PENDAHULUAN
A. Latar Belakang
Statistika berasal dari bahasa latin yaitu status yang berarti negara dan digunakan
untuk urusan negara. Hal ini dikarenakan pada mulanya, statistik hanya digunakan untuk
menggambar keadaan dan menyelesaikan masalah yang berhubungan dengan kenegaraan
saja seperti : perhitungan banyaknya penduduk, peembayaran pajak, gaji pegawai, dan
lain sebagainya.
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang
membahas metode-metode ilmiah untuk pengumpulan, pengorganisasian, penyimpulan,
penyajian, analisis data, serta penarikan kesimpulan yang sahih sehingga keputusan yang
diperoleh dapat diterima.
Statistika deskriptif adalah tehnik yang digunakan untuk mensarikan data dan
menampilkannya dalam bentuk yang dapat dimengerti oleh setiap orang. Hal ini
melibatkan proses kuantifikasi dari penemuan suatu fenomena. Berbagai statistik
sederhana, seperti rata-rata, dihitung dan ditampilkan dalam bentuk tabel dan grafik.
Statistika deskriptif dapat memberikan pengetahuan yang signifikan pada kejadian
fenomena yang belum dikenal dan mendeteksi keterkaitan yang ada di dalamnya. Tetapi
dapatkah statistika deskriptif memberikan hasil yang bisa diterima secara ilmiah? Statistik
merupakan suatu alat pengukuran yang berhubungan dengan keragaman pada
karakteristik objek-objek yang berbeda .
Statistika inferensial mencakup semua metode yang berhubungan dengan analisis
sebagian data (contoh ) atau juga sering disebut dengan sampel untuk kemudian sampai
pada peramalan atau penarikan kesimpulan mengenai keseluruhan data induknya
(populasi). Dalam statistika inferensial diadakan pendugaan parameter, membuat
hipotesis, serta melakukan pengujian hipotesis tersebut sehingga sampai pada kesimpulan
yang berlaku umum.
1
BAB II
ISI BUKU
Judul Buku : Statistika untuk Penelitian Pendidikan
Penulis :Prof .DR.SUGIYONO
Tahun terbit : 2011
Pengetahuan tentang statistik merupakan bagian penting untuk di pelajari oleh para mahasiswa
dan peneliti hal ini di sebabkan oleh beberapa alasan pertama untuk memahami literatur psikologi
Statistika adalah ilmu yang merupakan cabang dari matematika terapan yang membahas metode-
metode ilmiah untuk pengumpulan, pengorganisasian, penyimpulan, penyajian, analisis data, serta
penarikan kesimpulan yang sahih sehingga keputusan yang diperoleh dapat diterima.
b) VARIABEL PENELITIAN
1. PENGERTIAN
Variabel penelitian adalah segala sesuatu yang akan menjadi objek pengamatan penelitian.
Pengertian yang dapat diambil dari definisi tersebut ialah bahwa dalam penelitian terdapat sesuatu
yang menjadi sasaran, yaitu variabel, sehingga variabel merupakan fenomena yang menjadi pusat
perhatian penelitian untuk diobservasi atau diukur.
Variabel Penelitian Berdasarkan konteks hubungannya Variabel dalam suatu penelitian jumlahnya
bisa lebih dari satu. Variabel-variabel tersebut saling berhubungan dan jika ditinjau dari konteks ini
variable dibedakan menjadi :
Variabel bebas adalah variabel yang nilainya mempengaruhi variabel lainnya, yaitu variable terikat.
2
Variabel terikat merupakan variabel yang nilainya tergantung dari nilai vaiabel lainnya.
Variabel moderator merupakan variable yang juga mem-pengaruhi variabel terikat, namun dalam
penelitian penga-ruhnya tidak diutamakan.
c) PARADIGMA PENELITIAN
Secara umum pendekatan penelitian atau sering juga disebut paradigma penelitian dapat
dikelompokan menjadi paradigma penelitian kuantitatif dan penelitian kualitatif. Paradigma adalah
seperangkat asumsi tersurat dan tersirat yang menjadi gagasan-gagasan ilmiah (Ihalauw, 2004). Lebih
lanjut dijelaskan bahwa paradigma bukan masalah salah atau benar, melainkan lebih memberikan
manfaat atau kurang bermanfaat sebagai sebuah cara pandang terhadap sesuatu. Perbedaan anatar
kualitatif dan kuantitatif ini dibedakan oleh paradigma yang masing-masing menjadi kesepahaman
para ahli-ahli pengikutnya. Banyak tulisan telah membahas apa-apa saja yang membedakan antara
keduanya. Salah satunya disajikan pada Tabel di bawah ini.
Asumsi Pertanyaan Kuantitatif Kualitatif
Ontologis Apa realitas? Obyektif, tunggal, Subyektif, ganda, seperti yang
terpisah dari dilihat penelti
peneliti
Episto- Hubungan Peneliti Peneliti berinteraksi dengan yang
mologis peneliti independen diteliti
dengan
objek?
Aksiologis Peranan nilai Bebas nilai dan Terikat nilai dan bias
? tidak bias
Retorik Bahasa · Formal; · Informal;
penelitian? · melibatkan · melibatkan keputusan-keputusan
seperangkat
definisi
Metodologis Proses ·Deduktif; · Induktif;
penelitian?
·Hubungan sebab · Faktor terbentuk secara
akibat; silmutan timbal balik;
·Rancangan statis; · Rencana berkembang;
·Bebas konteks; · Terikat konteks;
·Generalisasi yang · Pola & teori untuk
mengarah prediksi, pemahaman;
eksplorasi, · Akurasi & reliabel lewat
pembuktian
pemahaman;
·Akurasi & reliabel
lewat uji
3
Secara sederhana yang membedakan keduanya ialah penelitian berparadigma kualitatif
menekankan pada proses, sedangkan penelitian berparadigma kuantitatif menekankan pada produk.
Sekali lagi, pandangan tersebut memberi gambaran tegas perbedaan antara kualitatif dengan
kuantitatif
1. Paradigma sederhana
Paradigma peneltian ini terdiiri atas satu variabel independen dan dependent
2. Pardigma sederhana berurutan
3. Paradigma ganda dengan dua variabel independen
4. Paradigma ganda dengan tiga variabel independen
5. Paradigma ganda dengan dua variabel dependen
6. Paradigma ganda dengan dua variabel independen dan dua dependen
7. Paradigma jalur
d) PROSES PENELITIAN
Yang dibutuhkan dalam penelitian adalah adanya prosedur secara sistematis, yaitu sebagi
langkah-langkah untuk memudahkan melakukan penelitian. Langkah-langkah ini paling
starategis dalam penelitian, yaitu:
Mengidentifikasi Masalah
Yang dimaksud dengan mengidentifikasi masalah ialah peneliti melakukan tahap pertama
dalam melakukan penelitian, yaitu merumuskan masalah yang akan diteliti. Tahap ini
merupakan tahap yang paling penting dalam penelitian, karena semua jalannya penelitian
akan dituntun oleh perumusan masalah. Tanpa perumusan masalah yang jelas, maka peneliti
akan kehilangan arah dalam melakukan penelitian.
Membuat Hipotesa
Hipotesa merupakan jawaban sementara dari persoalan yang kita teliti. Perumusan
hipotesa biasanya dibagai menjadi tiga tahapan: pertama, tentukan hipotesa penelitian yang
didasari oleh asumsi penulis terhadap hubungan variable yang sedang diteliti. Kedua,
tentukan hipotesa operasional yang terdiri dari Hipotesa 0 (H0) dan Hipotesa 1 (H1). H0
bersifat netral dan H1 bersifat tidak netral. Perlu diketahui bahwa tidak semua penelitian
memerlukan hipotesa, seperti misalnya penelitian deskriptif. Untuk penjelasan lebih lanjut
mengenai masalah ini akan dibahas pada BAB V.
Studi Literature
Pada tahapan ini peneliti melakukan apa yang disebut dengan kajian pustaka, yaitu
mempelajari buku-buku referensi dan hasil penelitian sejenis sebelumnya yang pernah
dilakukan oleh orang lain. Tujuannya ialah untuk mendapatkan landasan teori mengenai
masalah yang akan diteliti. Teori merupakan pijakan bagi peneliti untuk memahami persoalan
yang diteliti dengan benar dan sesuai dengan kerangka berpikir ilmiah.
Membuat Definisi Operasional
Definisi operasional adalah definisi yang menjadikan variable-variabel yang sedang diteliti
menjadi bersifat operasional dalam kaitannya dengan proses pengukuran variable-variabel
4
tersebut. Definisi operasional memungkinan sebuah konsep yang bersifat abstrak dijadikan
suatu yang operasional sehingga memudahkan peneliti dalam melakukan pengukuran.
Ada dua macam statistika yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif
berkenaan dengan deskripsi data misal dari menghitung rata-rata dan varians dari data mentah,
mendeksripsikan menggunakan tabel – tabel atau grafik sehingga data mentah lebih mudah “dibaca”
dan lebih bermakna. Sedangkan statistika inferensial lebih dari itu misal melakukan pengujian
hipotesis melakukan prediksi observasi masa depan atau membuat model regresi.
1. Statistika Deskriptif
Statistika deskriptif disebut pula statistika deduktif, merupakan bagian dari statistika yang
mempelajari cara pengumpulan data dan penyajian data sehingga mudah dipahami.
Statistika deskriptif hanya berhubungan dengan hal menguraikan atau memberikan keterangan-
keterangan mengenai suatu data atau keadaan atau fenomena. Dengan kata lain, statistika deskriptif
hanya berfungsi menerangkan keadaan, gejala, atau persoalan. Berikut ini contoh-contoh pernyataan
yang termasuk dalam cakupan statistika deskriptif.
2. Statistika Inferensial
Statistika inferensial disebut pula statistika induktik adalah bagian dari statistika yang
mempelajari mengenai penafsiran dan penarikan kesimpulan yang berlaku secara umum dari
data sampel yang tersedia. Statistika inferensial berhubungan dengan pendugaan populasi dan
pengujian hipotesis dari suatu data atau keadaan atau fenomena. Dengan kata lain, statistika
inferensial berfungsi meramalkan dan mengontrol keadaan atau kejadian. Berikut ini contoh-
contoh pernyataan yang mencakup pernyataan yang termasuk dalam cakupan statistika
inferensial.
Data merupakan fakta empirik yang sudah dikumpulkan oleh peneliti untuk memecahkan masalah
menjawab pertanyaan penelitian. Data penelitian bisa berasal dari berbagai hal yang dikumpulkan
dengan memakai berbagai teknik selama proses penelitian berlangsung. Berikut jenis data penelitian
5
Data berdasarkan menurut skala pengukurannya
Skala pengukuran adalah peraturan penggunaan notasi bilangan dalam pengukuran. Menurut skala
pengukurannya, data dapat dibedakan atas empat jenis, yaitu data nominal, data ordital, data interval
dan data lainnya.
Data nominal
Data nominal adalah data yang diberikan pada objek atau kategori yang tidak menggambarkan
kedudukan objek atau kategori tersebut terhadap objek atau kategori lainnya,tetapi hanya sekedar
label atau kode saja. Data ini hanya mengelompokkan objek atau kategoru kedalam kelompok
tertentu. Data nominal memiliki cirri hanya dapat dibedaka antara data satu dengan lainnya dan tidak
bisa diurutkan /dibandingkan. Data ini mempunyai cirri, yaitu :
1) Kategori data bersifat saling lepas ( satu objek hanya masuk pada satu kelompok saja)
2) Kategori data tidak disusun secara logis.
Contoh 1.7Warna rambut, jenis kelamin, etnis/suku, agama dan lain –lain.
Data ordinal
Data ordinal adalah data yang penomoran objek atau kategorinya disusun menurut besarnya,
yaitu dari tingkah terendah ke tingkat tertinggi atau sebaliknya dengan jarak/rentang yang tidak harus
sama. Data ini memiliki ciri seperti pada cirri data nominal ditambah satu ciri lagi, yaitu kategori data
dapat disusun/ diurutkan berdasarkan urutan logis dan sesuai dengan besarnya katakteristik yang
dimiliki.
Contoh 1.8 Tingkat pendidikan, golongan pegawai, kasta, dan lain-lain.
Data interval
Data interval adalah data dengan objek/kategori yang dapat dibedakan antara data satu dengan
lainnya, dapat diurutkan berdasarkan suatu atribut dan meiliki jarak yang memberikan informasi
tentang interval antara tiap objek/kategori sama. Besarnya interval dapat ditambah atau dikurangi.
Data ini memili ciri sama sama dengan cirri pada data ordinal ditambah satu cirri lagi, yaitu urutan
kategori data mempunyai jarak yang sama.
Contoh 1.9 Temperature, skor IQ, skor hasil belajar dan lain-lain.
Data Rasio
Data rasio adalah data yang memiliki sifat-sifat data nominal, data ordinal,a interval, dilengkapi
dengan kepemilikan nilai atau titik nol absolut/mutlak dengan makna empiric. Data rasio dapat dibagi
atau dikali. Contoh 2.0 Umur, tinggi badan, berat dan lain-lain.
Data berdasarkan sumbernya
Berdasarkan sumbernya, data penelitian bisa dikelompokkan ke dalam 2 jenis yakni data primer
serta data sekunder.
Data primer merupakan data yang didapat / dikumpulkan oleh peneliti dengan cara langsung
dari sumbernya. Data primer biasanya disebut dengan data asli / data baru yang mempunyai
sifat up to date. Untuk memperoleh data primer, peneliti wajib mengumpulkannya secara
langsung. Cara yang bisa digunakan peneliti untuk mencari data primer yaitu observasi,
diskusi terfokus, wawancara serta penyebaran kuesioner.
Data sekunder merupakan data yang didapat/ dikumpulkan peneliti dari semua sumber yang
sudah ada dalam artian peneliti sebagai tangan kedua. Data sekunder bisa didapat dari berbagai
sumber misalnya biro pusat statistik yang biasanya disingkat dengan BPS, jurnal buku, laporan
6
dan lain sebagainya. Pemahaman pada ke 2 jenis data di atas dibutuhkan sebagai landasan
untuk menentukan cara dan langkah-langkah pengumpulan data penelitian.
Teknik analisis statistik apa yang digunakan dalam suatu penelitian yang digunakan haruslah
teknik yang paling tepat. Masing-masing teknik statistik mempunyai peruntukan masing-masing. Oleh
karena itu dalam memilih teknik statistik harus mempertimbangkan beberapa aspek, di antaranya:
Jenis penelitian, apakah hanya penelitian deskriptif atau penelitian yang mengambil suatu
kesimpulan (inferensial).
Jenis hipotesis yang yang kita ajukan dalam penelitian. Peneliatian yang beripotesis
deskriptif, teknik analisisnya berbeda dengan penelitian yang berhipotesis komperatif atau
asosiatif.
Skala data dalam penelitian. Penelitian yang mempunyai skala data nominal teknik yang
digunakan berbeda dengan penelitian yang berskala data ordinal dan rasio.
Normalitas data. Jika data penelitian kita berdistribusi normal maka kita dapat menggunakan
teknik analisis paramatrik, namun jika tidak normal maka teknik statistik yang digunakan
adalah non-parametrik
B. BAB II STATISTIK DESKRIPTIF
a) PENGERTIAN STATISTIK DESKRIPTIF
Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah, menyajikan data
tanpa mengambil keputusan untuk populasi. Dengan kata lain hanya melihat gambaran secara umum
dari data yang didapatkan.Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan,menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika
adalah ilmu yang berkenaandengan data.
Dalam kehidupan, suatu data sangat diperlukan oleh banyak dunia kerja seperti pemerintahan,
perusahaan, dan pendidikan untuk mengetahui berapa banyak data yang di peroleh, bagaimana
menginterprestasikannya, serta menganalisis masalah yang berkenaan, menyajikan dan
menginformasikannya, nah statistika deskriptif ini dapat mempermudah proses tersebut. Jadi jelaslah
sangat besar manfaatnya.
Modus merupakan nilai data yang memiliki frekuensi terbesar atau nilai data yang paling sering
muncul.Rumus :
𝒅𝟏
𝑴𝒐𝒅 = 𝑳𝒎𝒐 + ( ).𝒄
𝒅𝟏 + 𝒅𝟐
Ket :
7
𝑑1 = selisi hantara kelas modus dengan 𝑑2 = selisih antara kelas modus
frekuensi kelas sebelum modus dengan frekuensi kelas sesudah
modus
𝑐= interval kelas modus
b. Modus
Median merupakan sebuah nilai data yang berada ditengah-tengah dari rangkaian data yang telah
tersusun secara teratur.Hasil median sama dengan hasil dari kuartil kedua.
Rumus:
𝑵
− ∑𝒇
𝑴𝒆𝒅 = 𝑳𝒎 + ( 𝟐 ).𝒄 N = Jumlah frekunsi
𝒇𝒎
∑f = frekunsi komulatif di atas kelas
Ket :
median
Med =Median Data Kelompok
𝑓𝑚 = frekunsikelas median
𝐿𝑚 = Tepi Bawah Kelas Median
c = interval kelas median
c. Mean
Nilai rata-rata hitung (mean) adalah total darisemua data yang diperoleh dari dari jumlah
seluruh nilai data dibagi dengan jumlah frekuensi yang ada. Untuk mencari rata-rata hitung berupa
data kelompok, maka terlebih dahulu harus ditemukan titik tengah dari masing-masing program.
Rumus: ∑𝑓𝑖 𝑚𝑖 𝑓1 𝑚1 + 𝑓2 𝑚2 + ⋯ 𝑓𝑘 𝑚𝑘
𝑥= =( )
∑𝑓𝑖 𝑓1 + 𝑓2 + … 𝑓𝑘
Ket: f = frekuensi
m = titik tengah
8
Data yang sudah dikelompokan :
Interval
F f≤ f≥ Mi FiMi
Kelas
38,5 - 47,5 2 0 12 43 86
48,5 - 57,5 1 2 10 53 53
58,5 - 67,5 4 3 9 63 252
68,5 - 77,5 2 7 5 73 146
78,5 - 87,5 3 9 3 83 249
∑ 12 21 39 315 786
𝑀𝑜𝑑 = 58 + 6
2. Median
𝑀𝑜𝑑 = 64
𝑁
− Σ𝑓
𝑀𝑒𝑑 = 𝐿𝑚 + ( 2 ) .𝑐
𝑓𝑚
9
c) PENGUKURAN VARIASI KELOMPOK
Standar deviasi adalah penyimpangan standar suatu nilai dari mean groupnya.Standar
deviasi positif artinya penyimpangan di atas mean-nya, sedangkan standar deviasi negatif artinya
penyimpangan di bawah meannya. Guna memperbaiki kekurangan standar deviasi, Karl Pearson
membuat nilai deviasi ( x = X − X ) menjadi positif dengan cara dikuadratkan kemudian diakar.
Perhitungan standar deviasi dibagi menjadi: 1. Standar deviasi untuk data yang tidak
dikelompokkan Standar deviasi untuk data yang tidak dikelompokkan dapat dihitung dengan
perumusan sebagai berikut: Populasi: N x 2 Σ σ = 57 Sampel : 1 2 − Σ = n x SD Keterangan: x = X
− X x = deviasi (simpangan) suatu data dari mean groupnya X = angka/data yang diketahui X =
mean kelompok data tersebut N = banyak data Jika jumlah data (n) relatif besar, katakanlah lebih
besar dari 100, maka untuk mencari nilai standar deviasi dapat menggunakan perumusan yang
untuk populasi. Tetapi apabila jumlah data (n) kecil, maka untuk mencari nilai standar deviasi
dapat menggunakan perumusan yang untuk sample. Contoh: Data berikut merupakan pendapatan
pedagang batik di Pasar Beringharjo: Tabel 4.5 Pendapatan Pedagang Batik Di Pasar Beringharjo
Nama Pedagang Pendapatan (Rp) Parti 750.000 Siti 775.000 Tinah 800.000 Kanti 725.000
Purwanti 700.000 Berdasarkan data di atas tentukan nilai standar deviasi dari pendapatan
pedagang batik di Pasar Beringharjo: 58 Penyelesaian: Tabel 4.6 Pendapatan Pedagang Batik Di
Pasar Beringharjo No Nilai (X) X x = X − X x2 1 750.000 750.000 0 0 2 775.000 25,000
625,000,000 3 800.000 50,000 2,500,000,000 4 725.000 (25,000) 625,000,000 5 700.000 (50,000)
2,500,000,000 ∑ 3.750.000 6,250,000,000 750.000 5 3.750.000 = = = ∑ n X X 39 .529 4 6.250
.000 .000 1 2 = = − Σ = n x SD Jadi rata-rata pendapatan 5 pedagang batik di Pasar Beringharjo
berdeviasi Rp39.529 dari rata-ratanya Rp750.000. Jika dikerjakan menggunakan SPSS, maka
output yang dihasilkan yaitu: Statistics PENDPTAN 5 0 750000.00 39528.47 Valid Missing N
Mean Std. Deviation 59 Analisis Nilai mean (rata-rata) pendapatan pedagang batik di Pasar
Beringharjo sebesar Rp750.000 dan nilai standar deviasi Rp39.528,47.
Dalam statistika, populasi adalah sekumpulan data yang mempunyai karakteristik yang sama
dan menjadi objek inferensi,Statistika inferensi mendasarkan diri pada dua konsep dasar, populasi
sebagai keseluruhan data, baik nyata maupun imajiner, dan sampel, sebagai bagian dari populasi yang
digunakan untuk melakukan inferensi (pendekatan/penggambaran) terhadap populasi tempatnya
berasal. Sampel dianggap mewakili populasi. Sampel yang diambil dari populasi satu tidak dapat
dipakai untuk mewakili populasi yang lain.
Suatu sensus dilakukan untuk mendapatkan karakteristik populasi secara nyata. Karakteristik
yang dimiliki oleh populasi dinamakan parameter. Bagi suatu karakteristik yang dimiliki sampel
(disebut statistik), nilai parameter adalah nilai harapannya (expected value).
Populasi terdiri dari unsur sampling yaitu unsur/unsur yang diambil sebagai sampel.
Kerangka sampling (sampling Frame) adalah daftar semua unsur sampling dalam populasi sampling.
10
Unsur sampling ini diambil dengan menggunakan kerangka sampling (sampling frame). Berdasarkan
sifatnya, populasi dibagi menjadi dua, yaitu populasi homogen dan populasi heterogen. Populasi
homogen adalah sumber data yang unsurnya memiliki sifat yang sama dan tidak perlu mempersoalkan
jumlahnya secara kuantitatif. Sedangkan populasi heterogen yaitu Sumber data yang unsurnya
memiliki sifat atau keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya secara
kualitatif dan kuantitatif.
Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi. Misalnya ada
600 siswa disekolah itu yang kita golongkan menurut golongan darahnya, maka dikatakan kita
mempunyai populasi berukuran 600. Bilangan-bilangan yang dituliskan pada sekuumpulan kartu,
tinggi badan penduduk disuatu tempat, dan panjang ikan disebuah daanau adalah contoh populasi
terhingga. Percobaan pelemparan dadu yang disebutkan tadi termasuk contoh populasi takhingga.
Menentukan populasi dibantu oleh 4 faktor, yaitu: isi, satuan,cakupan (scope), dan waktu.Contoh :
Suatu penelitian tentang pendapatan keluarga petani di Kabupaten Jombang tahun 2005, maka
populasinya dapat ditetapkan dengan 4 faktor sebagai berikut.
Isi : Semua keluarga petani
Satuan : Petani penggarap/pemilik tanah
Cakupan (scope): Kabupaten Jombang
Waktu : Tahun 2005
Jenis Populasi :
Ada dua macam jenis populasi, yaitu populasi terbatas dan populasi tidak terbatas (tak terhingga).
1) Populasi Terbatas
Populasi terbatas mempunyai sumber data yang jelas batasnya secara kuantitatif sehingga dapat
dihitung jumlahnya.
Contoh
a. Jumlah penduduk kota Bandung 2.500.000 jiwa.
Populasi tak terbatas yaitu sumber datanya tak dapat ditentukan batas-batasnya sehingga relatif
tidak dapat dapat dinyatakan dalam bentuk jumlah.
Contoh
Suatu percobaan seorang bandar akan melemparkan sepasang dadu sampai tak terhingga kali
lemparannya. Maka setiap kali mencatat sepasang bilangan yang muncul akan mendapatkan sepasang
nilai yang tak terhingga pula.
Berdasarkan sifatnya populasi dapat digolongkan menjadi populasi homogen dan populasi
heterogen.
11
a. Populasi homogeny
Populasi homogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang sama
sehingga tidak perlu mempermasalahkan jumlahnya secara kuantitatif.
b. Populasi heterogen
Populasi heterogen adalah sumber data yang unsurnya memiliki sifat atau keadaan yang berbeda
(bervariasi) sehingga perlu ditetapkan batas-batasnya baik secara kuantitatif maupun secara kualitatif.
b) SAMPEL
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel merukan
himpunanbagian dari populasi. Sampel penelitian adalah sebagian dari populasi yang diambil sebagai
sumber data dan dapat mewakili seluruh populasi. Menurut Sugiyono, sampel adalah sebagian dari
karakteristik yang dimiliki oleh populasi.Keuntungan dalam menggunakan sampel yaitu:
memudahkan peneliti, penelitian lebih efisien, lebih teliti dan cermat dalam pengumpulan data, serta
penelitian lebih efektif.
Sedangkan sampling adalah suatu proses memilih sebagian dari unsur populasi yang jumlahnya
mencukupi secara statistik sehingga dengan mempelajari sampel serta memahami karakteristik-
karakteristiknya (ciri-cirinya) akan diketahui informasi tentang keadaan populasi.
Sampel yang baik harus dapat mewakili keseluruhan populasi dan hasil penelitian dapat
diterapkan keseluruh populasi. Misalnya saja, dalam usaha menetukan umur rata-rata suatu lampu
pijar tertentu, adalah tidak mungkin untuk menguji semua lampu pijar kalau kita masih ingin
menjualnya. Biaya yang lebih besar sering menjadi faktor penghalang untuk mengamati semua
anggota populasi. Oleh karena itu, kita terpaksa menggantungkan pada sebagian anggota populasi
untuk membantu kita menarik kesimpulan mengenai populasi tersebut.
12
Teknik (metode) penentuan sampel yang ideal memiliki ciri-ciri dapat memberikan gambaran yang
akurat tentang populasi, dapat menentukan presisi, sederhana sehingga mudah dilaksanakan, dan
dapat memberikan keterangan sebanyak mungkin dengan biaya murah.
Jumlah/Besar sampel perlu mempertimbangkan hal-hal sbb:
Derajat keseragaman (degree of homogenity)
Presisi yang dikehendaki dari penelitian
Rencana analisis
Tenaga, biaya dan waktu
Besar populasi
Kalau kita menginginkan kesimpulan dari contoh terhadap populasi menjadi sah, kita harus
mendapatkan contoh yang mewakili. Prosedur pengambilan contoh yang menghasilkan kesimpulan
konsisten yang terlalu tinggi atau terlalu rendah mengenai suatu ciri populasi
dikatakan berbias. Untuk menghilangkan kemungkinan bias ini, kita perlu mengambil contoh acak
sederhana. Contoh acak sederhana adalah suatu contoh yang dipilih sedemikian rupa sehingga setiap
himpunan bagian yang berukuran n dari populasi tersebut mempunyai peluang terpilih yang sama.
Untuk populasi terhingga yang kecil, proses pengambilan contoh acak sederhana relatif mudah;
namun dengan semakin besarnya populasi, proses ini menjadi semakin rumit.
c) TEKNIK SAMPLING
Teknik pengambilan sampel atau teknik sampling adalah suatu cara pengambilan sampel yang
representatif dari populasi. Teknik sampling merupakan suatu cara untuk menentukan banyaknya
sampel dan pemilihan calon anggota sampel, sehingga setiap sampel yang terpilih dalam penelitian
dapat mewakili populasinya (representatif) baik dari aspek jumlah maupun dari aspek karakteristik
yang dimiliki populasi. Untuk menentukan sampel dalam penelitian, terdapat berbagai teknik
sampling yang digunakan. Apabila semua anggota populasi dipilih menjadi anggota sampel terlihat
bahwa teknik sampling pada dasarnya dikelompokkan menjadi dua yaitu Probability sampling dan
Nonprobability Sampling.
Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan peluang yang sama bagi
setiap unsure (anggota) populasi untuk dipilih menjadi anggota sampel.
13
4. Area sampling
Area sampling ialah teknik sampling yang dilakukan dengan cara mengambil wakil dari setiap
wilayah atau daerah geografis yang ada. Teknik ini digunakan untuk menentukan jumlah sampel
jika sumber data sangat luas. Pengambilan sampel didasarkan daerah populasi yang telah
ditetapkan.
Sampling Kuota
Sampling Kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-
ciri tertentu sampai jumlah (kuota) yang diinginkan.
Sampling insidental
Sampling insidental adalah teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja
yang secara kebetulan/incidental bertemu dengan peneliti dapat digunakan sebagai sampel, bila
dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
Sampling Purposive
Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan tertentu. Misalnya
akan melakukan penelitian tentang kualitas makanan, maka sampel sumber datanya adalah
orang yang ahli makanan. Sampel ini lebih cocok digunakan untuk penelitian kualitatif, atau
penelitian-penelitian yang tidak melakukan generalisasi. Teknik ini dibagi dua, Yaitu:
Judgment Sampling, Sampel dipilih berdasarkan penilaian peneliti bahwa dia adalah pihak
yang paling baik untuk dijadikan sampel penelitiannya.
Quota Sampling, Teknik sampel ini adalah bentuk dari sampel distratifikasikan secara
proposional, namun tidak dipilih secara acak melainkan secara kebetulan saja.
Sampling Jenuh
Sampling Jenuh adalah teknik penentuan sampel bila semua anggota populasi digunakan
sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relative kecil, kurang dari 30
orang, atau penelitian yang ingin membuat generalisasi dengan kesalahan yang sangat kecil.
Snowball Sampling
Snowball Sampling adalah teknik penentuan sampel yang mula-mula jumlahnya kecil,
kemudian membesar. Penentuan sampel yang mula-mula jumlahnya kecil, kemudian sampel itu
disuruh memilih teman-temannya untuk dijadikan sampel. Cara ini banyak dipakai ketika
peneliti tidak banyak tahu tentang populasi penelitiannya. Dia hanya tahu satu atau dua orang
yang berdasarkan penilaiannya bisa dijadikan sampel. Karena peneliti menginginkan lebih
banyak lagi, lalu dia minta kepada sampel pertama untuk menunjukan orang lain yang kira-kira
bisa dijadikan sampel. Demikian seterusnya, sehingga jumlah sampel semakin banyak. Ibarat
bola salju.Ibarat bola salju yang menggelinding yang lama-lama menjadi besar.
14
Contoh : rumusan masalah
Seberapa tinggi produktivitas kerja karyawan instansi X?
Seberapa baik gaya kepemimpinan di organisasi A?
Hipotesis :
pernyataan yang menunjukkan dugaan nilai dalam satu variabel atau lebih pada sampel yang
berbeda
Tidak terdapat perbedaan daya tahan antara siswa laki-laki dan siswa perempuan
Daya tahan siswa perempuan paling rendah sama dengan siswa laki-laki
Daya tahan siswa perempuan paling tinggi sama dengan siswa laki-laki
Ho : tidak terdapat perbedaan produktivitas kerja antara pegawai golongan I,II dan III
Ha : ada perbedaan produktivitas kerja antara pegawai golongan I,II dan III
3. Hipotesis Hubungan
suatu pernyataan yang menunjukkan dugaan tentang hubungan antara dua variabel atau lebih
Statistik parametris Statistik parametris yang dapat digunakan untuk menguji hipotesis
deskriptif bila datanya interval atau rasio adalah t- test 1 sampel. Rumus t digunakan bila
simpangan baku populasi tidak diketahui. Terdapat dua macam pengujian hipotesis deskriptif,
yaitu dengan uji dua pihak dan uji satu pihak. Rumus yang digunakan untuk menguji hipotesis
deskriptif (satu sampel) yang datanya interval atau ratio adalah sbb t= nilai t yang dihitung,
selanjutnya disebut t hitung X= rata- rata xi = nilai yang hipotesiskan S = simpangan baku ; n =
anggota sampel Langkah - Langkah dalam pengujian hipotesis deskriptif 1.Menghitung rata- rata
data 2.Menghitung simpangan baku 3.Menghitung harga t 4.Melihat harga t tabel 5.Menggambar
kurva 6.Meletakkan t hitung dan t tabel dalam kurva yang telah dibuat 7.Membuat keputusan
pengujian hipotesis Uji Dua Fihak Uji dua pihak digunakan bila hipotesis nol (H0) berbunyi
“sama dengan” dan hipotesis alternatifnya (Ha) berbunyi “tidak sama dengan” (H0 = ; Ha ≠ )
Contoh rumusan hipotesis : Hipotesis nol : daya tahan belajar siswa dikelas perhari = 5 jam
Hipotesis alternatif : daya tahan belajar siswa dikelas perhari ≠ 5 jam Jika ditulis lebih ringkas :
H0 : μ = 5 jam Ha : μ ≠ 5 jam Dalam pengujian hipotesis yang menggunakan uji dua pihak ini
15
berlaku ketentuan, bahwa bila harga hitung, berada pada daerah penerimaan H0 ha ditolak.
Dengan demikian bilaharga t hitung lebih kecilatau sama dengan (≤) dari harga tabel maka H0
diterima. Harga t hitung adalah harga mutlak, jadi tiak dilihat (+) atau (-) nya Uji Satu Fihak
a.Uji Pihak Kiri Uji pihak kiri digunakan apabila: hipotesis nol (H0) berbunyi “lebih besar atau
sama dengan (≥)” dan hipotesis alternatifnya berbunyi “lebih kecil (<)”, kata lebih besar atau
sama dengan sinonim “kata paling sedikit atau paling kecil”. Contoh rumusan hipotesis :
Hipotesisi nol : daya tahan belajar siswa di rumah (luar kelas) paling sedikit 60 menit (lebih
besar atau sama dengan (≥ 60 menit) Hipotesis alternatif : daya tahan belajar siswa di rumah
lebih kecil dari (<) 60 menit. Atau dapat ditulis singkat : H0 : μ ≥ 60 menit Ha : μ < 60 menit
Dalam uji pihak kiri ini berlaku ketentuan, bila harga t hitung jatuh pada daerah penerimaan Ho
lebih besar atau sama dengan (≥ ) dari t tabel, maka Ho diterima dan Ha ditolak . b. uji pihak
kanan Uji pihak kanan digunakan apabila hipotesis nol (H0) BERBUNYI “LEBIH kecil atau
sama dengan (≤)” dan hipotesis alternatifnya (Ha) berbunyi “lebih besar (>)”. Kalimat lebih kecil
atau sama dengan sinonim dengan kata “paling besar” Contoh rumusan hipotesis Hippotesis nol :
pedagang buah paling besar bisa menjual buah jeruk 100kg tiap hari Hipotesis alternatif :
pedagang buah dapat menjual buah jeruknya lebih dari 10 kg tiap hari. atau dapat ditulis singkat :
H0: μ ≤ 100 kg/hr Ha : μ > 100 kg/hr
Statistik parametris Statistik parametris yang dapat digunakan untuk menguji hipotesis deskriptif
bila datanya interval atau rasio adalah t- test 1 sampel. Rumus t digunakan bila simpangan baku
populasi tidak diketahui. Terdapat dua macam pengujian hipotesis deskriptif, yaitu dengan uji
dua pihak dan uji satu pihak. Rumus yang digunakan untuk menguji hipotesis deskriptif (satu
sampel) yang datanya interval atau ratio adalah sbb t= nilai t yang dihitung, selanjutnya disebut t
hitung X= rata- rata xi = nilai yang hipotesiskan S = simpangan baku ; n = anggota sampel
Langkah - Langkah dalam pengujian hipotesis deskriptif 1.Menghitung rata- rata data
2.Menghitung simpangan baku 3.Menghitung harga t 4.Melihat harga t tabel 5.Menggambar
kurva 6.Meletakkan t hitung dan t tabel dalam kurva yang telah dibuat 7.Membuat keputusan
pengujian hipotesis Uji Dua Fihak Uji dua pihak digunakan bila hipotesis nol (H0) berbunyi
“sama dengan” dan hipotesis alternatifnya (Ha) berbunyi “tidak sama dengan” (H0 = ; Ha ≠ )
Contoh rumusan hipotesis : Hipotesis nol : daya tahan belajar siswa dikelas perhari = 5 jam
Hipotesis alternatif : daya tahan belajar siswa dikelas perhari ≠ 5 jam Jika ditulis lebih ringkas :
H0 : μ = 5 jam Ha : μ ≠ 5 jam Dalam pengujian hipotesis yang menggunakan uji dua pihak ini
berlaku ketentuan, bahwa bila harga hitung, berada pada daerah penerimaan H0 ha ditolak.
Dengan demikian bilaharga t hitung lebih kecilatau sama dengan (≤) dari harga tabel maka H0
diterima. Harga t hitung adalah harga mutlak, jadi tiak dilihat (+) atau (-) nya Uji Satu Fihak
a.Uji Pihak Kiri Uji pihak kiri digunakan apabila: hipotesis nol (H0) berbunyi “lebih besar atau
sama dengan (≥)” dan hipotesis alternatifnya berbunyi “lebih kecil (<)”, kata lebih besar atau
sama dengan sinonim “kata paling sedikit atau paling kecil”. Contoh rumusan hipotesis :
Hipotesisi nol : daya tahan belajar siswa di rumah (luar kelas) paling sedikit 60 menit (lebih
besar atau sama dengan (≥ 60 menit) Hipotesis alternatif : daya tahan belajar siswa di rumah
lebih kecil dari (<) 60 menit. Atau dapat ditulis singkat : H0 : μ ≥ 60 menit Ha : μ < 60 menit
Dalam uji pihak kiri ini berlaku ketentuan, bila harga t hitung jatuh pada daerah penerimaan Ho
lebih besar atau sama dengan (≥ ) dari t tabel, maka Ho diterima dan Ha ditolak . b. uji pihak
kanan Uji pihak kanan digunakan apabila hipotesis nol (H0) BERBUNYI “LEBIH kecil atau
sama dengan (≤)” dan hipotesis alternatifnya (Ha) berbunyi “lebih besar (>)”. Kalimat lebih kecil
16
atau sama dengan sinonim dengan kata “paling besar” Contoh rumusan hipotesis Hippotesis nol :
pedagang buah paling besar bisa menjual buah jeruk 100kg tiap hari Hipotesis alternatif :
pedagang buah dapat menjual buah jeruknya lebih dari 10 kg tiap hari. atau dapat ditulis singkat :
H0: μ ≤ 100 kg/hr Ha : μ > 100 kg/hr
Garis Regresi linier menunjukkan hubungan linier dari satu variable bebas X dengan satu variable
tidak bebas Y.Jika variable bebas X lebih dari satu, diperlukan grafik yang lain untuk menunjukkan
hubungan antara variable tak bebas Y dengan semua variable bebas X.missal, pertumbuhan mikroba
merupakan fungsi dari suhu, nutrient dan space. Jika total microba ditandai dengan huruf Y ,
besarnya suhu ditandai dengan X1 , jumlah nutrient ditandai dengan X2dan space ditandai dengan X3
maka perkiraan nilai Y diperoleh dengan menggunakan metoda kuadrat terkecil terhadap data hasil
pengukuran suhu, nutrient dan space. Disini variable X dan Y dipengaruhi oleh X 1, X2 dan X3 bentuk
persamaannya adalah
Selanjutnya akan dibahas kasus dengan 2 peubah bebas X1 dan X2. Persamaan regresi untuk 2 peubah
bebas X1 dan X2adalah :
Y = b0 + b1 X1 + b2X2
Dengan menurunkan persamaan ini terhadap b0 , b1 , dan b2 secara berturut-turut, maka diperoleh
ketiga persamaan linier simultan berikut :
nilai perkiraan kuadrat terkecil untuk b0, b1 dan b2 dapat diperoleh dengan memecahkan ketiga
persamaan linier diatas, secara matematika biasa atau dengan menggunakan matriks. Setelah nilai b 1
dan b2 diperoleh maka nilai b0 dapat ditentukan dengan menggunakan rumus
b0 = y – b1x1 - b2x2
contoh :
Sebuah percobaan untuk mengetahui perubahan berat badan ternak, setelah diberi pakan, dengan
menggunakan variable bebas berat awal ternak dan jumlah pakan yang dihabiskan oleh ternak tersebut
(kg)
95 42 272
77 33 226
80 33 259
17
100 45 292
97 39 311
70 36 183
50 32 173
80 41 236
92 40 230
84 38 235
a. buatlah persamaan regressi bergandanya !
b. buatlah ramalan berat akhir ternak, jika berat awal 35 kg dan jumlah pakan yang dihabiskan
250 kg.
x2 = 241.7 : y = 82.5
18
nilai b1 dan b2 dimasukkan kedalam salah satu persamaan (1) atau (2) atau (3) sehingga didapatkan
nilai :
b0 = - 15,6396869 dibulatkan menjadi b0 = - 15,64
Jadi persamaan regressinya adalah :
y = -15,64 + 5,11 x1 - 0,40 x2
Jika berat awal 35 kg dan jumlah pakan yang di habiskan adalah 250 kg
maka berat akhir ternak tersebut adalah 63.21 kg
Dalam pengujian hipotesis komparatif 2 sampel atau lebih, terdapat berbagai teknik statistik yang
dapat digunakan. Untuk data interval dan rasio digunakan statistik parametris sedangkan untuk data
nominal/diskrit dapat digunakan statisik non parametris.
Statistik Parametris
Statistik parametris yang digunakan untuk menguji hipotesis komparatif rata-rata dua sampel bila
datanya berbentuk interval atau ratio adalah dengan menggunakan t-test
_ _
t = x1 – x2
s1 + s2 – 2 r ( s 1 ) ( s 2 )
2 2
n1 n2 ( √n1 ) (√n2 )
_
X : rata-rata sampel 1
_
X2 : rata-rata sampel 2
S1 : simpangan baku sampel 1
S2 : simpangan baku sampel 2
S1 2 : varian sampel 1
S2 2 : varians samel 2
r : korelasi antara 2 sampel
19
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan produktivitas kerja pegawai PT
Meregehese sebelum dan setelah diberi kendaraan dinas. Berdasarkan 25 sampel pegawai yang
dipilih secara random dapat diketahui bahwa produktivitas pegawai sebelum dan sesudah diberi
kendaraan dinas adalah seperti yang ditunjukkan pada Tabel berikut :
Ho : Tidak terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
Ha : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
NO RESPONDEN PRODUKTIFITAS
SESUDAH (X2)
SEBELUM (X1)
1 75 85
2 80 90
3 65 75
4 70 75
5 75 75
6 80 90
7 65 70
8 80 85
9 90 95
10 75 70
11 60 65
12 70 75
13 75 85
14 70 65
15 80 95
16 65 65
17 75 80
18 70 80
19 80 90
20 65 60
21 75 75
22 80 85
23 70 80
24 90 95
25 70 75
20
Rata-rata 74,00 79,20
Kesimpulan : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
Statistik Non Parametris
Teknik yang digunakan : Mc Nemar Test
(untuk komparatif data nominal/diskrit)
Mc Nemar Test : berbentuk “before after”/sebelum dan sesudah perlakuan dalam bentuk segi 4
ABCD berikut :
SEBELUM
SESUDAH
– +
+ A B
– C D
Tanda (+) dan (-) dipakai untuk menandai jawaban yang berbeda.
Seseorang dicatat dalam sel A jika berubah dari positif (+) ke negatif (-) dan dicatat di sel D jika
berubah dari negatif (-) ke positif (+).
A + D = jumlah total perubahan.
Uji signifikansi hanya berkenaan dengan A dan D,sehingga rumus Chi kuadrat menjadi :
21
Χ 2 = ( A – D – 1) 2
A+D
dengan dk = 1
Contoh :
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu pwertandingan olah
raga terhadap nilai penjualan barangnya. Dalam penelitian ini digunakan sampel yang diambil secara
random yang jumlah anggotanya 200 orang. Sebelum sponsor diberikan, terdapat 50 orang yang
membeli barang tersebut dan 150 orang tidak membeli.
Setelah sponsor diberikan dalam pertandingan dalam pertandingan olah raga ternyata dari 200 orang
tersebut terdapat 125 orang yang membeli dan 75 orang tidak membeli. Dari 125 orang tersebut
terdiri dari pembeli tetap 40 orang dan yang berubah dari tidak membeli menjadi membeli ada 85
orang. Selanjutnya dari 75 orang yang tidak membeli itu terdiri atas yang berubah dari membeli
menjadi tidak membeli ada 10 orang dan yang ettap tidak membeli ada 65 orang.
Membeli 50 125 = 40 + 85
Untuk Keperluan pengujian, data tersebut harus disajikan dalam tabel ABCD sebgai berikut :
Membeli 10 40
Tidak Membeli 65 85
22
Jumlah 75 125
Ketentuan : Bila Chi Kuadrat hitung ≤ Chi Kuadrat tabel, maka terima Ho
Χ 2 = ( A – D – 1) 2
A+D
= ( 85 – 10 ) – 1) 2
95
= 57, 642
Kesimpulan :
Terdapat perubahan penjualan sebelum dan sesudah ada sponsor
Komparatif k sampel
Untuk sampel lebih dari 2, Pengujian dilakukan dengan menganalisis apakah terdapat perbedaan nilai
rata-rata (mean) secara signifikan antar kelompok sampel satu dengan lainnya.
Misalnya penelitian yang dilakukan untuk mengetahui perbedaan disiplin kerja antar pegawai Negeri
Sipil (X1), Swasta (X2) dan BUMN (X3)
Sampel Berkorelasi
Teknik Statistik :
Statistik Parametrik
1. Analisis Varians :
23
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila datanya berbentuk interval
atau ratio
Terdapat 2 jenis ANOVA yaitu :
1. ANOVA Klasifikasi Tunggal (ANOVA satu jalan) :
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel, bila pada setiap sampel hanya
terdiri atas satu kategori
1. ANOVA Klasifikasi Ganda (ANOVA dua jalan) :
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila pada setia sampel terdiri atas 2
atau lebih kategori.
Contoh :
Bila ingin menguji hipotesis ada tidaknya perbedaan secara signifikan antara penghasilan Pegawai
Negeri Sipil, Petani, Pedagang dan Nelayan, maka digunakan ANOVA satu jalan, tetapi bila akan
menguji hipotesis ada tidaknya perbedaan secara siginifikan antara penghasilan Pegawai Negeri,
Petani, Pedagang dan Nelayan berdasarkan jenis kelamin (pria/wanita) maka digunakan 2 jalan.
TABEL RINGKASAN ANOVA
Untuk Menguji Hipotesis
Σ X tot2 – ( Σ X tot )2
tot N-1
N
( Σ X kel)2 – (Σ X ant)2
Σ JK ant MK ant Fh > Ft
n kel N
Ant m-1 Tab F Ha diterima
m -1 MK dal
Keterangan :
SV = Sumber Variasi
Tot = Total
Ant = Antar Kelompok
Dal = Dalam kelompok
Tab F = Tabel F untuk 5 % atau 1 %
N = Jumlah seluruh anggota sampel
24
m = Jumlah kelompok sampel
MK = Mean Kuadrat
Fh = F hitung
Ft = F table
c. Koefisien Jalur
Dalam korelasi arah dan kuatnya hubungan antar variabel ditunjukkan dengan
koefisien korelasi. Arah hubungan adalah positif dan negatif, sedangkan kuatnya hubungan
ditunjukkan dengan besar kecilnya angka korelasi. Koefisien korelasi yang mendekati angka
1 berarti kedua variabel mempunyai hubungan kuat atau sempurna (Sugiyono: 2009).
Dalam analisis jalur juga terdapat koefisien jalur. Koefisien jalur menunjukkan
kuatnya pengaruh variabel eksogen terhadap variabel endogen. Koefisien jalur adalah
25
koefisien regresi standar (standar z) yang menunjukkan pengaruh variabel eksogen terhadap
endogen yang telah tersusun dalam diagram jalur.
Hipotesis asosiatif merupakan dugaan tentang adanya hubungan antar variable dalam populasi yang
akan diuji melalui hubungan antar variable dalam sampel yang diambil dari populasi tersebut. Jadi
menguji hipotesis asosiatif adalah menguji koefisiensi korelasi yang ada pada sampel untuk
diberlakukan pada seluruh populasi dimana sampel diambil. Bila penelitian dilakuakan pada seluruh
populasi maka tidak diperlukanpengujian signifikansi terhadap koefisien korelasi yang ditemukan.
Hal ini berarti peneliti tidak merumuskan dan menguji instrument statistic.
Terdapat tiga macam bentuk hubungan antar variable, yaitu hubunagn simetris, hubungan sebab
akibat (kausal) dan hubungan interaktif (saling mempengaruhi). Untuk mencari hubuangan antara dua
variable atau lebih dilakuakn dengan menghitung korelasi antar variable yang akan dicari
hubungannya. Korelasi merupakan angka yang menunjukkan arah dan kuatnya hubungan antar dua
variable atau lebih. Arah dinyatakan dalam bentuk hubungan positif atau negative, sedangkan kuatnya
hubungan dinyatakan dalam besarnya koefisien korelasi.
Hubungan dua variable atau lebih dikatakan hubungan positif, bila nilai suatu variable
ditingkatkan, maka akan meningkatkan nilai variable yang lain, dan sebaliknya nila satu variable
diturunkan maka akan menurunkan nilai variable yang lain. Hubungan dua variable atau lebih
dikatakan hubungan negative, bila nilai satu variable dinaikkan maka akan menurunkan nilai variable
yang lain, dan juga sebaliknya bila nilai satu variable diturunkan, maka akan menaikkan nilai variable
yang lain.
Kuatnya hubungan antar variable dinyatakan dalam koefisien korelasi. Koefisien korelasi positif
terbesar = 1 dan koefisien korelasi negative terbesar = -1, sedangkan yang terkeceil adalah 0. Bila
hubungan antar dua variable atau lebih itu mempunyai koefisien korelasi = 1 atau -1, maka hubungan
tersebut sempurna. Dalam arti kejadian-kejadian pada variable yang satu akan dapat dijelaskan atau
diprediksikan oleh variable yang lain tanpa terjadi kesalahan (error). Semakin kecil koefisien korelasi,
maka akan semakin besar error untuk membuat prediksi. Sebagai contoh, bila hubungan bunyinya
burung Prenjak mempunyai koefisien korelasi sebesar 1, maka akan dapat diramalkan setiap ada
bunyi burung Prenjak maka akan dipastikan aka nada tamu. tetapi kalau koefisien korelasinya kurang
dari satu, setiap ada bunyi burung Prenjak belum tentu ada tamu, apalagi koefisien korelasinya
mendekati 0.
Terdapat bermacam-macam teknik Statistik Korelasi yang dapat digunakan untuk menguji
hipotesis asosiatif. Koefisien mana yang akan dipakai tergantung pada jenis data yang akan dianalisis.
Berikut ini dikemukakan berbagai teknik statistic korelasi yang digunakan untuk menguji hipotesis
asosiatif. Untuk data nominal dan ordinal digunakan statistic nonparametris dan untuk data interval
dan ratio digunakan statistic parametris.
26
PEDOMAN UNTUK MEMILIH TEKNIK KORELASI DALAM PENGUJIAN HIPOTESIS
2. Kendal Tau
2. Korelasi Ganda
3. Korelasi Parsial
Statistik Parametris
1. Korelasi Product Moment (Pearson)
Teknik korelasi ini digunakan untuk mencari hubungan dan membukitkan hipotesis hubungan dua
variable bila data kedua variable berentuk interval/ratio, dan sumber data dari dua variable atau lebih
tersebut adalah sama, berbentuk regresi linear dan data dari setiap variable berdistribusi normal.
rxy = korelasi antara variable x dan y Hipotesis satu pihal, uji pihak kiri
H0 : 0
H1 : 0
27
- Tolak H0 jika thitung ttabel
1. Ujilah koefisien korelasi hubungan antara kecerdasan intelektual [X] dengan asil belajar
matematik [Y] pada table dibawah ini :
No X Y XY X2 Y2
1 3 3 9 9 9
2 6 4 24 36 16
3 5 5 25 25 25
4 2 7 14 4 49
5 4 6 24 16 36
6 7 6 42 49 36
7 8 9 72 64 81
8 7 10 70 49 100
9 6 9 54 36 81
10 9 8 72 81 64
11 5 9 45 25 81
12 6 9 54 36 81
13 7 10 70 49 100
14 6 9 54 36 81
15 4 8 32 16 64
rxy =
rxy = = 0,455
Hipotesis :
H0 : 0
H1 : 0
Pengujian :
28
Rumus transformasi r ke t
t==
= 1,842
Dari table ditribusi t, untuk = 0,05 dan dk = n-2 = 13, diperoleh ttabel = 1,771. Karena thitung lebih besar
dari ttabel [1,842 > 1,771] maka H0 ditolak sehingga disimpulkan terdapat korelasi positif yang
signifikan antara kecerdasan intelektual [X] dengan hasil belajar matematika [Y]
2. Korelasi Ganda
Korelasi ganda (multiple correlation) merupakan angka yang menunjukkan angka yang menunjukkan
arah dan kuatnya hubungan antara dua variabel independen secara bersama-sama atau lebih dengan
satu variabel dependen. Simbol korelasi ganda adalah R. korelasi ganda (R) untuk dua variabel
independen dan satu dependen.
Ry.x1x2 =
Dimana:
- H0 : y.12 = 0
- H1 : y.12 0
Pengujian hipotesis korelasi ganda menggunakan uji F (table distribusi F) dengan derajat kebebasan
(dk) terdiri atas:
Fh =
29
Jadi untuk dapat menghitung korelasi ganda, maka harus dihitung terlebih dahulu korelasi
sederhananya dulu melalui korelasi Product Moment dari Pearson.
1. Sebuah penelitian ingin mengetahui hubungan antara kecerdasan umerik [X1] dankecerdasan
emosional [X2] dengan konsistensi diri siswa [Y], dengan data seperti table berikut. Hitung dan ujilah
: koefisien korelasi ganda, koefisisen korelasi parsial ry1,2 dan korelasi parsial ry2.1
Data Kecerdasan Numerik [X1], kecerdasan emosional [X2] dengan konsistensi diri siswa [Y]
No. X1 X2 Y
1 62 11 16
2 63 21 21
3 61 31 23
4 64 41 26
5 64 61 24
6 67 71 31
7 69 81 31
8 62 71 36
9 63 31 21
10 65 21 46
11 63 41 41
12 67 51 56
13 66 61 61
14 65 51 21
15 68 61 23
16 62 31 24
17 61 71 28
18 63 61 43
19 62 71 44
30
20 63 71 50
21 64 51 48
22 65 61 38
23 66 41 36
24 62 51 44
25 65 31 51
26 62 21 49
27 66 91 39
28 65 51 29
29 67 51 28
30 64 61 26
Penyelesaian :
Hipotesis Verbal :
H0 : Tidak terdapat hubungan antara kecerdasan numeric [X1] dan kecerdasan emosional [X2] dengan
konsistensi diri [Y]
H1 : Terda[at hubungan antara kecerdasan numeric [X1] dan kecerdasan emosional [X2]dengan
konsistensi diri [Y]
Hipotesis statistic :
H0 : P = 0
H1 : P 0
3. Korelasi Parsial
Korelasi Parsial digunakan untuk menganalisis bila peneliti bermaksud mengetahui pengaruh atau
mengetahui pengaruh atau mengetahui hubungan antara variabel independen dan dependen, dimana
salah satu variabel independennya dibuat tetap/dikendalikan. Jadi korelasi parsial merupakan angka
yang menunjukkan arah dan kuatnya hubungan antara dua variabel atau lebih, setelah satu variabel
yang diduga dapat memengaruhi hubungan variabel tersebut tetap/dikendalikan.
31
Rumus untuk korelasi parsial adalah :
Ryx1x2 =
t=
1. Korelasi antara ukuran telapak tangan dengan kemmpuan bicara r1.2 = 0,50. Makin besar telapk
tangan makin mampu bicara (bayi telapak tangan kecil sehingga belum mampu bicara). Padahal
ukuran telapak tangan akan semakin besar bila umur bertambah
Telapak tangan variable 1, kemampuan bicara variable 2 dan umur variable 3, selanjutnya dapat
disusun ke dalam paradigam berikut :
R1.3 = 0,7
R1.2 = 0,5
X2
R2.3 = 0,7
Dari data –data tersebut bil umur dikendalikan,makudnya adalaj untuk orang yang umurnya
sama,maka korelasi antara besar telapak tangan dengan kemampuan bicara hanya 0,0196.
Dapat dibaca : korelsi antara X1 dengan y, bila variable x2 dikendalikan tau korelasi antara X1 dan Y
bila x2 tetap.
Menguji hipotesis asosiatif berarti menguji hubungan antar duavariabel atau lebih yang ada pada
sampel untuk diberlakukan pada seluruh populasi dimana sampel tersebut diambil.
1. Hubungan simetris
32
2. Hubungan sebabakibat
1. KoefisienKontingensi
Alat uji ini dipergunakan untuk menghitung hubungan antara variable bila datanya Nominal.
Dipergunakan untuk mencari hubungan atau untuk menguji signifikansi hipotesis asosiatif
bila masing-masing variabel yang dihubungkan berbentuk ordinal dan
sampelnya kecil.
Dipergunakan untuk mencari hubungan dua atau lebih variable dengan data ordinal dan sampelnya
besar (>=30).
Berikut ini dikemukakan dua macam statistik nonparametris yang digunakan untuk menguji hipotesis
asosiatif, yaitu koefisien Kontingensi dan korelasi Spearman Rank.
1. Koefisien Kontingensi
Seperti telah ditunjukkan pada table diatas (awal materi) , bahwa koefisien kontingensi digunakan
untuk menghitung hubungan antar variabel bila datanya berbentuk nominal. Teknik ini mempunyai
kaitan erat dengan Chi Kuadrat yang digunakan untuk menguji hipotesis komparatif k sampel
independen. Oleh karena itu, rumus yang digunakan mengandung nilai Chi Kuadrat.
Rumus :
C=
X2 =
Untuk memudahkan perhitungan, maka data-data hasil penelitian perlu disusun ke dalam tabel
penolong, seperti berikut,
33
- - - …. ….
- - - …. .....
Jumlah
Permasalahan :
Apakah terdapat korelasi antara mata pencaharian dengan jenis obyek wisata
Misal
1 = Nelayan 1 = Pantai
2 = PNS 2 = Pegunungan
4 = Wiraswasta 4 = Bioskop
Hipotesis ?
H0 = Tidak ada hubungan positif antara mata pencaharian dengan pilihan obyek wisata.
Ha = Ada hubungan positif antara mata pencaharian dengan pilihan obyek wisata.
Crosstabs
Crosstab KoefisienKontingensi
Berdasarkan perhitungan diatas maka dapat disimpulkan bahwa tidak terdapat hubungan yang
signifikan antara jenis mata pencaharian dengan pilihan rekreasi (H0 diterima). Hal tersebut dapat
dilihat dari approx sig sebesar 0,415 yang lebih besar dari alpha 0,05.
Kalau pada Product Moment, sumber data untuk variabel yang akan dikorelasikan adalah sama,
data yang dikorelasikan adalah data interval atau rasio, serta data dari kedua variabel masing-masing
membentuk distribusi normal, maka dalam korelasi Spearman Rank, sumber data untuk kedua
variabel yang akan dikonservasikan dapat berasal dari sumber yang tidak sama, jenis data yang
dikorelasikan adalah data ordinal, serta data dari kedua variabel tidak harus membentuk distribusi
normal.
34
Jadi korelasi Spearman Rank adalah bekerja dengan data ordinal atau berjenjang atau rangking,
dan bebas distribusi.Jika sumber datanya berbeda maka untuk menganalisisnya digunakan Spearman
Rank yang rumusnya adalah:
ρ = 1-
dimana:
karena korelasi Spearman Rank bekerja dengan data ordinal, maka data tersebut terlebih dahulu harus
diubah menjadi data ordinal dalam bentuk rangking .
Permasalahan :
Apakah terdapat korelasi antara golongan tingkat penerimaan dengan golongan tingkat kemandirian
daerah ? (catatanskala interval dibuat ordinal denganskalatertentu)
Hipotesis :
H0 = Tidak terdapat hubungan antara tingkat penerimaan dengan tingkat kemendirian daerah.
Ha = Terdapat hubung anantara tingkat penerimaan DAU dengan tingkat kemendirian daerah.
Berdasarkan table tersebut dapat disimpulkan bahwa tidak terdapat hubungan yang signifikan antara
kedua variable tersebut (H0 diterima) sedangkan dilihat dari koefisien korelasinya menunjukkan
bahwa kedua variable mempunyai korelasi/hubungan yang negatif.
Seperti dalam korelasi Spearman rank, korelasi Kendal Tau dapat digunakan untuk mencari
hubungan dan menguji hipotesis antara dua variable atau lebih, bila datanya berbentuk ordinal atau
rangking. Kelebihan teknik ini bila digunakan untuk menganalisis sampel yang jumlah anggotanya
lebih dari 10, dan dapat dikembagkan untuk mencari koefisien korelasi parsial. Rumus dasar yang
digunakan adalah sebagai berikut .
Dimana :
35
H0 : = 0 (tidak ada hubungan)
Uji signifikan koefisien korelasi menggunakan rumus z, karena ditribusinya mendekati distribusi
normal, yakni dengan membandingkan uji zhitungdengan ztabel. Dengan criteria pengujian :
Z=
Permasalahan :
Apakah terdapat hubungan antara Efektifitas Organisasi Dengan Kemampuan kerja, Motivasi serta
Budaya Organisasi ?
Hipotesis :
H0 :Tidak terdapat hubungan antara Efektivitas Organisasi dengan Kemampuan kerja, Motivasi serta
Budaya Organisasi.
Ha :Terdapat hubungan antara Efektivitas Organisasi dengan Kemampuan kerja, Motivasi serrta
Budaya Organisasi.
Berdasarkan table diatas dapat disimpulkan bahwavariabel efektifitas organisasi berkorelasi positif
dengan variable kemampuan kerja (x1) dengan koefisien korelasi positis sebesar 0,805 dan signifikan
pada level 0,000 dan variable budaya (x3) dengan koefisien korelasi positive sebesar 0,734
dengal level siginifikan 0,000. Sedangkan variable motivasi berkorelasi negatif sebesar -0,166 dengan
level signifikansi (0,220 lebih besardari 0,005, H0 diterimadan Ha ditolak)
Sedangkan untuk melihat seberapa besar korelasi ketiga variable independen (x1, x2 dan x3) dengan
variable dependen (Y) dipergunakan alat uji konkordansi Kendall. Hasil uji tersebut adalah sebagai
berikut:
Kendall's W Test
Kendall W
Berdasarkan hasil uji SPSS diatas dapat disimpulkan bahwa variabel independen (X1, X2 dan X3)
hanya mempengaruhi variable dependen (Y) sebesar 3,9 % saja disamping itu juga variable ketiga
variable independen (X) secaras imultan tidak berpengaruh terhadap variable dependen (Y)
dilihatdari angka asymp-sig yang lebih besardari alpha 0,05.
36
BAB III
PEMBAHASAN
A. Rangkuman
Pada buku ini berbicara secara garis besar tentang Statistik Pendidikan namun tidak
cukup lengkap rumus rumus statistik nya. dari tahap awal sampai akhir dijelaskan satu
persatu dengan jelas pengertian dan proses Statistik Pendidikan tersebut sehingga mudah
dipahami dan di baca bagi siapa pun mempelajarinya .
Kritik
1. Kelebihan Buku
a. Isi buku cukup lengkap dan bagus
b. Di dalam buku ini bukan hanya berisi informasi melainkan juga pengetahuan yang
sebelumnya kita tidak katahui
c. dari tahap awal sampai akhir dijelaskan satu persatu secara gamblang sehingga
mudah bagi siapa pun memepelajarinya
d. di lengkapai dengan gambar dan foto untuk lebih mudah di pahami
e. bahasa yang di gunakan sederhana dan mudah di pahami
f. ketebalan buku tidak terlalu terbal
g. isi bacaan nya mudah di pahamai dan di cerna dan di baca
h. buku ini bukan hanya dapat menjadi bahan bacaan saja tetap menjadi bahan ajar
juga
i. daftar pustaka pada buku jelas
2. kekurangan Buku
a. cover buku menarik
b. biodata penulis tidak di cantumkan
c. mencari identitas buku cukup sulit
d. Tata letak gambar banyak yang sesuai dan tepat
e. Penulisan nya kurang rapi
f. Spasinya tidak terlalu pendek , sehingga tidak terlalu sulit untuk di baca karna
tidak terlalu rapat
37
BAB IV
PENUTUP
A. Kesimpulan
Statistik dipelajari di berbagai bidang ilmu karena statistik adalah sekumpulan alat
analisis data yang dapat membantu pengambil keputusan untuk mengambil keputusan
berdasarkan hasil kesimpulan pada analisis data dari data yang dikumpulkan. Selain itu juga
dengan statistika kita bisa meramalkan keadaan yang akan datang berdasarkan data masa lalu.
Statistika Deskriptif memberikan informasi yang terbatas, yaitu memberi informasi yang
terbatas pada data apa adanya. Oleh karenanya pemakai statistik deskriptif tidak dapat
mengambil kesimpulan yang umum atas data yang terbatas.
Kesimpulan yang dapat diambil, terbatas atas data yang ada.
Kegunaan mempelajari ilmu Statistik adalah:
1. Memperoleh gambaran suatu keadaan atau persoalan yang sudah terjadi.
2. Untuk Penaksiran (Forecasting
3. Untuk Pengujian (Testing Hypotesa)
Sedangkan Pentingnya mempelajari Dispersi data didasarkan pada 2 pertimbangan:
1. Pusat data (rata2, median dan modus) hanya memberi informasi yang sangat terbatas.
2. Kedua, dispersi data sangat penting untuk membandingkan penyebaran dua distribusi
data atau lebih.
B. Saran
Pada umumnya mahasiswa kurang berminat mempelajarinya karena pelajaran statistik
adalah pelajaran yang “menggentarkan”, ada benarnya. Ini mungkin terjadi karena adanya
anggapan bahwa dengan mempelajari statistik maka seseorang harus benar-benar memiliki
kemampuan matematika yang kuat. Tentu saja, jika yang dipelajari adalah statistika teoritis
atau statistika matematis. Namun, untuk belajar statistika terapan - khusus untuk
kepentingan penelitian ilmiah- seseorang tidak perlu memiliki latar yang kuat di bidang
matematika. Cukup dengan mengetahui prinsip-prinsip dasar aritmatika, seperti
penjumlahan, pengurangan, perkalian, pembagian, dan penarikan akar. Tepat sekali apa
yang dikatakan Pasaribu (1981:6) bahwa kuliah statistik (di jurusan non-statistik) bukan
dimaksudkan untuk menjadikan seseorang sarjana statistik, tapi untuk kepentingan
memberikan pengetahuan yang dbutuhkan dalam kegiatan penelitian.
38
DAFTAR PUSTAKA
Jonathan Sarwono. 2007. Analisis Jalur Untuk Riset Bisnis. Yogyakarta : Andi..
Yin Robert, K.(1984) Case Study research,design and Methods, Sage Publication Beverlly-Hills.
Young Pauline.(1982). Scientific social survey and reseach, Prentice Hall of India Private Limited.
Riduan dan Engkos.2012. Cara Mudah Menggunakan dan memakai Path Analysis(analisis jalur)
Bandung:Alfabeta
39