PENDAHULUAN
2. Penggolongan Statistik
Bedasarkan tingkatan pekerjaannya (tahapan yang ada dalam kegiatan statistik) statistik
sebagai ilmu pengetahuan dapat dibedakan menjadi dua macam yaitu :
a. Statistik Deskriptif, yang dikenal pula dengan istilah statistik Deduktif, statistik
sederhana, dan descriptive statistics adalah statistik yang tingkat pekerajaannya
mencakup cara-cara menghipun, menyusun atau mengatur, mengolah, menyajikan,
dan menganalisi data angka, agar dapat memberikan gambaran yang teratur, rigkas
dan jelas.
b. Statistik inerensial adalah statistik yang menyediakan aturan atau cara menarik
kesimpulan yang bersifat umum.
STATISTIK PENDIDIKAN 1
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
a. Statisik selalu bekerja dengan angka atau bilangan ( dalam hal ini adalah data
kuantitatif).
b. Statistik bersifat objektif pengertian statistik selalu bekerja menurut data yang ada.
c. Statistik bersifat universal mengandung pengertian bahwa ruang lingkup atau ruang
gerak dan bidang garapan statistik yang berlaku untuk di semua bidang kajian.
4. Permasalahan Statistik.
Menurut Hananto Sigit, B.ST, dalam bukunya statistik suatu pengaturan 1996
mengemukakan ada tiga permasalahan dasar dalam statistik yaitu :
a. Permasalahan tentang Rata-rata (Average)
b. Permasalahan tentang pemencaran atau penyebaran (Variability)
c. Permasalahan tentang saling hubungan (Korelasi)
Suatu persoalan statistik lainnya adalah apa yang di kenal dengan nama ” dispersi ”
(dispersian) atau ” Variabilitas”. Sebuah persoalan lain lagi dari statistik adalah persoalan
tentang ” korelasi ” atau ” asosiasi ” persoalan hubungan.
STATISTIK PENDIDIKAN 2
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
b. Mengikuti perkembangan atau pasang surut mengenai gejala keadaan atau peristiwa
tersebut, dari waktu ke kewaktu.
c. Melakukan pengujian, apakah gejala yang satu berbeda dengan gejala yang lain
ataukah tidak, jika terdapat perbedaan apakah perbedaan itu merupakan perbedaan
yang berarti (menyakinkan) ataukah perbedan itu terjadi hanya secara kebetulan saja.
d. Mengetahui, apakah gejala yang satu ada hubungannya dengan gejala yang lain.
e. Menyusun laporan yang berupa data kuantitatif dengan teratur, ringkas dan jelas.
f. Manarik kesimpulan secara logis, mengamil keputusan secara tepat dan mantap, serta
dapat memperkirakan atau meramalkan hal-hal yang mungkin terjadi di masa
mendatang, dan langkah konkret apa yang kemungkinan perlu dilakukan oleh seorang
pendidik.
b. Penggolongan data statistik berdasarkan cara menyusun angkanya ada tiga macam
yaitu :
Data nominal ialah data statistik yang cara menyusun angkanya di dasarkan
atas penggolongan atau klasifikasi tertentu.
STATISTIK PENDIDIKAN 3
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Data ordinal juga sering disebut data urut, yaitu data statistik yang cara
menyusun angkanya di dasarkan atas urutan kedudukan ( renking)
Data interval ialah data statistik di mana terdapat jarak yang sama di antara hal-
hal yang sedang di selidiki atau di persoalkan.
STATISTIK PENDIDIKAN 5
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Sensus ialah cara mengumpulkan data dengan jalan mencatat atau meneliti seluruh
elemen yang menjadi objek penelitian. Kelemahannya memakan waktu, tenaga,
biaya dan peralatan.
Sampling ialah cara mengumpulkan data dengan jalan mencatat atau meniliti
sebagian kecil saja dari seluruh elemen yang menjadi objek penelitian.
Pengamatan mendalam (systematic observtion) yaitu pengamatan terhadap objek
yang akan di catat datanya, dengan persiapan yang matang dilengkapi dengan
instrumen tertent.
Wawancara mendalam (systematic intervalew) yaitu mengumpulkan data
berbentuk pengajuan pertanyaan secara lisan, dan pertanyaan yang diajukan dalam
wawancara itu telah di persiapkan secara tuntas, dilengkapi dengan instrumennya.
Angket yaitu cara pengumpulan data berbentuk pengajuan pertanyaan tertulis
melalui sebuah daftar pertanyaan yang sudah dipersiapkan sebelumnya.
Pemeriksaan dekomentasi (studi dokumenter) di lakukan dengan meneliti bahan
dokumentasi yang ada dan mempunyai relevansi dengan tujuan penelitian.
Tes seperti : tes hasil belajar , tes kepribadian, tes kecerdasan, tes minet dan
perhatian.
STATISTIK PENDIDIKAN 6
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
b. Data Statistik yang berkaitan dengan keadaan anak didik.
c. Data Statistik yang berkaitan dengan staf pengajar.
d. Data Statistik yang berkaitan dengan staf administrasi.
e. Data Statistik yang berkaitan dengan anggaran pendapatan dan belanja.
f. Data Statistik yang berkaitan dengan bidang perlengkapan.
g. Data Statistik yang berkaitan dengan bidang perpustakaan.
h. Data Statistik tentang angka presensi anak didik, staf pengajar dan staf
administrasi.
STATISTIK PENDIDIKAN 7
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB II
MASALAH DISTRIBUSI FREKUENS
Setiap kali kita melakukan kegiatan pengumpulan data statistik, maka pada umumnya
kegiatan tersebut akan menghasilkan kumpulan data angka yang keadaanya tidak teratur,
berserak dan masih merupakan bahan keterangan yang sifatnya kasar dan mentah. Dikatakan
“kasar” dan “mentah”, sebab kumpulan angka dengan kondisi seperti yang disebutkan di atas
belum dapat memberikan informasi secara ringkas dan jelas mengenai ciri atau sifat yang
dimiliki oleh kumpulan angka tersebut. Oleh karena itu, agar data angka yang telah berhasil
dihimpun itu “dapat berbicara” dan dapat memberikan informasi yang berarti, diperlukan
adanya tindak lanjut atau langkah tertentu.
Sebuah contoh yang dikemukakan berikut ini kiranya akan memperjelas uraian di
atas.
Dari sejumlah 80 orang Mahasiswa Tingkat II Fakultas Tarbiyah IAIN Sunan Kalijaga
Yogyakarta, berhasil dihimpun data berupa nilai hasil Ujian Utama Semester I Tahun
Akademik 1984/1985 dalam mata kuliah Statistik Pendidikan, sebagai berikut :
60 47 35 52 74 45 55 40 56 53
45 79 58 45 38 50 64 59 58 40
50 45 65 55 48 63 80 49 39 58
30 55 51 45 41 30 53 40 49 43
34 54 68 51 57 56 44 52 37 77
50 57 36 66 71 46 50 31 59 56
70 45 32 61 55 45 42 30 59 35
55 35 75 50 57 30 67 54 80 40
Dapat kita saksikan dan kita rasakan bersama bahwa data yang berupa kumpulan nilai
hasil ujian semester dari 80 orang mahasiswa itu masih dalam keadaan tidak teratur dan
berserak, sehingga masih sangat sulit bagi kita untuk dapat menjawab dengan cepat
pertanyaan yang muncul di balik kumpulan data angka itu, seperti :
a. Berapa banyak mahasiswa yang memiliki nilai tertinggi dalam ujian semester
tersebut?
b. Berapa banyak mahasiswa yang memiliki nilai terendah?
c. Berapa banyak mahasiswa yang memperoleh nilai di atas 60?
STATISTIK PENDIDIKAN 8
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
d. Berapa banyak mahasiswa yang nilainya kurang dari 60?
e. Berapa banyak mahasiswa yang nilainya berkisar antara 60 – 69?
f. Berapa banyak mahasiswa yang nilainya berkisar antara 70 – 79?
g. Berapa banyak mahasiswa yang memperoleh nilai yang sama?
PENGERTIAN VARIABEL
Kata “variabel” berasal dari bahasa Inggris variable dengan arti :”ubahan”,”faktor tak
tetap”, atau “gejala yang dapat diubah-ubah”. Dalam contoh yang telah disebutkan dimuka,
nilai-nilai hasil ujian semester dari sejumlah 80 orang mahasiswa itu kita sebut variable.
Variabel pada dasarnya bersifat kualitatif namun dilambangkan dengan angka.
Contoh :
“Usia” adalah gejala kualitatif, akan tetapi gejala yang bersifat kualitatif itu dilambangkan
dengan angka; misalnya : 17 tahun, 25 tahun, 50 tahun, dan sebagainya “Nilai Ujian” pada
dasarnya adalah gejala kualitas yang dilambangkan dengan angka, seperti 5,6,7,40,75,80,100,
dan sebagainya.
PENGERTIAN FREKUENSI
Kata “frekuensi” yang dalam bahasa Inggrisnya adalah frequency berarti:
“kekerapan”, “keseimbangan”, “keseringan”, atau “jarang-kerap”. Dalam statistik,
“frekuensi” mengandung pengertian : Angka (bilangan) yang menunjukkan seberapa kali
suatu variabel (yang dilambangkan dengan angka-angka itu) berulang dalam deretan angka
tersebut; atau berapa kalikah suatu variabel (yang dilambangkan dengan angka itu) muncul
dalam deretan angka tersebut.
Contoh :
Nilai yang berhasil dicapai oleh 10 orang siswa SMA dalam Tes Hasil Belajar bidang studi
Ilmu Pengetahuan Alam adalah:
60 50 75 60 80 40 60 70 100 75
STATISTIK PENDIDIKAN 9
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Jika kita amati, maka dalam deretan nilai hasil tes tersebut,nilai 60 muncul sebanyak 3
kali; atau bahwa siswa yang memperoleh nilai 60 itu sebanyak 3 orang. Maka disini dapat
kita katakan bahwa nilai 60 itu berfrekuensi 3.
Nilai 70 hanya muncul sebanyak 1 kali saja; ini berarti bahwa nilai 70 itu berfrekuensi
1.
Nilai 75 dicapai oleh 2 orang siswa, atau nilai 75 ada sebanyak 2 buah, disini kita
katakan
bahwa nilai 75 berfrekuensi 2. demikianlah seterusnya.
STATISTIK PENDIDIKAN 10
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Tabel distribusi frekuensi dapat kita beri pengertian sebagai alat penyajian data
statistik yang berbentuk kolom dan lajur, yang didalamnya dimuat angka yang dapat
melukiskan atau menggambarkan pencaran atau pembagian frekuensi dari variabel yang
sedang menjadi objek penelitian.
2. Tabel Distribusi Frekuensi dan Macamnya
a. Tabel Distribusi Frekuensi Data Tunggal
Tabel distribusi frekunsi data tungal adalah salah satu jenis tabel statistik yang
didalamnya disajikan frekuensi dari data angka, angka data itu tidak dikelompok-
kelompokkan. Contoh : Distribusi frekuensi nilai tes hasil belajar dalam bidang studi kimia
dari 40 orang siswa SMA Negeri kelas XI IPA
Tabel II.1 Distribusi Frekuensi Nilai Tes Hasil Belajar Dalam Bidang Studi Kimia dari 40
Orang Siswa SMA Negeri kelas XI IPA
Nilai Frekuensi
8 6
7 9
6 16
5 6
Total N = 40
b. Tabel Distribusi Frekuensi Data Kelompokkan
Tabel distribusi frekuensi data kelompokkan adalah salah satu jenis tabel statistik
yang didalamnya disajikan pencaran frekuensi dari data angka, dimana angka-angka tersebut
dikelompok-kelompokkan (dalam tiap unit terdapat sekelompok angka).
Contoh:Tabel II.2 Distribusi frekuensi kumulatif usia 50 orang guru kimia yang bertugas di
SMA Negeri Palembang.
Usia Frekuensi
50-54 6
45-49 7
40-44 10
35-39 12
30-34 8
25-29 7
Total 50 = N
STATISTIK PENDIDIKAN 11
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Distribusi Frekuensi Nilai Tes Hasil Belajar Dalam Bidang Studi Kimia dari 40 Orang Siswa
SMA Negeri kelas XI IPA
Tabel II.3 Distribusi Frekuensi Nilai Tes Hasil Belajar Dalam Bidang Studi Kimia dari 40
Orang Siswa SMA Negeri kelas XI IPA
Nilai (X) F fk(b) fk(a)
8 6 40 = N 6
7 9 34 15
6 19 25 34
5 6 6 40 = N
Total N =40 - -
Tabel diatas dinamakan Tabel Distribusi Frekuensi Kumulatif data tunggal, sebab data
yang disajikan dalam tabel ini berbentuk data yang tidak dikelompok-kelompokkkan (lihat
kolom 1). Pada kolm 2 dimuat frekuensi asli (yakni frekuensi sebelum diperhitungkan
frekuensi kumulatifnya). Kolom 3 memuat frekuensi kumulatif yang dihitung dari dari bawah
(fk(b)). Contoh berikutnya adalah Distribusi frekuensi kumulatif usia 50 orang guru kimia
yang bertugas di SMA Negeri Palembang
Tabel II.4 Distribusi frekuensi kumulatif usia 50 orang guru kimia yang bertugas di SMA
Negeri Palembang
Usia F fk(b) fk(a)
50-54 6 50 6
45-49 7 44 13
40-44 10 37 23
35-39 12 27 35
30-34 8 15 43
25-29 7 7 50
Total 50 - -
Tabel diatas kita namakan Tabel Distribusi Frekuensi Kumulatif Data Kelompokkan,
sebab data yang disajikan dalam tabel ini berbentuk data kelompokan. Tentang keterangan
atau lebih lanjut pada pokoknya sama seperti keterangan yang telah dikemukakan.
d. Tabel Distribusi Frekuensi Relatif.
Tabel distribusi frekuensi relatif juga dinamakan tabel persentase. Dikatakan
‘frekuensi relatif’ sebab frekuensi yang disajikan di sini bukanlah frekuensi yang sebenarnya,
melainkan frekuensi yang dituangkan dalam bentuk angka persenan.
Contoh :
1. Jika data yang disajikan pada tabel II.1 kita sajikan kembali dalam bentuk Tabel Distribusi
Frekuensi Relatif atau Tabel Persentase, maka keadaannya adalah sebagai berikut :
Tabel II. 5 Distribusi Frekuensi Relatif Nilai Tes Hasil Belajar Dalam Bidang Studi Kimia
dari 40 Orang Siswa SMA Negeri kelas XI IPA
STATISTIK PENDIDIKAN 12
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Nilai (X) F Persentase(p)
8 6 15,0
7 9 22,5
6 19 47,5
5 6 15,0
Total N =40 ∑p = 100,0
Keterangan untuk memperoleh frekuensi relatif (angka persenan) sebagaimana tertera pada
kolom 3, tabel II.5, dipergunakan rumus :
P = f/N x 100%
Keterangan : f = frekuensi yang seang dicari persentasenya.
N = Number of Case (jumlah frekuensi/banyaknya individu)
P = angka persentase
Tabel II.7. Tabel Persentase Kumulatif (Tabel distribusi Frekuensi Relatif Kumulatif)
Tentang Nilai Tes Hasil Belajar Kimia dari 40 Orang Siswa SMA Negeri kelas
XI IPA
Nilai (X) Persentase(p) pk(b) pk(a)
8 15,0 100 15.0
7 22,5 85.0 37.5
6 47,5 62.5 85.0
5 15,0 15.0 100.0
Total ∑p = 100,0 - -
Penjelasan bagaimana cara memperoleh pk(b) dan pk(a)sama seperti penjelasan yang
dikemukakan pada tabel II.3.
Tabel II.8 Tabel Persentase Kumulatif (Tabel Distribusi Frekuensi Relatif Kumulatif) tentang
usia 50 orang guru kimia yang bertugas di SMA Negeri Palembang
Usia Persentase (p) pk(b) pk(a)
50-54 12.0 100 12.0
45-49 14.0 88 26.0
40-44 20.0 74.0 46.0
STATISTIK PENDIDIKAN 13
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
35-39 24.0 54.0 70.0
30-34 16.0 30.0 86.0
25-29 14.0 14.0 100.0
Total ∑p = 100 - -
1 Wahyu 65
2 Arianto 30
3 Syamsudin 60
4 Abdul Wahid 45
5 Dimyati 75
6 Sulistyani 40
7 Fathonah 70
8 Nur Kholis 55
9 Hamdani 80
10 B. Pramono 50
Jadi data diatas kita tuangkan penyajiannya dalam bentuk Tabel Distribusi Frekuensi Data
tunggal, wujudnya adalah seperti Tabel II.9.
Tabel II.9 Distribusi Frekuensi Nilai Hasil Ujian Ulangan Lisan Dalam Matakuliah Statistik
Pendidkan yang diikuti 10 orang Mahasiswa.
Nilai F
65 1
30 1
60 1
45 1
75 1
40 1
70 1
55 1
80 1
50 1
STATISTIK PENDIDIKAN 14
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Karena semua sekor (nilai) hasil ujian tersebut berfrekuensi 1, dan semua sekor nilai
yang ada itu berwujud data tunggal, maka tabel diatas dinamakan : Tabel distribusi Frekuensi
Data tunggal yang semua sekornya berfrekuensi 1.
b. contoh pembuatan tabel distribusi frekuensi data tunggal, yang sebagian atau keseluruhan
sekornya berfrekuensi lebih dari satu.
Misalkan dari sejumlah 40 orang murid SMA yang menempuh ulangan harian dalam
matapelajaran matematika, diperoleh nilai hasil ulangan sebagai berikut (nama murid tidak
dicantumkan).
3 8 6 4 6 7 9 6 4 5
3 5 8 6 5 4 6 7 7 10
4 6 5 7 8 9 3 5 6 8
10 4 9 5 3 6 8 6 7 6
apabila data tersebut kita sajikan dalam bentuk tabel distribusi frekuensi, maka langkah yang
dapat ditempuh adalah sebagai berikut :
Langkah pertama :
mencari nilai tertinggi (sekor paling tinggi = highest score = H) dan nilai terendah (sekor
paling rendah = lowest score = L). Ternyata H = 10 dan L = 3
Dengan diketahuinya H dan L, maka kita dapat menyusun atau mengatur nilai hasil
ulangan harian itu, dari atas ke bawah, mulai dari 10 berturut- turut ke bawah sampai dengan
3 pada kolom 1 dari tabel distribusi frekuensi yang kita persiapkan adalah seperti yang
terlihat pada tabel II.10.
Langkah kedua :
Menghitung frekuensi masing-masing nilai yang ada, dengan bantuan jari-jari (=
tallies) ; hasilnya dimasukkan dalam kolom 2 dari tabel distribusi frekuensi yang kita
persiapkan (lihat kolom 2 tabel II.10).
Langkah Ketiga :
Mengubah jari-jari menjadi angka biasa, dituliskan pada kolom3 (lihat kolom 3 Tabel 2.10).
setelah selesai, keseluruhan angka yang menunjukkan frekuensi masing-maing nilai yang ada
itu lalu kita jumlahkan, sehingga diperoleh jumlah frekuensi (∑f) atau number of Cases = N
Tabel 2.10 kita sebut tabel distribusi frekuensi data tunggal yang seluruh sekornya
berfrekuensi lebih dari satu, sebab disamping seluruh sekor (nilai)nya merupakan data yang
tidak dikelompokkan, maka seluruh sekor yang ada itu masing-masing berfrekuensi lebih dari
satu.
STATISTIK PENDIDIKAN 15
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Tabel 2.10. Distribusi Frekuensi Nilai Hasil Ulangan Hatian Dalam Matapelajaran
Matematika yang Diikuti Oleh 40 Orang Murid SMA.
STATISTIK PENDIDIKAN 17
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Menetapakan bilangan dasar masing-masing interval yang dibuat dalam tabel.Para
ahli statistik mengemukakan pedoman dalam menetapakan bilangan dasar,sebagai berikut :
Pertama : Bilangan dasar interval itu sebaiknya adalah bilangan yang merupakan kelipatan
dari i. Dengan kata lain : bilangan dasar interval itu sebaiknya dipilihkan bilangan yang dapat
habis jika dibagi dengan i. Kalau pedoman ini kita terapkan pada data yang sedang kita
hadapi, maka bilangan dasar interval yang memenuhi syarat bilangan : 78, 75, 72, 69, 66, 63,
60, 57, 54, 51, 48, dan 45. Kedua belas bilangan inilah yang akan mengawali tiap-tiap
interval dalam tabel distribusi frekuensi yang akan kita buat.
Kedua : Dalam menetapkan bilangan dasar interval itu harus diperhatikan sedemikian rupa,
sehingga dalam interval yang tertinggi (interval paling atas) harus terkandung nilai tertinggi
(highest score) dan dalam interval yang terendah (interval paling bawah)harus terkandung
nilai terendah (lowest score).
Langkah Kelima :
Mempersiapkan tabel distribusi frekuensinya, yang terdiri dari tiga kolom. Kolom 1
diisi dengan interval nilai yang banyaknya 12 baris, kolom 2 adalah kolom yang
membubuhkan “tanda-tanda atau jari-jari” sebagai pertolongan dalam menghitung frekuensi,
sedang kolom 3 berisi frekuensi (Perhatikanlah tabel 2.11).
Tabel 2.11. Distribusi Frekuensi nilai hasil EBTA dalam bidang studi biologi dari sejumlah
80 orang siswa kelas III SMA Jurusan Fisika.
Interval Tanda/Jari-jari f
78-80 / / 2
75-77 / / 2
72-74 // / 3
69-71 /// / 4
66-68 /// / 5
63-65 / / / / /// / 10
60-62 / / / / / / / / / / / / / / 17
57-59 / / / / / / / / /// / 14
54-56 / / / / / / / / / 11
51-53 / / / / / 6
48-50 /// / 4
45-47 / / 2
Total 80=N
Langkah keenam :
Menghitung frekuensi dari tiap-tiap nilai yang ada, dengan bantuan ‘tanda-tanda’
atau ‘jari-jari’ seperti terlihat pada kolom 2; setelah hal itu dapat diselesaikan , selanjutnya
jari-jari itu kita ubah menjadi angka biasa dan kita tuliskan pada kolom 3. Akhirnya semua
STATISTIK PENDIDIKAN 18
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
frekuensi yang telah kita tuliskan pada kolom 3 itu kita jumlahkan, sehingga diperoleh f atau
N sebesar 80.
Contoh :
1) Interval 50-54 kelas intervalnya (i-nya) adalah 5 (merupakan bilangan gasal). Midpoint
atau nilai tengah dari interval 50-54 adalah = (50=54) : 2 = 52 (midpoint berupa
bilangan bulat)
2) Interval 50-55 kelas intervalnya adalah 6 (atau : I = 6). Jadi disini interval classnya
berupa bilangan genap. Midpoint dari interval 50-55 itu adalah = (50 +55) : 2 = 52,50
(midpoint berupa pecahan).
3) interval 5-9 kelas intervalnya (i-nya) adalah 5 (merupakan bilangan gasal).
Midpointnya = (5+9): 2 = 7 (merupakan bilangan bulat).
4) Interval 5-10 kelas intervalnya (i-nya)adalah 6 (merupakan bilangan genap).
Midpointnya = ( 5 + 10) : 2 = 7,5 (merupakan pecahan).
STATISTIK PENDIDIKAN 19
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Namun demikian grafik itu sendiri tidak dapat terhindar dari kekurangan atau
kelemahan. Diantara kelemahan yang memiliki grafik dapat disebutkan di sini misalnya :
1. Membuat grafik jauh lebih sukar dan memakan waktu, biaya serta alat, tidak demikian
halnya dengan tabel.
2. data yang dapat disajikan atau dituangkan dalam bentuk grafik amatlah terbatas , sebab
apabila datanya banyak sekali (bermacam-macam) maka lukisan grafiknya akan menjadi
terlalu ruwet dan meusingkan ; tidak seperti halnya tabel.
3. Grafik pada kebanyakkanya bersifat kurang teliti. Dalam tabel dapat dimuat angka sampai
pada tingkat ketelitian yang setinggi-tingginya.
Dengan demikian jelaslah bahwa baik tabel distribusi frekuensi maupun grafik, masing-
masing memiliki keunggulan dan kelemahan tertentu. Pada dasarnya kelemahan yang
terdapat pada tabel distribusi frekuensi merupakan keunggulan grafik, sebaliknya ;
keunggulan yang dimiliki oleh tabel distribusi merupakan kelemahan grafik. Itulah sebabnya
apabila didalam penyajian data statistik itu kita sajikan dalam bentuk tabel.
1. PENGERTIAN GRAFIK
Grafik tidak lain dan tidak bukan adalah alat penyajian data statistik yang tertuang
dalam bentuk lukisan garis , gambar, maupun lambang. Jadi dalam penyajian data angka
melalui grafik, angka itu dilukiskan dalam bentuk lukisan, garis, gambar atau lambang
tertentu dengan kata lain angka itu divisualisasikan.
30
Angka skala
Lukisan
grafik
grafis
Tanda skala
grafik 25
ordinat
20
Titik mula
(titik nol)
absis
15
Fak. Tarb.Yk
5
STATISTIK PENDIDIKAN 21
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
3. MACAM-MACAM GRAFIK
a. Grafik Balok atau grafik batang atau Barchart.
Grafik balok ini ada 6 macam yaitu :
1. Grafik balok tunggal
2. Grafik balok Ganda atau Majemuk
3. Garfik Balok Terbagi
4. Grafik Balok Vertikal
5. Grafik Balok Horisontal
6. Grafik Balok Bilateral
GRAFIK 2.2
Poligon Frekuensi Tentang Nilai-nilai Hasil Ulangan Harian
Bidang Studi Matematika Dari Sejumlah 40 Orang Murid
Madrasah Ibtidaiyah
1
0
6
0 1 2 3 4 5 6 7 8 9 10
Contoh Cara Melukiskan Distribusi Frekuensi Dalam Bentuk Grafik Poligon Data
Kelomp4okkan.Misalkan data tentang nilai hasil EBTA dalam bidang studi Biologi dari
sejumlah 80 orang siswa kelas III jurusan Fisika seperti yang disajikan dalam tabel II.11,
akan kita sajikan dalam bentuk poligon frekuensi. Maka langkah yang perlu dilakukan secara
berturut-turut adalah sebagai berikut ;
3
STATISTIK PENDIDIKAN 23
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
1
0
GRAFIK 2.3
Poligon Frekuensi Tentang Nilai Hasil EBTA dalam Bidang Studi Biologi,
yang Diikuti Oleh Sejumlah 80 Orang Siswa Kelas III SMA Jurusan Fisika
STATISTIK PENDIDIKAN 24
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
1
7
1
6
1
5
1
4
1
3
1
1
0 46 49 52 55 58 61 64 67 70
73 76
1
0
7
1. Cara Melukiskan Distribusi Frekuensi Dalam Bentuk Grafik Histogram Data Tunggal.
Langkah yang perlu ditempuh :
a. 6 Menyiapkan sumbu horisontal (absis = X)
STATISTIK PENDIDIKAN 25
DOSEN : 5Prof. Dr. Fuad Abd. Rachman, M.Pd.
4
3
e. Menempatkan nilai nyata pada masing-masing skores (nilai) yang ada pada absis X
f. Menempatkan frekuensi tiap-tiap sekor (niali) yang ada pada ordinal Y
g. Membuat garis perpotongan (koordinat)
h. Melukiskan grafik histogramnya
GRAFIK 2. 4
Histogram Frekuensi Tentang Tes Nilai Hasil Ulangan Harian Bidang Studi
Matematika dari Sejumlah 40 Orang Murid Madrasah Ibtidaiyah
STATISTIK PENDIDIKAN 26
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
10
0 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5
10.5
5
2. Contoh Cara Melukiskan Distribusi Frekuensi Dalam Bentuk Grafik Histogram Data
K4elompokkan.
Kita ambil kembali data nilai hasil ebta dalam bidang studi biologi, yang diikuti oleh
se3jumlah 80 orang siswa kelas III SMA Jurusan Fisika seperti tertera pada Tabel II.10. Untuk
melukiskan grafik histogramnya, diperlukan langkah kerja sebagai berikut :
a. Menyiapkan sumbu horisontal (absis = X)
b. Menyiapkan sumbu vertikal (ordinal =Y)
2
c. Menetapkan titik nol (perpotongan X dengan Y)
d. Menetapkan atau mencari nilai nyata (true value) dari masing-masing interval.
1
BAB III
MASALAH RATA-RATA (AVERAGE)
1. Pengertian rata-rata
STATISTIK PENDIDIKAN 28
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Nilai rata-rata juga dikenal dengan istilah ukuran nilai pertengahan (measure of
central value),sebab nilai rata-rata itu pada umumnya merupakan nilai pertengahan dari nilai
– nilai yang ada.Selain itu,karena nilai rata-rata itu biasanya berposisi ada sekitar central
penyebaran nilai yang ada , maka nilai rata-rata itupun yang dikenal dengan nama ukuran
posisi pertengahann (measure of central position).
Rata – rata tidak lain adalah : tiap bilangan yang dapat dipakai sebagai wakil dari
rentetan nilai rat-rata itu wujudnya hanyalah satu bilangan saja,namun dengan satu bilngan
itu akan dapat tercermin gambaran secara umum yang berupa angka atau bilangan itu.
a. Pengertian Mean
Secara singkat pengertian tentang mean dapat dikemukakan sebagai berikut : Mean
dari sekelompok (sederetan) angka (bilangan) adalah jumlah dari keseluruhan angka
(bilangan) yang Ada,dibagi dengan banyaknya angka (bilangan) tersebut.
b. Cara mencari Mean
STATISTIK PENDIDIKAN 29
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
1. Cara mencari mean untuk data tunggal
Ada dua mavam cara yang dapat digunakan untuk mencari mean dari data tunggal
(data yang tidak dikelompokkan),yaitu :
(1) Cara mencari mean dari data tunggal yang seluruh skornya berfrekuensi
satu,dan
(2) Cara mencari mean dari data tunggal dimana sebagian atau seluruh skornya
berfrekuensi lebih dari satu.
(3) Cara mencari mean data tunggal , yang seluruh skornya berfrekuensi satu
M
X
X
N
Mx = mean yang kita cari
X = Jumlah dari skor-skor (nilai-nilai ) yang ada
N = Number of cases (banyaknya skor-skor itu sendiri)
Contoh :Jika nilai hasil ulangan dari seorang siswa MAN tadi kita hitung Mean-nya
dengan menggunakan Tabel Distrtibusi Frekuensi,maka proses perhitungannya adalah
sebagai berikut :
Tabel 3.1.Perhitungan Mean nilai hasil ulangan harian dalam bidang studi Agama
Islam,PMP,Bahasa Indonesi,Bahasa Inggris,IPS Dan IPA seorang siswa Madrasah Aliyah
Negeri.
X F
9 1
8 1
7 1
6 1
5 1
4 1
39 = X 6=N
Dari Tabel 3.1 talah kita peroleh : X = 39,Sedangkan N = 6.Dengan demikian :
M
X =
39
6,50
X
N 6
STATISTIK PENDIDIKAN 30
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
3. Cara mencari mean data tunggal yang sebagian atau seluruh skornya berfrekuensi
lebih dari satu.
- Rumus yang digunakan
Karena data tunggal yang kita hitung Mean-nya sebagian atau seluruh skornya
berfrekuensi lebih dari satu,maka :
M
X
X
N
2.Cara mencari Mean untuk data kelompok
a) Mencari mean data kelompokan dengan menggunakan metode panjang
-Rumus yang digunakan
MX
fX
N
Keterangan : Fx = Jumlah dari hasil perkalian antara Midpoint dari masing-masing
interval ,dengan frekuensinya.
-Langkah-langkah yang harus ditempuh
1) Menetapkan (menghitung) nilai tengah (midpoint) masing-masing inteval,diberi
lambang X.
2) Memperkalikan frekuensi masing-masing interval,dengan midpoint-nya,atau
dikalikan dengan X,Sehingga diperoleh Fx.
3) menjumlahkan fX,sehingga diperoleh Fx.
4) Menghitunh meannya dengan rumus :
MX
fX
N
b) Mencari mean data kelompokan dengan menggunakan metode singkat:
- Rumus yang digunakan
fx'
M
M 'i
X
N
Keterangan :
M X mean
c. Penggunaan Mean
1.Bahwa data statistik yang dihadapi merupakan data yang distribusi frekuensinya bersifat
normal atau simetris;setidaknya mendekati normal.
2.bahwa dalam kegiatan analis data,kita menghendaki kadar kemantapan.
3.bahwa dalam penganalisisan data selanjutnya,terhadap data yang sedang kita hadapi atau
kita teliti itu,akan kita kenai ukuran-ukuran statistik selain mean.
d. Kelemahan Mean
1.Karena mean itu diperoleh atau berasal dari hasil perhitungan terhadap seluruh angka
yang ada,maka jika dibandingkan dengan ukuran rata-rata lainnya-perhitungannya relatif
sukar.
2.Dalam perhitungan mean , sangat diperlukan ketelitian dan kesabaran.
3.sebagai salah satu ukuran rata-rata,mean kadang-kadang sangat dipengaruhi oleh angka
atau nilai exstrimnya sehingga hasil yang diperoleh kadang terlalu jauh dari kenyataan
yang ada.
b. Mencari nilai rata-rata pertengahan untuk data tunggal yang sebagian atau seluruh
skornya berfrekuensi lebih dari satu.
1/ 2N fkb 1/ 2N fka
STATISTIK PENDIDIKAN 33
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
-Kelemahan : median sebagai ukuran rata-rata sifatnya kurang teliti.
3 . Quartile
Istilah quartil atau ”Kuartil” dalam kehidupan kita sehari-hari lebih dikenal dengan
istilah kuartal.
Dalam dunia statistik yang dimaksud dengan kuartil ialah titikm atau skor atau nilai yang
membagi seluruh distribusi frekuensi kedalam empat bagian yang sam besar yaitu masing-
masing ¼ N.jadi disini akan kita jumpai tiga buah kuartil yaitu quartile pertama (Q1),Quartile
kedua (Q2),Dan Quartile ketiga (Q3)
Untuk mencari Q1,Q2,Q3 digunakan rumus sebagai berikut :
- Untuk data tunggal
n / 4N fkb
Qn
fi
- Untuk data kelompokkan
n / 4N fkb
Qn Xi
fi
Keterangan :
Q :Quartile yang ke-n,karena titik quartile ada 3 buah, maka n diisi dengan bilangan 1,2,3
: lower limit(batas batas nyata dari skor atau interval yang mengandung Qn).
Fkb:frekuensi kumulatif yang terleta dibawah skor
i : interval class
catatan :
- istilah ”skor” berlaku untuk data tunggal
- istilah ”interval” berlaku untuk data kelompok
Diantara kegunaan quartile adalah untuk mengetahui simetris (normal) atau a simetrisnya
suatu kurva.Dalam hal ini patokan yang kita gunakan adalah sebagai berikut :
1) Jika Q3 – Q2 = Q2 – Q1Maka kurvanya adalah kurva adalah kurva normal
2) Jika Q3 – Q2> Q2 – Q1Maka kurvanya adalah kurva adalah kurva miring / berat kekiri
(juring positif)
3) Jika Q3 – Q2< Q2 – Q1Maka kurvanya adalah kurva adalah kurva miring / berat
kekanan (juring negatif).
4. DECILE
STATISTIK PENDIDIKAN 34
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Desile atau desil ialah : titik atu skor atau nilai yang membagi seluruh frekuensi dari
data yang kita selidiki kedalam 10 bagian yang sama besar ,yang masing-masing sebesar
1/10.jadi disini kita jumpai sebanyak 9 buah titik desile,dimana kesembilan buah titik decile
itu membagi seluruh distribusi frekuensi kedalam 10 bagian yang sama besar.
Lambang desil adalah D.jadi 9 buah titik desil yang dimaksud diatas adalah titik-titik
D1,D2,D3,D4,D5,D6,D7,D8,D9.
Rumus :
- Untuk data tunggal
n /10N fkb
Dn
fi
- Untuk data kelompok
n /10N fkb
Dn Xi
fi
Keterangan :
Dn = Decile yang ke-n (disini n dapat diisi dengan bilangan :1,2,3,4,5,6,7,8,atau 9)
N = number of cases
= lower limit
Fkb = frekuensi kumulatif terletak dibawah
Fi = frekuensi aslinya
5. Percentile
Percentile atau percentile yang biasa dilambangkan P, adalah titik atau nilai yang
membagi suatu distribusi data menjadi seratus bagian yang sama besar.karena percentile
sering disebut dengan “ukuran per-ratus-an.
Titik yang membagi distribusi data kedalam seratu bagian yang sama besar itu ialah
titik – titik P1,P2,P3,P4,P5,P6…………P99
Untuk mencari percentile digunakan rumujs sebagai berikut :
- Untuk data tunggal
n /100N fkb
Pn '
fi
- Untuk data kelompok
STATISTIK PENDIDIKAN 35
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
n /100N fkb
Pn ' Xi
fi
Kegunaan percentile dalam dunia pendidikan :
Untuk mengubah raw score (raw data ) menjadi standard score (nilai standar).dalam
dunia pendidikan salah satu standard scire sering digunakan adalah elemen points
scale (skala sebelas nilai) atau dikenal pula dengan nama standard of eleven yang
lazim dikenal dengan stanel.Pengubahan dari raw score menjadi stanel dilakukan
denagn jalan menghitung.P1-P3-P8-P21-P31-P6- P79 -P92-P97-P99
Percentile dapat digunakan untuk menentukan kedudukan seorang anak didik itu
memperoleh kedudukan ditengah-tengah kelompoknya.
Percentile juga dapat digunakan sebagai alat untuk menentapkan nilai batas lulus
pada tes atau selektif.
STATISTIK PENDIDIKAN 36
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
tiga dari hasil dari perkalian ketiga bilangan itu sendiri ; demikian seterusnya ,atau secara
umum dapat diformulasikan sebagai berikut : GM dari N buah bilangan adalah sama dengan
akar pangkat N dari hasil perkalian bilangan-bilangan itu.Apabila bilangan-bilangan itu
dilambangkan dengan X1,X2,X3 dan Xn maka GM dapat kita formulasikan dalam bentuk
Rumus:
GM N X 1 xX 2 xX 3 ....X N
log GM
(log X )
N
7.Nilai rata-rata Harmonic (Harmonic Mean)
A. Pengertian Nilai rata-rata harmonic
Nilai rata-rata harmonic dari sekumpulan adalah kebaliakan dari nilai rata-rata Hitung dari
kebalikan bilangan yang termasuk dalam kumpulan bilangan tersebut.
BAB IV
MASALAH PENYEBARAN DATA
A. PENGANTAR
Ukuran Variabilitas Data (Measures of variability) atau Ukuran Penyebaran Data
(Measures of Dispersion).
STATISTIK PENDIDIKAN 37
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Ukuran penyebaran data adalah berbagai macam ukuran statistic yang dapat
dipergunakan untuk mengetahui luas penyebaran data, atau variasi data, atau homogenitas,
atau stabilitas data.
b. CaraMencariRange
Tabel berikut mengemukakan salah satu contoh cara mencari range
Tabel. Perhitungan Range Nilai Hasil Tes untuk 5 Macam bidang studi, yang dikuti oleh 3
orang calon yang mengikuti tes seleksi penerimaan calon mahasiswa baru pada sebuah
perguruan Tinggi Agama Islam
No. Nilai Yang Dicapai H L R=H- Jumla Mean
L h
STATISTIK PENDIDIKAN 38
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Uji Dir. Bhs Bhs Bhs. Nilai
Ing
PMP Islam Ind Arab g
8 4
1 85 55 75 45 65 5 5 40 325 65
7 5
2 58 65 72 60 70 2 8 14 325 65
6 6
3 65 65 65 65 65 5 5 0 325 65
Tabel diatas menunjukkan bahwa makin kecil jarak penyebaran nilai dari nilai
terendah sampai nilai tertinggi akan makin homogen distribusi nilai tersebut. Sebaliknya,
makin besar rangenya maka akan makin berserakan ( makin heterogenitas) nilai-nilai yang
ada dalam distribusi tersebut.
Selain itu, berdasar pada range kita juga dapat mengatakan bahwa kian kecil range
dari suatu distribusi data, kian cenderung bagi diri kita untuk menganggap bahwa mean yang
kita peroleh merupakan wakil yang representatif data yang bersangkutan; sebaliknya kian
besar rangenya kita akan lebih cenderung menganggap bahwa mean yang kita peroleh
sifatnya meragukan.
c. Penggunaan Range
Range kita gunakan sebagai ukuran, apabila didalam waktu yang sangat singkat kita
ingin memperoleh gambaran tentang penyebaran data yang sedang kita selidiki dengan
mengabaikan factor ketelitian atau kecermatan.
STATISTIK PENDIDIKAN 39
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
2. Deviasi
a. Pengertian Deviasi
Deviasi ialah selisih atau simpangan dari masing-masing skor dan interval, dari nilai
rata-rata hitungnya (deviation from the Mean).
Deviasi merupakan salah satu ukuran variabilitas data yang biasa dilambangkan
dengan huruf kecil dari huruf yang digunakan bagi lambing skornya. Jadi apabila skornya
diberi lambing X maka deviasinya berlambangkan x, jika skornya Y maka dilambangkan
deviasinya y, jika skornya Z maka lambing deviasinya z.
Karena deviasi merupakan simpangan atau selisih dari masing-masing skor terhadap
mean grupnya, maka sudah barang tentu akan terdapat dua jenis deviasi, (1) Deviasi yang
berada diatas mean dan (2) Deviasi yang berada di bawah mean.
Deviasi yang berada diatas Mean dapat diartikan sebagai “selisih lebih” karenanya
deviasi semacam ini akan bertanda plus (+), dan lazim dikenal dengan istilah deviasi positif.
Adapun deviasi yang berada dibawah mean dapat diartikan sebagai “Selisih kurang” oleh
karena itu selalu bertanda minus (-), dilazim dikenal dengan istilah Deviasi Negatif.
Guna memperjelas uraian yang telah dikemukakan diatas, marilah kita perhatikan
contoh berikut ini:
Skor (X) Banyaknya (f) Deviasi x X M x
8 1 8 – 6 = +2
7 1 7 – 6 = +1
6 1 6–6=0
5 1 5 – 6 = -1
4 1 4 – 6 = -2
∑X = 30 N=5 ∑x = 0
M
X 30
6 +2 dan +1 adalah Deviasi Positif
x
N 5
X AD
x
Mx
N N
Y AD
y
Mx
N N
b) Cara Mencari Deviasi rata-rata untuk Data Tunggal yang sebagian atau seluruh skornya
berfrekuensi lebih dari satu.
Rumus yang digunakan adalah :
fx
AD
N
SD
X 2
N
SD = Deviasi Standar
X 2
= Jumlah semua deviasi, setelah mengalami proses pengkuadratan
terlebih dahulu.
N = Number of Cases
SD
X 2
N
SD = Deviasi Standar
X 2
= Jumlah semua deviasi, setelah mengalami proses pengkuadratan terlebih
dahulu.
N = Number of Cases
b) Cara mencari Deviasi standar untuk data tunggal yang sebagian atau seluruh skornya
berfrekuensi lebih dari satu.
STATISTIK PENDIDIKAN 42
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
SD
fx 2
N
SD = Deviasi Standar
fx 2
= Jumlah hasil perkalian antara frekuensi masing-masing skor, dengan deviasi
skor yang telah dikuadratkan.
N = Number of Cases
(a) Cara mencari Deviasi Standaruntuk Data Kelompokan
Deviasi standar dapat dicari dengan mengunakan dua buah rumus , yaitu rumus
panjang dan rumus singkat. Rumus panjang kita pakai bila kita memiliki alat Bantu
penghitungan seperti kalkulator dan sebagainya, karenaa memerlukan tingkat ketelitian dan
kecermatan yang setinggi mungkin.
SD
fx 2
N
SD = Deviasi Standar
fx 2
= Jumlah hasil perkalian antara frekuensi masing-masing skor, denagn deviasi
skor yang telah dikuadratkan.
N = Number of Cases
fx 2
fx 2
SD i N
N
SD = Deviasi Standar
i = Kelas interval
fx 2
= Jumlah hasil perkalian antara frekuensi masing-masing interval , dengan x 2
d) Cara lain yang dapat dipergunakan untuk menghitung atau mencari Deviasi
Standar
1) Cara lain untuk mencari Deviasi Standar Data tunggal yang seluruh skornya
berfrekuensi satu.
Ada tiga buah rumus dapat digunakan, yaitu :
Rumus Pertama =
SD
X 2
M
2
X
N
N X 2 X
2
Rumus Kedua = SD
2
N
X
1
SD
X
2
Rumus Ketiga = N. 2
N
SD = Deviasi Standar
x 2
= Jumlah skor X setelah terlebih dahulu dikuadratkan.
X 2
= Jumlah seluruh skor X, yang kemudian dikuadratkan.
M X = Nilai rata-rata Hitung (=mean) skor X.
N = Number of Cases
2) Cara lain untuk mencari Deviasi Standar Data tunggal yang sebagian atau seluruh
skornya berfrekuensi lebih dari satu.
fX
1
SD
fX
2
N. 2
N
STATISTIK PENDIDIKAN 44
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
fX 2
= Jumlah hasil perkalian antara frekuensi tiap-tiap skor (f) dengan masing-
masing skor yang bersangkutan (X)
N = Number of Cases
fX 2
fX 2
SD N
N
SD = Deviasi Standar
fX 2
= Jumlah hasil perkalian antara midpoint-2 yang telah dikuadratkan x 2 dengan
frekuensinya masing-masing.
fX = Jumlah hasil perkalian antara midpoint dengan frekuensinya masing-masing.
N = Number of Cases
f. Catatan Tambahan Tentang Penggunaan Lebih Lanjut dari Mean dan Deviasi Standar
Dalam Dunia Pendidikan
Sebagai catatan tambahan perlu kiranya dikemukakan disini bahwa mean dan deviasi standar
sebagai dua buah ukuran statistic yang dipandang memiliki reliabilitas yang tinggi, dapat dan
sering digunakan dalam dunia pendidikan, khususnya dalam rangka Evaluasi hasil belajar
anak didik. Dapat disebutkan disini misalnya:
1. Untuk menetapkan nilai batas lulus Aktual (minimum Passing Level atau Passing
Grade), di mana patokan yang digunakan untuk keperluan tersebut adalah :
Mean + 0,25 SD
2. Untuk mengubah Raw Score (Skor mentah) ke dalam nilai standar sekala 5 atau huruf
A-B-C-D dan E.
3. Untuk mengubah (mengkonversikan ) Raw Score menjadi niali Standar Sebelas
(Eleven point Scale = Standar Eleven = Stanel), yaitu nilai-nilai standar mulai dari 0
sampai dengan 10 (=11 Nilai Standar).
4. Untuk mengelompokkan anak didik ke dalam tiga ranking, yaitu : Ranking Atas
(Kelompok anak didik yang tergolong pandai), Ranking Tengah ( Kelompok anak
didik yang tergolong cukup/sedang) dan Ranking Bawah (Kelompok anak didik yang
tergolong lemah/bodoh)
5. Untuk mengubah (mengkonversikan) Raw Score menjadi Nilai Standar z (z Score),
dimana z Score dapat diperoleh dengan rumus :
XMX
z.Score
SDX
STATISTIK PENDIDIKAN 46
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB V
UJI VALIDITAS DAN RELIABILITAS
VALIDITAS
B. Macam-macam Validitas
1. Pengujian Tes Validitas Logis
Adalah validitas yang diperoleh atas dasar hasil pemikiran, validitas yang diperoleh
dengan cara berfikir secara logis.
Validitas Isi (Content Validity) adalah validitas yang dilihat dari segi isi tes itu
sendiri sebagai alat pengukur hasil belajar. Pada validitas isi ini, sebelum kita
menyusun tes terlebih dahulu membuat kisi-kisi soal.
Validitas Konstruksi (Construct Validity) adalah mengukur apa yang seharusnya
dikonstruksi dalam pembelajaran sesuai dengan TIK dalam RP.
2. Pengujian Tes Validitas Empiris
Adalah ketepatan mengukur yang didasarkan pada hasil analisis yang bersifat empiris.
Validitas ada sekarang (Concurrent Validity). Apabila hasil tes yang dilakukan
sesuai dengan pengalaman maka tes itu dikatakan Valid.
Validitas Prediksi (Predective Validity). Suatu tes dikatakan valid apabila
hasilnya sesuai denagn keadaan yang sebenarnya. Misalnya : tes masuk
Perguruan Tinggi, dan Tes Calon Pegawai.
REALIBILITAS
A. Pengertian Realibilitas
STATISTIK PENDIDIKAN 48
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Secara umum realibilitas itu sama dengan Ketetapan. Suatu instrument yang
mempunyai hasil pengukuran tetap dan bias dipercaya.
2 r1/21/2
r 11
(1 r1/21/2 )
BAB VI
MASALAH PERBEDAAN ANTAR VARIABEL
(TEKNIK ANALISA KOMPARASIONAL)
A. Pengertian Komparasi
Istilah “komparasi” atau “komparasional” yang digunakan diambil dari kata
”comparison” yang berarti ”perbandingan” atau ”pembandingan”.
STATISTIK PENDIDIKAN 49
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Penelitian Komparasi menurut Dr.Ny. Suharsimi Arikunto adalah penelitian yang
berusaha untuk menemukan persamaan dan perbedaan tentang benda, tentang orang,
kelompok, terhadap suatu ide atau suatu prosedur kerja. Dapat juga dilaksanakan dengan
maksud untuk membandingkan kesamaan pandangan dan peubahan pandangan orang, grup
atau negara terhadap kasus, terhadap peristiwa atau terhadap ide.
BAB VII
UJI “ t”
Besarnya “t” sama dengan selisih kedua mean sampel, dibagi dengan standard error
perbedaan dua mean sampel; atau apabila kita formulasikan ke dalam bentuk rumus, adalah
sebagai berikut:
M1 M 2
t = SE
M1 M 2
MD = Mean of difference nilai rata-rata hitung dari beda / selisih antara skor variable I dan
skor variable II, yang diperoleh dengan rumus :
STATISTIK PENDIDIKAN 51
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
MD = D
N
D = jumlah beda / selisih antara skor variabeel I (variable X) dan skor variable II (variable
Y), dan D dapat diperoleh dengan rumus :
D=X–Y
N = Number of cases = jumlah subjek yang kita teliti.
SEM D = standard error (standar kesesatan) dari mean of difference yang dapat diperoleh
dengan rumus :
SE M D = D D
N 1
SDD = devuasi standar dari perbedaan antara skor variable I dan skor variable II, yang dapat
diperoleh dengan rumus :
SD D D 2
( D2 )
N (N )
N = number of cases
a. Tes “t” untuk sample kecil yang kedua sampelnya satu sama lain mempunyai
hubungan.
b. Tes “t” untuk sample kecil yang kedua sampelnya satu sama lain tidak ada
hibungannya.
Tes “t” untuk sample besar, juga dibedakan menjadi dua golongan, yakni :
b. Tes “t” untuk sample besar yang kedua sampelnya satu sama lain saling berhubungan.
c. Tes “t” untuk sample besar yang kedua sampelnya satu sama lain tidak saling
berhubungan.
1. Langkah Perhitungannya
a. Mencari D (difference = perbedaan) antara skor variable I dan skor variable II. Jika
variable I kita beri lambang X sedang variable II kita beri lambang Y, maka : D = X –
Y.
b. Menjumlahkan D, sehingga diperoleh D (tanda plus dan minus ikut diperhitungkan).
STATISTIK PENDIDIKAN 52
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
SDD = D
( D) 2
N (N )
menggunakan rumus:
SDD
SE M
N 1
D
II. TES “T” UNTUK DUA SAMPLE KECIL YANG SATU SAMA LAIN TIDAK
ADA HUBUNGANNYA
STATISTIK PENDIDIKAN 53
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
1. Rumusnya
Rumus Pertama :
M1 M 2
t to SE
M 1 M 2
Rumus Kedua:
M1 M 2
to
( x1 x2 (N 1 N
2 2)
2)
(N1 N2 2) (N1.N2)
2. Langkah Perhitungannya
a. Untuk Rumus Pertama :
1) Mencari mean variable I (variable X), dengan rumus:
Mx atau M1 =
x
N1
My atau M2 =
Y
N 2
N1
7) Mencari standard error perbedaan antara mean variable X dan mean variable Y, dengan
rumus:
SE SEM SE
2 2
M 1 M 2 1 M 2
M 1
X 1
N1
2) Mencari mean variable X2 dengan rumus:
M
X 2
2
N2
3) Mencari deviasi skor variable X1, dengan rumus: (jumlah X1 dan X1 harus sama
dengan nol)
X X 1
M1
x
2
5) Menguadratkan x1,lalu dijumlahkan; diperoleh 1
STATISTIK PENDIDIKAN 55
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
9) Menarik kesimpulan.
III. TES “T” UNTUK DUA SAMPLE BESAR YANG SATU SAMA LAIN SALING
BERHUBUNGAN
1. Rumusnya
M1 M 2
to SE
M 1 M 2
2. Langkah Perhitungannya
a. Untuk Data Tunggal (Range-Nya Kurang Dari 30)
N
2
SD1
5) Mencari standard error mean variable I: SEM 1
N 1
SD2
6) Mencari standard error mean variable II: SE
M2
N 1
7) Mencari koefisien korelasi “r” product moment (rxy atau r12), yang menunjukkan kuat
lemahnya hubungan (korelasi) antara variable I (variable X) daaan variable II (variable
Y) dengan bantuan peta korelasi (Scatter Diagram):
8) Mencari standard error perbedaan mean antara sample I dan sample II:
M1 M 2
t
9) Mencari to dengan rumus: o
SEM 1 M 2
STATISTIK PENDIDIKAN 56
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
b. Untuk Data Kelompokan (Range Sama Atau Lebih Dari 30)
(fX ')
1) Mencari mean untuk variable I: M1 M 'i
N
(fY ')
2) Mencari mean untuk variable II: M 2 M 'i
N
SD1
5) Mencari standard error mean variable I: SEM 1
N 1
SD2
6) Mencari standard error mean variable II: SEM 2
N 1
7) Mencari koefisien korelasi “r” product moment (rxy atau r12), yang menunjukkan kuat
lemahnya hubungan (korelasi) antara variable I dan variable II (dengan bantuan peta
8) Mencari standar error perbedaan antara mean variable I dan mean variable II, dengan
M1 M 2
t
9) Mencari to dengan rumus: o
SEM 1 M 2
selanjutnya baik untuk data tunggal maupun data kelompokan setelah diperoleh harga
to, lalu diberikan interpretasi terhadap to dengan prosedur kerja sebagai berikut:
10) Mencari df atau db dengan rumus df atau db = N – 1.
11) Berdasarkan besarnya df atau db tersebut kita cari harga kritik “t” yang tercantum
dalam table nilai “t”, pada taraf signifikansi 5% dan taraf signifikansi 1%, dengan
catatan:
a) Apabila to sama dengan atau lebih besar daripada tt maka
hipotesis nihil ditolak; berarti di antara kedua variable yang kita selidiki, terdapat
perbedaan mean yang signifikan.
STATISTIK PENDIDIKAN 57
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
b) Apabila to lebih kecil daripada tt maka hipotesis nihil diterima
atau disetujui; berarti di antara kedua variable yang kita selidiki tidak terdapat
perbedaan mean yang signifikan.
12) menarik kesimpulan.
IV. TES “T” UNTUK DUA SAMPLE BESAR YANG SATU SAMA LAIN TIDAK
MEMPUNYAI HUBUNGAN
1. Rumusnya
M1 M 2
to SE
M 1 M 2
2. Langkah Perhitungannya
(fx')
a. Mencari mean variable X (variable I), dengan rumus: M1 M 'i
(N )
(fy')
b. Mencari mean variable Y (variable II), dengan rumus: M2 M '
(N )
fx'
2
( fx') 2
c. Mencari deviasi standar variable I dengan rumus: SD1 i
N (N )
SD1
e. Mencari standard error mean variable I dengan rumus: SEM 1
N 1
SD2
f. Mencari standard error mean variable II dengan rumus: SEM 2
N 1
g. Mencari standard error perbedaan mean variable I dan mean variable II dengan
M2
2 2
Rumus: SEM
1
SEM1 SEM 2
M1 M 2
t
h. Mencari to dengan rumus: o
SEM 1 M 2
STATISTIK PENDIDIKAN 58
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB VIII
UJI CHI KUADRAT 2
Uji Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara : frekuensi
observasi/yg benar-benar terjadi/aktual denganfrekuensi harapan/ekspektasi
STATISTIK PENDIDIKAN 59
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Bentuk Distribusi Chi Kuadrat (²)
Nilai ² adalah nilai kuadrat karena itu nilai ² selalu positif.Bentuk distribusi ² tergantung
dari derajat bebas(v)/degree of freedom.
i,j1 eij
derajat bebas = (r-1)(k-1)
r : banyak baris
STATISTIK PENDIDIKAN 60
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
k : banyak kolom
oi,j : frekuensi observasi baris ke-i, kolom ke-j
ei,j : frekuensi ekspektasi baris ke-i, kolom ke-j
Masih ada persoalan lain beberapa persoalan lain yang dapat diselesaikan dengan mengambil
manfaat distribusi chi kuadrat diantaranya:
k O E 2
2 i i
11 Ei
STATISTIK PENDIDIKAN 61
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
ternyata bahwa statistik diatas berdistribusi chi-kuadrat dengan dk = (k-1). Kriteria pengujian
adalah: tolak Ho jika 2 2 1 k 1 dengan α = taraf nyata untuk pengujian. Dalam
hal lainnya Ho diterima.
x
dari tolak Ho jika 2 2 1 k 1 dalam hal lainnya Ho diterima.
STATISTIK PENDIDIKAN 62
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
FAKTOR II (K TARAF)
1 2 ............... K JUMLAH
O11 O12 ................. O1K N10
FAKTOR
.
I (B O21 O22 O2K N20
TARAF)
OB1 OB2 ................. OBK N80
JUMLAH N01 N02 ................ nOK n
Pasangan hipotesis yang akan diuji berdsarkan data seperti dalam daftar diatas adalah
Ho : kedua faktor bebas statistik
H1 : kedua faktor tidak bebas statistik
Pengujian secara eksak sukar digunakan, karenanya disini hanya kan dijelaskan
pengujian yang bersifat pendekatan. Untuk ini diperlukan frekuansi teoritik atau banyak
gejala yang diharapkan terjadi yang disini akan dinyatakan dengan Eii. Rumusnya adalah:
Eij = (nio x noj)/n
Dengan nio = jumlah baris ke-i
noj = jumlah kolom ke-j
demikianlah misalnya didapat :
E11 = (n10 x n01)/n : E12 = (n10 x n02)/n
E21 = (n20 x n01)/n : E22 = (n20 x n02)/n
Dan seterusnya.
Jelas bahwa n = n10 + n20 + .....+nBO = n01 + n02 + ....+ nOK
StatistikB yang
K digunakan untuk menguji hipotesis diatas adalah
2 2
Oij E ij / Eij
i j j1
STATISTIK PENDIDIKAN 63
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Jika daftar kontingensi berukuran 2 x 2 maka untuk pengujian hipotesis digunakan
distribusi chikuadrat dengan derajat kebebasan satu. Ternyata bahwa untuk hal ini koreksi
kontiunitas perlu digunakan dan telah ditemukan dengan nama koreksi Yates, yaitu setiap
harga mutlak I Oij – Eij I dikurangi dengan setengah.
Hasil pengamatan yang dapat dicantumkan dalam daftar kontingensi 2 x 2 adalah seperti
dibawah ini.
Faktor kedua
Faktor Taraf 1 Taraf 2 jumlah
Taraf 1 A B a+b
Taraf 2 C D c+d
jumlah a+c b+d n
kesatu
Jelas bahwa n = a + b + c + d
Rumus X2 untuk hal ini bersama-sama dengan memperhitungkan koreksi Yates tersebut
diatas adalah:
UJI KECOCOKAN
Untuk melakukan uji kecocokkan ini akan dibandingkan antara frekuensi hasil yang
sebenarnya diamati dengan frekuensi yang diharapkan berdasarkan berdasarkan model yang
diandaikan.Misalnya rata-rata µ ditakisr oleh x dan varian oleh s2. Distribusi chikuadrat yang
digunakan mempunyai dk = (k-g-1) dimana k = banyak kategori atau kelas interval dan g =
banyak parameter yang ditaksir. Demikianlah misalnya untuk menguji kococokan populasi
normal, karena ada dua parameteryang ditaksir, ialah µ dan varian. Maka dk untuk distribusi
chikuadrat sama dengan ( k – 3 ) untuk menguji kecocokkan distribusi Poisson, distribusi
chikuadrat yang digunakan akan mempunyai dk=( k – 2 ).
STATISTIK PENDIDIKAN 64
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
PENGGOLONGAN TES CHI KUADRAT
Cara untuki mencari atau rumus untuk menghitung chi kuadrat, ada 6 macam
penggolongan, yaitu disesuaikan dengan keadaan data atau maksud penggunaannya.
1. Tes chi kuadrat untuk menguji atau mengetes perbedaan frekuensi variabel tunggal.
Rumusnya:
Rumus yang kita pergunakan disini adalah:
f 0 f t 2 f0 t f
2
..................
ft ft
f 0 = frekuensi yang diobservasi = frekuensi yang diperoleh dalam penelitian =
frekuensi sebagaimana yang nampak dihadapan kita.
f t = frekuensi teoritik = frekuensi yang diharapkan jika seandainya tidak terdapat
N = Number of case
A, B, C, D, masing-masing adalah lambang bagi sel yang terdapat pada tabel
kontingensi, yaitu sel petama, kedua, ketiga, dan keempat( dengan kata lain tabel
kerja kita adalah berbentuk tabel 2 x 2)
3. Tes chi kuadrat untuk menguji atau mengetes perbedaan frekuensi variabel ganda,
dimana terdapat sel yang berfrekuensi kurang dari 10 ( dengan koreksi Yates )
Rumusnya:
Jika diantara sel-sel dalam tabel kontingensi kita terdapat sel yang berfrekuensi
kurang dari 10, maka dalam perhitungan untuk memperoleh harga kai kuadrat, perlu
dilakukan koreksi yaitu dengan menggunakan Rumus koreksi Yates sebagai berikut:
2
N AD BC
N
2
2
A B C D A C B D
4. Tes chi kuadrat untuk menguji atau mengetes perbedaan persentase.
STATISTIK PENDIDIKAN 65
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Rumusnya;
Rumus chi kuadrat yang kita perguankan disini sama dengan rumus-rumus chi
kuadrat yang telah dikemukakan terdahulu. Hanya saja disini harus diingat harga chi
kuadrat yang kita peroleh adalah harga hi kuadrat yang merupakan angka persentase.
Karena itiu sebelum diberikan interpretasi terhadap chi kuadrat harus kita ubah
terlebih dahulu kedalam bentuk ngka frekuensi dengan rumus:
N
2 2 %
100
5. Tes chi kuadrat untuk menguji atau mengetes signifikansi korelasi.
Rumus yang kita pergunakan adalah
f f 2
2 0 t
ft
6. Tes chi kuadrat untuk menguji atau mengetes signifikansi Normalitas Distribusi
Frekuensi.
Chi kuadrat juga dapat digunakan untuk mengetes signifikansi normalitas distribusi
yaitu untuk menguji hipotesa nihil yang menyatakan bahwa frekuensi yang
diobservasi dari ditribusi nilai-nilai yang sedang diselidiki normalitas ditribusinya,
tidak menyimpang secara signifikan dari frekuensi teiritiknya dalam distribusi normal
teoritik.
Dalam pembicaraan yang lalu telah dikemukakan teknik analisis komparasional yang
mendasarkan diri pada perbedaan Mean antardua variabel,yang dikenal dengan Tes
“t”.Seperti telah disinggung pada bagian awal buku ini selain “t” Tes,dikenal pula teknik
analisis,komparasional lainnya,yaitu Tes”Kai Kuadrat” atau Chi SquareTest,yaitu teknik
analisis komparasional yang mendasarkan diri pada perbedaan frekuensi dari data yang
sedang kita selidiki.Namun,sebelum sampai pada pembicaraan pokok mengenai Tes Kai
Kuadrat itu,terlebih dahulu akan dikemukakan sebagai contoh,masalah yang mungkin kita
temui dalam kehidupan sehari-hari selaku peneliti yang memungkinkan Tes Kai Kuadrat kita
butuhkan
Pada taraf signifikasi 5 % : tt = 1,96;
Pada taraf signifikasi 1 % : tt = 2,59.
Dengan demikian to (yaitu harga “t” yang kita peroleh dari hasil perhitungan di muka)
adalah jauh lebih besar ketimbang to yaitu:1,96 < 3,99 < 2,59.Karena itu Hipotesis Nihil yang
menyatakan tidak adanya perbedaan Mean Hasil Belajar..Berarti perbedaan dua Mean
Sampel itu adalah perbedaan yang signifikan.
STATISTIK PENDIDIKAN 66
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB IX
ANAVA (Analisis Varian)
STATISTIK PENDIDIKAN 67
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Jumlah kuadrat penyimpangan total, atau SSt yakni jumlah kuadrat selisih antara
skor individual dengan rata-rata totalnya dirumuskan:
SSt = SSb + SSw
Dimana:
Ho : µi = µj untuk semua i dan j
Hi : µi γ µj untuk sebagian i dan j dimana i tidak sama dengan j
Jika pada uji t kemungkinan error jenis I = α maka pada ANAVA kemungkinan error
jenis I = 1 – (1- α)N (experimental wise alpha level)
x x ... x
2 2 2
2 1 2 k
(n1 1) (n2 1) ... (nk 1)
xi = (Xi - M)
Error baku rata-rata M
N
(Mi M ) 2
Jika dikuadratkan: M 2
k 1
Dimana:
Mi = rata-rata subjek kelompok I
M = rata-rata keseluruhan
k = jumlah subkelompok
k – 1 = df
dalam penentuan varian distribusi rata-rata sebenarnya, yaitu:
2 (Mi M ) 2
N k 1
Atau
N.(Mi M ) 2
2
k 1
k-1 = df dalam penentuan varian populasi σ2 kiraan antara kelompoknya
Rumus ini untuk menentukan varian sebenarnya yang diperkirakan dari variabilitas rata-rata
sub-kelompoknya.
STATISTIK PENDIDIKAN 68
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Varian kiraan adalah perbandingan jumlah kuadrat skor deviasi dengan nilai
derajat bebasnya, maka N.∑(Mi - M)2 sama dengan jumlah kuadrat untuk varian kiraan antara
kelompok yang merupakan varian populasi sebenarnya, sesuai dengan variabel
eksperimennya. Dalam ANAVA, varian yang merupakan hasil bagi SS dengan df dikenal
sebagai deviasi rata-rata kuadrat (mean squared deviation) disingkat dengan MS.
SS
MS
dK
SSb
MSb
d K SSb
SSW
MSW
d K SSW
STATISTIK PENDIDIKAN 69
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
(420) 2
x1 21650 21650 17640 4010.0
2
10 2
(375)
2
x2 16625 16625 14062.5 2562.5
10
(565) 2
x3 36025 36025 31922.5 4102.5
2
10
Jumlah kuadrat dalam-kelompok ini:
SSW = ∑x12 + ∑x 22 + ∑x 32 = 4010.0 + 2562.5 + 4102.5 = 10675.0
Jumlah derajat bebasnya = (n1 - 1) + (n2 - 1) + (n3 - 1) = 9 + 9 + 9 = 27
Varian kiraan dalam-kelompoknya:
10675.0
w2 395.4
27
(M ) 2 (136) 2
2
i 6362.50 6362.50 6165.30 197.2
(Mi M ) M i
2
K 3
STATISTIK PENDIDIKAN 70
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Dalam-kelompok 10675.0 27 395.4
Total 12647.0 29
F0.05 = 3.35; F0.01 = 5.49
Kesamaan Variansi
Tiap-tiap kelompok sampel harus berasal dari populasi dengan variasi yang sama.
Sampel yang sama pada setiap kelompok dapat mengabaikan kesamaan variansi, tetapi jika
banyaknya sampel berbeda, maka kesamaan variansi populasi sangat diperlukan, dan jika
diabaikan dapat menyesatkan pengambilan keputusan. Apabila variansi berbeda dan
banyaknya sampel perkelompok tidak sama, diperlukan transformasi nilai untuk
penyelamatannya, misal dengan logaritma.
Pengamatan Bebas
Sampel harus diambil secara acak agar pengamatan informasi independen.
STATISTIK PENDIDIKAN 71
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
individual guna menentukan signifikansi perbedaan antara pasangan rata-rata subkelompok,
walaupun secara statistik hasilnya tidak selalu benar. Signifikansi uji-t biasanya akan
didapatkan pada level lebih tinggi dari t0.05 dan t0.01.
Walaupun begitu beberapa hasil mungkin akan berguna untuk membuat hipotesis
baru yang eksperimen lebih lanjutnya perlu dilakukan. Misal, jika sepasang rata-rata dari
sekian banyak rata-rata memberikan hasil uji-t yang signifikan, peneliti akan dianjurkan
untuk melakukan eksperimen lagi dengan menggunakan hanya kedua perlakuan tersebut
untuk melihat kalau fenomenon itu dapat diulang, yaitu apakah uji-t akan tetap signifikan
secara statistik dengan sampel yang baru.
Dalam ANAVA satu arah yang melibatkan lebih dari dua kelompok, uji-f yang
signifikan menjadikan penolakan untuk keseluruhan hipotesis perbedaan rata-ratanya. Uji-F
signifikan memiliki arti bahwa paling tidak ada satu pasang rata-rata berbeda secara statistik,
tetapi tidak menunjukkan pasangan mana yang berbeda secara signifikan. Uji-F dalam
ANAVA adalah untuk untuk menguji keseluruhan. Sebagai hasilnya, keseluruhan uji-F tidak
menarik atau tidak berguna untuk kebanyakan peneliti. Secara umum, ketertarikan para
peneliti terletak pada perbedaan antara rata-rata kelompok tertentu saja. Contohnya, peneliti
pasar ingin membandingkan peningkatan dalam penjualan yang disebabkan karena tiga
macam rencana peningkatan: (1) membeli satu mendapatkan barang kedua dengan harga
setengahnya, dan (2) membeli dua dengan harga biasa dan mendapatkan satu gratis, tentu saja
yang (3) dengan harga biasanya. Keseluruhan uji-F ANAVA memberikan informasi kepada
peneliti bahwa ada perbedaan penjualan di antara ketiga strategi penjualan itu. Jika uji-F
signifikan, tidak dapat menjelaskan mana yang membuat berbeda. Oleh karena itu, peneliti
memerlukan alat lain untuk melihat ‘data lebih mendalam’, diperkenalkanlah uji Scheffè dan
uji HSD Tukey.
Dimana:
tij = nilai t terhitung untuk membandingkan rata-rata kelompok i dengan kelompok j
Mi, Mj = masing-masing rata-rata kelompok i dan j
ζW2 = kuadrat rata-rata untuk dalam-kelompok, dan
STATISTIK PENDIDIKAN 72
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
ni, nj = masing-masing ukuran sampel untuk kelompok i dan j.
Nilai ζW2 didapatkan dari tabel rangkuman ANAVA dalam kolom ‘kuadrat rata-rata’
(MS) dan baris ‘dalam-kelompok’. Perkiraan ini didapatkan dengan mengelompokkan semua
jumlah kuadratnya dan dibagi dengan kelompok derajat bebasnya. Nilai t dievaluasi pada
level α, derajat bebas dan nilai kritis tertentu yang didapat dari tabel t-kritis. Untuk k
kelompok akan terdapat k(k - 1)/2 pembandingan yang mungkin.
Karena uji-t ganda memakai penyebut ζW2 yang sama, uji signifikansi statistiknya
tidak independen, walaupun perbandingan di antara rata-rata untuk populasi terdistribusi
normal adalah independen. Untuk derajat bebas yang besar, uji signifikansi biasanya
dianggap independen. Pada contoh berikut, perhitungan uji-t digambarkan. Dalam masalah
sebenarnya, hanya kelompok-kelompok yang dihipotesiskan berbeda yang digunakan dalam
perbandingan uji-t.
Uji-t perbedaan antara rata-rata subkelompok untuk data pada contoh soal sebelumnya.
13.4 18.5 0 5.1
t12 2.46 *
32.1[(15 15) / 15.15] 4.43
13.4 10.4 0 3.0
t13 1.43
32.1[(15 14) / 15.14] 4.27
13.4 20.5 0 7.1
t14 3.07 * *
32.1[(15 10) / 15.10] 5.35
18.5 10.4 0
t 23 8.1 3.86 * *
32.1[(15 14) / 15.14] 4.43
18.5 20.5 0 2.0
t 24 0.87
32.1[(15 10) / 15.10] 5.35
10.4 20.5 0 10.1
t34 4.30 * *
32.1[(14 10) / 14.10] 5.50
STATISTIK PENDIDIKAN 73
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
t’.05 = nilai kritis t’ Scheffè
k = jumlah kelompok dalam ANAVA satu arah
F.05 = nilai F yang diperlukan untuk signifikansi dengan df(k - 1) untuk varian kiraan yang
lebih besar dan df = (N – k) untuk varian kiraan lebih kecil
N = ukuran sampel total
Setiap dan seluruh nilai t yang didapat lebih besar dari t’.05 dianggap signifikan pada paling
tidak level 0.05. Uji ini dapat diaplikasikan sama baiknya untuk ANAVA satu arah dengan
subkelompok yang ukurannya sama. Jika level t = 0.01 diharapkan, maka rumus yang
digunakan adalah:
t’.01 = √(k-1)F.01
Dengan memasukkan harga F.01 = 2.79 dan 4.20 yang masing-masing df-nya = 3 dan 50 untuk
varian kiraan lebih besar dan kecil, maka didapatkan:
t’.05 = √(k-1)F.05 = √3(2.79) = √8.37 = 2.89
t’.01 = √(k-1)F.01 = √3(4.20) = √12.60 = 3.55
Jika ini ini dibandingkan dengan nilai t pada uji-t sebelumnya maka perbandingan t23 dan t34
masih signifikan pada level 0.01, sedangkan t14 sekarang signifikan hanya pada level 0.05.
Jadi, perbedaan rata-rata subkelompok 2 dan 3, subkelompok 3 dan 4 benar-benar signifikan
pada level 0.01, dan perbedaan subkelompok 1 dan 4 berbeda secara signifikan pada level
0.05.
nh
k
[(1/ n1 ) (1/ n 2 ) ... (1 / nk )]
Dimana k = jumlah kelompok dan n1, n2, … , nk = ukuran sampel untuk tiap kelompok.
Penggunaan nh tidak dapat dibenarkan jika perbedaan antara ukuran sampel besar.
Menggunakan data pada soal sebelumnya yang sama, perbedaan mutlak antara rata-rata
kelompok dihitung:
D12 = 5.1; D13 = 3.0; D14 = 7.1; D23 = 8.1; D24 = 2.0; D34 = 10.1
Selanjutnya, menentukan derajat bebas dan k:
df = NT – k = n1 + n2 + n3 + n4 - k = 15 + 15 + 14 + 10 - k
k = jumlah kelompok = 4. Jadi, df = 54-4=50.
Tentukan q dengan melihat tabel untuk df = 50, k = 4, dan α = 0.05 dan 0.01, maka:
q.05.50 = 3.77 (nilai terinterpolasi)
q.01.50 = 4.65 (nilai terinterpolasi)
sebelumnya telah dihitung ζW2 = 32.1, kemudian dihitung,
nh = 4/[(1/15) + (1/15) + (1/14) + (1/10)] = 4/0.3048 = 13.123
Jadi,
HSD.05 = 3.77√(32.1/13.123) = 3.77√2.4461 = 3.77.1.56 = 5.90
HSD.01 = 4.65√(32.1/13.123) = 4.65√2.4461 = 4.65.1.56 = 7.27
D23 = 8.1 dan D34 = 10.1 > HSD.01, perbedaaan antara rata-rata kelompok 2 dan 3 serta
kelompok 3 dan 4 signifikan secara statistik pada level 0.01.
D14 = 7.1 > HSD.05, perbedaan antara rata-rata kelompok 1 dan 4 signifikan secara statistik
pada level 0.05.
Hasil di atas ternyata konsisten dengan hasil uji Scheffè sebelumnya.
STATISTIK PENDIDIKAN 75
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB X
ANAVA DUA ARAH
ANAVA dua arah menguji pengaruh serentak dua variabel bebas atau faktor-faktor
eksperimen pada suatu variabel terikat. Tiap variabel bebas memiliki dua atau lebih tingkatan
(kelompok). Sebenarnya ada beberapa variasi ANAVA dua arah yang berbeda-beda. Tetapi
disini hanya dibahas yang sangat sederhana dan paling sering digunakan, yaitu rancang
faktorial. Jika ada p tingkat faktor eksperimen dan q tingkat faktor eksperimen lainnya,
rancang ANAVA faktorial dua arah terdiri dari kombinasi pq eksperimen. Subjek harus
dipilih secara acak sesuai dengan rancang eksperimen pq ini, dimana setiap subjek akan
mendapatkan hanya satu kombinasi.
STATISTIK PENDIDIKAN 76
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Jumlah kuadrat interaksi akan didapatkan seperti halnya jumlah skor deviasi kuadrat
lainnya, yaitu dengan mengkuadratkan deviasi karena interaksi dan mengalikannya dengan
jumlah kasus (n), sehingga didapatkan:
k
n. (Mi M Ri M Ci M )
2
SIMPANGAN BAKU
Barangkali ukuran simpangan yang paling banyak digunakan adalah simpangan
baku atau deviasi standar. Pangkat dua dari simpangan baku dinamakan varians. Untuk
sampel, simpangan baku diberi simbol s, sedangkan populasi diberi simbol σ (baca: sigma).
Variansnya tentulah s2 untuk varians sampel dan σ2 untuk varians populasi. Jelasnya, s dan s2
merupakan statistik sedangkan σ dan σ2 parameter.
Jika kita mempunyai sampel berukuran n dengan data x1, x2, … , xn, dan rata-rata (
x ), maka statistik s2 dihitung dengan:
V(5)………………………… s (xi x)
2
2
n 1
Untuk mencari simpangan baku (s), dari s2 diambil harga akarnya yang positif.
STATISTIK PENDIDIKAN 77
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BILANGAN BAKU DAN KOEFISIEN VARIASI
Misalkan kita mempunyai sebuah sampel berukuran n dengan data x 1, x2, ..., xn,
sedangkan rata-ratanya = x , dan simpangan baku = s. Dari sini kita dapat membentuk data
baru z1, z2, …, zn dengan rumus:
xi x
V(11)……………………… z i untuk i = 1, 2, …, n
s
Jadi, diperoleh penyimpangan atau deviasi data dari rata-rata dinyatakan dalam
satuan simpangan baku. Bilangan yang didapat dinamakan bilangan z. Variabel z1, z2, …, zn
ternyata mempunyai rata-rata = 0 dan simpangan baku = 1. Dalam penggunaannya, bilangan
z ini sering diubah menjadi keadaan atau model baru, atau tepatnya distribusi baru, yang
mempunyai rata-rata x 0 dan simpangan baku s0 yang ditentukan. Bilangan yang diperoleh
dengan cara ini dinamakan bilangan baku atau bilangan standar dengan rata-rata x 0 dan
simpangan baku s0 dengan rumus:
xi x
Perhatikan bahwa untuk x 0 = 0 dan s0 = 1, rumus V(12) menjadi rumus V(11), sehingga
bilangan z sering pula disebut bilangan standar.
ANALISIS VARIANS
1. JENIS VARIANS
Telah kita kenal beberapa jenis varians seperti varians sampel (s2) dan varians
populasi (σ2). Varians untuk sekumpulan data ini melukiskan derajat perbedaan atau variasi
nilai data individu yang ada dalam kelompok atau kumpulan data tersebut. Variasi ini
dihitung dari nilai rata-rata kumpulan data. Selanjutnya, kita juga telah mengenal varians
2
sampling berbagai statistik, untuk rata-rata diberi lambang , untuk proporsi diberi
x
2
lambang dan untuk statistik lainnya.
x /n
Secara umum varians dapat digolongkan ke dalam varians sistematik dan varians
galat. Varians sistematik adalah varians pengukuran karena adanya pengaruh yang
menyebabkan skor atau nilai data lebih condong ke satu arah tertentu dibandingkan ke arah
lain. Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians
antar kelompok atau kadang-kadang disebut varians eksperimental. Varians ini
STATISTIK PENDIDIKAN 78
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
menggambarkan adanya perbedaan atau variasi sistematik antara kelompok-kelompok hasil
pengukuran. Dengan demikian varians ini terjadi karena adanya perbedaan antara kelompok-
kelompok individu.
Dari tiap populasi secara independen kita ambil sebuah sampel acak, berukuran n1
dari populasi pertama, n2 dari populasi kedua, dan seterusnya berukuran nk dari populasi ke-
k.Data sampel akan dinyatakan dengan Yij yang berarti data ke-j dalam sampel yang diambil
dari populasi ke-i. Untuk memudahkan, sebaiknya data sampel disusun seperti dalam daftar
berikut.
STATISTIK PENDIDIKAN 79
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
n . .
Y1n1 Y3n3 .....
Yknk
Ju J1 J2 J3 …..
mlah Jk
Rat Y 1 Y 2 Y3 ….. Y k
a-rata
Untuk menguji HO dan melawan H1 kita akan menggunakan varians antar kelompok
dan varians dalam kelompok. Dengan persyaratan tentang populasi seperti tersebut di atas,
ternyata bahwa rasio varians antar kelompok terhadap varians dalam kelompok membentuk
statistik F, tepatnya:
var ians antar kelompok
XIV(2)……………… F var ians dalam kelompok
n (Y Y ) 2 /(k 1)
k
i i
XIV(3)……………… F i1
k n k
(Y 1)
i 2
i1 j1
ij
Yi ) /
i1
(n i
Dimana:
Yij = data ke-j dalam sampel ke-i
i = 1,2, …, k dan j = 1,2, …, n1
(ni = ukuran sampel dari populasi ke-i)
ni
k ni k
STATISTIK PENDIDIKAN 80
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
, dimana F(1-α) (υ1.υ2) didapat dari daftar distribusi F dengan peluang (1 - α) dan dk =
α) (υ1.υ2)
XIV(4)……………….………… F Ay / (k 1)
D y / (ni 1)
Yang dapat digunakan untuk menguji hipotesis kesamaan beberapa rata-rata populasi. Jika
harga F ini lebih besar dari F daftar dengan dk pembilang (k-1) dan dk penyebut ∑ (ni - 1)
untuk α yang dipilih, maka hipotesis nol (H0) ditolak.
Analisis untuk menguji kesamaan k buah rata-rata populasi yang dibicarakan disini
dikenal dengan analisis varians satu arah karena analisisnya menggunakan varians dan data
hasil pengamatan pengaruh satu faktor.
STATISTIK PENDIDIKAN 81
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB XI
STATISTIK NONPARAMETRIK
Metode statistika nonparametrik atau sering disebut pula metode statistika bebas
distribusi. Beberapa metode nonparametrik yang sederhana:
UJI TANDA
Dalam banyak eksperimen, kita sering ingin memebandingkan pengaruh hasil dua
perlakuan. Untuk data yang berpasangan satu sebagai hasil perlakukan A dan satu lagi hasil
perlakuan B, ternyata untuk memebandingkan kedua hasil perlakuan itu dapat digunakan uji
tanda. Uji ini sangat baik jika memiliki syarat-syarat berikut dipenuhi:
1. pasangan hasil pengamatan yang sedang dibandingkan bersifat independen
2. masing-masing pengamatan dalam tiap pasang terjadi karena pengaruh kondisi yang
serupa.
3. pasangan yang berlainan terjadi karena kondisi yang berbeda
sebagaimana namanya menyatakan uji tanda ini akan dilakukan berdasarkan tanda yakni +
dan – yang didapat dari selisih pengamatan Xi dan Yi masing-masing terjadi karena
perlakuan A dan B. Misalkan n menyatakan banyak pasangan yang menghasilkan tanda-tanda
positif dan negatif setelah dihilangkan pasangan Xi = Yi. Selanjutnya misalkan h menyatakan
banyak tanda + atau – yang paling sedikit. Bilangan h ini dapat dipakai untuk menguji
hipotesis:
Ho : tidak ada perbedaan pengaruh kedua perlakuan
H1 : tidak dapat perbedaabn pengaruh kedua perlakuan
Dalam hal ini pengaruh diukur oleh rata-rata sehingga sebenarnya, uji tanda ini dapat
digunakan untuk menguji kesamaan dua rata-rta populasi.
STATISTIK PENDIDIKAN 82
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Untuk menolak atau menerima hipotesis Ho dalam taraf nyata 0,01 atau 0,05 sebuah
daftar. Daftar tersebut berisikan harga-harga h sebagai batas kriteria pengujian untuk harga n
yang didapat. Kriteria tersebut adalah tolak Ho jika harga h dari perhitugan lebih kecil atau
sama dengan harga h yang didapat dari daftar untuk taraf nyata yang dipilih. Dalam hal
lainnya Ho diterima. Dari daftar nampak agar supaya pengujian dapat ditentukan hasilnya,
diperlukan paling sedikit n = 6.
Apabila n lebih besar dari 95, maka harga h dapat dihitung dengan jalan mengambil
bilangan bulat terdekat yang lebih kecil dari:
1/ 2 n 1 k n 1
STATISTIK PENDIDIKAN 83
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Sebagaimana halnya dalam menyatakan penguji hipotesis, langkah pertama adalah
prosedur uji tanda adalah menyatakan hipotesis nol dan hipotesis alternatif. Pengujian
tanda dua-arah (two-tailed test) ataupun satu-arah (one-tailed) dapat dilakukan, dan
fakta ini tentunya akan menentukan bentuk hipotesis alternatif.
b. Memilih Taraf Nyata
Setelah menetapkan hipotesis nol dan hipotesis alternatif langkah kedua adalah menetapkan
kriteria penolakan ataupun penerimaan hipotesis nol
c. Menghitung Frekuensi Tanda
Langkah berikutnya menghitung tanda positif, tanda negatif dan nol
d. Menentukan Tanda Beda antara Pasangan Observasi
Setelah hipotesis nol dan hipotesis alternatif ditentukan, dan taraf nyata dipilih,
langkah selanjutnya ialah menghitung selisih antara satu observasi dengan observasi
lainnya secara sistematis, dan kemudian mencatat apakah perbedaan tersebut positif
atau negatif.
e. Menentukan Probabilitas Hasil Sampel yang Diobservasi
Responden atau pasangan observasi yang relevan bagi analisis hanyalah responden
atau observasi yang perbedaan rasanya (positif atau negatif) telah dicatat.
f. Penarikan Kesimpulan Statistik Tentang Hipotesis Nol
Peraturan pengambilan keputusan yang harus diikuti dalam melakukan pengujian
tanda dengan sampel kecil guna mengambil keputusan statistik adalah :
Menerima Ho jika α ≤ probabilitas hasil sampel
atau
Menolak Ho dan menerima H1 jika α> probabilitas hasil sampel
Prosedur Uji Tanda dengan Sampel Besar
Jika jumlah sampel cukup besar, dan jika pendekatan normal dapat dipakai terhadap
distribusi binomial, maka aturan pengambilan keputusan yang berlaku sesuai dengan
aturan distribusi Z dimana rasio kritis (CR dari nilai Z) dihitung sebagai :
2R n
CR
n
Dimana R = jumlah tanda positif
n = jumlah pasangan observasi yang relevan
STATISTIK PENDIDIKAN 84
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Uji peringkat bertanda Wilcoxon digunakan jika besaran maupun arah perbedaan
relevan untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara pasangan
data yang diambil dari satu sampel atau dua sampel yang saling terkait.
Prosedur uji peringkat bertanda Wilcoxon
a. Menyatakan hipotesis dan α
b. Menentukan besar dan tanda perbedaan antara pasangan data
c. Menyusun peringkat perbedaan tanpa memperhatikan tanda
d. Pemberian tanda atas peringkat yang telah ditetapkan
e. Menjumlahkan peringkat
f. Penarikan kesimpulan statistik tentang hipotesis nol
PENGUJIAN MANN-WHITNEY
Pengujian Mann-whitney digunakan jika hipotesis nol yang menyatakan bahwa tidak
ada perbedaan yang sesungguhnya antara kedua kelompok data dan di mana data tersebut
diambil dari dua sampel yang tidak saling terkait.
Prosedur pengujian Mann-Whitney
a. Menyatakan hipotesis dan α
b. Menyusun peringkat data tanpa memperhatikan kategori sampel
c. Menjulahkan peringkat menurut tiap kategori sampel dan menghitung statistik U.
Rumus yang dapat dipakai :
U = n n + n1 (n2 1) R atau
1 2 1
2
U = n n + n2 (n2 1) R
1 1 2
2
Di mana R1 = jumlah peringkat yang diberikan pada sampel dengan jumlah n1
R2 = jumlah peringkat yang diberikan pada sampel dengan jumlah n2
d. Penarikan kesimpulan statistik mengenai hipotesis nol
Aturan pengambilan keputusannya ialah : Tolak hipotesis nol jika nilai hitung U sama
atau lebih kecil dari nilai dalam tabel U.
STATISTIK PENDIDIKAN 85
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
jumlah deret dari hasil yang identik pada data berurut. Runs test merupakan prosedur
pengujian hipotesis lain yang dirancang untuk membantu para pengambil keputusan.
Prosedur pelaksanaan runs test adalah :
a. Merumuskan hipotesis nol dan hipotesis alternatif, hipotesis
Hipotesis untuk runs test adalah :
Ho : Data berurut DJIA yang dianalisis tersebut bersifat acak
H1 : Data berurut DJIA yang dianalisis tersebut mempunyai pola
Runs test dirancang untuk mendekati pola dalam data berurut, tetapi tidak bis
mengungkapkan hakikat dari pola tersebut.
b. Menghitung jumlah deret
c. Menghitung frekuensi kejadian
d. Menarik kesimpulan statistik
n(n 1)
2
Untuk menghitung rs harus mengkuadratkan perbedaan antara setiap pasangan
peringkat dan kemudian menjumlahkan perbedaan yang dikuadratkan tersebut yaitu
ΣD2 dalam pembilang rumus diatas. Apabila rs bernilai nol maka tidak ada korelasi,
seperti halnya r, jika rs adalah +1,00 atau -1,00 maka terdapat korelasi sempurna.
Penguji signifikasi rs
STATISTIK PENDIDIKAN 86
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Pengujian yang lebih formal bisa dilaksanakan untuk menentukan apakah benar-benar
ada hubungan statistik seperti diisyaratkan oleh rs. Jika ukuran sampel lebih besar dari 10,
kita bisa melakukan pengujian hipotesis dengan menghitung rasio kristis (critical ratio = CR)
sebagai berikut :
n 2
CR = rn
1 rn
2
Start
Hitung
6D2
rs = 1 -
2
n 2
CR = rn
n n 2 1
UJI RUNTUN
Runtun adalah barisan huruf-huruf atau tanda-tanda yang identik yang didahului atau diikuti
oleh sebuah huruf atau atau sebuah tanda yang berbeda, panjang runtun ditentukan oleh
banyak huruf atau tanda yang ada dalam setiap runtun.
Contoh:
Deretan tanda positif dan negatif berikut:
++++++ --- +++ - +
terdiri atas lima runtun dimana runtun pertama panjangnya enam (++++++), runtun kedua
dan ketiga masing-masing panjangnya tiga (--- dan +++) sedangkan runtun keempat dan
kelima masing-masing panjamnganya satu (- dan +).
Deretan bilangan ini dapat dianggap terdiri atas delapan runtun. Runtun-runtun yang didapat
dari sampel II telah diberi garis dua buah untuk membedakan dengan runtun-runtun yang
didapat dari sampel I yang diberi garis bawah sebuah.
Dengan adanya runtun ini kita dapat menguji hipotesis tentang:
A. data pengamatan telah diambil secara acak daris ebuah populasi atau sampel yang
diambil darai sebuah populasi adalah acak.
B. Dua sampel acak berasal dari populasi yang sama atau dua populasi mempunyai
distribusi yang sama.
Statistik yang digunakan untuk menguji hipotesis diatas adalah banyaknya runtun dalam
deretan yang akan kita nyatakan dalam u.
Untuk melakukan hipotesis yang dicantumkan di A ialah :
Ho : data sampel telah diambil secara acak daris ebuah populasi melawan alternatif.
H1 : data sampel diambil tidak secara acak
Kita tempuh langkah sebagai berikut :
1. tuliskan data hasil pengamatan dalam sampel menurut urutan didapatnya atau urutan
terjadinya.
2. tentukan besarnya median sampel
3. data yang harganya lebih besar dari media supaya diberi tanda positif sedangkan data
yang lebih kecil dari median diberi tanda negatif.
4. hitung berapa banyak data positif diberi simbol n dan berapa banyak tanda negatif
diberi simbol n2.
STATISTIK PENDIDIKAN 89
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Dengan mengambil taraf nyata 0,05 bandingkanlah harga u yang didapat dengan harga u dari
daftar sebagai nilai kritis.
UJI MEDIAN
Hipotesisnya yang dihadapi adalah :
Ho : dua sampel acak telah diambil dari dua populasi dengan median yang sama atau telah
diambil dari populasi yang sama.
H1 : kedua sample itu berasal dari dua populasi dengan median yang berlainan atau dari dua
populasi yang berlainan.
Langkah yang harus ditempuh dalam pengujian hipotesis ini adalah
1. gabungkan kedua sampel menjadi sebuah sampel berukuran (n1 + n2) dengan n1 =
ukuran sampel yang diambil dari populasi kesatu dan n2 = ukuran sampel yang
diambil dari populasi kedua.
2. tuliskan ke-(n1+n2) buah data dari sampel gabungan ini menurut urutan besar nilainya
3. tentukan median dari sampel gabungan ini
4. dari setiap sampel tentukan banyak data yang ada dimuka median. Nyatakanlah hal ini
dengan A1 untuk sampel I dan A2 untuk sampel II. Tentukan juga data yang ada
dibawah median dan nyatakanlah hal ini dengan B, untuk sampel I dan B2 untuk
sampel II.
5. bentuklah sebuah daftar kontingensi 2 x 2 seperti dibawah ini
Sampel I Sampel II
A1 A2
Di atas median
Di bawah median B1 B2
Dengan menggunakan data yang telah disususn dalam daftar kontingensi tersebut untuk
menguji hipotesis Ho digunakan uji chi kuadrat.
Selanjutnya kita tolak hipotesis Ho jika X2 dari perhitungan lebih besar atau sama dengan
UJI KENORMALAN
STATISTIK PENDIDIKAN 90
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
Misalkan kita mempunyai sampel acak dengan hasil pengamatan X1, X2, ....,Xn. Berdasarkan
sampel ini akan diuji hupotesis nol bahwa sampel tersebut berasal dari populasi berdistribusi
normal melawan hipotesis tandingan bahwa ditribusi tidak normal melawan hipotesis
tandingan.
Untuk pengujian hipotesis nol tersebut kita tempuh prosedur berikut:
1. pengamatan X1, X2, ....,Xn dijadikan bilangan baku Z1, Z2, ....,Zn dengan
X 1 X
menggunakan rumus Zi ( X dan s masing-masing merupakan rata-rata
s
dan simpangan baku sampel).
2. untuk tiap bilangan baku ini dan menggunakan daftar distribusi normal baku,
kemudian dihitung peluang F(Zi) = P(Z≤Zi).
3. selanjutnya dihitung proporsi Z1, Z2, ....,Zn yang lebih kecil atau sama dengan Zi.jika
proporsi ini dinyatakan oleh S(Zi). Maka:
banyaknyaZ1 , Z 2 ,...., Z n yang Z i
S Zi
n
4. hitung selisih F(Zi) – S(Zi) kemudian tentykan harga mutlaknya.
5. ambil harga yang paling besar diantara harga-harga mutlak selisih tersebut. Sebutlah
harga terbesar ini Lo. Untuk menerima atau menolak hipotesis nol, kita bandingkan
Lo dengan nilai kritis L yang diambil dari daftar untuk taraf nyata α yang dipilih.
Kriterianya adalah tolak hipotesis nol bahwa populasi berdistribusi normal jika Lo
yang diperoleh dari pengamatan melebihi L dari daftar. Dalam hal lainnya hipotesis
nol diterima.
STATISTIK PENDIDIKAN 91
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
BAB XII
REGRESI LINEAR SEDERHANA
Pengertian Regresi
Studi ketergantungan satu variabel tak bebas pada satu atau lebih variabel lain yang
menjelaskan dengan tujuan untuk menaksir atau meramalkan nilai rata-rata hitung (mean)
atau rata-rata populasi variabel tak bebas, dalam pengambilan sampel berulang dari variabel
yang menjelaskan (explanatory variable)
Tujuan Regresi
1. Mengestimasi nilai rata-rata variabel tak bebas dan nilai rata-rata variabel bebas
2. Menguji hipotesis mengenai sifat alamiah ketergantungan (sesuai teori ekonomi)
3. Memprediksi atau meramalkan nilai rata-rata variabel tak bebas dan nilai rata-rata
variabel bebas tertentu
Perbedaan dengan korelasi
Korelasi : mengukur kekuatan atau tingkat hubungan antara dua variabel (simple
correlation) dan tiga variabel (multiple correlation)
Dalam analisis regresi, ada asimetris antara variabel tak bebas dan variabel
bebas.variabel tak bebas bersifat acak atau stokastik dimana variabel bebas
diasumsikan mempunyai nilai yang tetap dalam pengambilan sampel berulang
Dalam Korelasi, ada simetris variabel tak bebas dan variabel bebas.
Fungsi Regresi Populasi dan Fungsi Regresi Sampel
Contoh : Fungsi permintaan barang (Y) dengan variabel penjelas tingkat harga (X)
Asumsi: data Y dan X tersedia, maka nilai yang dicari nilai pengharapan atau nilai rata-rata
populasi pada berbagai tingkat harga (X)
STATISTIK PENDIDIKAN 92
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
...................... 1)
Dimana adalah rata-rata atau pengharapan Y pada berbagai X
Sedangkan dan adalah parameter atau koefisien regresi
Koefisien Slope mengukur tingkat perubahan rata-rata Y per unit akibat perubahan X
Persamaan 1) adalah fungsi regresi populasi dalam bentuk linier
Karena data populasi sulit didapatkan sehingga diambil data sampel dari populasi dan
dikembangkan konsep fungsi regresi sampel :
...................... 2)
Dimana, adalah penaksir
dan adalah penaksir dan
Tujuan mengestimasi fungsi regresi populasi dan didekati oleh fungsi regresi sampel.
Dalam dunia nyata, tidak ada unsur kepastian maka perlu ditambahkan pengganggu atau
faktor acak ( ) sehingga persamaan 1) dan 2) dapat ditulis kembali:
Bentuk PRF stokastik
Bentuk SRF stokastik
SRF dapat diestimasi dengan metode OLS
Unsur pengganggu :
1. Karena ketidakjelasan atau ketidaklengkapan teori
2. Ketidaktersediaan data
3. Kesalahan manusiawi
4. Kurangnya variabel pengganti
5. Prinsip Kesederhanaan
6. Kesalahan bentuk fungsi
7.
Metode Kuadrat terkecil (OLS): Carl Frederich Gauss
Metode untuk menaksir parameter hubungan ekonomi SRF sebagai penaksir yang benar
untuk PRF
Alasan penggunaan OLS:
1. Hasil estimasi mempunyai ciri optimal
2. Prosedur perhitungan sederhana
3. Dapat digunakan dalam range hubungan ekonomi yang luas dengan tingkat ketepatan
4. Mekanisme sederhana dan mudah dimengerti
5. Komponen penting bagi teknik ekonometrik lain
Pendekatan Gauss:
STATISTIK PENDIDIKAN 93
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
See: Dokumen dalam Word!
Ciri-ciri Penaksir OLS:
1. Penaksir dinyatakan dalam besaran sampel
2. Penaksir titik dengan sampel tertentu, tiap penaksir memberikan satu nilai tunggal
parameter populasi yang relevan
3. Garis regresi yang diperoleh beberapa sifat :
a. Garis regresi melalui rata-rata sampel X dan Y dibuktikan dengan ..........
b. Nilai rata-rata Y yang diestimasi sama dengan nilai rata-rata Y sebenarnya dimana
dalam kenyataan ............
c. Nilai rata-rata residual ei=0
d. Nilai residual tidak berkorelasi dengan nilai estimasi Y
e. Nilai residual ei tidak berkorelasi dengan X
Asumsi Regresi Linier Klasik
1. Model regresi linier dalam parameter
2. Nilai X tetap dalam sampel yang dilakukan berulang-ulang
3. Nilai rata-rata unsur pengganggu = 0
4. Homokedastisitas tetap untuk semua pengamatan
5. Tidak ada otokorelasi antar unsur pengganggu
6. Nilai kovarian pengganggu dan X = 0
7. Jumlah observasi n harus lebih besar dari jumlah parameter yang diobservasi
8. Nilai X bervariasi
9. Spesifikasi model harus benar
10. Tidak ada multikolinearitas
Apabila asumsi linier klasik dipenuhi, maka didapatkan model penaksir yang tidak bias, linier
dan terbaik (best linear unbiased estimator = BLUE)
1. Linier, jika parameter suatu fungsi linier dari variabel acak Y dalam model
2. Parameter tidak bias, terutama dalam sampel besar sehingga penaksir parameter kira-
kira mendekati nilai parameter sesungguhnya
3. Parameter mempunyai varian minimum atau efisien
4. Nilai Statistik, Koefisien Determinasi
5. See : dokumen word!
STATISTIK PENDIDIKAN 94
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.
DAFTAR PUSTAKA
http://terminaltechno.blog.uns.ac.id/2009/10/06/distribusi-frekuensi/.
(diakses7Novemver 2012)
http://id.wikipedia.org/wiki/Rata-rata. (diakses tanggal 7 Novemver 2012)
http://statistikpendidikanii.blogspot.com/2008/04/mean-rata-rata.html. (diakses
tanggal7 Novemver 2012)
http://violetatniyamani.blogspot.com/2007/09/teori-validitas.html. (diakses tanggal 8
Novemver 2012)
http://id.wikipedia.org/wiki/Korelasi.(diaksestanggal 8 Novemver 2012)
http://en.wikipedia.org/wiki/Student%27s_t- (diakses tanggal 9 Novemver 2012)
http://ineddeni.wordpress.com/2007/10/11/t-test/.(diakses tanggal 9 Novemver 2012)
http://gorgeousdoctors.blogspot.com/2010/07/statistik-anova-anava.html.(diakses
tanggal 10 Novemver 2012)
STATISTIK PENDIDIKAN 95
DOSEN : Prof. Dr. Fuad Abd. Rachman, M.Pd.