Kita sangat akrab dengan kata “statistik” dalam kehidupan sehari-hari, bahkan di
negara kita terdapat lembaga negara yang bernama Badan Pusat Statistik (BPS). Kita
juga sering mendengar istilah “observasi”, “data”, “sensus”, “sample”, “populasi” dan
lain-lain. Mirip dengan kata statistik, terdapat kata “statistika” seperti terlihat pada judul
bab ini di atas. Berikut definisi beberapa istilah tersebut:
DATA adalah hasil observasi atau pengamatan yang telah dikumpulan. Data dapat
berupa hasil pengukuran; misalnya data tinggi dan berat badan, hasil pengelompokan;
misalnya jenis kelamin, hasil jawaban responden terhadap suatu quesioner; misalnya
tingkat kepuasan.
POPULASI adalah koleksi lengkap semua elemen yang akan diselidiki. Suatu koleksi
dikatakan lengkap jika ia memuat semua subjek yang akan diselidiki.
SKALA NOMINAL
Skala nominal merupakan skala pengukuran yang paling rendah tingkatannya di antara
ke empat skala pengukuran yang lain. Seperti namanya, skala ini membedakan satu
obyek dengan obyek lainnya berdasarkan lambang yang diberikan. Oleh karena itu data
dalam skala nominal dapat dikelompokkan ke dalam beberapa kategori, dan kepada
kategori tersebut dapat diberikan lambang yang sesuai atau sembarang bilangan.
Bilangan yang diberikan tidak mempunyai arti angka numerik artinya kepada angka-
angka tersebut tidak dapat dilakukan operasi aritmetika, tidak boleh menjumlahkan,
mengurangi, mengalikan, dan membagi. Bilangan yang diberikan hanyalah berfungsi
sebagai lambang yang dimaksudkan hanya untuk membedakan antara data yang satu
dengan data yang lainnya. Contoh : Data mengenai barang-barang yang dihasilkan
oleh sebuah mesin dapat digolongkan dalam kategori cacat atau tidak cacat. Barang
yang cacat bisa diberi angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah
berarti mempunyai arti lebih besar dari 0. Data satu hanyalah menyatakan lambang
untuk barang yang tidak cacat.
Kesimpulan : Bilangan dalam Skala Nominal berfungsi hanya sebagai lambang untuk
membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika,
tidak boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.
).¹ dan =Hubungan yang membatasi adalah hubungan sama dengan dan tidak sama
dengan (
Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik.
Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien
Kontingensi.
SKALA ORDINAL
Skala pengukuran berikutnya adalah skala pengukuran ordinal. Skala pengukuran
ordinal mempunyai tingkat yang lebih tinggi dari skala pengukuran nominal. Dalam
skala ini, terdapat sifat skala nominal, yaitu membedakan data dalam berbagai
kelompok menurut lambang, ditambah dengan sifat lain yaitu, bahwa satu kelompok
yang terbentuk mempunyai pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok
lainnya. Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk
diurutkan atau dirangking.
Contoh : Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala
ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan
berdasarkan jasa, dan lamanya pengabdian. Jika peneliti merangking data lamanya
pengabdian maka peneliti dapat memberikan nilai 1, 2, 3, … , 4 dst masing-masing
terhadap seseorang anggota ABRI yang berpangkat Prajurit, Kopral, Sersan, dst.
Berbeda dengan skala nominal, angka yang diberikan terhadap obyek tidak semata-
mata berlaku sebagai lambang tetapi juga memperlihatkan urutan atau rangking.
Kesimpulan: Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai
:
1.lambang untuk membedakan
2.untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).
Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih
besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih
buruknya.
Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik.
Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman
(rs ), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).
SKALA INTERVAL
Skala pengukuran Interval adalah skala yang mempunyai semua sifat yang dipunyai
oleh skala pengukuran nominal, dan ordinal ditambah dengan satu sifat tambahan.
Dalam skala interval, selain data dapat dibedakan antara yang satu dengan yang
lainnya dan dapat dirangking, perbedaan (jarak/interval) antara data yang satu dengan
data yang lainnya dapat diukur. Contoh : Data tentang suhu empat buah benda A, B, C
, dan D yaitu masing-masing 20. 30, 60, dan 70 derajat Celcius, maka data tersebut
adalah data dengan skala pengukuran interval karena selain dapat dirangking, peneliti
juga akan tahu secara pasti perbedaan antara satu data dengan data lainnya.
Perbedaan data suhu benda pertama dengan benda kedua misalnya, dapat dihitung
sebesar 10 derajat, dst. Namun dalam skala interval, tidak mungkin kita melakukan
perbandingan antara satu data dengan data yang lainnya. Kita tidak dapat mengatakan
bahwa suhu 60 derajat Celcius dari benda C dan 30 derajat Celcius untuk suhu benda
B berarti bahwa benda C 2x lebih panas dari benda B. Hal ini tidak mungkin karena
skala interval tidak mempunyai titik nol yang mutlak. Titik nol yang tidak mutlak berarti :
benda dengan suhu nol derajat Celcius bukan berarti bahwa benda tersebut tidak
mempunyai panas. Kesimpulan : Bilangan pada skala interval fungsinya ada tiga yaitu :
1.Sebagai lambang untuk membedakan,
2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi
( > atau <),
3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data
obyek yang lainnya.
Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan
perjanjian.
Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan
Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata,
Simpangan Baku, dan Korelasi Pearson.
SKALA RASIO
Skala rasio merupakan skala yang paling tinggi peringkatnya. Semua sifat yang ada
dalam skala terdahulu dipunyai oleh skala rasio. Sebagai tambahan, dalam skala ini,
rasio (perbandingan) antar satu data dengan data yang lainnya mempunyai makna.
Contoh : Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita
dapat mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70
kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data 40
kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak. Kesimpulan :
Bilangan pada skala Rasio fungsinya ada tiga yaitu :
1.Sebagai lambang untuk membedakan
2.Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi
(> atau < ),
3.Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data
obyek yang lainnya.
4.Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan
mempunyai arti. Titik nol merupakan titik mutlak.
Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan
Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata kur,
Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.
A. PENGERTIAN STATISTIK
Sudjana (2004, dalam Riduwan dan Sunarto, 2007) mendefinisikan statistika sebagai pengetahuan
yang berhubungan dengan cara-cara pengumpulan fakta, pengolahan serta pembuatan keputusan
yang cukup beralasan berdasarkan fakta dan analisa yang dilakukan. Sementara statistic dipakai
untuk menyatakan kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel atau
diagram yang melukiskan atau menggambarkan suatu persoalan.
Lebih lanjut Sudjana (2004, dalam Riduwan dan Sunarto, 2007) menyatakan statistika adalah ilmu
terdiri dari teori dan metode yang merupakan cabang dari matematika terapan dan membicarakan
tentang : bagaimana mengumpulkan data, bagaimana meringkas data, mengolah dan menyajikan
data, bagaimana menarik kesimpulan dari hasil analisis, bagaimana menentukan keputusan dalam
batas-batas resiko tertentu berdasarkan strategi yang ada.
Singgih Santoso (2002) menyatakan, pada prinsipnya statistic diartikan sebagai kegiatan untuk
mengumpulkan data, meringkas/menyajikan data, menganalisa data dengan metode tertentu, dan
menginterpretasikan hasil analisis tersebut.
Dalam kaitannya untuk menyelesaikan masalah, pendekatan statistic terbagi dua yaitu pendekatan
statistic dalam arti sempit dan luas. Dalam arti sempit (statistic deskriptif), statistika yang hanya
mendeskripsikan tentang data yang dijadikan dalam bentuk tabel, diagram, pengukuran rata-rata,
simpangan baku, dan seterusnya tanpa perlu menggunakan signifikansi atau tidak bermaksud
membuat generalisasi.
Sementara dalam arti luas (statistic inferensi/induktif) adalah alat pengumpul data, pengolah data,
menarik kesimpulan, membuat tindakan berdasarkan analisis data yang dikumpulkan dan hasilnya
dimanfaatkan / digeneralisasi untuk populasi.
Bidang keilmuan statistika adalah sekumpulan metode untuk memperoleh dan menganalisa data
dalam pengambilan suatu kesimpulan. Meski merupakan cabang ilmu matematika, statistika
memiliki perbedaan mendasar pada logikanya. Jika matematika menggunakan logika deduktif,
sementara statistic menggunakan logika induktif.
Logika statistika, dengan demikian sering disebut dengan logika induktif yang tidak memberikan
kepastian namun member tingkat peluang bahwa untuk premis-premis tertentu dapat ditarik
kesimpulan, dan kesimpulannya mungkin benar mungkin juga tidak. Langkah yang ditempuh dalam
logika statistika adalah :
Menurut Sutrisno Hadi (dalam Riduwan dan Sunarto, 2007) ada tiga jenis landasan kerja statistic
meliputi :
1. Variasi. Didasarkan atas kenyataan bahwa seorang peneliti atau penyelidik selalu menghadapi
persoalan dan gejala yang bermacam-macam (variasi) baik dalam bentuk tingkatan dan jenisnya
2. Reduksi, Hanya sebagian dan seluruh kejadian yang berhak diteliti (sampling)
3. Generalisasi. Sekalipun penelitian dilakukan terhadap sebagain atau seluruh kejadian yang
hendak diteliti, namun kesimpulan dan penelitian ini akan diperuntukkan bagi keseluruhan kejadian
atau gejala yang diambil.
C. KARAKTERISTIK STATISTIK
Riduwan dan Sunarto (2007:5-6) menjelaskan beberapa karakteristik pokok statistic meliputi :
Pertama, angka statistic sebagai jumlah atau frekuensi dan angka statistic sebagai nilai atau harga.
Pengertian ini mengandung arti bahwa data statistic adalah data kuantitatif. Misalnya, jumlah
kecelakaan yang terjadi dalam satu tahun, jumlah tersangka koruptor yang diproses di KPK tahun
2009, jumlah siswa SD Jakarta tahun 2009, Jumlah siswa yang lulus UAN 2010, dan seterusnya.
Angka-angka ini menyatakan nilai atau harga sesuatu
Kedua, Angka statistic sebagai nilai mempunyai arti data kualitatif yang diwujudkan dalam angka.
Contoh : nilai IQ, mutu pengajaran guru, metode pengajaran, nilai kepuasan, dan seterusnya,
2. Statistik bersifat Objektf
Statistik bekerja dengan angka sehingga mempunyai sifat objektif, artinya angka statistic dapat
digunakan sebagai alat pencari fakta, pengungkapan kenyataan yang ada dan memberikan
keterangan yang benar, kemudian menentukan kebijakan sesuai fakta dan temuannya yang
diungkapkan apa adanya.
Statistik tidak hanya digunakan dalam salah satu disiplin ilmu saja, tetapi dapat digunakan secara
umum dalam berbagai bentuk disiplin ilmu pengetahuan dengan penuh keyakinan.
1. Komunikasi. Adalah sebagai penghubungan beberapa pihak yang menghasilkan data statistic
atau berupa analisis statistic sehingga beberapa pihak tersebut akan dapat mengambil keputusan
melalui informasi tersebut.
2. Deskripsi. Merupakan penyajian data dan mengilustrasikan data, misalnya mengukur tingkat
kelulusan siswa, laporan keuangan, tingkat inflasi, jumlah penduduk, dan seterusnya
3. Regresi. Adalah meramalkan pengaruh data yang satu dengan data yang lainnya dan untuk
menghadapi gejala-gejala yang akan datang
4. Korelasi. Untuk mencari kuatnya atau besarnya hubungan data dalam suatu peneltian
Dirangkum dari :
Cecep Sumarna. 2004. Filsafat Ilmu. Dari hakikat menuju nilai. Bandung : Pustaka Bani Quraisy
http://materimatakuliah.wordpress.com/2012/10/29/statistika-bab-1/
Statistika – Bab 1
October 29, 2012 · Mata Kuliah, Statistika
Print Post
Email
Authors
Herry Syafrial
BAB I
A. Pengertian Penelitian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan
tertentu.
Cara ilmiah, berarti penelitian itu didasarkan pada ciri-ciri keilmuan yaitu, rasional, empiris dan
sistematis.
Rasional: penelitian itu dilakukan dengan cara-cara yang masuk akal sehingga terjangkau oleh
penalaran manusia.
Empiris: cara-cara ygn digunakan dalam penelitian itu teramati oleh indera manusia.
Sistematis: proses yang dilakukan dalam penelitian itu menggunakan langkah-langkah tertentu
yang bersifat logis.
Valid, menunjukan derajat ketepatan antara data sesungguhnya dengan data si peneliti.
Reliabel, menunjukan derajat konsistensi (keajegan) yaitu konsistensi data dalam interval waktu
tertentu.
Penemuan, data yang diperoleh dari penelitian itu betul-betul data baru yang belum pernah
diketahui sebelumnya.
Pembuktian, data yang diperoleh itu diperlukan untuk membuktikan adanya keragu-raguan
terhadap suatu pengetahuan.
Pengembangan, data yang diperoleh dari penelitian itu digunakan untuk memperdalam dan
memperluas suatu pengetahuan.
B. Variabel Penelitian
Variabel penelitian: suatu atribut atau sifat atau nilai dari orang/objek atau kegiatan yang
mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan.
Macam-Macam Variabel:
C. Paradigma Penelitian
Paradigma Penelitian: Pola fikir yang menunjukan hubungan antara variabel yang akan diteliti
dan mencerminkan jumlah rumusan masalah yang perlu dijawab melalui penelitian, teori yang
digunakan untuk merumuskan hipotesis, jenis dan jumlah hipotesis, dan teknik analisis statistik
yang akan digunakan.
Bentuk-bentuk paradigma:
1. Paradigma Sederhana, terdiri dari satu variaben independen dan satu variable dependen.
2. Paradigma 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
1. Jumlah rumusan masalah deskriptif ada dua dan asosiatif ada satu:
a) Bagaimanakah hubungan atau pengaruh kualitas alat dengan kualitas barang yang
dihasilkan?
1. Teori yang digunakan ada dua, yaitu teori tentang alat-alat dan tentang kualitas barang.
2. Hipotesis yang dirumuskan ada dua macam hipotesis deskriptif dan hipotesis asosiatif,
a) Kualitas alat yang digunakan oleh perusahaan tersebut telah mencapai 70% baik
b) Kualitas barang yang dihasilkan oleh perusahaan tersebut telah mencapai 99% dari yang
diharapkan.
2) Hipotesis asosiatif:
Ada hubungan yang positif dan signifikan antara kualitas alat dengan kualitas barang yang
dihasilkan. Hal ini berarti bila kualitas alat ditingkatkan maka kualitas barang yang dihasilkan
akan menjadi semakin tinggi (kata signifikan hanya digunakan apabila hasil uji hipotesis akan
digeneralisasikan ke populasi di mana sampel tersebut diambil)
Berdasarkan rumusan dan hipotesis tersebut, maka dapat ditentukan teknik statistic yang
digunakan untuk analisa data dan menguji hipotasis.
1) Untuk dua hipotesis deskriptif, bila datanya berbentuk interval dan ratio, maka pengujian
hipotesis menggunakan t-test one sampel.
2) Untuk hipotesis asosiatif, bila data kedua variable berbentuk interval atau ratio, maka
menggunakan teknik statistic korelasi product moment.
D. Proses Penelitian
1. Adanya Masalah
2. Rumusan Masalah
3. Pengajuan hipotesis
4. Pembuktian hipotesis
5. Kesimpulan dan Saran
1. Alat untuk menghitung besarnya anggota sampel yang diambil dari populasi. Dengan demikian
jumlah sampel yang diperlukan lebih dapat dipertanggungjawabkan.
2. Alat untuk menguji validitas dan reliabilitas instrument.
3. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif. Teknik-teknik penyajian
data antara lain: table, grafik, diagram lingkar, dan pictogram.
4. Alat untuk analisis data seperti menguji hipotesis penelitian yang diajukan. Dalam hal ini statistic
yang digunakan antara lain: korelasi, regresi, t-test, anova, dll.
F. Macam-Macam Statistik
1. Statistik Deskriptif, statistik yang digunakan untuk menggambarkan atau menganalisa suatu
statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas
(generalisasi/inferensi). Penelitian yang tidak menggunakan sampel, analisanya akan
menggunakan statistic deskriptif.
2. Statistik Inferensial, statistik yang digunakan untuk menganalisis data sampel dan hasilnya akan
digeneralisasikan untuk populasi dimana sampel diambil.
1. Statistik Parametris, untuk menganalisis data interval atau rasio yang diambil dari populasi yang
berdistribusi normal.
2. Statistik Non Parametris, untuk menganalisis data nominal dan ordinal dari populasi yang bebas
distribusi.
ii. Interval, data yang jaraknya sama tetapi tidak mempunyai data nol absolute (mutlak). Pada
data ini, walaupun datanya nol, tetapi masih mempunyai nilai. Contoh: nol derajat celcius.
iii. Ratio, data yang jaraknya sama dan mempunya nilai nol absolut. Contoh: Ukuran panjang
/ berat. Data ini bisa dibuat penjumlahan dan perkalian.
Tabel 1.1
Bentuk Hipotesis
Komparatif (lebih dari dua
Deskriptif Komparatif (dua
sampel)
(satu sampel) Asosiatif
Macam
Data variable) (hubungan)
Independen Related
Related Independen
Fisher Exact
Binominal X2 for k
Probability Contigency
X2 One Mc Nemar sampleCochr X2 for k sample
Nominal X2 two Coefficient C
Sample an Q
sample
Median
testMann-
Sign Median
Whithey U Friedman Spearman Rank
testWilcoxo ExtensionKrusk
Run Test testKolmogoro two-way CorrelationKenda
n Mached al-Wallis One
v- Anova ll Tau
Ordinal pairs Way Anova
SmirnovWald-
Woldfowitz
Pearson Product
One way One way
t-test of t-test MomentPartial
T -test AnovaTwo AnovaTwo way
Ralated independent CorrelationMulti
Interval way Anova Anova
Ratio ple Correlation
Print Post
Email
Authors
Herry Syafrial
BAB II
STATISTIK DESKRIPTIF
Adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek
yang diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melalukan analisis
dan membuat kesimpulan yang berlaku untuk umum.
B. Penyajian Data
Prinsip dasar penyajian data adalah komunikatif dan lengkap. Menarik perhatian pembacanya
dan mudah dipahami.
1) Tabel
Tabel terdiri dari dua macam : a. Tabel biasa dan b. Tabel distribusi frekuensi
Dari data mentah di atas dapat disusun ke dalam table dibawah ini:
TABEL 2.1
Tingkat Pendidikan
No Bagian Jumlah
S1 D3 SMTA
1 Pemasaran 2 3 5 10
2 Akademik 4 2 1 7
3 Keuangan 1 1 3 5
4 Penempatan 1 0 1 2
Jumlah 8 6 10 24
TABEL 2.2
2 Harti 560 2
3 Nunung 440 3
4 Puspita 420 4
5 Iwan 300 5
Dari hasil penelitian kepuasan kerja pegawai menggunakan instrument dengan skala Likert
dengan interval 1 sampai dengan 5 dimana skor 1 untuk sangat kurang; 2 untuk kurang; 3 untuk
cukup; 4 untuk baik; dan 5 untuk sangat baik. Hasilnya disajikan dalam table di bawah ini.
TABEL 2.3
1 Gaji 37.58
2 Insentif 57.18
3 Transportasi 68.60
4 Perumahan 48.12
TABEL 2.4
DISTRIBUSI FREKUENSI
1 10 – 19 1
2 20 – 29 6
3 30 – 39 9
4 40 – 49 31
5 50 – 59 42
6 60 – 69 32
7 70 – 79 17
8 80 – 89 10
9 90 – 99 2
Jumlah 150
b) Pada setiap kelas mempunyai kelas interval. Interval nilai bawah dengan atas disebut
panjang kelas.
c) Setiap kelas interval mempunyai frekuensi (jumlah).
d) Tabel distribusi frekuensi tersebut bila mau dibuat menjadi tabel biasa akan memerlukan
150 baris (n=150) jadi akan sangat panjang.
Langkah pertama dalam membuat tabel distribusi frekuensi adalah menentukan kelas interval.
Terdapat 3 pedoman yang dapat diikuti:
Rumus Sturges :
K = 1 + 3,3 log n
Dimana :
log = Logaritma
K = 1 + 3,3 log 200 = 1 + 3,3 * 2,30 = 8,59 dapat dibulatkan menjadi 8 atau 9
27 79 69 40 51 88 55 48 36 61
53 44 93 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
K = 1 + 3,3 log 150 =1+ 3,3 * 2,18 = 8,19 Boleh 8 atau 9. Kita gunakan 9.
b) Hitung rentang data, yaitu data terbesar dikurangi data terkecil kemudian ditambah 1. Data
terbesar 93 dan terkecil 13.
Jadi 93 – 13 = 80 + 1 = 81
Panjang Kelas = Rentang : Jumlah Kelas; 81 : 9 = 9. Walau dari hitungan panjang kelas 9, tetapi
pada penyusunan tabel ini digunakan panjang kelas 10.
Secara teoritis penyusunan kelas dimulai dari data terkecil, yaitu 13. Tetapi supaya komunikatif
maka dimulai dengan angka 10
TABEL 2.5
DENGAN TALLY
1 10 – 19 I 1
2 20 – 29 IIIII I 6
3 30 – 39 IIIII IIII 9
8 80 – 89 IIIII IIIII 10
9 90 – 100 II 2
Jumlah : 150
Kumulatif adalah tabel yang menunjukan jumlah observasi yang menyatakan kurang dari nilai
tertentu.
TABEL 2.6
Kurang dari 20 1
Kurang dari 30 7
Kurang dari 40 16
Kurang dari 50 47
Kurang dari 60 89
Penyajian data lebih mudah dipahami bila dinyatakan dalam persen (%). Penyajian data yang
merubah frekuensi menjadi persen dinamakan distribusi frekuensi relative. Cara pembuatannya
adalah dengan merubah frekuensi menjadi persen.
TABEL 2.7
1 10 – 19 1 0,67
2 20 – 29 6 4,00
3 30 – 39 9 6,00
4 40 – 49 31 20,67
5 50 – 59 42 28,00
6 60 – 69 32 21,33
7 70 – 79 17 11,33
8 80 – 89 10 6,67
9 90 – 100 2 1,33
Jumlah : 100
3) Grafik
Dibuat untuk menunjukan perkembangan suatu keadaan. Perkembangan tersebut bisa naik dan
bisa turun.
Adakalanya supaya penyajiannya lebih menarik dan komunikatif maka penyajian data dibuat
dalam bentuk pictogram.
Modus, Median dan Mean merupakan teknik statistik yang digunakan untuk menjelaskan
kelompok yang didasarkan atas gejala pusat dari kelompok tersebut, namun dari tiga macam
teknik tersebut yang menjadi ukuran gejala pusatnya berbeda-beda.
Contoh:
Hasil observasi terhadap umur pegawai di Departemen X adalah: 20, 45, 60, 56, 45, 45, 20, 19,
57, 45, 45, 51, 35. Untuk mengetahui modus umur dari pegawai maka dilihat data yang paling
sering muncul, yaitu 45 sebanyak 5 data.
2) Median, adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari
kelompok data yang telah disusun urutannya dari yang terkecil sampai yang terbesar atau
sebaliknya.
Contoh Jumlah data ganjil. Dari data umur pegawai di atas diurutkan menjadi : 19, 20, 20, 35,
45, 45, 45, 45, 45, 51, 56, 57, 60. Nilai tengahnya adalah data ke 7 yaitu 45.
Contoh jumlah data genap (10 data). Data tinggi badan pegawai 145, 147, 167, 166, 160, 164,
165, 170, 171, 180 cm. Diurutkan (dari yang paling besar atau dari yang paling kecil) 180, 171,
170, 167, 166, 165, 164, 160, 147, 145 cm. Nilai tengahnya adalah dua angka yang ditengah
dibagi 2. (166 + 165)/2 = 165,5 cm.
3) Mean, adalah teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok
tersebut. Rata-rata (mean) didapat dengan menjumlahkan data seluruh individu dalam kelompok
itu, kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.
Me = ∑ xi / n
Rumus Mean :
xi = Nilai x ke I sampai ke n
n = Jumlah individu
Contoh : Sepuluh pegawai PT Sentosa berpenghasilan sebulannya dalam dolar seperti berikut :
90, 120, 160, 60, 180, 190, 90, 180, 70, 160.
Me = (90+120+160+60+180+190+90+180+70+160) : 10 = 130
4) Menghitung Modus, Median, Mean untuk data Bergolong. (Tersusun dalam Tabel Distribusi
Frekuensi)
TABEL 2.8
21 – 30 2
31 – 40 6
41 – 50 18
51 – 60 30
61 – 70 20
71 – 80 10
81 – 90 8
91 – 100 6
Jumlah 100
Berdasarkan data di tabel di atas hitunglah Modus, Median, Mean.
Menghitung Modus
Rumus Modus
Dimana :
Mo = Modus
b1 = Frekuensi pada kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b = 51 – 0,5 = 50,5
b1 = 30 – 18 = 12
b2 = 30 – 20 = 10 jadi
Menghitung Median
Rumus Median
½n–F
Md = b + p ( )
Dimana :
Md = Median
Setengan dari data (1/2 n) = ½ x 100 = 50. Jadi median terletak pada interval ke empat, karena
sampai interval ini jumlah frekuensi sudah lebih dari 50 tepatnya 56. Dengan demikian pada
interval ke empat merupakan kelas median batas bawahnya (b) adalah 51 – 0,5 = 50,5. Panjang
kelas mediannya (p) adalah 10, dan frekuensi = 30. Adapun F nya = 2 + 6 + 18 = 26
30
Menghitung Mean
Untuk lebih mudah kita buat tabel sebagai berikut terlebih dahulu:
TABEL 2.9
INTERVAL NILAI xi fi fi xi
21 – 3031 – 40 25,535,5 26 51213
41 – 50 45,5 18 819
51 – 60 55,5 30 1.665
61 – 70 65,5 20 1.310
71 – 80 75,5 10 755
81 – 90 85,5 8 684
Rumus Mean :
Dimana :
∑ fi = Jumlah data/sampel
fi xi = perkalian fi dengan xi. xi adalah rata-rata dari nilai terendah dan tertinggi.
Me = 6070/100 = 60,70
Untuk menjelaskan data kelompok dapat juga didasarkan pada tingkat variasi data yang terjadi
pada kelompok tersebut. Untuk mengetahui tingkat variasi kelompok data dapat dilakukan
dengan melihat rentang data dan standar deviasi atau simpangan baku dari kelompok data yang
telah diketahui.
1. Rentang Data
Rentang data (range) dapat diketahui dengan mengurai data yang terbesar dengan data terkecil
yang ada pada kelompok itu.
Dimana :
R = Rentang
Contoh :
Sepuluh pegawai di PT Damai memiliki gaji (dalam dolar) 50, 75, 150, 170, 175, 190, 200, 400,
600, 700
Data terkecil = 50
R = 700 – 50 = 650
2. Varians :
Varians adalah salah satu teknik yang digunakan untuk menjelaskan homogenitas kelompok.
Varians : Jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok
Varian populasi : σ2
Standar deviasi : σ
Varians sampel : s2
Contoh Tabel cara menghitung varians dan simpangan baku sekelompok mahasiswa yang
berjumlah 10 orang yang selanjutnya diberi symbol xi. Dari nilai 10 orang tersebut rata-rata x
(mean) adalah :
x = (60+70+65+80+70+65+75+80+70+75)/10 = 71
Jadi rata-rata nilai = 71
Jarak antara nilai individu dengan rata-rata disebut simpangan. Simpangan (deviasi) mahasiswa
no 1 adalah 60 – 71 = -11 dan seterusnya. Jumlah simpangan (xt – xr) jumlahnya harus nol.
TABEL 2.10
NILAI 10 MAHASISWA
NO NILAI
( xi – x ) ( xi – x )2
3 65 -6 36
4 80 9 81
5 70 -1 1
6 65 -6 36
7 75 4 16
8 80 9 81
9 70 -1 1
10 75 4 16
390
JUMLAH 710 0
S2 = 390 = 39
10
S = √39 = 6,2450
_
σ2 = Σ ( xi - x ) 2
σ = √ Σ ( xi - x ) 2
S2 =
Σ ( xi - x ) 2
(n-1)
Indeks/koefisien Variasi
Rata-rata
Contoh :
= 10
s kelompok 1 = 4,32
= 110
S kelompok 2 = 4,32
Koefisien Variasi kelompok 1 = (4,32/10) x 100 % = 43,2%
Rumus :
S = √ Σfi ( xi - x )2
(n-1)
TABEL 2.11
S = √ Σfi ( xi - x )2
(n-1)
BAB III
A. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas
dan karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik
kesimpulannya.
B. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel yang
baik harus dapat mewakili keseluruhan populasi dan hasil penelitian dapat diterapkan keseluruh
populasi.
C. Teknik Sampling
Teknik sampling adalah teknik pengambilan sampel. Teknik sampling bisa dibagi dua yang
terlihat pada gambar di bawah ini:
1. Probability Sampling
Teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur/anggota
populasi untuk dipilih menjadi anggota sampel.
Pengambilan anggota sampel dari populasi dilakukan secara acak tanpa memperhatikan strata
yang ada. Dilakukan bila populasi dianggap homogen.
d. Cluster sampling
Bila objek yang diteliti sangat luas, misal penduduk suatu negara, propinsi atau kabupaten
Caranya :
Sampel ditentukan bertahap dari wilayah negara sampai kabupaten, setelah terpilih sampel
terkecil baru sampel dipilih secara acak
Contoh : Indonesia terdiri atas 33 propinsi, sampelnya akan diambil misalnya 15 propinsi secara
acak.
Setiap propinsi berstrata tidak sama, ada yang padat ada yang tidak, ada hutannya banyak/tidak,
ada yang barang tambangnya banyak atau tidak, dll
2. Nonprobability Samling
Teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap
unsur/anggota poulasi untuk dipilih menjadi sampel
a. Sampling Sistematis
Misal : anggota populasi yang terdiri dari 100 orang, dan telah diberi no urut
Pengambilan sampelnya bisa no ganjil saja atau genap saja atau kelipatan dari bilangan tertentu
b. Sampling Kuota
Teknik untuk menentukan sampel dari populasi dengan ciri tertentu sampai jumlah (kuota) yang
diinginkan.
Contoh : penelitian kepuasan layanan mau dilakukan terhadap 100 orang pembeli mobil avanza,
maka selama belum tercapai 100 orang, , penelitian belum dianggap selesai
c. Sampling Insidental
Teknik penentuan sampel berdasarkan kebetulan/secara kebetulan bertemu dengan peneliti dan
dipandang cocok.
d. Sampling Purposive
Contoh : penelitian tentang kualitas makanan, maka sampelnya harus ahli makanan.
Teknik penentuan sampel bila semua anggota populasi digunakan sebagai sampel. Sering
digunakan jika populasinya kurang dari 30
f. Snowball Sampling
Dengan menggunakan Tabel 3.1 bila jumlah pupulasi = 1000, kesalahan 5%, maka jumlah
sampelnya = 258, karena populasinya berstrata, maka sampelnya juga berstrata. Stratanya
ditentukan menurut jenjang pendidikan. Dengan demikian masing-masing sampel untuk tingkat
pendidikan harus proporsional sesuai dengan pupulasi. Berdasarkan perhitungan dengan cara
berikut ini jumlah sampel untuk kelompok S1 = 13, Sarjana Muda (SM) = 77, SMK = 129, SMP
= 26, dan SD = 13.
Jadi jumlah sempelnya = 12,9 + 77,4 + 129 + 25,8 + 12,9 = 258. Jumlah yang pecahan bisa
dibulatkan, sehingga jumlah sampel menjadi 13 + 77 + 129 + 26 + 13 = 258.
Pada perhitungan yang menghasilkan pecahan (terdapat koma) sebaiknya dibulatkan ke atas
sehingga jumlah sampelnya lebih 259. Hal ini lebih aman daripada kurang dari 258. Gambaran
jumlah populasi dan sampel dapat ditunjukkan pada gambar 3.8 berikut:
Gambar 3.2
1. Normalitas Data
a.Kurva Normal
2) Bila data tidak normal, teknik statistik parametris tidak dapat digunakan untuk analisis
Suatu data membentuk distribusi normal bila jumlah data di atas dan di bawah rata-rata adalah
sama, demikian juga simpangan bakunya
Lihat gambar :
2 4 6 8 10
1S 1S
2S 2S
3S 3S
Penjelasan
- Secara teoritis, kurva tidak akan pernah menyentuh garis dasar, sehingga luasnyapun
tidak sampai 100 %, tetapi hanya mendekati (99,999 %)
- Bentuk kurva sistematif : luas rata-rata mean ke kiri dan ke kanan masing-masing
mendekati 50 %, tetapi dalam prakteknya dinyatakan dalam 50 %
- Disamping kurva normal umum, terdapat kurva normal standar, karena nilai rata-ratanya
= 0, dan simpangan bakunya = 1,2,3,4 dst
Kurva normal umum dapat dirubah ke dalam kurva normal standar, dengan rumus :
_
Z = (xi - x )
Dimana :
X = Rata-rata kelompok
S = simpangan baku
1S 1S
2S 2S
3S 3S
Terdapat 200 mahasiswa yang ikut ujian mata kuliah statistik. Nilai rata-ratanya adalah 6 dan
simpangan bakunya adalah 2. Berapa orang yang mendapat nilai 8 ke atas ?
Jawab :
Rata-rata ( x) =6
S =2
Maka
z = (xi - x ) = (8 – 6) = 1 = 34,13 %
s 2
Dibulatkan = 32 orang
Statistik parametris didasarkan atas asumsi bahwa data setiap variabel dianalisis
berdasakan distribusi normal.
Sebelum menggunakan teknik statistik parametris, maka kenormalan data harus diuji
terlebih dahulu.
Bila data tidak normal, maka statistik parametris tidak dapat digunakan, sehingga
digunakan statistik non parametris.
Penyebab ketidaknormalan data : kesalahan alat dan pengumpulan data.
Pengujian normalitas data menggunakan Chi Kuadrat (Χ2), dilakukan dengan cara
membandingkan kurva normal yang terbentuk dari data yang telah terkumpul (B) dengan
kurva normal baku/standar (A) atau (B : A)
Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang
berdistribusi normal.
? ?
? ?
Semua Data harus dikelompokkan menjadi 6 kelas, sesuai 6 bidang kurva normal
Contoh
INTERVAL F
321
13 – 2728 – 42
56
43 – 57
45
58 – 72
21
73 – 87
4
88 – 102
Langkah-langkah
1. Menentukan jumlah kelas interval. Jumlah kelas interval disesuaikan dengan jumlah
bidang = 6
2. Menentukan panjang kelas interval
1. Menyusun ke dalam tabel distribusi frekuensi, sekaligus tabel penolong untuk menguji
harga chi kuadrat hitung
2. Menghitung fh (frequensi yang diharapkan)
fh
1. 6. Membandingkan harga chi Kuadrat Hitung dengan Chi Kuadrat Tabel. Jika Chi
kuadrat hitung lbih kecil dari chi kuadrat Tabel, maka distribusi data dinyatakan normal,
dan bila lebih bsar dinyatakan tidak normal
INTERVAL (fo-fh)2fh
Fo Fh = ( % x n) Fo-fh (fo-fh)2
13 – 27 3
42051 -115 1125 0,250,050,49
28 – 42 21
51 -6 36 0,70
43 – 57 56
20 1 1 0,05
58 – 72 45
4 0 0 0
73 – 87 21
88 – 102 4
db = 6-1 :5
Adalah : 11,070
Kesimpulan :
Jika Chi Kuadrat Hitung < Chi Kuadrat Tabel, maka data dinyatakan normal, tapi
Jika Chi Kuadrat Hitung > Chi Kuadrat Tabel, maka data dinyatakan tidak normal,
Hasil :
Karena Chi Kuadrat Hitung (1,55) < Chi Kuadrat Tabel (11,070), maka data dinyatakan normal,