0,8

2. Ani, seorang mahasiswi FKIP Matematika Unsri melakukan pengundian dengan sebuah
koin sebanyak 5 kali. Peluang untuk mendapatkan 3 uang yang bergambar adalah:
Jawab:
3
5 1 1 2
( = 3) = ( ) ( ) ( ) = (10)(0,125)(0,25) = 0,3125
3 2 2

B . Distribusi Poisson

1. Definisi Distribusi Possion

Distribusi Poisson adalah distribusi probabilitas diskret yang menyatakan peluang
jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut
diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir.Distribusi poisson ini
juga dapat digunakan untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau
volume.
 Apabila nilai harapan kejadian pada suatu interval adalah , maka probabilitas terjadi
peristiwa sebanyak x kali (x adalah bilangan bulat non negatif, x = 0, 1, 2, ...) maka sama
dengan

() = ( = ) =
!

Keterangan :

= 0,1,2,3, . . . .,
e adalah basis logaritma natural ( = 2,71828 )

Ternyata bahwa distribusi Poisson ini mempunyai parameter :

= dan =

Distribusi Poisson juga merupakan salah satu model distribusi peluang untuk peubah acak
yang farik. distribusi poisson sering digunakan untuk menentukan peluang sebuah peristiwa
mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan waktu yang
diharapkan jarang terjadi. Misalnya, banyak orang yang lewat di depan pasar setiap hari, tetapi
sangat jarang terjadi seseorang yang menemukan barang hilang dan mengembalkan kepada
pemilik-nya atau melaporkannya kepada polisi. Contoh lain, operator telepon banyak
menerima permintaan nomor untuk disambungkan, diharapkan jarang sekali terjadi salah
sambung setiap menit.

C. Ciri-ciri Distribusi Possion

1. Percobaan di satu selang tertentu tak bergantung pada selang lain.

2. Peluang terjadinya satu percobaan singkat atau pada daerah yang kecil (jarang terjadi).
3. Peluang lebih dari satu hasil percobaan akan terjadi dalam selang waktu singkat
tertentu, dapat diabaikan.

Contoh soal:
1. Sepuluh persen peralatan yang dihasilkan dari sebuah proses produksi ditemukan cacat.
Hitunglah peluang bahwa dalam 10 peralatan yang diambil secara acak dua diantarannya cacat
dengan menggunakan pendekatan distribusi Poisson
Jawab:

Kita punya = n.p = (10)(0,1) = 1. Berdasarkan rumus distribusi Poisson :

() = ( = ) =
!

2 (2,71828)1 (1)2
( = 2) = = = 0,1839
2! 2!

2. Dari 100 orang mahasiswa FKIP 2 orang mengaku selalu terlambat masuk kuliah setiap hari,
jika pada suatu hari terdapat 500 mahasiswa FKIP, berapa peluang ada lebih dari 3 orang
yang terlambat?

Jawab:
a. Kejadian Sukses : selalu terlambat masuk kuliah
2
p= = 0.02 n = 500 x>3
100

Dengan menggunakan pendekatan distribusi poisson kepada distribusi binomial,

maka:

= Np = = 0.02 500 = 1

Jika X = banyak orang yang terlambat, maka:

1 10 (2,71828)1 1
(0) = = = 0,36
0! 1

1 11 (2,71828)1 1
(1) = = = 0,36
1! 1

1 12 (2,71828)1 1
(2) = = = 0,18
2! 2

1 13 (2,71828)1 1
(3) = = = 0,06
3! 6

Yang menderita reaksi buruk lebih dari 3 orang, ini berarti X = 4, 5, ...

Karena (0) + (1) + (2) + (3) + = 1, maka:

(4) + (5) + = 1 (0) (1) (2) (3)

(4) + (5) + = 1 (0) (1) (2) p(3)

= 1 (0,36 + 0,36 + 0,18 + 0,06)
= 0,96
Jadi, peluang ada lebih dari 3 orang yang terlambat adalah 0,96

KESIMPULAN
 Dari penjelasan di atas dapat disimpulkan bahwa probabilitas dapat membantu kita

dalam mengambil keputusan. Misalnya seperti memperkirakan mana yang lebih banyak peluang

gagal atau sukses dari sebuah usaha yang dilakukan.

Percobaan Binomial adalah suatu percobaan yang terdiri dari beberapa usaha, yang

mana setiap usaha memiliki dua kemungkinan hasil yaitu berhasil dan gagal. Percobaan tersebut

disebut dengan tindakan Bernoulli atau percobaan Bernoulli (Bernoulli trial)

 BAB VII

DISTRIBUSI NORMAL
A. DISTRIBUSI NORMAL
1. Definisi distribusi normal

Distribusi normal merupakan suatu alat statistik yang sangat penting untuk menaksir
dan meramalkan peristiwa-peristiwa yang lebih luas. Distribusi normal disebut juga dengan
distribusi Gauss untuk menghormati Gauss sebagai penemu persamaannya (1777-
1855). Menurut pandangan ahli statistik, distribusi variabel pada populasi mengikuti distribusi
normal.
Distribusi normal memiliki parameter, yaitu rata-rata () dan simpangan baku (), selain itu
juga kurvanya berbentuk lonceng (bell shape) dimana menggunakan rata-rata sebagai sumbu
simetrisnya. Dikatakan berdistribusi normal jika data tersebut berdistribusi simetris, yaitu nilai
rata-rata, median dan modus sama. Selain itu juga variabel acak x bdikatakan berdistribusi
normal jika nilai x mempunyai batas nilai < > . Peubah acak x yang mempunyai rata-
rata () dan varians (2) memiliki fungsi densitas pada X = x, yaitu:

( )
() =

Dengan :
= 3,1416. merupakan nilai konstan yang ditulis hingga 4 desimal
e = 2,7183. merupakan bilangan konstan yang ditulis hingga 4 desimal
= rata-rata distribusi
= simpangan baku distribusi
(Usman Husaini dan R. Purnomo, 2006:106).

1.Kurva berbentuk genta (m= Md= Mo)

2.Kurva berbentuk simetris

3.Kurva normal berbentuk asimptotis

4.Kurva mencapai puncak pada saat X= m

5.Luas daerah di bawah kurva adalah 1; di sisi kanan nilai tengah dan di sisi kiri.

B. Sifat-sifat disribusi normal

Berikut sifat-sifat dari distribusi normal, yaitu:

1. Grafik selalu diatas sumbu-X (horisontal)
2. Bentuk simetris terhadap sumbu-Y pada X =
3. Mempunyai modus pada X = sebesar 0,3989 /
4. Grafik mendekati sumbu-X pada X = -3 dan X = +3
5. Kurva normal digunakan sebagai acuan pengujian hipotesis jika ukuran sampel n 30
6. Luas grafiknya sama dengan satu unit persegi, dengan rincian:
- Kira-kira 68% luasnya berada di antara daerah dan +
- Kira-kira 95% luasnya berada di antara daerah 2 dan + 2
- Kira-kira 99% luasnya berada di antara daerah 3 dan + 3

Jika terdapat bentuk kurva yang tidak memenuhi karakteristik di atas dikenal dengan distribusi
tidak simetris (distribusi menceng kekiri atau kekanan)

Pada kurva normal:

- Semakin besar , maka kurva semakin rendah (platikurtik)
- Semakin kecil , maka kurvasemakin tinggi (leptokurtik)
Misalnya seperti pada contoh berikut:

PLATIKURTIK
Pada kurva normal:
LEPTOKURTIKPLATIKURTIK
- Semakin besar , maka kurva semakin rendah (platikurtik) LEPTOKURTIK

- Semakin kecil , maka kurvasemakin tinggi (leptokurtik)

Misalnya seperti pada contoh berikut:

20 dan = 9 = 20 dan = 9 = 10 dan = 9 = 10 dan = 9 =

Untuk lebih jelas lagi mengenai bentuk distribusi normal berdasarkan dan , perhatikan
gambar dibawah berikut:

1 = 2 1 < 2 1 < 2
1 > 2 1 = 2 1 < 2

Luas di Bawah Kurva dan Probabilitas

Untuk menentukan peluang harga x antara a dan b seperti gambar diatas, yaitu :

(
)
P( < < ) = ()
Dengan:

P ( < < ) = peluang variabel random x memiliki nilai antara dan

P ( < < ) = luas di bawah kurva normal antara x = dan x =

Seperti kita ketahui, distribusi normal baku (standar) adalah distribusi normal dengan = 0 dan
= 1, dimana fungsi densitasnya berbentuk:

Dengan batas z < > .
() =

Pengubahan distribusi normal umum ke distribusi normal baku, dapat menggunakan rumus:

x = nilai variable random

= rata-rata distribusi
= simpang baku
Z = Skor Z atau nilai normal baku.

Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya luas dibawah kurva:

distribusi normal antara1 dan 2 = distribusi normal standard antara 1 dan 2

Setelah pengubahan distribusi normal umum ke daftar distribusi normal baku, maka daftar
distribusi normal baku dapat digunakan dan dapat ditentukan luas distribusi normal bakunya
dengan cara sebagai berikut:
1. Menghitung z dan didapat dua desimal
2. Gambar kurva seperti gambar distribusi normal standar
3. Letakkan nilai z pada sumbu datar, kemudian tarik garis vertikal sehingga memotong kurva
4. Luas pada daftar merupakan luas daerah antara garis ini dengan garis tegak titik nol
5. Dalam daftar distribusi normal baku, nilai z pada kolom paling kiri hanya memuat satu
desimal dan pada desimal kedua dicari pada baris paling atas.
6. Dari z di kolom kiri maju ke kanan dan dari z di baris atas turun ke bawah, lalu didapat
bilangan yang merupakan luas yang dicari. Bilangan yang didapat dalam bentuk 4 desimal
7. Karena luas seluruh kurva yaitu satu satuan luas persegi, dan kurva simetris di titik 0, maka
luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5 satuan luas.

Tabel daftar distribusi normal standar untuk P (X < x)

Tabel daftar distribusi normal standar untuk P (X > x)
Tabel daftar distribusi normal standar untuk 0 Z
Contoh penggunaan tabel Z:

1. Hitung P (X<1,25)
Penyelesaian: Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya, carilah angka
0,05 pada baris paling atas. Sel para pertemuan kolom dan baris tersebut adalah 0,8944.

Dengan demikian, P (X<1,25) adalah 0,8944.

Contoh kasus menggunakan rumus Z

2. Rata-rata produktivitas padi di Aceh tahun 2009 adalah 6 ton per ha, dengan simpangan
baku (s) 0,9 ton. Jika luas sawah di Aceh 100.000 ha dan produktivitas padi berdistribusi
normal (data tentatif), tentukan

a. berapa luas sawah yang produktivitasnya lebih dari 8 ton ?

Jawab:

a. Hitung nilai z dari nilai x = 8 ton dengan rumus

8 6
= = = 2,22
0,9
 b. Hitung luas di bawah kurva normal pada z = 2,22. Caranya buka Tabel Z dan lihat sel
pada perpotongan baris 2,20 dan kolom 0,02. Hasilnya adalah angka 0,98679 dan bila
dijadikan persen menjadi 98,679%. Angka ini menunjukkan bahwa luas di bawah
kurva normal baku dari titik 2,22 ke kiri kurva adalah sebesar 98,679%. Karena luas
seluruh di bawah kurva normal adalah 100%, maka luas dari titik 2,22 ke kanan kurva
adalah 100% 98,679% = 1,321% (arsir warna hitam pada gambar). Oleh karena itu,
luas sawah yang produktivitasnya lebih dari 8 ton adalah 1,321%, yaitu (1,321/100) x
100.000 ha = 1321 ha.

3.IPK (indeks kumulatif prestasi) rata-rata mahasiswa FKIP Matematika tahun ajaran 2013
yaitu 2,62 dengan simpangan baku 0,50. Jika diasumsikan IPK berdistribusi normal, berapa
% mahasiswa yang memperoleh IPK 3.00 ?

Jawab: Bagian IPK = 3.00 pada kurva normal ditunjukkan oleh bilangan baku

=

3.00 2.62
=
0.5
= 0, 76

Dengan melihat tabel distribusi normal untuk proporsi luas antara x=0 sampai x=0.76 yaitu
0.2764 sehingga proporsi mahasiwa dengan ipk 3.00 yaitu 0.5000-0.2764 = 0,2236 atau
22,36%

4. Dari penelitian terhadap 150 orang laki-laki yang berumur 4060 tahun didapatkan rata-rata
kadar kolesterol () mereka 215 mg % dan simpangan baku = 45 mg %. Hitunglah peluang
kita mendapatkan seorang yang kadar kolesterolnya:
a. > 250 mg %
b. < 200 mg %
c. antara 200 275 mg %
Jawab :
= 215
= 45

Untuk memudahkan pengerjaan, kita kerjaan contoh soal 4.b terlebih dahulu.
b. P(x < 200)

200 215
= = = -6
45

Berdasarkan tabel kurva normal, untuk nilai Z = -0,67, luasnya adalah 0.2514. Sehingga
peluang untuk menemukan laki-laki dengan kadar gula kurang dari 200 mg % adalah
0.2514.

a. P(x > 250)

Untuk menghitung soal 1a, kita cari dulu peluang menemukan laki-laki dengan kadar gula
kurang dari 250 mg atau P (x <250 )

250 215
= = =0,78
45

Berdasarkan tabel kurva normal, untuk nilai Z = 0.78, luasnya adalah 0.7794. Sehingga
peluang untuk menemukan laki-laki dengan kadar gula kurang dari 250 mg % , P (x < 250)
adalah 0.7794. Peluang untuk menemukan laki-laki dengan kadar gula lebih dari 250 mg %
, atau P (x > 250) dapat dilakukan dengan cara berikut :

P ( x > 250) = 1 - P ( x < 250 )

= 1 - 0.7794
= 0.2206

c. P (200 < x < 275)

Soal C silahkan dikerjakan sendiri sebagai latihan. Petunjuk: cari nilai peluang untuk x <
275. Kemudian cari nilai peluang untuk x < 200. Kemudian kurangkan P (x < 275) dengan
P(x<200)
 Rata-rata, varians, dan simpangan baku distribusi normal

Distribusi normal memiliki rata-rata, varians, dan simpangan baku sebagai

berikut.

a. Rata-rata;

=

b. Varians;
2
( )2
=

c. Simpangan baku;
( )2
=

2. APLIKASI DISRIBUSI NORMAL

Sumber:www.cortland.edu
Distribusi Normal dengan:
a) total luas dibawah kurva +-1 (68,26%), +-2 (95,44%) dan +-3 (99,74%)
b) persen dalam interval
c) z score (nilai standar)
d) t score (jumlah standar deviasi)
e) persentil
 Rata-rata (garis perpindicular di tengah-tengah kurva) dari distribusi normal membagi
kurva menjadi dua, sehingga 50% dari area bawah kurva di sebelah kanan rata-rata dan 50%
adalah ke kiri. Oleh karena itu, 50% dari nilai tes yang lebih besar dari rata-rata, dan 50% dari
nilai tes yang kurang dari rata-rata. Gambar di atas menunjukkan bahwa 34,13% dari daerah
ini antara rata-rata dan +1 atau -1 standar deviasi unit, disebut z score. Oleh karena itu total
dari 68,26% (34,13% x 2) dari nilai tes jatuh antara +1 dan -1 SD. (Coba mengerjakan
persentase lain dari daerah di bawah kurva antara dua garis standar deviasi atau total persentase
ke kiri atau kanan garis standar deviasi.)

Contoh aplikasi: Semua siswa kelas 2 mengambil Test IQ dengan rata-rata 100 dan
simpangan baku 15. Seorang administrator ingin menentukan berapa persen peserta ujian harus
skor antara 1 simpangan baku atas (100 + 15 = 115 IQ) dan Simpangan baku bawah (100 - 15
= 85 IQ) rata-rata. Karena daerah persen di bawah kurva sama dengan frekuensi persen nilai,
68,26% (34,13% x 2) dari siswas harus mendapatkan nilai antara 85 dan 115 pada tes IQ.
Selain itu, 15,87% (50% - 34,13% = 15,87%) akan mencetak di atas skor 115 dan di bawah 85.

Pada tes IQ yang sama, salah satu siswi kelas menerima skor 145. Guru mengetahui ini adalah
skor luar biasa dibandingkan siswa lain. Skor 145 adalah +3 unit simpangan baku di atas rata-
rata (100 + 15 + 15 + 15 = 145). Area di bawah kurva distribusi normal di sebelah kiri skor ini
adalah 99,87%99,87% (50% + 34,13% + 13,59% + 2.15% = 99,87%). Oleh karena itu, siswa
ini mencetak lebih baik dari 99,87% dari yang lain peserta tes. Statistik ini juga disebut sebagai
persentil.

Tentu saja tidak semua distribusi skor tes terdistribusi secara normal akan tetapi bisa miring,
yaitu memiliki jumlah yang tidak proporsional baik atau sangat buruk.

PENGGUNAAN TABEL DISTRIBUSI NORMAL

Tabel distribusi normal standar terdiri dari kolom dan baris.

Kolom paling kiri menunjukkan nilai Z, tertera angka 0 sampai 3 dengan satu desimal
dibelakangnya. Desimal berikutnya terletak pada baris paling atas dengan angka dari 0 sampai
9.
Misalnya dari hasil perhitungan diperoleh nilai Z = 1,96

Maka di kolom kiri kita cari nilai1,9 dan baris atas kita cari angka 6
Dari kolom 6 bergarak ke bawah, hingga pertemuan titik yang menunjukkan angka
0,4750.
Berarti luas daerah di dalam kurva normal antara rata-rata dengan 1,96 SD ke kanan
adalah 0,475.
Karena luas kurva ke kanan dan ke kiri sama, maka luas penyimpangan 1,96 ke kanan
dan ke kiri dari rata-rata adalah 0,95 (95%).

Aplikasi distribusi normal

Sebagai contoh aplikasi distribusi normal, dilakukan suatu evaluasi thd pengobatan TB
menggunakan Rifampicin dengan rata-rata kesimpulan 200 hari dan standar deviasinya sebesar
10. Berapakah probabilitas kesembuhan antara 190 dan 210?

Jawab :

Mula-mula dihitung nilai Z =210

210 200
= = = 1 = 0,3413
10

jadi probabilitas kesembuhan 190 sampai 210 = 0,3413 + 0,3413 = 0,6826

 KESIMPULAN

Distribusi normal merupakan salah satu distribusi teoritis dan variabel random
kontinu.Dimana kurvanya merupakan kurva normal. Keluarga distribusi normal memiliki
jumlah yang banyak sekali, akibat pengaruh rata-rata simpangan baku. Akan tetapi, untuk
mencari probabilitas suatu interval dari variabel random kontinu dapat dipermudah dengan
menggunakan bantuan distribsui normal standar.Menghitung luas daerah kurva normal dapat
menggunakan Tabel Kurve Normal Baku.
 BAB VIII

UJI NORMALITAS DAN HOMOGENITAS

A. UJI NORMALITAS

Uji distribusi normal adalah uji untuk mengukur apakah data kita memiliki distribusi normal
sehingga dapat dipakai dalam statistik parametrik (statistik inferensial).Uji normalitas berguna
untuk menentukan data yang telah dikumpulkan berdistribusi normal atau diambil dari
populasi normal.

Macam-macam Uji Statistik Normalitas

Uji statistik normalitas yang digunakan :

1. Chi-Square
2. Lilliefors
3. Kolmogorov Smirnov
4. Shapiro Wilk

2. Chi-Square
Metode Chi-Square atau 2 untuk Uji Goodness of fit Distribusi Normal menggunakan
pendekatan penjumlahan penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan.
( )
2 =

Keterangan :

2 = Nilai 2
Oi = Nilai observasi
Ei = Nilai expected / harapan, luasan interval kelas berdasarkan tabel normal dikalikan N
(total frekuensi) (pi x N)
N = Banyaknya angka pada data (total frekuensi)

Persyaratan Metode Chi-Square (Uji Goodness of fit Distribusi Normal) :

a) Data tersusun berkelompok atau dikelompokkan dalam table distribusi frekuensi.
b) Cocok untuk data dengan banyaknya angka besar ( n > 30 )
c) Setiap sel harus terisi, yang kurang dari 5 digabungkan.

Signifikansi

Signifikansi uji, nilai 2 hitung dibandingkan dengan 2 tabel (Chi-Square).

Jika nilai 2 hitung < nilai 2 tabel, maka Ho diterima ; Ha ditolak.

Jika nilai 2 hitung > nilai 2 tabel, maka maka Ho ditolak ; Ha diterima.

Contoh :

Diambil Tinggi Badan Mahasiswa di Suatu Perguruan Tinggi Tahun 2012

Tinggi Badan Jumlah

140-144 7
145-149 10
150-154 16
155-159 23
160-164 21
165-169 17
170-174 6
Jumlah 100

Selidikilah dengan = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean =
157.8; Standar deviasi = 8.09)

Penyelesaian :

1) Hipotesis :
Ho : Populasi tinggi badan mahasiswa berdistribusi normal
H1 : Populasi tinggi badanmahasiswa tidak berdistribusi normal
2) Nilai
Nilai = level signifikansi = 5% = 0,05
3) Rumus Statistik Penguji
( )
2 =

Batas Interval
= ( )
Kelas Bawah
139,5-144,5 -2,26 - -1,64 0,4881 0,4495 7 3,86
144,5-149,5 -1,64 - -1,03 0,4495 - 0,3485 10 10,1
149,5-154,5 -1,03 - -0,41 0,3485 0,1591 16 18,94
154,5-159,5 -0,41 - -0,21 0,1591 0,0832 23 24,23
159,5-164,5 -0,21 - 0,83 0,0832 0,2967 21 21,35
164,5-169,5 0,83 1,45 0,2967 0,4265 17 12,98
169,5-174,5 1,45 2,06 0,4265 0,4803 6 5,38
Jumlah 100
 ( )
2 =

(7 3,86)2 (10 10,1)2 (6 5,38)2
= + + +
3,86 10,1 5,38
= 0,427
4) Derajat Bebas
Df = ( k =panjang kelas) 3 ) = ( 5 3 ) = 2
5) Nilai Tabel
Nilai tabel X2 ; = 0,05 ; df = 2 ; = 5,991. Tabel X2 (Chi-Square) pada lampiran.

6) Daerah Penolakan
o Menggunakan Gambar

o Menggunakan Rumus
|0,427 | < |5,991| ; berarti Ho diterima, Ha ditolak.
7) Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.

3. Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva
normal sebagai probabilitas komulatif normal.
Rumus:

=

keterangan :
Xi = data / nilai
X = rata- rata (mean)
s = standar deviasi

Hipotesis dari uji Liliefors:

Ho : Sampel berdistribusi normal
Hi : Sampel tidak berdistribusi normal
Kriteria:
Jika Lhitung, < L tabel maka terima Ho dan tolak Hi
Jika Lhitung, > L tabel maka tolak Ho dan terima Hi

Contoh:

Berikut ini adalah data nilai hasil belajar statistik siswa SMK Merdeka, yang terdiri dari 20
siswa:
51 52 56 56 56 56 66 66 71 71
71 73 76 81 81 82 86 86 91 96
Apakah nilai mata pelajaran tersebut berdistribusi normal?

Nilai Frekuensi FX X 2 2
51 1 51 -21,2 449,44 449,44
52 1 52 -20,2 408,04 408,04
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
56 1 56 -16,2 262,44 262,44
66 1 66 -6,2 38,44 38,44
66 1 66 -6,2 38,44 38,44
71 1 71 -1,2 1,44 1,44
71 1 71 -1,2 1,44 1,44
71 1 71 -1,2 1,44 1,44
73 1 73 0,8 0,64 0,64
76 1 76 3,8 14,44 14,44
81 1 81 8,8 77,44 77,44
81 1 81 8,8 77,44 77,44
82 1 82 9,8 96,04 96,04
86 1 86 13,8 190,44 190,44
86 1 86 13,8 190,44 190,44
91 1 91 18,8 353,44 353,44
96 1 96 23,8 566,44 566,44
Jumlah 20 1424 3555,2 3555,2
Mean 71,2
Standar 13,3
Deviasi

Menghitung Rata-rata:

=
= 1424 / 20
= 71,2
 Menghitung Standar Deviasi
3555,2
= =13,3
20

X Tabel Zi F () FK S () F () S ()
51 -1,51 0,4345 0,0655 1 0,05 0,0155
52 -1,44 0,4251 0,0749 2 0,1 0,0251
56 -1,14 0,3729 0,1271 3 0,15 0,0229
56 -1,14 0,3729 0,1271 4 0,2 0,0729
56 -1,14 0,3729 0,1271 5 0,25 0,1229
56 -1,14 0,3729 0,1271 6 0,3 0,1729
66 -0,39 0,1517 0,3483 7 0,35 0,0017
66 -0,39 0,1517 0,3483 8 0,4 0,517
71 -0,01 0,0040 0,496 9 0,45 0,0460
71 -0,01 0,0040 0,496 10 0,5 0,0040
71 -0,01 0,0040 0,496 11 0,55 0,0540
73 0,13 0, 517 0,5517 12 0,6 0,0483
76 0,36 0,1406 0,6406 13 0,65 0,0094
81 0,73 0,2673 0,7673 14 0,7 0,0673
81 0,73 0,2673 0,7673 15 0,75 0,0173
82 0,81 0,2910 0,791 16 0,8 0,0090
86 1,11 0,3665 0,8665 17 0,85 0,0165
86 1,11 0,3665 0,8665 18 0.9 0,0335
91 1,48 0,4306 0,9306 19 0,95 0,0194
96 1,86 0,4686 0,9686 20 1,0 0,0314
Jumlah 1424
Mean 71,2
Standar 13,3
Deviasi
Lo 0,1729
Hitung

Lo Tabel 0,190

1) Menghitung Rumus

=

51 71,2
= = 1,51
13,3
 2) Menghitung Tabel Zi

Untuk menghitung Tabel Zi sudah ditentukan dengan tabel sebagai berikut:

Contoh: carilah data 1,51 dari tabel diatas, maka kita akan mendapatkan angka 0,4345. Begitu
pun seterusnya.

3) Menghitung FZi
Jika pada data Zi minus ( - ) maka: 0,5 data pada tabel Zi
Contoh: 0,5 0,4345 = 0,0655
Jika pada data Zi plus ( + ) maka: 0,5 + data pada tabel Zi
Contoh: 0,5 + 0,1406 = 0,6406
4) Menentukan FK
Dengan cara seperti menentukan frekuansi kumulatif atas.
5) Menghitung SZi

=

Contoh:
1
= = 0,05
20

6) Menghitung F () S ()
Contoh: 0,655 0,5 = 0,155
7) Kesimpulan
L hitung = 0,1729< L table = 0,190 , maka nilai berdistribusi normal.
4. Kolmogorov Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilliefors. Langkah-langkah
penyelesaian dan penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel pembanding Kolmogorov-
Smirnov, sedangkan metode Lilliefors menggunakan tabel pembanding metode Lilliefors.

No Xi Fs | |
=

1
2
3
4
dst
Keterangan :
Xi = Angka pada data
Z = Transformasi dari angka ke notasi
pada distribusi normal
= Probabilitas kumulatif normal
= Probabilitas kumulatif empiris

Persyaratan:
a. Data berskala interval atau ratio (kuantitatif)
b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Dapat untuk n besar maupun n kecil.

Signifikansi:
Signifikansi uji, nilai | Fs| terbesar dibandingkan dengan nilai tabel Kolmogorov
Smirnov. Jika nilai | Fs| terbesar < nilai tabel Kolmogorov Smirnov, maka Ho diterima
; Ha ditolak. Jika nilai | Fs| terbesar > nilai tabel Kolmogorov Smirnov, maka Ho
ditolak ; Ha diterima. Tabel Kolmogorov Smirnov pada lampiran 5, Harga Quantil Statistik
Kolmogorov Distribusi Normal.

Contoh :
Suatu penelitian tentang berat badan mahasiswa yang mengikuti pelatihan
kebugaran fisik/jasmani dengan sampel sebanyak 27 orang diambil secara random,
didapatkan data sebagai berikut ; 78, 78, 95, 90, 78, 80, 82, 77, 72, 84, 68, 67, 87, 78,
77, 88, 97, 89, 97, 98, 70, 72, 70, 69, 67, 90, 97 kg. Selidikilah dengan = 5%, apakah
data tersebut di atas diambil dari populasi yang berdistribusi normal ?
Penyelesaian:
Hipotesis
Ho : Populasi berat badan mahasiswa berdistribusi normal
H1 : Populasi berat badan mahasiswa tidak berdistribusi normal
Nilai
Nilai = level signifikansi = 5% = 0,05

Statistik Penguji
No Fs | |
=

1 67 -1,3902
0,0823 0,0741 0,0082
2 67 -1,3902
3 68 -1,2929 0,0985 0,1111 0,0126
4 69 -1,1957 0,1151 0,1481 0,0330
5 70 -1,0985
0,1357 0,2222 0,0865
6 70 -1,0985
7 72 -0,904
0,1841 0,2963 0,1122
8 72 -0,904
9 77 -0,4178
0,3372 0,3704 0,0332
10 77 -0,4178
11 78 -0,3205
12 78 -0,3205
0,3745 0,5185 0,1440
13 78 -0,3205
14 78 -0,3205
15 80 -0,1261 0,4483 0,5556 0,1073
16 82 0,06843 0,5279 0,5926 0,0647
17 84 0,26291 0,6025 0,6025 0,0271
18 87 0,55463 0,7088 0,7088 0,0421
19 88 0,65188 0,7422 0,7422 0,0385
20 89 0,74912 0,7734 0,7734 0,0327
21 90 0,84636
0,8023 0,8148 0,0125
22 90 0,84636
23 95 1,33256 0,9082 0,5190 0,3892
24 97 1,52704
25 97 1,52704 0,9370 0,9630 0,0260
26 97 1,52704
27 98 1,62429 0,7474 1,0000 0,2526
Nilai | | tertinggi sebagai angka penguji normalitas, yaitu 0,1440

Derajat Bebas
Df tidak diperlukan.
 Nilai Tabel
Nilai Kuantil Penguji Kolmogorov, = 0,05 ; N = 27 ; yaitu 0,254. Tabel Kolmogorov
Smirnov pada lampiran.
Daerah Penolakan
Menggunakan rumus
| 0,1440 | < | 0,2540| ; berarti Ho diterima, Ha ditolak
Kesimpulan
Populasi tinggi badan mahasiswa berdistribusi normal = 0,05.

5. Shapiro Wilk
Metode Shapiro Wilk menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi.Data diurut, kemudian dibagi dalam dua kelompok untuk dikonversi dalam
Shapiro Wilk.Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat dihitung
luasan kurva normal.

2
1 3
3 = [ (+1 )] = ( )2 = + + ( )
1 3
=1 =1

D = Berdasarkan rumus di G = Identik dengan nilai Z

bawah Xi = Angka ke i pada distribusi normal
data yang ke-i
ai = Koefisien test Shapiro Wilk T3 = Berdasarkan rumus di
atas
X n-i+1 = Angka ke n i + 1 X = Rata-rata data
pada data , , = Konversi Statistik
Shapiro-Wilk
X i = Angka ke i pada data Pendekatan Distribusi
Normal (lampiran
Persyaratan
Data berskala interval atau ratio (kuantitatif)
Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
Data dari sampel random

Signifikansi

Signifikansi dibandingkan dengan tabel Shapiro Wilk.Signifikansi uji nilai T3

dibandingkan dengan nilai tabel ShapiroWilk, untuk dilihat posisi nilai probabilitasnya (p).
o Jika nilai p < 5%, maka Ho ditolak ; Ha diterima
o Jika nilai p > 5%, maka Ho diterima ; Ha ditolak.
Tabel Harga Quantil Statistik Shapiro-Wilk Distribusi Normal. Jika digunakan rumus G,
maka digunakan tabel 2 distribusi normal.
 Hipotesis
Ho : Populasi usia balita berdistribusi normal
H1 : Populasi usia balita tidak berdistribusi normal
Nilai
Nilai = level signifikansi = 5% = 0,05

Rumus Statistik Penguji

Langkah pertama dihitung nilai D, yaitu :
No ( )2
1 18 -18.7083 350.0005
2 19 -17.7083 313.5839
3 23 -13.7083 187.9175
4 24 -12.7083 161.5009
5 26 -10.7083 114.6677
6 27 -9.7083 94.25109
7 30 -6.7083 45.00129
8 32 -4.7083 22.16809
9 33 -3.7083 13.75149
10 33 -3.7083 13.75149
11 34 -2.7083 7.334889
12 35 -1.7083 2.918289
13 36 -0.7083 0.501689
14 36 -0.7083 0.501689
15 36 -0.7083 0.501689
16 37 0.2917 0.058089
17 40 3.2917 10.83259
18 41 4.2917 18.41869
19 46 9.2917 86.33569
20 48 11.2917 127.5025
21 55 18.2917 334.5863
22 56 19.2917 372.1697
23 58 21.2917 453.3365
24 58 21.2917 453.3365
Jumlah 3184.958
 Langkah berikutnya hitung nilai T, yaitu:
i +1 (+1 )
1 0.4493 58 - 18 = 40 17.972
2 0.3089 58 - 19 = 39 12.0822
3 0.2554 56 - 23 = 33 8.4282
4 0.2145 55 - 24 = 31 6.6495
5 0.1807 48 - 26 = 22 3.9754
6 0.1512 46 - 27 = 19 2.8728
7 0.1245 41 - 30 = 11 1.3695
8 0.0997 40 - 32 = 8 0.7976
9 0.0764 37 - 33 = 4 0.3056
10 0.0539 36 - 33 = 3 0.1617
11 0.0321 36 - 34 = 2 0.0642
12 0.0107 36 - 35 = 1 0.0107
Jumlah
2
1
3 = [ (+1 )]

=1
1
= (54.6894)2 = 0,9391
3187.958
Derajat Bebas
Db = n
Nilai Tabel
Pada lampiran dapat dilihat, nilai (0,10) = 0,930 ; nilai (0,50) = 0,963
Daerah Penolakan
Nilai T3 terletak diantara 0,930 dan 0,963, atau nilai p hitung terletak diantara 0,10 dan
0,50, yang diatas nilai (0,05) berarti Ho diterima, Ha ditolak
Kesimpulan
Sampel diambil dari populasi normal, pada = 0,05. Cara lain setelah nilai T3
diketahui dapat menggunakan rumus G, yaitu :

3
= + + ( )
1 3
3 24
= 24 + 24 + ( )
1 3

0.9391 0.2106
= 5.605 + 1.862 + ( )
1 0.9391

= 1.2617
 Hasil nilai G merupakan nilai Z pada distribusi normal, yang selanjutnya dicari nilai
proporsi (p) luasan pada tabel distribusi normal (lampiran). Berdasarkan nilai G = -
1,2617, maka nilai proporsi luasan = 0,1038. Nilai p tersebut di atas nilai = 0,05
berarti Ho diterima Ha ditolak. Data benar-benar diambil dari populasi normal.

B. UJI HOMOGENITAS
Pengujian homogenitas adalah sebuah pengujian yang dilakukan dengan maksud
memberikan keyakinan bahwa dua buah kelompok data (distribusi) atau lebih yang
dimanipulasi dalam serangkaian analisis memang berasal dari populasi yang tidak jauh berbeda
keragaman/variansnya.
Uji homogenitas yang biasa digunakan adalah Uji Homogenitas Variansi dan Uji
Burlett. Uji homogenitas dilakukan untuk mengetahui apakah data didalam variabel X dan Y
bersifat homogen atau tidak.
1. Uji Homogenitas Variansi
Adapun langkah-langkah yang perlu kita lakukan dalam uji homogenitas variansi ini
adalah sebagai berikut.
a) Menentukan nilai varians/standar deviasi untuk variabel X dan Y, yaitu dengan rumus:

. 2 ( )2 . 2 ( )2
2 = 2 =
(1) (1)

dengan: n = banyak data

b) Menentukan nilai dari varians X dan Y, yaitu dengan rumus:

c) Menentukan hipotesis pengujian: Ho : 1 2 = 2 2 (varians data homogen)

Ha : 1 2 2 2 (varians data tidak homogen)

d) Menentukan level signifikan ()

bernilai 0,01 atau bernilai 0,05.

e) Membandingkan dengan pada tabel distribusi F

 Kriteria pengujian: jika: (;1;2) , maka Tolak Ho
jika: < (;1;2) , maka Terima Ho
dimana: = ( 1)

Contoh perhitungan:
Berikut adalah 10 data tentang hubungan antara nilai siswa ketika belajar dengan metode
pembelajaran ceramah (X) dan nilai siswa ketika belajar dengan metode pembelajaran
diskusi (Y).

No X Y X2 Y2
1 89 87 7921 7569
2 78 90 6084 8100
3 92 78 8464 6084
4 85 83 7225 6889
5 79 76 6241 5776
6 80 91 6400 8281
7 80 82 6400 6724
8 83 90 6889 8100
9 92 82 8464 6724
10 90 80 8100 6400
JUMLAH 848 839 72188 70647

Jawab:
a) Menentukan nilai varians/standar deviasi untuk variabel X dan Y, yaitu dengan rumus:

2 . 2 ( )2 (10)(72188) (848)2
= = = 5,55
( 1) (10)(9)

. 2 ( )2 (10)(70647) (839)2
2 = = = 5,32
( 1) (10)(9)

b) Menentukan nilai dari varians X dan Y, yaitu dengan rumus:

Dari perhitungan di atas didapat, >

5,55
= = = 1,04
5,32

Dari perhitungan diatas, = 1,04 dan grafik daftar distribusi F dengan dk

pembilang = 10 1 = 9. dk penyebut = 10 1 = 9. Dan = 0,05 dan = 3,18
 Tampak bahwa < . Hal ini berarti data variabel X dan Y homogen.

2. Uji Bartlett
Adapun langkah-langkah yang perlu kita lakukan dalam uji barlett ini adalah sebagai
berikut.
a) Misalkan sampel berukuran 1 , 2 , , dengan data = ( = 1, 2, , dan =
1, 2, , ) dan hasil pengamatan lebih disusun seperi didalam tabel di bawah ini.
Data Populasi ke
1 2 ... K
11 11 ... 11
Data 11 11 ... 11
hasil
pengamatan
11 11 ... 11

b) Selanjutnya sampel-sampel dihitung variansnya masing-masing yaitu 1 2 , 2 2 , ... , 2

dengan rumus

2 . 2 ( )2
=
( 1)

c) Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji barlett lebih baik
disusun dalam sebuah tabel seperti berikut:
Sampel
dk ( )
ke
1 1 1 1/(1 1) 1 2 log 1 2 (1 1) log(1 2 )
2 2 1 1/(2 1) 2 2 log 2 2 (2 1) log(2 2 )

k 1 1/( 1) 2 log 2 ( 1) log( 2 )

d) Menentukan hipotesis
Ho : 1 2 = 2 2 = = 2
H1 : 1 2 2 2 2

e) Menentukan nilai level signifikan ()

bernilai 0,01 atau bernilai 0,05.
f) Menghitung nilai-nilai statistik penguji, sebagai berikut:
Varians gabungan dari semua sampel
( 1) 2
2 =
( 1)

Harga satuan B

= (log 2 ) ( 1)

Statistik chi-kuadrat

2 = (ln 10) { ( 1) log 2 }

dengan ln 10 = 2,3026

g) Membandingkan 2 dengan 2 pada tabel distribusi chi-square

Kriteria pengujian: jika: 2 2 (1)(1) , maka Tolak Ho
jika: 2 < 2 (1)(1) , maka Terima Ho
dimana jika 2 (1)(1) didapatkan dari tabel distribusi chi-square dengan
peluang(1 ) dan = ( 1)

Contoh perhitungan:
Berikut adalah data nilai siswa ketika diajarkan dengan tiga strategi pembelajaran
(ekpositori, inkuiri, dan konstektual) yang berbeda.

Data populasi ke
1 2 3
92 89 80
Data 84 82 87
hasil 87 86 90
pengamatan 79 87 85
83 76 80
Jawab:
Data populasi ke
1 2 3 1 2 2 2 3 2
92 89 80 8464 7921 6400
Data 84 82 87 7056 6724 7569
hasil 87 86 90 7569 7396 8100
pengamatan 79 87 85 6241 7569 7225
83 76 80 6889 5776 6400
JUMLAH 425 420 422 36219 35386 35694

a) Variansi setiap sampel:

. 2 ( )2
2 =
( 1)

5(36219) (425)2
1 2 = = 23,5
5(4)

2 5(35386) (420)2
2 = = 26,5
5(4)

5(35694) (422)2
3 2 = = 19,3
5(4)

b) Menentukan hipotesis
Ho : 1 2 = 2 2 = 3 2
H1 : 1 2 2 2 3 2
c) Menentukan nilai level signifikan ()
Nilai = 5% = 0,05.
d) Untuk mempermudah perhitungan, satuan-satuan yang diperlukan uji barlett lebih
baik disusun dalam sebuah tabel seperti berikut:
Sampel
dk ( )
ke
1 4 0,25 23,5 1,37 5,48
2 4 0,25 26,5 1,42 5,68
3 4 0,25 19,3 1,28 5,12
JUMLAH , , , ,
e) Menghitung nilai-nilai statistik penguji, sebagai berikut:
Varians gabungan dari semua sampel
( 1) 2 4(23,5) + 4(26,5) + 4(19,3)
2 = = = 23,1
( 1) 4+4+4

Sehingga log 2 = log 23,1 = 1,36

Harga satuan B

= (log 2 ) ( 1) = (1,36)(12) = 16,32

Statistik chi-kuadrat

2 = (ln 10) { ( 1) log 2 } = (2,3026)(16,32 16,28) = 0,0921

f) Membandingkan 2 dengan 2 pada tabel distribusi chi-square

Kriteria pengujian: jika: 2 2 (1)(1) , maka Tolak Ho
jika: 2 < 2 (1)(1) , maka Terima Ho
= 4 ;
jika = 5% dari tabel distribusi chi-square dengan = 4 didapat
2 (0,95)(4) = 9,48

Tampak bahwa 2 < 2 . Hal ini berarti data tersebut homogen.

 KESIMPULAN

UJI NORMALITAS

Uji normalitas berguna untuk menentukan data yang telah dikumpulkan berdistribusi
normal atau diambil dari populasi normal. Metode klasik dalam penguji annormalitas suatu
data tidak begitu rumit. Berdasarkan pengalaman empiris beberapa pakarstatistik, data yang
banyaknya lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal.
Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau tidak,
sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yanglebih dari 30 bisa
dipastikan berdistribusi normal, demikian sebaliknya data yangbanyaknya kurang dari 30
belum tentu tidak berdistribusi normal, untuk itu perlu suatupembuktian. uji statistik normalitas
yang dapat digunakan diantaranya Chi-Square,KolmogorovSmirnov, Lilliefors, ShapiroWilk

UJI HOMOGENITAS

Uji kesamaan dua varians digunakan untuk menguji apakah kedua data tersebut
homogen yaitu dengan mambandingkan kedua variansnya. Jika kedua varians sama besarnya,
maka uji homogenitas tidak perlu dilakukan lagi karena datanya sudah dapat dianggap
homogen. Namun untuk varians yang tidak sama besarnya, perlu diadakan pengujian
homogenitas melalui uji kesamaan dua varians ini. Persyaratan agar uji homogenitas dapat
dilakukan ialah apabila kedua datanya telah terbukti berdistribusi normal.
 BAB IX

UJI HIPOTESIS

A. PENGERTIAN HIPOTESIS STATISTIK

Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah,
kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan yang disajikan
sebagai bukti. Maka Hipotesis dapat diartikan sebagai pernyataan yang masih lemah tingkat
kebenarannya sehingga masih harus diuji menggunakan teknik . Hipotesis dirumuskan
berdasarkan teori, dugaan, pengalaman pribadi/ orang lain, kesan umum, kesimpulan yang
masih sangat sementara.

Hipotesis statistik adalah pernyataan atau dugaan mengenai keadaan populasi yang
sifatnya masih sementara atau lemah kebenarannya dan harus diuji kebenarannya
menggunakan data atau informasi yang dikumpulkan melalui sampel. Penerimaan suatu
hipotesis terjadi karena tidak cukup bukti untuk menolak hipotesis tersebut dan bukan karena
Hipotesis itu benar. Dan Penolakan suatu hipotesis terjadi karena tidak cukup bukti untuk
menerima hipotesis tersebut dan bukan karena Hipotesis itu salah.

Dalam pengujian hiptesis, keputusan yang dibuat mengandung ketidakpastian,

artinya keputusan bisa benar atau salah, sehingga menimbulkan resiko. Besar kecilnya resiko
dinyatakan dalam bentuk probabilitas.

B. PERUMUSAN HIPOTESIS
Suatu rumusan dari sebuah hipotesis digunakan sebagai petunjuk arah dalam
rancangan penelitian, teknik pengumpulan, dan analisis data serta penyimpulan. Rumusan
hipotesis sebenarnya sudah dapat dibaca dari uraian masalah, tujuan penelitian, kajian
teoritik, dan kerangka pikir sehingga rumusannya harus sejalan.
Rumusan hipotesis mempunyai ciri-ciri umum, yaitu sebagai berikut:
1. Kalimat dari rumusan hipotesis dinyatakan sebagai kalimat pernyataan (deklaratif).
2. Rumusan hipotesis melibatkan minimal dua variabel penelitian.
3. Rumusan hipotesis mengandung suatu prediksi.
4. Suatu rumusan hipotesis harus dapat diuji (testable).
 Hipotesis korelatif, yaitu peryataan tentang ada atau tidak adanya hubungan antara dua
variabel atau lebih.
Hipotesis komparatif, yaitu peryataan tentang ada atau tidak adanya perbedaaan antara
dua kelompok atau lebih.

C. TIPE-TIPE HIPOTESIS
Hipotesis statistik akan diterima jika hasil pengujian membenarkanpernyataannya
dan akan ditolak jika terjadi penyangkalan daripernyataannya. Di dalam pengujian
hiptesis, keputusan yang dibuat mengandungketidakpastian, artinya keputusan bisa benar
atau salah, sehinggamenimbulkan resiko. Besar kecilnya resiko dinyatakan dalam
bentukprobabilitas.
Hipotesis digolongkan menjadi 2 tipe, yaitu hipotesis nihil dan hipotesis alternatif.
1. Hipotesis nihil/nol (Ho)
Hipotesis nihil adalah hipotesis yang menyatakan tidak adanya hubungan antara dua
variabel atau lebih atau tidak adanya perbedaan antara dua kelompok atau lebih.
2. Hipotesis alternatif (H1)
Hipotesis alternatif adalah hipotesis yang menyatakan adanya hubungan antara dua
variabel atau lebih atau adanya perbedaan antara dua kelompok atau lebih.

D. KESALAHAN/KEKELIRUAN PENGUJIAN HIPOTESIS

Dua Jenis Kesalahan

Dalam pengujian hipotesis, kesimpulan yang diperoleh hanya penerimaan atau penolakan
terhadap hipotesis yang diajukan, tidak berarti kita telah membuktikan atau tidak membuktikan
kebenaran hipotesis tersebut. Hal ini disebabkan kesimpulan tersebut hanya merupakan
inferensi didasarkan sampel. Dalam pengujian hipotesis dapat terjadi dua jenis kesalahan,
yaitu :

A. Kesalahan Jenis I
Kesalahan jenis I adalah karena H0 ditolak padahal kenyataannya benar.Artinya, kita
menolak hipotesis tersebut (H0) yang seharusnya diterima.
B. Kesalahan Jenis II
Kesalahan jenis II adalah kesalahan karena H0 diterima padahal kenyataannya salah. Artinya,
kita menerima hipotesis (H0) yang seharusnya ditolak.
 Kesimpulan Hipotesis benar Hipotesis salah
Terima Kekeliruan tipe II ()
hipotesis (kuasa uji = 1 )
Tolak Kekeliruan tipe I
hipotesis (taraf signifikan )

Keterangan :
= Peluang menolak H0 padahal H0 benar
= Peluang menerima H0 padahal H1 yang benar

Pembuat keputusan berusaha agar kedua jenis kesalahan tersebut ditekan sampai
sekecil kecilnya, hal ni dapat terjadi jika n meningkat

(sampel makin besar). Kelemahannya memperbesar sampel berarti menambah biaya

E. PRROSEDUR PENGUJIAN HIPOTESIS

Langkah-langkah pengujian hipotesis statistik adalah sebagai berikut :

1. Menentukan Formulasi Hipotesis

Formulasi atau perumusan hipotesis statistik dapat dibedakan atas dua jenis, yaitu :

a. Hipotesis nol atau hipotesis nihil

Hipotesis nol, disimbolkan H0 adalah hiptesis yang dirumuskan sebagai suatu pernyataan
yang akan diuji.

b. Hiptesis alternatif atau hiptesis tandingan

Hipotesis alternatif disimbolkan H1 atau Ha adalah hiptesis yang dirumuskan sebagai lawan
atau tandingan dari hiptesis nol. Secara umum, formulasi hiptesis dapat dituliskan :

H0 : q = q0
H1 : q > q0
Pengujian ini disebut pengujian sisi kanan
H0 : q = q0

H1 : q < q0
Pengujian ini disebut pengujian sisi kiri
H0 : q = q0

H1 : q q0
Pengujian ini disebut pengujian dua sisi

2. Menentukan Taraf Nyata (Significant Level)

Taraf nyata adalah besarnya batas toleransi dalam menerima kesalahan hasil hipotesis terhadap
nilai parameter populasinya. Taraf nyata dilambangkan dengan (alpha) Semakin tinggi taraf
nyata yang digunakan, semakin tinggi pula penolakan hipotesis nol atau hipotesis yang diuji,
padahal hipotesis nol benar. Besarnya nilai bergantung pada keberanian pembuat keputusan
yang dalam hal ini berapa besarnya kesalahan yang akan ditolerir. Besarnya kesalahan tersebut
disebut sebagai daerah kritis pengujian (critical region of test) atau daerah penolakan (region
of rejection).

3. Menentukan Kriteria Pengujian

Kriteria pengujian adalah bentuk pembuatan keputusan dalam menerima atau menolak
hipotesis nol (H0) dengan cara membandingkan nilai table distribusinya (nilai kritis) dengan
nilai uji statistiknya, sesuai dengan bentuk pengujiannya.

a. Penerimaan H0 terjadi jika nilai uji statistiknya lebih kecil atau lebih besar daripada
nilai positif atau negatif dari tabel. Atau nilai uji statistik berada di luar nilai kritis.

b. Penolakan H0 terjadi jika nilai uji statistiknya lebih besar atau lebih kecil daripada nilai
positif atau negatif dari tabel. Atau nilai uji statistik berada di dalam nilai kritis.
 Uji Satu Pihak (Kanan)
Contoh: metode pembelajaran kostektual lebih unggul daripada metode pembelajaran
simulasi.
Ho: = o
Ho: > o

Uji Satu Pihak (Kiri)

Contoh: dengan metode ceramah pembiayaan media lebih hemat daripada metode
konstektual.
Ho: = o
Ho: < o

Uji Dua Pihak

Contoh: salah satu dari metode pembelajaran lebih unggul daripada metode
pembelajaran yang lain.
Ho: = o
Ho: o
 4. Menentukan Nilai Uji Statistik
Uji statistik merupakan rumus-rumus yang berhubungan dengan distribusi tertentu dalam
pengujian hipotesis. Uji statistik merupakan perhitungan untuk menduga parameter data
sampel yang diambil secara random dari sebuah populasi.

5. Membuat Kesimpulan
Pembuatan kesimpulan merupakan penetapan keputusan dalam hal penerimaan atau
penolakan hipotesis nol (H0), sesuai dengan criteria pengujiannya. Pembuatan kesimpulan
dilakukan setelah membandingkan nilai uji staistik dengan nilai tabel atau nial kritis.
 BAB X

UJI HIPOTESIS SATU RATA-RATA

A. PENJELASAN MENGENAI UJI HIPOTESIS SATU RATA-RATA

Hipotesis yaitu dugaan yang mungkin benar, atau mungkin juga salah. Hipotesis akan
ditolak jika salah atau palsu, dan akan diterima jika faktor-faktor membenarkannya. Penolakan
dan penerimaan hipotesis, dengan begitu sangat tergantung kepada hasil-hasil penyelidikan
terhadap faktor-faktor yang dikumpulkan.

Hipotesis dapat juga dipandang sebagai simpulan yang sifatnya sangat sementara.
Sebagai simpulan sudah tentu hipotesis tidak dibuat dengan semena-mena, melainkan atas
dasar pengetahuan-pengetahuan tertentu. Pengetahuan ini sebagian dapat diambil dari hasil-
hasil serta problematika-problematika yang timbul dari penyelidikan-penyelidikan yang
mendahului, dari dasar pertimbangan yang masuk akal, dari hasil-hasil penyelidikan yang
dilakukan sendiri.

Dalam pengujian hipotesis, terdapat jenis jenis pengujian yang didasarkan atas
kriteria, salah satunya adalah pengujian hipotesis tentang rata rata yang menguji hipotesis
berkenaan dengan rata rata populasi yang didasarkan atas informasi sampelnya.

Pengujian Hipotesis tentang Rata-rata

Seringkali seorang pembuat keputusan mempunyai pendapat mengenai nilai rata-rata ,

anggapan / pendapat yang merupakan hipotesis, apabila akandipergunakan untuk membuat
keputusan harus diuji terlebih dahulu.

Pengujian Hipotesis Satu Rata-rata

1. Pengujian Hipotesis Satu rata-rata Sampel besar (n > 30)

Untuk pengujian hipotesis satu rata-rata dengan sampel besar (n > 30), uji statistiknya
menggunakan distribusi Z. Prosedurnya sebagai berikut.

1) Formulasi hipotesis

H0 : = 0
H1 :>0
Kriteria pengujian
-H0 diterima jika Z0 ,
-H0 ditolak jika Z0> ,
H0 : = 0
H1 :<0
Kriteria pengujian
-H0 diterima jika Z0 ,
-H0 ditolak jika Z0< ,

,
 H0 : = 0

H1 : 0
Kriteria pengujian

H0 diterima jika /2 Z0 /2 ,

H0 ditolak jika Z0>/2 atau Z0</2 ,

2.) Penentuan nilai (taraf nyata) dan nilai Z tabel ( )

Menentukan nilai sesuai soal, kemudian nilai atau /2 ditentukan dari tabel.

3.) Uji statistik

i.Simpangan baku populasi () diketahui:

0 0
0 = =


ii.Simpangan baku populasi () tidak diketahui:
0 0
0 = = Keterangan:

s = penduga dari = simpangan baku sampel

0 = nilai sesuai dengan H0

4.) Kesimpulan

Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai dengan kriteria

pengujiannya).
 Contoh soal :

1. Dari 100 nasabah bank rata-rata melakukan penarikan $495 per bulan melalui ATM,
dengan simpangan baku = $45. Dengan taraf nyata 1% , ujilah :

a) apakah rata-rata nasabah menarik melalui ATM kurang dari $500 per bulan ?

b} apakah rata-rata nasabah menarik melalui ATM tidak sama dengan $500 per bulan ?

(Uji 2 arah, /2 = 0.5%, statistik uji = z)

Jawab :

Diketahui: x = 495 s = 45 n=100 0 =500 =1%

a) 1. H0 : = 500 H1 : < 500

2 statistik uji : z karena sampel besar

3 arah pengujian : 1 arah

4 Taraf Nyata Pengujian = = 1% = 0.01

5. Titik kritis z < - z 0.01 z < - 2.33

6. Statistik Hitung

x 0 495 500 5
z = = = -1.11
/ n 45 / 100 4.5
7. Kesimpulan : z hitung = -1.11 ada di daerah penerimaan H0

H0 diterima, rata-rata pengambilan uang di ATM masih = $ 500

Daerah penolakan H0 =

luas daerah terarsir

ini = = 1%

Daerah penerimaan H0

-2.33 0

b) Coba anda kerjakan sebagai latihan ! ( H1 : 500; Uji 2 arah, /2 = 0.5%, statistik

uji = z)

2. Menurut pendapat salah satu pinpinan perusahaan buku Statistika, rata-rata penerimaan
per hari sebesar Rp 7.000, dengan alternatif lebih besar dari itu. Diketahui simpangan
baku dari penerimaan sebesar Rp 1.600. untuk menguji pendapatnya, dilakukan
penyelidikan terhadap 256 orang penjual buku ke mahasiswa yang dipilih secara acak,
ternyata diketahui rata-rata penerimaan mereka sebesar Rp 7.100. dengan menggunakan
= 5%, ujilah pendapat tersebut.
Penyelesaian
1.)Formulasi hipotesis
0 = 7000
> 7000
Kriteria pengujian

-H0 diterima jika Z0 ,

-H0 ditolak jika Z0>

2.) Taraf Signifikansi

= 5%, = 1,64(dari tabel normal)
3.) Uji Statistik
0 71007000
0 = = 1600 =1
256

4.) Berdasarkan kriteria, H0diterima jika Z0 .

Karena 1 1,64 maka Ho diterima

Artinya memang benar rata-rata penerimaan mereka sebesar Rp 7.100.dengan

menggunakan = 5%

2. Pengujian Hipotesis Satu Rata-rata Sampel kecil (n 30)

Untuk pengujian hipotesis satu rata-rata dengan sampel kecil (n 30), uji
statistiknya menggunakan distribusi t. Prosedurnya sebagai berikut.

1) Formulasi hipotesis

i. H0 : = 0
H1 :>0
Kriteria pengujian:
H0 diterima jika t0 ,
H0 ditolak jika t0> ,

ii. H0 : = 0
H1 :<0
Kriteria pengujian:
a) H0 diterima jika t0 ,
b) H0 ditolak jika t0< ,

iii. H0 : = 0
H1 : 0
Kriteria pengujian:
a) H0 diterima jika /2 Z0 /2 ,
b) H0 ditolak jika t0>/2 atau t0</2 ,

2) Penentuan nilai (taraf nyata) dan nilai t-tabel

 Menentukan nilai sesuai soal, kemudian menentukan derajat bebas, yaitu db = n 1,
lalu menentukan nilai ;1 atau /2;1 dari tabel.

3) Uji statistik
i. Simpangan baku populasi () diketahui:

0 0
0 = =


ii. Simpangan baku populasi () tidak diketahui:

0 0
0 = =


4) Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0 (sesuai dengan kriteria
pengujiannya).

Contoh soal :

1. Seorang job-specialist menguji 25 karyawan dan mendapatkan bahwa rata-rata

penguasaan pekerjaan kesekretarisan adalah 22 bulan dengan simpangan baku = 4
bulan. Dengan taraf nyata 5% , ujilah :

a) Apakah rata-rata penguasaan kerja kesekretarisan lebih dari 20 bulan?

b) Apakah rata-rata penguasaan kerja kesekretarisan tidak sama dengan 20 bulan?

Jawab:

Diketahui : x = 22 s=4 n = 25 0 = 20 = 5%

a) Ditinggalkan sebagai latihan ( H1 : > 20; uji 1 arah, =5%, statistik uji = t, db = 24)

b) 1. H0 : = 20 H1 : 20

2 statistik uji : t karena sampel kecil

3 arah pengujian : 2 arah

4 Taraf Nyata Pengujian = = 5% = 0.05

/2 = 2.5% = 0.025
 5. Titik kritis

db = n-1 = 25-1 = 24

Titik kritis t t ( db , dan t t ( db;

2) 2)

t < -t (24; 2.5%) t < -2.064 dan t > t (24; 2.5%) t > 2.064

6. Statistik Hitung

x 0 22 20 2
t = = = 2.5
s / n 4 / 25 0.8

7. Kesimpulan : t hitung = -2.5 ada di daerah penolakan H0

H0 ditolak, H1 diterima ,

rata-rata penguasaan pekerjaan kesekretarisan 20 bulan.

Daerah penolakan H0 = Daerah penolakan H0 =

luas daerah terarsir luas daerah terarsir ini =

ini = /2 = 2.5% /2 = 0.5%

Daerah penerimaan H0

-2.064 0 2.064

2. Menurut salah satu seorang guruyayasan Bina Ria, pengeluaran per hari siswa-siswi
sekolah tersebut yaitu sebesar Rp1.740 dengan alternatifnya tidak sama dengan itu.
Untuk menguji pendapat guru tersebut, dilakukan wawancara terhadap 25 orang siswa
yayasan yang dipilih secara acak sebagai sampel, dan ternyata rata-rata pengeluaran per
hari adalah Rp1.800 dengan simpangan bakunya sebesar Rp100. Dengan menggunakan
= 0,05(5%), ujilah pendapat tersebut.
 Penyelesaian:

= 25, = 1700, = 100, 0 = 1800

Formulasi hipotesis

0 = 1800 ,

0 1800

0 1740 1800
0 = = = 3,00
100
25

= 0,05

derajat kebebasan = 1 = 25 1 = 24

= 0,025(24) = 2,0639
2(1)

2 = 2,0639

Karena 0 < 2 = 3 < 2,0639, maka 0 ditolak. Berarti,rata-rata pengeluaran

perhari siswa-siswa sekolah dasar tersebut tidak sama dengan Rp.1.740.

3. Secara hipotesis, mesin stensil Stavo dapat menstensil 6500 helai kertas per jam.
Sebuah perusahaan stensil ingin membuktikan keabsahan hipotesis di atas.
Perusahaan mengadakan observasi secara empiris dengan menggunakan 12 mesin
Stavo dan hasil observasi sbb:
6000 5900 6200 6200 5000
6100 5800 6400 6500 5400
6200 6700
Apakah hipotesis tersebut dapat dipercaya atau tidak ?

Dik: H0: = 6500

H1: 6500

= 0,05
= 1,645
 0
=

= 6033
S = 384,06

=( , 1)
2

Penyelesaian:
60336500
= 384,06 = 4,13
12

=(0,025 , 11) = 2,201

Dengan demikian < maka terima H0

Artinya = kemampuan mesin stensil Stavo menstensil kertas perjam sama dengan 6500
 BAB XI

UJI HIPOTESIS DUA RATA-RATA

Uji hipotesis dua rata-rata digunakan mengetahui ada atau tidaknya perbedaan
(kesamaan) antara dua buah data. Teknik analisis statistik untuk menguji kesamaan data rata-
rata ini ialah uji z dan t uji Z karena sampel lebih besar dari 30 dan uji T karena sampel lebih
kecil dari 30.

Pengujian untuk Dua Sampel yang Independen

Seringkali dalam suatu penelitian akan diselidiki apakah suatu metode baru
memberikan hasil yang lebih baik dari metode lama, atau dua pendekatan dalam memberikan
hasil yang sama. Masalah seperti ini dapat diselesaikan dengan melakukan pengujian rata-rata
dua populasi. Berikut adalah tabel untuk uji rata-rata dua populasi yang memuat hipotesis,
statistik uji dengan asumsi variansi, dan daerah kiritis, yaitu daerah penolakan H0..

Tabel 1.1 Uji Rata-Rata Dua Populasi

Hipotesis Asumsi Statistik Uji Daerah Kritis

H0: 1 2 = d0 z z / 2 atau
Ha: 1 2 d0 z z / 2
1 dan 2
H0: 1 2 = d0 atau H0: 1 2 diketahui x1 x2 d0 z z
z
d0 12 22

Ha: 1 2 > d0 Ha: 1 2 > n m
d0
H0: 1 2 = d0 atau H0: 1 2 z z
d0
Ha: 1 2 < d0 Ha: 1 2
< d0
H0: 1 2 = d0 t t / 2,n m 2 atau
Ha: 1 2 d0 x1 x2 d 0 t t / 2,n m 2
t
1 dan 2 tidak S p2 (1/ n 1/ m)
H0: 1 2 = d0 atau H0: 1 2 diketahui, t t , n m 2
 d0 diasumsikan dengan
Ha: 1 2 > d0 Ha: 1 2 > nilai sama (n 1) S12 (m 1) S22
S p2
d0 nm2
H0: 1 2 = d0 atau H0: 1 2 t t , n m 2
d0
Ha: 1 2 < d0 Ha: 1 2 <
d0
H0: 1 2 = d0 x1 x2 d0 t t / 2,v atau
t
Ha: 1 2 d0 1 dan 2 tidak S12 S22 t t / 2,v
diketahui,
H0: 1 2 = d0 atau H0: 1 2 diasumsikan nilai n m t t ,v
d0 S
2
tidak sama 1
2
/ n S 22 / m
Ha: 1 2 > d0 Ha: 1 2 > v
S S
2 2
2 2
d0 1 /n 2 /m

H0: 1 2 = d0 atau H0: 1 2 n 1 m 1 t t ,v

d0
Ha: 1 2 < d0 Ha: 1 2 <
d0

Pengujian Hipotesis dua Rata-rata

1. Pengujian Hipotesis Satu rata-rata Sampel besar (n > 30)

sampel Besar

Pada uji hipoteisis ini menggunakan distribusi uji Z karena sampel lebih besar dari 30.

Langkah-langkah:

1. Formulasi hipotesis

a) H0 : 1 = 2

H1 : 1 >2

b) H0 :1 = 2
 H1 :1 <2

c) H0 :1 = 2

H1 :1 2

2. Penentuan nilai (taraf nyata) dan nilai tabel uji Z ( )

Taraf nyata sesuai soal dan nilai Z sesuai tabel

3. Kriteria pengujian
H0 :1 = 2
H0 : 1 = 2
H1 :1 <2
H1 : 1 >2
Kriteria pengujian
Kriteria pengujian -H0 diterima jika Z0 ,
-H0 ditolak jika Z0< ,
-H0 diterima jika Z0 ,
,
-H0 ditolak jika Z0> ,

H0 :1 = 2

H1 :1 2

Kriteria pengujian

H0 diterima jika /2 Z0 /2 ,

H0 ditolak jika Z0>/2 atau Z0</2 ,

4. Uji statistik
1 2)0
(
Z=
2 2
( 1 )+( 2 )
1 2
 5. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0

Jika H0 diterima maka H1 ditolak

Jika H0 ditolak maka H1 diterima

Contoh:

1. Suatu sampel acak berukuran n = 25 diambil dari populasi normal dengan simpangan
baku 1 = 5,2 mempunyai rata-rata x1 81 . Sampel kedua berukuran m = 36 diambil

dari populasi yang lain dengan simpangan baku 1 = 3,4 mempunyai rata-rata x1 76

. Uji hipotesis H0: 1 2 = 0 dan Ha: 1 2 > 0 dengan taraf signifikansi 0,05.

Jawab:

Daerah kritis z z = z 0,05 = 1,645

Perhitungan :

x1 x2 d0 81 76 0
z 4, 22
12 22 (5, 2)2 (3, 4)2

n m 25 36

Kesimpulan :

Karena z = 4,22 > z 0,05 = 1,645, maka H0 ditolak, yang berarti rata-rata populasi pertama lebih
besar dari pada rata-rata populasi kedua.

2. Seseorang berpendapat bahwa rata-rata jam kerja buruh di daerah A dan B sama
dengan alternatif A lebih besar dari pada B. Untuk itu, di ambil sample di kedua
daerah, masing-masing 100 dan 70 dengan rata-rata dan simpangan baku 38 dan 9 jam
per minggu serta 35 dan 7 jam per minggu. Ujilah pendapat tersebut dengan taraf nyata
5% ! Untuk Varians/ simpangan baku kedua populasi sama besar !
Jawab:

Diketahui :

1 = 100 1 = 38 = 9

2 = 70 2 = 35 = 7

a. Formulasi hipotesisnya :

Ho : =
H1 : >

b. Taraf nyata dan nilai tabelnya :

= 5% = 0,05

Z0,05 = 1,64 (pengujian sisi kanan)

c. Kriteria pengujian :

o Ho di terima jika Zo 1,64

o Ho di tolak jika Zo > 1,64

d. Uji Statistik
e. Kesimpulan

Karena Zo = 2,44 > Z0,05 = 1,64 maka Ho di tolak. Jadi, rata-rata jam kerja buruh di daerah
A dan daerah B adalah tidak sama.

4. Pengujian Hipotesis Satu Rata-rata Sampel kecil (n 30)

Sampel Kecil

Pada uji hipoteisis ini menggunakan distribusi uji t karena sampel lebih kecil dari 30.

Lanhkah-langkah:

1. Formulasi hipotesis

a) H0 : 1 = 2

H1 : 1 >2

b) H0 :1 = 2
H1 :1 <2
 c) H0 :1 = 2

H1 :1 2

2. Penentuan nilai taraf nyata dan nilai tabel uji t

Taraf nyata sesuai soal dan nilai t sesuai tabel,

3. Kriteria pengujian
5) Formulasi hipotesis

H0 : 1 = 2

H1 : 1 >2
Kriteria pengujian:

H0 diterima jika t0 ,

H0 ditolak jika t0> ,

H0 :1 = 2

H1 :1 <2

Kriteria pengujian:

H0 diterima jika t0 ,
H0 ditolak jika t0< ,

H0 :1 = 2

H1 :1 2

Kriteria pengujian:
H0 diterima jika /2 Z0 /2 ,
H0 ditolak jika t0>/2 atau t0</2 ,
 4. Uji statistic
Untuk pangamatan tidak berpasangan

1 2
0 =
( 1)12 + (2 1)22 1 1
1 ( 1 2 )
+
1 + 2 2

0 memiliki distribusi dengan = 1 + 2 2

Untuk pengamatan berpasangan

0 =

Keterangan :
= rata-rata dari nilai d
= simpangan baku dari nilai d
= bayaknya pasangan
0 memiliki distribusi dengan = 1

5. Kesimpulan
Menyimpulkan tentang penerimaan atau penolakan H0

Jika H0 diterima maka H1 ditolak

Jika H0 ditolak maka H1 diterima

Contoh :

1. Suatu perkuliahan statistika diberikan pada pada dua kelas. Kelas pertama diikuti 12
mahasiswa dengan pembelajaran kooperatif dan kelas lain diikuti 10 mahasiswa dengan
pembelajaran konvensional. Pada akhir semester mahasiswa diberi ujian dengan soal
yang sama untuk kedua kelas. Hasil ujian pada kelas kooperatif mencapai nilai rata-rata
85 dengan simpangan baku 4, sedang kelas biasa memperoleh nilai rata-rata 81 dengan
simpangan baku 5.
 Ujilah hipotesis bahwa hasil pembelajaran dengan kedua metode adalah sama dengan
menggunakan taraf signifikansi 10 %. Asumsikan kedua populasi berdistribusi normal
dengan variansi sama.

Jawab.

Diketahui x1 85 , S1 = 4, n = 12; x2 81 , S2 = 5, m = 10

Hipotesis

H0: 1 2 = 0

Ha: 1 2 0

Daerah kritis :

t t / 2,n m 2 = t0,05;20 = 1,725 atau t t / 2,n m 2 = t0,05;20 = 1,725

Perhitungan

(n 1) S12 (m 1) S 22 (11)(16) (9)(25)

Sp 4, 478
nm2 12 10 2

x1 x2 d 0 85 81 0
t 2, 07
S (1/ n 1/ m)
2
p
4, 478 (1/12) (1/10)

Kesimpulan:

Karena t = 2,07 > 1,725, maka H0 ditolak pada taraf signifikansi 10 %. Ini berarti bahwa kedua
pembelajaran memberikan hasil pembelajaran yang tidak sama.(rata-rata hasil pembelajaran
kedua metode tidak sama)
 2. Dengan menggunakan data pada Contoh 1, Ujilah hipotesis bahwa hasil pembelajaran
dengan metode kooperatif lebih baik daripada dengan metode konvensional dengan
menggunakan taraf signifikansi 5 %. Asumsikan kedua populasi berdistribusi normal
dengan variansi tidak sama.

Jawab.

Hipotesis

H0: 1 2 = 0

Ha: 1 2 > 0

Daerah kritis :

Untuk menentukan daerah kritis perlu melakukan perhitungan derajat bebas

S
2
1
2
/ n S22 / m (16 /12 25 /10) 2 14, 69
v 17,17
S S
2 2 2 2
2
/n 2
/m (16 /12) (25 /10) 0,86
1 2
11 9
n 1 m 1

Dengan demikian daerah kritis adalah

t t ,v t0,05;17,17 t0,05;17 = 1,74

Perhitungan

x1 x2 d0 85 81 0
t 2,04
S 2
S 2
(16 /12) (25 /10)
1
2

n m
Kesimpulan:

Karena t = 2,04 > 1,74, maka H0 ditolak pada taraf signifikansi 0,05 . Ini berarti bahwa
pembelajaran kooperatif memberikan hasil pembelajaran yang lebih tinggi dibandingkan
dengan pembelajaran konvensional.

3. Sebuah perusahan mengadakan pelatihan teknik pemasaran. Sampel sebanyak 12 orang

dengan metode biasa dan 10 orang dengan terprogram. Pada akhir pelatihan di berikan
evaluasi dengan materi yang sama. Kelas pertama mencapai nilai rata-rata 75 dengan
simpangan baku 4,5. Ujilah hipotesis kedua metode pelatihan, dengan alternative
keduanya tidak sama! Gunakan taraf nyata 10%! Asumsikan kedua populasi
menghampiri distribusi normal dengan varians yang sama!

Penyelesaian :

Diketahui :

1 = 12 1 = 80 = 4

2 = 10 2 = 75 = 4,5

Jawab:

a. Formulasi hipotesisnya :

Ho : =

H1 :

b. Taraf nyata dan nilai tabelnya :

= 10% = 0,10

= 0,05

db = 12 + 10 2 = 20

t0,05;20 = 1,725
c. Kriteria pengujian :

o Ho di terima apabila -1,725 t0 1,725

o Ho di tolak apabila t0 > 1,725 atau t0 < -1,725

d. Uji Statistik

e. Kesimpulan

Karena t0 = 2,76 > t0,05;20 = 1,725 maka Ho di tolak. Jadi, kedua metode yang digunakan
dalam pelatihan tidak sama hasilnya.

Kesimpulan

Hipotesis berasal dari bahasa Yunani, Hupo berarti Lemah atau kurang atau di
bawah ,Thesis berarti teori, proposisi atau pernyataan yang disajikan sebagai bukti. Sehingga
dapat diartikan sebagai Pernyataan yang masih lemah kebenarannya dan perlu dibuktikan atau
dugaan yang sifatnya masih sementara.
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan memutuskan
apakah menerima atau menolak hipotesis itu. Dalam pengujian hipotesis, keputusan yang di
buat mengandung ketidakpastian, artinya keputusan bias benar atau salah, sehingga
menimbulkan risiko.

Dalam melakukan sebuah penelitian langkah awal yang kita tentukan adalah
menentukan hipotesis, dimana hipotesis adalah pernyataan atau dugaan sementara mengenai
satu atau lebih populasi.

Hipotesis yang telah kita tentukan tadi perlu diadakan pengujian untuk membuktikan
apakah hipotesis kita sudah benar atau salah. Hal ini disebut dengan penguian hipotesis.

Prosedur Pengujian hipotesis

Langkah 1 : Menentukan formulasi hipotesis nol (H0) dan hipotesis alternatifnya (Ha).

Langkah 2 : Memilih suatu taraf nyata () dan menentukan nilai table.

Langkah 3 : Membuat criteria pengujian berupa penerimaan dan penolakan H0.

Langkah 4 : Melakukan uji statistik

Langkah 5 : Membuat kesimpulannya dalam hal penerimaan dan penolakan H0.

Pengujian hipotesis sangat berperan penting pada penelitian. Hal ini bisa
mempermudah kita untuk menguji hipotesis kita sehingga pengujian hipotesis ini merupakan
salah satu hal yang harus kita kuasai jika kita ingin melakukan penelitian.

Dua jenis pengujian hipotesis yaitu uji hipotesis satu rata-rata dan uji hipotesis dua
rata-rata.

Masing-masing dari kedua jenis uji hipotesis tersebut terdiri dari sampel besar dan sampel
kecil yang mempunyai langkah-langkah tersendiri yang pada akhirnya bisa menghasilkan
kesimpulan dari hipotesis yang kita ambil apakah diterima atau ditolak.
 Jenis-Jenis Pengujian Hipotesis

1. Berdasarkan Jenis Parameternya

a. Pengujian hipotesis tentang rata-rata

b. Pengujian hipotesis tentang proporsi

c. Pengujian hipotesis tentang varians

2. Berdasarkan Jumlah Sampelnya

a. Pengujian hipotesis sampel besar (n > 30).

b. Pengujian hipotesis sampel kecil (n 30).

3. Berdasarkan Jenis Distribusinya

a. Pengujian hipotesis dengan distribusi Z

b. Pengujian hipotesis dengan distribusi t (t-student)

c. Pengujian hipotesis dengan distribusi 2 ( kai kuadrat)

d. Pengujian hipotesis dengan distribusi F (F-ratio)

4. Berdasarkan Arah atau Bentuk Formulasi Hipotesisnya

a. Pengujian hipotesis dua pihak (two tail test)

b. Pengujian hipotesis pihak kiri atau sisi kiri

c. Pengujian hipotesis pihak kanan atau sisi kanan

DAFTAR PUSTAKA

Supranto J, 2000. Teori & Aplikasi, edisi 6, jilid 1. Jakarta. Erlangga.

Herrhyanto Nar dan H.M. Akib Hamid. 2007. Statistika Dasar. Jakarta: Universitas Terbuka
Riduwan. 2014. Dasar-Dasar Statistka. Bandung: Alfabeta
Irianto, Agus. 2008. Statistik Konsep Dasar dan Aplikasinya. Jakarta: Kencana.
Hasan, Iqbal. 2006. Analisis Data Penelitian dengan Statistik. Jakarta: Bumi Aksara
Eko Sujadi. Penfertian Statistik Menurut Para Ahli.

http://ekosujadi-bintan.blogspot.com/2011/04/pengertian-statistik-menurut-para-
ahli.html (20 Agustus 2014)
http://dilihatya.com/1050/pengertian-statistika-menurut-para-ahli (20 Agustus 2014)
Salim Nahdi. Penyajian Data Statistika.
http://salimnahdi.blogspot.com/2013/10/penyajian-data-statistika.html
Dajan, Anto. Pengantar Metode Statistik jilid I, PT. Perdja. Jakarta: 1985
Meilia N. I. Susanti. S.T. M.Kom, Statistika Deskriptif &induktif , Graha Ilmu, 2010
http://nyoglaudes.blogspot.com/2013/02/distribusi-frekuensi.html (30 Agustus 2014)
http://jekkoblog.blogspot.com/2009/03/pengertian-distribusi-frekuensi.html (30 Agustus 2014)
http://anitaharum.wordpress.com/2013/09/29/kuartil-rata-rata-ukur-dan-rata-rata-
harmonik/
http://avstatistik.blogspot.com/2012/09/pengertian-mean-median-dan-
modus.htmlstatistika.pdf-AdobeReader
http://dheaayuwikuningtyas.blogspot.com/2013/10/mean-median-modus_5.html?m=1
http://zaneta9bp2.blogspot.com/p/rata-rata-ukur-geometric-mean.html
http://www.uthk-mandiri.com/statistics/ukuran-penyebaran-pada-statistik
Nugroho, S. 2007. Dasar-Dasar Metode Statistika. Grasindo, Bengkulu.
Putri, Ratu Ilma Indra. Distribusi Binomial dan Poisson.
http://ilma69.files.wordpress.com/2012/10/distribusi-binomial-dan-poisson-baru.pdf
http://fathur14klose.blogspot.com/2011/12/makalah-statistika-distribusi-binomial.html

Hasan, Iqbal.2003.Pokok-pokok Materi Statistik 2 (Statistik Inferensif).Jakarta: Bumi Aksara.

Usman,Husaini.2006.Pengantar Statistika.Jakarta : Bumi Aksara.
Sugiharti , Anita Harum. Distribusi Normal (kurva normal)

http://anitaharum.wordpress.com/2013/11/12/distribusi-normal-kurva-normal/
Istiarto.Tabel Distribusi Normal Standar.
http://istiarto.staff.ugm.ac.id/docs/statistika/Tabel-Distribusi-Normal-Standar-v1.pdf
Putri, Ratu Ilma Indra. Distribusi Normal.
http://ilma69.files.wordpress.com/2012/10/distribusi-normal-ft.pdf
Hidayat, Anwar. Uji Normalitas
http://www.statistikian.com/2013/01/uji-normalitas.html?m=1.
Widiharso. Uji Normalitas
http://widhiarso.staff.ugm.ac.id/files/uji%20Normalitas.pdfD
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitas-ri.pdf
Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas Terbuka.
Putri, Ratu Ilma Indra. Uji Normalitas dan Uji Homogenitas.
http://ilma69.files.wordpress.com/2012/10/uji-normalitas-dan-homogenitas-ri.pdf.
Badruzaman. Uji Homogenitas.
http://file.upi.edu/Direktori/FPOK/JUR._PEND._KESEHATAN_%26_REKREASI/PRO
DI._ILMU_KEOLAHRAGAAN/195911041986011-
BADRUZAMAN/UJI_NORMAL_BADRU.pdf. Diakses pada tanggal 11 November
2014.
Matondang, Zulkifli. Pengujian Homogenitas Variansi. http://fahost1992.googlecode.com.

Herrhyanto, Nar dan Akib Hamid. 1992. Statistika Dasar. Jakarta: Universitas Terbuka.
Putri, Ratu Ilma Indra. Uji Hipotesis. http://ilma69.files.wordpress.com/2012/10/uji_hipotesis-
dan-uji-hipotesis_1_ratarata.pdf. Diakses pada tanggal 19 Novemer 2014.
Marhaendro, Agus Susworo Dwi. Pengujian Hipotesis.
http://staff.uny.ac.id/sites/default/files/Pengujian%20Hipotesis.pdf. Diakses pada tanggal
19 November 2014.
Harlyan, Ledhyane Ika. Uji Hipotesis.
http://ledhyane.lecture.ub.ac.id/files/2012/11/PENGUJIAN-HIPOTESIS.pdf. Diakses
pada tanggal 19 November 2014.
Syahza, Almasdi. Pengujian Hipotesis Sampel Besar.
http://almasdi.staff.unri.ac.id/files/2010/02/06-Pengujian_Hipotesis.pdf. Diakses pada
tanggal 20 November 2014.
Munir, Rinaldi. Pengujian Hipotesis.
http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/2010-
2011/Pengujian%20Hipotesis.pdf. Diakses pada tanggal 20 November 2014.
Hasan, Iqbal.2003.Pokok-pokok Materi Statistik 2 (Statistik Inferensif).Jakarta: Bumi Aksara.
J.Supranto. 2001.Statistik Teori dan Aplikasi. Jakarta : Erlangga
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
 http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Hasan, Iqbal.2003.Pokok-pokok Materi Statistik 2 (Statistik Inferensif).Jakarta: Bumi Aksara.
J.Supranto. 2001.STATISTIK Teori dan Aplikasi.Jakarta : Erlangga
Putri, Ratu Ilma Indra. Uji Hipotesis 1 dan 2 Rata-Rata
http://ilma69.files.wordpress.com/2012/10/uji-hipotesis-12-rata-rata1.pdf
Kesuma, Deta Puji. Uji Hipotesis 2 Rata-Rata
http://detapujik.blogspot.com/2012/06/uji-hipotesis-dua-rata-rata-uji.html
Wahdini, Widya. Uji Hipotesis 2 Rata-Rata
http://widyawahdinitpsore2012.blogspot.com/2013/06/statistik-pendidikan.html