BAB I

PENDAHULUAN

1.1 Latar Belakang

Pada hakekatnya statistik adalah suatu kerangka teori-teori dan metode-metode

yang telah dikembangkan untuk melakukan pengumpulan, analisis, dan
pelukisan data sampel guna memperoleh kesimpulan-kesimpulan yang
bermanfaat.

Adapun satatistika adalah ilmu tentang cara-cara mengumpulkan,

menggolongkan, menganalisis, dan mencari keterangan yang berhubungan
dengan pengumpulan data yang penyelidikan dan kesimpulannya berdasarkan
bukti-bukti yang berupa angka-angka.

Secara umum kedudukan statistika memiliki beberapa manfaat, antara lain:

a. Menyajikan data secara ringkas dan jelas, sehingga lebih mudah dimengerti
oleh para pengguna.
b. Menunjukkan trend atau tendensi perkembangan suatu masalah.
c. Melakukan penarikan kesimpulan secara ilmiah.

Statistika deskriptif berkenaan dengan bagaimana data yang dapat

digambarkan/dideskripsikan baik secara numerik (misal menghitung rata – rata
dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik) untuk
mendapatkan gambaran sekilas mengenai data tersebut sehingga lebih mudah
dibaca dan dipahami.

Dan dalam makalah ini kami akan mengangkat tema “Ukuran gejala pusat data
yang belum di kelompokkan”.

1.2 Maksud dan Tujuan

Adapun maksud dan tujuan penulis membuat makalah ini agar teman-
teman lebih paham apa itu statistik yang dimana memahami secara rinci agi
tentang pengantar probabilitas,frekuensi distribusi, histogram, harga rata-
rata dan lain-lain

1
BAB II

PEMBAHASAN

2.1 HISTOGRAM

Kata histogram berasal dari bahasa Yunani: histos, dan gramma.

Histogram adalah suatu bentuk grafik yang menunjukkan adanya dispersi data.
Dari grafik ini kita dapat membuat analisa karakteristik dan penyebab dispersi
tersebut. Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-
masing deret kategori yang berdampingan dengan interval yang tidak tumpang
tindih.

Histogram dikenal juga sebagai grafik distribusi frekuensi, salah satu jenis
grafik batang yang digunakan untuk menganalisa mutu dari sekelompok data
(hasil produksi), dengan menampilkan nilai tengah sebagai standar mutu produk
dan distribusi atau penyebaran datanya. Meski sekelompok data memiliki standar
mutu yang sama, tetapi bila penyebaran data semakin melebar ke kiri atau ke
kanan, maka dapat dikatakan bahwa mutu hasil produksi pada kelompok
tersebut kurang bermutu, sebaliknya, semakin sempit sebaran data pada kiri dan
kanan nilai tengah, maka hasil produksi dapat dikatakan lebih bermutu, karena
mendekati spesifikasi yang telah ditetapkan.

Histogram pertama kali digunakan oleh Karl Pearson pada tahun 1895
untuk memetakan distribusi frekuensi dengan luasan area grafis batangan
menunjukkan proporsi banyak frekuensi yang terjadi pada tiap kategori dan
merupakan salah satu dari seven basic tools of quality control.

Dalam histogram, garis vertikal menunjukkan banyaknya observasi tiap-

tiap kelas. Histogram juga menunjukkan kemampuan proses, dan apabila
memungkinkan histogram dapat menunjukkan hubungan dengan spesifikasi
proses dan angka-angka nominal, misalnya rata-rata. Untuk menggambarkan
histogram dipakai sumbu mendatar yang menyatakan batas-batas kelas interval
dan sumbu tegak yang menyatakan frekuensi absolut atau frekuensi relatif.

Histogram menjelaskan variasi proses, namun belum mengurutkan

rangking dari variasi terbesar sampai dengan yang terkecil. Bila bentuk histogram
pada sisi kiri dan kanan dari kelas yang tertinggi berbentuk simetri, maka dapat
diprediksi bahwa proses berjalan konsisten, artinya seluruh faktor-faktor dalam
proses memenuhi syarat-syarat yang ditentukan. Bila histogram berbentuk sisir,
kemungkinan yang terjadi adalah ketidaktepatan dalam pengukuran atau
pembulatan nilai data, sehingga berpengaruh pada penetapan batas-batas kelas.
Bila sebaran data melampaui batas-batas spesifikasi, maka dapat dikatakan
bahwa ada bagian dari hasil produk yang tidak memenuhi spesifikasi mutu.

2
Tetapi sebaliknya, bila sebaran data ternyata berada di dalam batas-batas
spesifikasi, maka hasil produk sudah memenuhi spesifikasi mutu yang
ditetapkan.

Secara umum, histogram biasa digunakan untuk memantau pengembangan

produk baru, penggunaan alat atau teknologi produksi yang baru, memprediksi
kondisi pengendalian proses, hasil penjualan, manajemen lingkungan dan lain
sebagainya.

2.1.1 Fungsi atau Kegunaan Histogram

1. Diagram batang umumnya digunakan untuk mengambarkan perkembanga

nnilai suatu objek penelitian dalam kurun waktu tertentu. Diagram batang
menunjukan keterangan- keterangan dengan batang-batang tegak atau
mendatar dan sama lebar dengan batang- batang terpisah;
2. Mengetahui dengan mudah penyebaran data yang ada
3. Mempermudah melihat dan menginterpretasikan data;
4. Sebagai alat pengendali proses, sehingga dapat mencegah timbulnya
masalah.

2.1.2 Cara Pembuatan Histogram

1. Mengumpulkan data.

Sampel data haruslah dapat mewakili populasinya. Berapa jumlah sampel yang
dapat mewakili populasi dapat dipelajari loebih jauh di bidang kajian statistik atau
metodologi penelitian.

2. Pengolahan data.

Pengolahan data ini menjadi bagian yang tidak kalah pentingnya dengan langkah
pertama agar Histogram memberikan gambaran yang akurat tentang kondisi
hasil produk, terutama dalam menentukan besaran nilai tengah (standar) dan
seberapa banyak kelas-kelas data yang akan menggambarkan penyebaran data
yang tercipta.

a. Seberapa banyak kelas-kelas data yang dibuat untuk menggambarkan

penyebaran data, ditentukan dengan cara:
Menentukan batas-batas observasi (rentang). Rentang (r) adalah data
tertinggi dikurangi data terkecil.
b. Menghitung banyaknya kelas atau sel-sel. Banyak kelas (b) = 1 + 3,3 log n.

3. Menentukan lebar atau panjang kelas

Menentukan lebar atau panjang kelas dengan menggunakan rumus Panjang

kelas (p) merupakan hasil pembagian nilai Rentang dengan banyaknya kelas.

3
4. Menentukan ujung kelas
Ujung kelas pertama biasanya diambil dari terkecil. Kelas berikutnya dihitung
dengan cara menjumlahkan ujung bawah kelas.
5. Menghitung nilai frekuensi histogram masing-masing kelas.
6. Menggambarkan diagram batangnya

2.1.3 Pengaplikasian Histogram

Aplikasi histogram sangat tepat digunakan pada saat:

a. Ingin menetapkan apakah proses berjalan dengan stabil atau tidak;

b. Ingin mendapatkan informasi tentang performance sekarang atau variasi
proses;
c. Ingin menguji dan mengevaluasi perbaikan proses untuk peningkatan;
d. Ingin mengembangkan pengukuran dan memonitor peningkatan proses.

2.2 STANDAR DEVIASI

Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar
deviasi juga merupakan suatu ukuran dispersi atau variasi. Standar deviasi
merupakan ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena
standar deviasi mempunyai satuan ukuran yang sama dengan satuan ukuran
data asalnya. Misalnya, bila satuan data asalnya adalah cm, maka satuan
standar deviasinya juga cm. Sebaliknya, varians memiliki satuan kuadrat dari
data asalnya (misalnya cm2). Simbol standar deviasi untuk populasi adalah σ
(baca: sigma) dan untuk sampel adalah s.

Rumus untuk menghitung standar deviasi adalah sebagai berikut

Contoh:

Data umur berbunga (hari) tanaman padi varietas Pandan Wangi adalah sbb:
84 86 89 92 82 86 89 92 80 86 87 90

Berapakah standar deviasi dari data di atas?

4
Sampel y y2

1 84 7056

2 86 7396

3 89 7921

4 92 8464

5 82 6724

6 86 7396

7 89 7921

8 92 8464

9 80 6400

10 86 7396

11 87 7569

12 90 8100

Jumlah 1043 90807

Maka nilai standar deviasi data di atas adalah

2.3 POPULASI

Populasi berasal dari kata bahasa inggris population, yang berarti jumlah
penduduk. Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh peneliti
untuk dipelajari dan kemudian ditarik kesimpulan (Sugiyono, 2013: 117).
Menurut Nazir (1983:327) mengatakan bahwa popuasi adalah berkenaan

5
dengan data bukan barang atau bendanya. Pengertian lainnya, diungkapkan
oleh Nawawi yang menyebutkan bahwa populasi adalah keseluruhan objek
penelitian yang terdiri dari manusia, benda-benda, hewan, tumbuh-tumbuhan,
gejala-gejala, nilai tes, atau peristiwa-peristiwa sebagai sumber data yang
memiliki karaktersitik tertentu di dalam suatu penelitian. Sedangkan Ridwan
(2002: 3) mengatakan bahwa populasi adalah keseluruhan dari karakteristik atau
unit hasil pengukuran menjadi objek penelitian.

Menurut Margono (2010:118) populasi adalah seluruh data yang menjadi

perhatian kita dalam suatu ruang lingkup dan waktu yang kita tentukan.
Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek yang
mempunyai kualitas dan karakteristik tertentu yang ditetapkan peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya dalam Sugiyono (2006:117).

Menurut Muri (2007:182) secara umum dapat dikatakan beberapa karakteristik

populasi adalah:

a. Merupakan keseluruhan dari unit analisis sesuai dengan informasi yang

akan diinginkan.
b. Dapat berupa manusia/individu, hewan, tumbuh-tumbuhan, benda-benda
atau objek maupun kejadian-kejadian yang terdapat dalam suatu area/
daerah tertentu yang telah ditetapkan.
c. Merupakan batas-batas (boundary) yang mempunyai sifa-sifat tertentu yang
memungkinkan peneliti menarik kesimpulan dari keadaan itu.
d. Memberikan pedoman kepada apa atau siapa hasil penelitian itu dapat
digeneralisasikan.

2.3.1 Jenis-Jenis Populasi

Menurut Muri (2007:183) Populasi digolongkan menjadi dua jenis, yaitu:

a. Populasi terbatas (definite) yaitu objek penelitiannya dapat dihitung, seperti

luas sawah, jumlah ternak, jumlah murid, dan jumlah mahasiswa.
b. Populasi tak terbatas (infinite) yaitu objek penelitian yang mempunyai jumlah
yang tak terbatas, atau sulit dihitung jumlahnya; seperti pasir di pantai.

Disamping itu persoalan populasi bagi suatu penelitian harus dibedakan ke

dalam sifat berikut ini:

a. Populasi yang bersifat homogen, yakni populasi yang unsur-unsurnya

memiliki sifat yang sama, sehingga tidak perlu dipersoalkan jumlahnya
secara kuantitatif. Misalnya seorang dokter yang akan melihat golongan
darah seseorang, maka ia cukup mengambil setetes darah saja.
b. Populasi yang bersifat heterogen, yakni populasi uang unsur-unsurnya
memiliki sifat atau keadaan yang bervariasi, sehingga perlu ditetapkan
batas-batasnya, baik secara kualitatif maupun kuantitatif.

6
2.4 SAMPEL

Menurut Muri (2007:186) secara sederhana dapat dikatakan bahwa

sampel adalah sebagian dari populasi yang terpilih dan mewakili populasi
tersebut. Sedangkan menurut Suharsimi (2002:109), sampel adalah sebagian
atau wakil populasi yang diteliti.

Beberapa pendapat ahli tentang pengertian sampel adalah sebagai berikut:

a. Sax (1979: 181) mengemukakan bahwa sampel adalah suatu jumlah yang
terbatas dari unsur-unsur yang terpilih dari suatu populasi, unsur-unsur
tersebut hendaklah mewakili populasi.
b. Warwick (1975:69) mengemukakan pula bahwa sampel adalah sebagian
dari suatu hal yang luas, yang khusus dipilih untuk mewakili keseluruhan.
c. Kerlinger (1973:118) menyatakan: Sampling is taking any portion of a
population or universe as representative of that population or universe.
d. Leedy (1980:111) mengemukakan bahwa sampel dipilih dengan hati-hati
sehingga dengan melalui cara sedemikian peneliti akan dapat melihat
karakteristik total populasi.
Dari pengertian-pengertian di atas dapat disimpulkan bahwa sampel adalah
bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Bila populasi
besar, dan peneliti tidak mungkin mempelajari semua yang ada pada
populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka
peneliti dapat menggunakan sampel yang diambil dari populasi itu,
kesimpulannya akan diberlakukan untuk populasi. Untuk itu sampel yang
diambil dari populasi betul-betul representatif (mewakili).

2.4.1 Ciri-Ciri Sampel yang Baik

Berangkat dari berbagi pendapat yang telah diutarakan di atas dapat

disimpulkan bahwa ciri-ciri sampel yang baik adalah:

a. Sampel dipilih dengan cara hati-hati; dengan menggunakan cara tertentu

dan benar.
b. Sampel harus mewakili populasi, sehingga gambaran yang diberikan
mewakili keseluruhan karakteristik yang terdapat pada populasi.
c. Besarnya ukuran sampel hendaknya mempertimbangkan tingkat kesalahan
sampel yang dapat ditolerir dan tingkat kepercayaan yang dapat diterima
secara statistik.

2.5 DISTRIBUSI FREKUENSI

Distribusi frekuensi adalah pengelompokan data ke dalam beberapa

kelompok (kelas) dan kemudian dihitung banyaknya data yang masuk kedalam

7
tiap kelas. Distribusi frekuensi merupakan salah satu bentuk klasifikasi data, yaitu
klasifikasi data secara kuantitatif.

Di dalam statistik deskriptif kita selalu mengusahakan agar data dapat

disajikan dalam bentuk yang lebih berguna, lebih mudah dipahami dan lebih
cepat dimengerti. Jika data yang ada hanya sedikit, kita tidak mengalami
kesulitan untuk membaca dan mengerti angka-angka itu, tetapi apabila data yang
tersedia banyak sekali jumlahnya, maka untuk mengerti data tersebut kitaakan
mengalami kesulitan. Untuk memudahkannya data harus disusun secara
sistematis atau teratur kedalam distribusi frekuensi.

2.5.1 Macam-Macam Distribusi Frekuensi

Distribusi frekuensi ada beberapa macam, diantaranya:

Ditinjau dari jenisnya

Distribusi frekuensi numerik

Distribusi kategorikal

Ditinjau dari nyata tidaknya frekuensi

Distribusi frekuensi absolut

Distribusi frekuensi relatif

Ditinjau dari kesatuannya

Distribusi frekuensi satuan

Distribusi frekuensi kumulatif

2.5.2 Distribusi frekuensi numerik dan kategorikal

Distribusi frekuensi numerik adalah Distribusi frekuensi yang didasarkan

pada data-data kontinum yaitu data yang berdiri sendiri dan merupakan suatu
deret hitung, sedangkan yang dimaksud dengan Distribusi frekuensi kategorikal
adalah Distribusi frekuensi yang didasarkan pada data-data yang terkelompok.
Jika data masih berbentuk kontinum, maka harus diubah lebih dahulu menjadi
data kategorikal dan selanjutnya beru dicari frekuens masing-masing kelompok.

2.5.3 Distribusi frekuensi absolut dan relative

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.Sedangkan Distribusi frekuensi relatif adalah suatu jumlah
persentase yang menyatakan banyaknya data pada suatu kelompok tertentu.

8
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 jelastentang penyebab adanya perbedaan tersebut.
Berikut adalah rumus mencari Distribusi frekuensi relatif:

2.5.4 Distribusi frekuensi satuan dan kumulatif

Distribusi frekuensi Satuan adalah frekuensi yang menunjukan berapa

banyak data pada kelompok tertentu. Contoh-contoh Distribusi frekuensi diatas
menunjukkan Distribusi frekuensi satuan, baik yang numerik maupun relatif.
Yang dimaksud distribusi frekuensi kumulatif adalah distribusi frekuensi yang
menunjukkan jumlah frekuensi pada sekelompok nilai tertentu mulai dai
kelompok sebelumnya sampai kelompok tersebut.

2.6 PROBABILITAS

Secara umum probabilitas merupakan peluang bahwa sesuatu akan terjadi.

Secara lengkap probabilitas didefinisikan sebagai berikut :

“Probabilitas” ialah suatu nilai yang digunakan untuk mengukur tingkat terjadinya
suatu kejadian acak.

Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui :

1. Eksperimen,

2. Hasil (outcome)

3. Kejadian atau peristiwa (event)

Contoh :

Dari eksperimen pelemparan sebuah koin. Hasil (outcome) dari pelemparan

sebuah koin tersebut adalah “MUKA” atau “BELAKANG”. Kumpulan dari
beberapa hasil tersebut dikenal sebagai kejadian (event).

Probabilitas biasanya dinyatakan dengan bilangan desimal (seperti 0,50 ; 0,25

atau 0,70) atau bilangan pecahan (seperti ). Nilai dari probabilitas berkisar antara
0 dan 1. Semakin dekat nilai probabilitas ke nilai 0, semakin kecil kemungkinan
suatu kejadian akan terjadi. Sebaliknya semakin dekat nilai probabilitas ke nilai 1
semakin besar peluang suatu kejadian akan terjadi.

9
2.6.1 Manfaat Probabilitas Dalam Penelitian

Manfaat probabilitas dalam kehidupan sehari-hari adalah membantu kita

dalam mengambil suatu keputusan, serta meramalkan kejadian yang mungkin
terjadi. Jika kita tinjau pada saat kita melakukan penelitian, probabilitas memiliki
beberapa fungsi antara lain;

Membantu peneliti dalam pengambilan keputusan yang lebih tepat. Pengambilan

keputusan yang lebih tepat dimagsudkan tidak ada keputusan yang sudah pasti
karena kehidupan mendatang tidak ada yang pasti kita ketahui dari sekarang,
karena informasi yang didapat tidaklah sempurna.

Dengan teori probabilitas kita dapat menarik kesimpulan secara tepat atas
hipotesis yang terkait tentang karakteristik populasi.

Menarik kesimpulan secara tepat atas hipotesis (perkiraan sementara yang

belum teruji kebenarannya) yang terkait tentang karakteristik populasi pada
situssi ini kita hanya mengambil atau menarik kesimpulan dari hipotesis bukan
berarti kejadian yang akan dating kita sudah ketehaui apa yang akan tertjadi.

Mengukur derajat ketidakpastian dari analisis sampel hasil penelitian dari suatu
populasi.

2.7 ANALISIS VARIANS

Kita tahu bahwa kumpulan hasil pengamatan mengenai sesuatu hal, skor
hasil belajar para siswa, berat bayi yang baru lahir, gaji pegawai di suatu
perusahaan misalnya, nilai datanya bervariasi dari yang satu dengan yang lain.
Karena adanya variasi atau ragam ini untuk sekumpulan data, telah dihitung alat
ukurnya, utamanya varians. Kita lihat juga bahwa varians bersama-sama rata-
rata telah banyak digunakan untuk membuat kesimpulan mengenai populasi ,
baik secara deskriptif maupun secara induktif melalui penaksiran dan pengujian
hipotesis mengenai parameter.

Dalam bab ini, varians akan dibahas lebih lanjut dengan terlebih dahulu melihat
berbagai jenis varians kemudian menggunakannya untuk pengujian hipotesis
melalui teknik analisis varians, disingkat ANAVA (ANA dari analisis dan VA dari
varians).

2.7.1 Jenis varians

Secara umum varians dapat digolongkan kedalam varians sistematik dan

varians galat. Varians sistimatik adalah variasi pengukuran karena adanya
pengaruh yang menyebabkan skor atau nilai data lebih condong ke satu arah
tertentu dibandingkan kea rah lain. Setiap pengaruh alami atau buatan manusia

10
yang menyebabkan terjadinya peristiwa dapat diduga atau diramalkan dalam
arah tertentu, merupakan pengaruh sistematik sehingga menyebabkan terjadinya
varians sistematik. Cara mengajar yang dilakukan seorang ahli secara sistematik
mempengaruhi kemajuan anak didik lebih baik bila dibandingkan dengan
kemajuan anak yang diajar sembarangan, hasil skor ujiannya menggambarkan
adanya varians sistematik.

Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian
adalah varians antar kelompok atau kadang-kadang disebut pula varians
eksperimental. Varians ini menggambarkan adanya perbedaan atau variasi
sistematik antara kelompok-kelompok hasil pengukuran. Dengan demikian
varians ini terjadi karena adanya perbedaan antara kelompok-kelompok individu.

2.7.2 analisis varians satu arah

Dalam bagian ini akan dibahas perluasan, yaitu menguji kesamaan k, (k >
2), buah rata-rata populasi. Tepatnya, misalkan kita mempunyai k, (k > 2), buah
populasi yang masing-masing berdistribusi independent dan normal dengan rata-
rata 1 , 2 , . . . ,  k dan simpangan baku berturut-turut  1 ,  2 , . . . ,  k . Akan
diuji hipotesis nol H 0 dengan tandingan H 1 :

 H 0 :1 2 ...  K

H1:palingsedikitsatu tandasama dengan tidak berlaku

Selain daripada asumsi kenormalan tentang populasi, untuk pengujian ini juga
akan dimisalkan bahwa populasi bersifat homogen ialah bahwa
 12   22  ...   k2 .

Dari tiap populasi secara independent kita ambil sebuah sample acak, berukuran
n 1 dari populasi kesatu, n 2 dari populasi ke dua dan seterusnya berukuran n k
dari populasi ke k.

Data sample akan dinyatakan dengan Y ij yang berarti data ke-j dalam sample
yang diambil dari populasi ke-i. Untuk memudahkan, sebaiknya data sample
disusun seperti dalam Daftar XIV (1).

2.8 Harga Rata-rata

Rata-rata adalah suatu bilangan yang mewakili sekumpulan data.

Dalam statistika, rata-rata, rerata, atau rataan (Bahasa Inggris: mean) memiliki
tiga arti yang berkaitan:

11
  rerata aritmetik, pengertian yang paling umum dikenal awam,
 nilai harapan dari suatu peubah acak, dan
 ukuran pemusatan dari suatu sebaran probabilitas.

Rerata merupakan salah satu konsep sentral dalam statistika matematis dan,
bersama dengan varians, menjadi bagian penting dalam berbagai penurunan
berbagai metode statistika.

Dipandang dari sisi matematis, rerata adalah momen pertama dari suatu peubah
acak. Momen pertama mengenai rerata dari suatu peubah acak disebut
simpangan (deviasi).

2.8.1 Rerata aritmetik

Pengertian sebagai rerata aritmetik bersifat teknis operasional, yang dapat

dihitung secara langsung terhadap suatu himpunan data. Bagi peubah acak
bernilai nyata Y, rerata adalah atau "jumlah data dibagi banyak data".Sebagai
misal, sehimpunan peubah acak bernilai 3, 2, dan 4. Reratanya adalah (3+2+4)/3
= 3. Himpunan peubah acak ini dapat dinyatakan sebagai simpangan:0, -1,dan 1.

2.8.2 Rata-rata fungsi

Dalam kalkulus, khususnya kalkulus multivariabel, rata-rata sebuah fungsi

didefinisikan sebagai nilai rata-rata fungsi pada domain-nya. Dalam satu variabel,
rata-rata fungsi f(x) pada interval (a,b) dinyatakan dengan

2.9 Distribusi sampling

Distribusi Sampling adalah distribusi dari besaran-besaran statistik seperti rata-

rata, simpangan baku, proporsi yang mungkin muncul dari sampel-sampel.
Populasi adalah totalitas dari semua objek atau individu yang memiliki
karakteristik tertentu, jelas dan lengkap yang akan diteliti (Bahan
penelitian).ATAU Distribusi Sampling adalah distribusi probabilita dengan
statistik sampel sebagai variabel acaknya

12
Populasi

2.9.1 Metode sampling

Sampel adalah bagian dari obyek pengamatan yang akan diteliti.

Cara memperoleh sampel :

1. Simple Random Sample

2. Stratified Random Sample
3. Cluster Random Sample
4. Systematic Random Sample
5. Non Random Sample

2.10 Teorema limit pusat

Teorema limit pusat (“central limit theorem”) adalah sebuah teorema yang
menyatakan bahwa kurva distribusi sampling (untuk ukuran sampel 30 atau
lebih) akan berpusat pada nilai parameter populasi dan akan memiliki semua
sifat-sifat distribusi normal.” Teorema Limit Pusat (Central Limit Theorem)
Teorema limit pusat atau central limit theorem (CLT) adalah salah satu teorema
yang sangat penting dalam teori probabilitas dan statistika. CLT menjadi teorema
yang sangat luar biasa bermanfaat karena kesederhanaannya. Contoh
penerapan CLT adalah dalam distribusi sampling dan uji hipotesis mean. Jadi,
untuk sejumlah sampel yang berukuran cukup besar, apa pun distribusinya,
dapat ditransformasi ke dalam pendekatan distribusi normal standar. CLT
menyatakan bahwa:

Jika adalah mean dari sampel random dengan ukuran yang diambil dari
populasi dengan mean dan variance , maka distribusi limit dari

13
mendekati distribusi normal standar saat . Secara matematis dapat
dituliskan dalam persamaan berikut.

CLT secara umum dapat digunakan untuk sampel besar. Dalam hal ini,
nilai sudah dikatakan cukup besar. Semakin besar nilai , maka
aproksimasi CLT akan semakin akurat atau semakin mendekati distribusi normal.

2.11 Konsep ilmu peluang (Probabilitas) dan distribusi frekuensi

Menurut David Hume apabila mempergunakan argument yang disusun
atas dasar pengelaman kita dimasa lampau sebagai dasar pertimbangan untuk
membuat ramalan dimasa mendatang maka argument ini hanya
merupakan kemungkinan (Probabilitas). Jadi probabilitas merupakan pernyataan
yang berisi ramalan tentang tingkatan keyakinan tentang terjadinya sesuatu
dimasa yang akan datang.
Tingkatan keyakinan ini bisa dinyatakan dengan angka atau tanpa
dengan angka. Seperti contoh untuk mengukur kemungkinan keluarnya sisi mata
uang ketika diputar, karena sisi mata uang ada dua maka kemungkinan
keluarnya sebuah sisi mata uang bias ditulis dengan angka yaitu ½, yang artinya
terdapat 1 kemungkinan dari 2 kemungkinan.

Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah

cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu
kejadian akan berlaku atau telah terjadi. Konsep ini telah dirumuskan dengan
lebih ketat dalam matematika, dan kemudian digunakan secara lebih luas dalam
tidak hanya dalam matematika atau statistika, tapi
juga keuangan, sains dan filsafat.
Probabilitas suatu kejadian adalah angka yang menunjukkan kemungkinan
terjadinya suatu kejadian. Nilainya di antara 0 dan 1. Kejadian yang mempunyai
nilai probabilitas 1 adalah kejadian yang pasti terjadi atau sesuatu yang telah
terjadi. Misalnya matahari yang masih terbit di timur sampai sekarang.
Sedangkan suatu kejadian yang mempunyai nilai probabilitas 0 adalah kejadian
yang mustahil atau tidak mungkin terjadi. Misalnya seekor kambing melahirkan
seekor sapi.
Probabilitas/Peluang suatu kejadian A terjadi dilambangkan dengan notasi P(A),
p(A), atau Pr(A). Sebaliknya, probabilitas [bukan A] atau komplemen A, atau
probabilitas suatu kejadian A tidak akan terjadi, adalah 1-P(A). Sebagai contoh,
peluang untuk tidak munculnya mata dadu enam bila sebuah dadu bersisi enam
digulirkan adalah .
Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui:

 Eksperimen,
 Hasil (outcome)
 Kejadian atau peristiwa (event)

14
Teknik ini mungkin merupakan teknik yang paling mudah dan paling banyak
digunakan untuk mendeskripsikan data. Distribusi frekuensi mengindikasikan
jumlah dan persentase responden, obyek yang masuk ke dalam kategori yang
ada. Teknik ini biasanya digunakan untuk memberikan informasi awal dalam
penelitian tentang obyek atau responden.

 Cross-Tabulations

Bila distribusi frekuensi digunakan untuk memberikan informasi yang

menggambarkan keseluruhan sampel atau populasi yang diteliti, cross-
tabulation adalah sebuah teknik visual yang memungkinkan peneliti menguji
relasi antar variabel.

Kedua teknik yang telah disebutkan di atas digunakan untuk menggambarkan

data yang dikumpulkan selama penelitian, ini hanya merupakan awal tugas
peneliti. Tugas berikutnya adalah menjelaskan temuan-temuan ini dan dapat
membuat sebuah generalisasi tentang populasi yang lebih besar. Maka
digunakanlah inferential statistics.

 Korelasi

Metode ini menggambarkan secara kuantitatif asosiasi ataupun relasi satu

variabel interval dengan variabel interval lainnya. Sebagai contoh kita dapat lihat
relasi hipotetikal antara lamanya waktu belajar dengan nilai ujian tinggi.

Korelasi diukur dengan suatu koefisien (r) yang mengindikasikan seberapa

banyak relasi antar dua variabel. Daerah nilai yang mungkin adalah +1.00
sampai -1.00. Dengan +1.00 menyatakan hubungan yang sangat erat,
sedangkan -1.00 menyatakan hubungan negatif yang erat.

Berikut ini adalah panduan untuk nilai korelasi tersebut :

+ atau – 0.80 hingga 1.00 korelasi sangat tinggi

0.60 hingga 0.79 korelasi tinggi

0.40 hingga 0.59 korelasi moderat

0.20 hingga 0.39 korelasi rendah

0.01 ingga 0.19 korelasi sangat rendah

Satu hal yang perlu diingat adalah “korelasi tidak menyatakan hubungan sebab-
akibat”. Dari contoh di atas, korelasi hanya menyatakan bahwa ada relasi antara
lamanya waktu belajar dengan nilai ujian tinggi, namun bukan “lamanya waktu
belajar menyebabkan nilai ujian tinggi”.

 Regresi

Regresi digunakan ketika periset ingin memprediksi hasil atas variabel-variabel

tertentu dengan menggunakan variabel lain. Dalam bentuknya yang paling
sederhana yang hanya melibatkan dua buah variabel, yaitu variabel bebas

15
(independent) dan variabel terikat (dependent), misalnya lama waktu belajar
dengan nilai ujian. Regresi sederhana berusaha memprakirakan nilai ujian
dengan lamanya waktu belajar. Analisis regresi mengindikasikan kepentingan
relatif satu atau lebih variabel dalam memprediksi variabel lainnya.

 t-test

Teknik t-test digunakan bila periset ingin mengevaluasi perbedaan antara efek.
Sebagai contoh, periset mungkin tertarik dalam perbedaan kepuasan kerja untuk
orang-orang yang berbeda tingkat pendidikannya. Teknik analisis yang banyak
digunakan adalah membandingkan dua kelompok, misalnya mereka yang
mendapat pendidikan universitas dengan mereka yang tidak, dengan
menggunakan mean kelompok sebagai dasar perbandingan. t-test akan
mengindikasikan apakah perbedaan antara kedua kelompok tersebut signifikan
secara statistika.

 F-test

F-test menguji apakah populasi tempat sampel diambil memiliki korelasi multiple
(R) nol atau apakah terdapat sebuah relasi yang signifikan antara variabel-
variabel independen dengan variabel-variabel dependen.

 Analisis Validitas

Untuk melakukan analisis validitas dapat digunakan metode Pearson Product

Moment (bila sampel normal, 30) ataupun metode Spearman Rank Correlation
(bila sampel kecil, 30).

 Analisis Reliabilitas Internal

Untuk analisis reliabilitas internal dapat digunakan metode Cronbach’s Alpha.

Jika koefisien yang didapat 0.60, maka instrumen penelitian tersebut reliabel.

16
 BAB III

PENUTUP
3.1 KESIMPULAN

Kata histogram berasal dari bahasa Yunani: histos, dan gramma.

Histogram adalah suatu bentuk grafik yang menunjukkan adanya dispersi data.
Dari grafik ini kita dapat membuat analisa karakteristik dan penyebab dispersi
tersebut. Tiap tampilan batang menunjukkan proporsi frekuensi pada masing-
masing deret kategori yang berdampingan dengan interval yang tidak tumpang
tindih.

Sampel data haruslah dapat mewakili populasinya. Berapa jumlah sampel yang
dapat mewakili populasi dapat dipelajari loebih jauh di bidang kajian statistik atau
metodologi penelitian.

Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar
deviasi juga merupakan suatu ukuran dispersi atau variasi. Standar deviasi
merupakan ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena
standar deviasi mempunyai satuan ukuran yang sama dengan satuan ukuran
data asalnya. Misalnya, bila satuan data asalnya adalah cm, maka satuan
standar deviasinya juga cm. Sebaliknya, varians memiliki satuan kuadrat dari
data asalnya (misalnya cm2). Simbol standar deviasi untuk populasi adalah σ
(baca: sigma) dan untuk sampel adalah s.

3.2 SARAN

Sebaiknya pembaca lebiih teliti lagi membaca tulisan ini,di karenakan ada hal
yang kalian anggap remeh tetapi sebenarnya mengandung makna lebih jika di
teliti lebih lanjut.

17
 DAFTAR PUSTAKA

http://www.hendrisetiawan.com/2014/05/contoh-makalah-statistika-
deskriptif_11.html

https://id.wikipedia.org/wiki/Histogram

https://www.google.co.id/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja
&uact=8&ved=0ahUKEwi93-
TnrcrYAhUMp48KHSbbCk8QFggnMAA&url=https%3A%2F%2Fwww.scribd.com
%2Fdoc%2F223455477%2FMakalah-Histogram-Citra-
docx&usg=AOvVaw0qiipJo-aAg1eEaD49pNs6

http://www.statsdata.my.id/2014/06/pengantar-probabilitas.html

https://hrisdianto.files.wordpress.com/2010/02/pengantar-probabilitas-drs1-arief-
a-m-si.pdf

https://statmat.id/distribusi-frekuensi/

https://smartstat.wordpress.com/2010/03/29/distribusi-frekuensi/

http://statistikpendidikanii.blogspot.co.id/2008/04/mean-rata-rata.html

https://kbbi.web.id/varian

https://www.rumusstatistik.com/2013/07/varian-dan-standar-deviasi-
simpangan.html

http://caraharian.com/rumus-simpangan-baku.html

http://www.sarjanaku.com/2013/01/pengertian-populasi-sampel-dan-
sampling.html

http://www.sarjanaku.com/2013/01/pengertian-populasi-sampel-dan-
sampling.html

18