Anda di halaman 1dari 81

MODUL BIOSTATISTIK

DI SUSUN OLEH :.. FENI KOMARIYAH (18130007)


MEIYESSA OLVIA GANDIS (18130016)

PRODI : D3 FARMASI .........................


....................................................................

Universitas Kader Bangsa Palembang


Tahun Akademik 2018/2019

1
KATA PENGANTAR

Puji syukur alhamdulillah penulis panjatkan kehadirat Allah SWT yang telah
melimpahkan rahmat-Nya serta hidayah-Nya sehingga kami bisa menyelesaikan
MODUL yang berjudul BIOSTATISTIK.

Meskipun kami sudah mengumpulkan banyak referensi untuk menunjang


penyusunan modul ini, namun kami menyadari bahwa di dalam modul yang telah
kami susun ini masih terdapat banyak kesalahan serta kekurangan. Sehingga kami
mengharapkan saran serta masukan dari para pembaca demi tersusunnya modul yang
lebih baik lagi.

Akhir kata, kami berharap agar modul ini bisa memberikan banyak manfaat.

Penulis,

2
3
DAFTAR ISI

COVER DEPAN
KATA PENGANTAR
DAFTAR ISI
BAGIAN PERTAMA: Biostatistik
A. Pengertian Biostatistik ....................................................................... 5
1. Pengertian Statistika............................................................... 5
2. Pengertian Statistik ................................................................ 6
3. Pengertian Statistik Deskriptif ............................................... 6
4. Pengertian Statistik Inferensia ............................................... 7
B. Jenis-jenis Biostatitik ......................................................................... 7
1. Pengertian Statistik Deeskriptif ............................................. 7
2. Pengertian Statistik Inferensia ............................................... 7
C. Pengertian Data .................................................................................. 8
D. Jenis-Jenis Data .................................................................................. 8
1. jenis data menurut cara memperolehnya............................... .8
2. macam data berdasarkan sumber data.................................... 9
3. klasifikassi data berdaarkan jenis datanya ............................. 9
4. pembagian data berdasarkan ssifat data ................................. 9
5. jenis data menurut waktu pengumpulanya ............................. 9
E. Metode Pengumpulan ...................................................................... 10
1. interview atau wawancara .................................................... 10
2. kuisoner ................................................................................ 10
3. registrasi dan pencatatan ...................................................... 11
4. hasil penelitian ..................................................................... 11
5. Revew atau publikasi ........................................................... 11
F. Presentasi Data ................................................................................. 11

BAGIAN KEDUA: Distribusi Frekuensi

A. Pengertian distribusi Frekuensi ........................................................ 12


B. Tabel Distribusi Frekuensi Data Berkelompok................................ 12
C. Macam-Mcam Distribusi Frekuensi ................................................ 15
1. Distribusi frekuensi numerikal ............................................. 15

BAGIAN KETIGA: Ukuran Pemusatan

A. Ukuran Pemusatan Data ................................................................... 18


1. Jangkauan ............................................................................. 19
2. Jangkauan Antarkuartil ........................................................ 20
3. Jangkauan semi Antarkuartil ............................................... 21
4. Langkah................................................................................ 21
5. Pagar Dalam dan Pagar Luar ............................................... 22

4
6. Statistik lima serangkai ........................................................ 22
7. Simpang rata rata ................................................................. 24
8. Varian dan simpang baku..................................................... 26

BAGIAN KEEMPAT: Dispersi

A. Dispersi Gelombang......................................................................... 29
B. Rumus-rumus Dispersi..................................................................... 31
1. Susunan prisma pandang lurus............................................. 31
2. Dispersi dan rumusnya ......................................................... 32

BAGIAN KELIMA: Probabilitas

A. Pengertia Porbabilitas ...................................................................... 33


B. Macam-Macam Porbabilitas ............................................................ 33
1. Probabilitas A priori ............................................................ 33
2. Probabilitas relatif frekuensi ................................................ 33
3. Ilmu dan Probabilitas ........................................................... 34
C. Konsep Porbabilitas ......................................................................... 34
D. Pendekatan Porbabilitas ................................................................... 35
1. Keputusan klasik .................................................................. 35
2. pertimbangan Relatif ............................................................ 36
3. Keputusan Subjektif ............................................................. 36
E. Konsep Dasar Hukum Porbabilitas .................................................. 36
1. Hukum Penjumlahan ............................................................ 36

BAGIAN KEENAM: Populasi dan Sampel

A. Populasi ............................................................................................ 39
1. Populasi terbatas .................................................................. 39
2. Popolasi Takterbatas ............................................................ 39
B. Sampel.............................................................................................. 41
1. Pengambilan sample teknik ................................................. 41
2. Samling Non probabilitas .................................................... 44

BAGIAN KETUJUH: Pemilihan Anlisis Statistik

A. Analisis Statistik untuk Peramalan .................................................. 47


B. Statistik Deskriptip........................................................................... 48
C. Statistik Inferensial .......................................................................... 48

BAGIAN KEDELAPAN: Analisis Statistik Parametrik

A. Statistik Parametrik ......................................................................... 50


1. Ciri-ciri Parametrik .............................................................. 50
2. Keunggulan dan Kelebihan Parametrik ............................... 50
3. Uji Parametrik ...................................................................... 51

5
BAGIAN KESEMBILAN: Analisis Statistik Non Parametrk

A. Statistik Non Parametrik ................................................................. 52


1. Ciri-ciri non Parametrik ....................................................... 52
2. Kelemahan dan Kelebihan ................................................... 53
3. Uji-uji dalam Statistik non parametrik ................................. 53

BAGIAN KESEPULUH: Uji Signifikat

A. Komponen-komponen dalam Modelnya ........................................ 68


1. Kebaikan dari Cocok Uji ...................................................... 68

BAGIAN KESEBELAS: Aplikasi Komputer Statistik

A. Statistik Berbasis Komputer ........................................................... 69


1. Pengertian Statistik ............................................................. 69
2. Program Komputer Statistik ................................................ 71
B. Fungsi Statistik ............................................................................... 72
1. Fungsi Frequency................................................................ 72
2. Fungsi Max ......................................................................... 73
3. Fungsi Median .................................................................... 73
4. Fungsi Min .......................................................................... 73
5. Fungsi Rank ........................................................................ 73
6. Fungsi Stdev ....................................................................... 74
7. Fungsi data Base ................................................................. 74
8. Fungsi dcount ...................................................................... 74
9. Fungsi Dmax ....................................................................... 74
10. Fungsi Dmin ....................................................................... 74
11. Fungsi DSTDEV ................................................................. 75
12. Fungsi Dsum ....................................................................... 75

DAFTAR PUSTAKA

6
BAGIAN PERTAMA

BIOSTATISTIK

A. PENGERTIAN BIOSTATISTIK

Biostatistik adalah data atau informasi yang berkaitan dengan masalah


kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti
merencanakan program pelayanan kesehatan, menentukan alternatifpenyelesaian masalah
kesehatan, dan melakukan analisis tentang berbagai penyakit selama periode waktu
tertentu. Statistik kesehatan dikenal dengan istilah “biostatistik”. Biostatistik terdiri dari
dua kata dasar yaitu bio dan statistik. Bio berarti hidup, sedangkan statistik adalah
kumpulan angka-angka. Sehingga secara harfiah biostatistik adalah kumpulan angka-
angka tentang kehidupan.

1. Pengertian Statistika
Statistika adalah bagian dari matematika yang secara khusus membicarakan
cara- cara pengumpulan, analisis dan penafsiran data. Dengan kata lain, istilah statistika
di sini digunakan untuk menunjukan tubuh pengetahuan (body of knowledge) tentang
cara-cara penarikan sampel (pengumpulan data), serta analisis dan penafsiran data.
(Furqon, 1999:3) Gasperz (1989:20) juga menyatakan bahwa “statistika adalah ilmu
pengetahuan yang berhubungan dengan cara-cara pengumpulan data, pengolahan serta
penganalisisannya, penarikan kesimpulan serta pembuatan keputusan yang cukup
beralasan berdasarkan fakta yang ada”. Somantri (2006:17) juga menyatakan hal yang
sama bahwa “statistika dapat diartikan sebagai Ilmu pengetahuan yang mempelajari
tentang bagaimana cara kita mengumpulkan, mengolah, menganalisis dan
menginterpetasikan data sehingga dapat disajikan lebih baik”. Ketiga pengertian
statistika tersebut sama halnya dengan pengertian ilmu statistik yaitu “Ilmu Statistik
adalah kumpulan dari cara-cara dan aturan-aturan mengenai pengumpulan, pengolahan,
penafsiran dan penarikan kesimpulan dari data berupa angka-angka” (Pasaribu,
1975:19). Jadi statistika adalah ilmu pengetahuan yang mempelajari tentang cara dan
aturan pengumpulan, pengolahan, penganalisaan, penarikan kesimpulan dan
pengambilan keputusan berdasarkan data dan analisis yang dilakukan.

7
2. Pengertian statistik
Somantri (2006:18) menyatakan statistik diartikan sebagai kumpulan fakta yang
berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang
menggambarkan suatu persoalan. Pengertian ini sejalan dengan pendapat dari Gasperz
(1989:18), yang menyatakan bahwa kata statistik telah dipakai untuk menyatakan
kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel dan atau
diagram, yang menggambarkan suatu persoalan.
Pasaribu (1975:18) mengatakan ada tiga pengertian statistik. Pengertian pertama
“Statistik merupakan seonggokan atau sekumpulan angka-angka yang menerangkan
sesuatu, baik yang sudah tersusun di dalam daftar yang teratur atau grafik maupun
belum”. Pengertian kedua “Statistik adalah kumpulan dari cara-cara dan aturan-aturan
mengenai pengumpulan data (keterangan mengenai sesuatu), penganalisaan dan
interpretasi data yang berbentuk angka-angka“. Pengertian ketiga “Statistik adalah
bilangan-bilangan yang menerangkan sifat (characteristic) dari sekumpulan data
(pengamatan)“.
Sedangkan menurut Furqon (1999:3), Istilah statistik digunakan untuk
menunjukkan ukuran-ukuran, angka, grafik atau tabel sebagai hasil dari statistika.
Istilah Statistik juga digunakan untuk menunjukkan ukuran-ukuran yang langsung
diperoleh dari data sampel untuk menaksir parameter populasinya.
Berdasarkan beberapa pengertian statistik di atas, dapat kami simpulkan bahwa
statistik memiliki dua pengertian. Dalam arti sempit, statistik adalah kumpulan fakta
yang berbentuk angka-angka (baik disajikan dalam bentuk tabel maupun tidak) yang
menggambarkan suatu persoalan. Dalam arti luas, statistik adalah kumpulan cara dan
aturan mengenai pengumpulan, pengolahan, penyajian, penganalisaan, dan interpretasi
data untuk mengambil kesimpulan.

3. Pengertian Statistika Deskriptif (statistik deduktif)


Metode statistika digolongkan menjadi dua yaitu Metode Statistika Deskriptif
dan Metode Statistika Inferensia. Berikut adalah ruang lingkup Statistika Deskriptif
menurut beberapa ahli. Somantri (2006:19) berpendapat bahwa statistika deskriptif
membahas cara-cara pengumpulan data, penyederhanaan angka-angka pengamatan
yang diperoleh (meringkas dan menyajikan), serta melakukan pengukuran pemusatan
dan penyebaran data untuk memperoleh informasi yang lebih menarik, berguna dan
mudah dipahami. Furqon (1999:3) menyatakan bahwa statistika deskriptif bertugas
hanya untuk memperoleh gambaran (description) atau ukuran-ukuran tentang data yang
ada di tangan. Pasaribu (1975:19) mengemukakan bahwa statistika deskriptif ialah
bagian dari statistik yang membicarakan mengenai penyusunan data ke dalam daftar-
daftar atau jadwal, pembuatan grafik-grafik, dan lain-lain yang sama sekali tidak
menyangkut penarikan kesimpulan. Jadi statistika deskriptif adalah statistik yang
8
membahas mengenai pengumpulan, pengolahan, penyajian, serta penghitungan nilai-
nilai dari suatu data yang digambarkan dalam tabel atau diagram dan tidak menyangkut
penarikan kesimpulan.

4. Pengertian Statistika Inferensia (statistik induktif)


Somantri (2006:19) menyatakan bahwa statistika inferensia membahas mengenai
cara menganalisis data serta mengambil keputusan (berkaitan dengan estimasi
parameter dan pengujian hipotesis. Menurut Sudijono (2008:5), statistika inferensial
adalah statistik yang menyediakan aturan atau cara yang dapat dipergunakan sebagai
alat dalam rangka mencoba menarik kesimpulan yang bersifat umum, dari sekumpulan
data yang telah disusun dan diolah. Subana (2000:12) mengemukakan statistika
inferensial adalah statistika yang berhubungan dengan penarikan kesimpulan yang
bersifat umum dari data yang telah disusun dan diolah. Jadi statistika inferensial adalah
statistik yang mempelajari tentang bagaimana pengambilan keputusan dilakukan.

B. JENIS-JENIS BIOSTATISTIK
Statistik secara umum dibagi menjadi dua jenis yaitu statistic deskriptif dan
statistik inferensial.

1. Statistik Deskriptif
Kegiatan mulai dari pengumpulan data, pengolahan, sampai mendapatkan
informasi dengan jalan menyajikan dan analisis data yang telah terkumpul. Tujuan dari
statistik deskriptif adalah memberikan gambaran tentang keadaan yang berkaitan
dengan penyakit atau masalah kesehatan berdasarkan data yang telah dikumpulkan.
Untuk data numerik informasi yang diberikan berupa perhitungan nilai tengah (mean,
median, modus), nilai variasi. Sedangkan untuk data kategori informasinya adalah nilai
proporsi/persentase.

2. Statistik Inferensial /statistik Induktif


Tujuan dari statistik inferensial adalah untuk menarik kesimpulan cirri-ciri
populasi berdasarkan data yang diperoleh melalui sampel. Statistik inferensial
merupakan kumpulan cara atau metode yang dapat mengeneralisasikan nilai-nilai dari
sampel dikumpulkan menjadi nilai populasi. Hal ini dilakukan dengan
menggunakan teori estimasi atau uji hipotesis.

9
D. PENGERTIAN DATA
Menurut Luknis Sabri dan Sutanto. P.H (2010). Data adalah bentuk jamak (plural)
dari kata dotum, data adalah himpunan angka yang merupakan nilai dari unit sampel kita
sebagai hasil mengamati/mengukurnya.
Sutanto (2007). Mengemukakan data adalah merupakan kumpulan angka/huruf hasil
dari penelitian terhadap staf/karakteristik yang akan kita teliti. Data merupakan materi
mentah yang membentuk semua laporan riset (Dempsey, 2002). Jadi dari pengertian di
atas dapat saya simpulakan bahwa Data adalah sekumpulan informasi yang biasanya
berbentuk angka yang dihasilkan dari pengukuran atau penghitungan.

D. JENIS-JENIS DATA

1. Jenis Data Menurut Cara Memperolehnya


a) Data Primer
Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh
peneliti perorangan maupun organisasi. Contoh : Mewawancarai langsung
penonton bioskop 21 untuk meneliti preferensi konsumen bioskop.

b) Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian.
Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain
dengan berbagai cara atau metode baik secara komersial maupun non komersial.
Contohnya adalah pada peneliti yang menggunakan data statistik hasil riset dari
surat kabar atau majalah.

2. Macam-Macam Data Berdasarkan Sumber Data


a) Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu
organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.

b) Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar
organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada
konsumen, tingkat preferensi pelanggan, persebaran penduduk, dan lain
sebagainya.

10
3. Klasifikasi Data Berdasarkan Jenis Datanya

a) Data Kualitatif adalah data yang berbentuk kualitas, seperti penyataan terhadap
KB yang dikategorikan menjadi tiga kategori yaitu : setuju, kurang setuju, tidak
setuju). Berbentuk kata-kata atau pengkategorian.Dalam mengolah data
mengunakan komputer, kategori tersebut harus dilakuka proses “coding” terlebih
dahulu. Misalkan : untuk setuju di beri kode 2, kurang setuju diberi kode 1 dan
tidak setuju diberi kode 0. Data Kualitatif disebut juga dengan data kategori.

b) Data Kuantitatif. Data dalam bentuk bilangan (numerik), misalnya : jumlah


balita yang mendapatkan imunisasi, Berat Badan Bayi. Diperoleh dengan cara
menghitung maupun mengukur. Data Kuantitatif disebut juga dengan data
numerik.

4. Pembagian Jenis Data Berdasarkan Sifat Data

a) Data Literal (diskrit) adalah data yang berbentuk bilangan bulat, misalnya :
Jumlah anak dalam keluarga, jumlah penyakit TBC, jumlah kecelakaan jalan raya.
Diperoleh dengan cara menghitung.

b) Data Kontinyu adalah data yang berbentuk rangkaian data, nilainya berbentuk
desimal. Misalnya : Tinggi Badan, Berat Badan, Tekanan Darah. Diperoleh
dengan cara mengukur.

1. Jenis-jenis Data Menurut Waktu Pengumpulannya

a) Data Cross Section

Data cross-section adalah data yang menunjukkan titik waktu tertentu.


Contohnya laporan keuangan per 31 desember 2006, data pelanggan PT. angin
ribut bulan mei 2004, dan lain sebagainya.

b) Data Time Series / Berkala

Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke
waktu atau periode secara historis. Contoh data time series adalah data
perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004
sampai 2006, jumlah pengikut jamaah nurdin m. top dan doktor azahari dari bulan
ke bulan, dll.

11
E.METODE PENGUMPULAN DATA

Pengumpulan data dapat dilakukan secara langsung dan tergantung dari kebutuhan
informasi,tenaga,dan dana yang ada.

1. interview/wawancara.

hal ini dilakukan secara langsung dilapangan anatara petugas pewawancara dengan
objek atau responden

Keuntungan-keuntungannya,yaitu:

a) Metode ini relative lebih lengkap,akurat,dan informasi yang ada lebih konsisten
b) Pewawancara dapat lebih mengarahkan pertanyaan untuk menghindari mis
interpretasi dan responden.
c) Seluruh pertanyaan dapat dijawab secara langsung.

Kerugian –kerugian ini dapat dibatasi dengan cara memberikan pelatihan lebih dahulu
serta memberikan buku petunjuk pelaksanaan dilapangan petugas pewawancara.

2. kuesioner.

berupa lembaran yang berisi pertanyaan-pertanyaan yang dikirimkan kepada responden –


responden yang telah dipilih dengan harapan akan dikembalikan.car ini relative mudah
dan murah,kesalahan yang ditimbulkan oleh pihak pewawancara dapat dihindari,semua
tempat atau daerah mudah dijangkau dalam waktu singkat,rahasia pribadi responden
dapat terjamin, dan dapat dilakuakan santai dirumah.

Akan tetapi,masih terdapat bebeapa kelemahan yang terjadi,seperti tingkat pendidikan


masyarakat,dan kadang- kadang ada pertanyaan yang membingungkan reponden
sehingga jawaban yang diberikan tidak sesuaai dengan yang diinginkan.

3. registrasi dan pencatatan.

berupa pengumpulan data secara rutin terhadap setiap kegiatan atau kejadian dengan
menggunakan menggunakan sistem seperti kelahiran,kematian,kesakitan,dn lain-lain.

12
4. Hasil penelitian/eksperimen.

hasil ini merupakan data yang dikumpulkan langsung dari hasil penelitian,seperti
pemeriksaan darah,berat badan,sampel air minum,dan lain-lain.

5. Riview dari record atau publikasi.

data yang dikumpulkan dari hasil record atau publikasi badan resmi,seperti Depkes
RI,WHO,dan lain-lain.

F.PRESENTASI DATA

Data yang dikumpulkan perlu disusun secara sistematik agar dapat dimengerti dan
presentasi dengan baik.ada empat cara untuk presentasi data,yaitu:

1. tekstual: berupa tulisan atau narasi,hanya dipakai untuk data yang jumlah nya kecil,dan
hanya perlu suatu simpulan sederhana.

2. semi-tabulasi.cara ini merupakan kombinasi antara tulisan dan tabulasi


sederhana.digunakan untuk data yang jumlahnya kecil dan hanya perlu suatu
kesimpulan sederhana.

3. tabulasi.cara ini merupakan bentuk table yang terdiri dari beberapa baris dan kolom
yang digunakan untuk memaparkan.selain itu,terdiri dari beberapa variable hasil
observasi,survey atau penelitian,sehingga mudah dibc dan dimengerti

13
BAGIAN KEDUA

DISTRIBSI FREKUENSI

A. Pengertian distribusi frekuensi


Pengertian kata “frekuensi” berarti keseringan, kekerapan, atau jarang
kerapnya. Dalam statistik, frekuensi mengandung pengertian: angka (bilangan) yang
menunjukkan beberapa kali suatu variable (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

B. Tabel distribusi frekuensi data berkelompok

Tabel distribusi frekuensi data berkelompok adalah bentuk tabel statistik


yang di dalamnya disajikan pencaran frekuensi dari data angka, dimna angka-angka
tersebut dikelompok-kelompokan (dalam tiap unit terdapat sekelompok angka), tabel ini
biasanya jarak sebenarnya relative tinggi jika disajikan dalam data tunggal kurang efisien
dan kurang praktis karena panjang.

Contoh tabel distribusi frekuensi dari data berat badan siswa dan siswi

Berat badan siswa Frekuensi

40-44 15
45-49 20
50-54 12
55-59 30
60-64 17
65-70 6
Jumlah 100

Tabel distribusi frekuensi data berkelompok merupakan tabulasi distribusi frekuensi data skor
yang akan ditabelkan yang sebelumnya sudah dikelompok – kelompokan kedalam kelas-
kelas interval tertentu, tiap kelas mempunyai batas atas dan batas bawah yang keduanya
mempunyai selisih angka yang disebut interval.

14
Penjelasan tabel Distribusi Frekuensi Data Berkelompok

a) Tentukan Nilai Rentang. Menetapkan luas penyebaran berat yang ada, atau mencari
banyaknya berat dari beratterendah sampai dengan yang peling berat, biasa
disebut Total Range atau Range dengan lambang R. Rumus: R=berat badan Tertinggi-
berat badan Terendah.
b) Tentukan Banyak Kelas yang digunakan. Biasanya paling sedikit 5 dan paling banyak
15. Dengan rumus Sturges yaitu : k= 1 + (3,3) (log n).(k= banyak kelas interval, n=
banyak data yang digunakan).
c) Tentukan Panjang Kelas. , p = panjang kelas dan k = banyak kelas.
d) Tentukan berat ujung bawah kelas interval pertama
Diambil dari nilai data yang terkecil
Boleh diambil dari nilai data yang lebih kecil dari nilai data yang terkecil, dengan syarat
nilai data terbesar tercakup dalam interval nilai data pada kelas interval terakhir.
e) Masukkan Semua data ke dalam interval berat.

Contoh:
Berikut adalah berat badan dari 40 siswa dan siswi

60 55 45 70 64 54 44 65 55 64
40 45 64 44 59 50 54 69 49 50
50 54 70 40 67 59 40 56 67 40
68 69 55 65 40 49 45 40 46 70

Susunlah data di atas ke dalam tabel distribusi frekuensi data kelompok serta tentukan
frekuensi kumulatif atas dan bawah dan juga frekuensi relatif?

Langkah 1
Data terbesar adalah 70 dan data terkecil adalah 40 sehingga jangkauan data: jangkauan
(J) = 70 - 40 = 30

Langkah 2
banyak kelas interval adalah:
k = 1 + 3,3 log 40 = 1 + 3,3(1,6) = 1 + 5,28 = 6,28 di bulatkan 6

Langakah 3
Menentukan panjang kelas interval (i).
i = j / k = 30 / 6 = 5

Langkah 4
15
Menentukan masing-masing kelas interval.
Batas kelas ke-1 = batas kelasnya: 40-44 (i=5)
Batas kelas ke-2 = 45-49
Batas kelas ke-3 = 50-54
Batas kelas ke-4 = 55-59
Batas kelas ke-5 = 60-64
Batas kelas ke-6 = 65-70

Langkah 5
Frekuensi setiap kelas interval dapat dicari dengan menentukan turusnya terlebih dahulu
(lihat tabel daftar distribusi frekuensi kelompok dibawah ini)

Berat Frekuensi
bada (Fi)
n
40 – 44 8
45 – 49 6
50 – 54 6
55 – 59 6
60 – 64 4
65 – 70 10
Jumlah 40

Langkah 6
Menentukan titik tengah interval :

Titik tengah kelas ke-1= ½ (40 + 44) = 42


Titik tengah kelas ke-2= ½ (45 + 49) = 47
Titik tengah kelas ke-3= ½ (50 + 54) = 52
Titik tengah kelas ke-4= ½ (55 + 59) = 57
Titik tengah kelas ke-5= ½ (60 + 64) = 62
Titik tengah kelas ke-6= ½ (65 + 70) = 67

16
Dapat dilihat dari tabel dibawah ini :

berat badan Frekuensi titik tengah


siswa (Fi) (Xi)

40 – 44 8 42
45 – 49 6 47
50 – 54 6 52
55 – 59 6 57
60 – 64 4 62
65 – 70 10 67

Jumlah 40

C. Macam-macam Distribusi Frekuensi


Terdapat dua jenis distribusi frekuensi yaitu:

1.Distribusi frekuensi numerikal (Numerical frequency distribution)


Distribusi frekuensi numerikal yaitu distribusi frekuensi yang pembagian
kelas-kelasnya berupa angka-angka atau secara kuantitatif.
Contoh distribusi frekuensi numerikal yaitu:

Distribusi Frekuensi Umur petani dari daerah xxx

Umur ( Tahun) Jumlah petani


20 – 29 20
30 – 39 15
40 – 49 10
50 – 59 5
Jumlah 50

17
Distribusi Frekuensi Numerikal, dibagi menjadi:

a. Distribusi Frekuensi Relatif

Distribusi frekuensi relatif yaitu distribusi frekuensi yang angka-angka


frekuensinya tidak dinyatakan dalam angka-angka absolut tetapi angka-angka relatif
atau persentase.

Contohnya yaitu:
Disribusi frekuensi relatif Umur petani dari daerah xxx

Jumlah petani
Umur (Tahun)
(%)

20 – 29 22,22
30 – 39 33,33
40 – 49 17,78
50 – 59 26,67

Jumlah 100

..............................................................................................................

b.Distribusi FrekuensinKomulatif
Distribusi frekuensi komulatif terdiri dari dua jenis yaitu :

1) Distribusi frekuensi “kurang dari”

Distribusi frekuensi “kurang dari” yaitu distribusi frekuensi yang memasukkan


frekuensi kelas-kelas sebelumnya.
Contohnya yaitu:
Distribusi kumulatif “kurang dari” umur petani dari daerah xxx

Umur Jumlah
petani
Kurang 45
dari 20 25
Kurang 15

18
dari 30 5
Kurang
dari 40
Kurang
dari 50

2 )Distribusi frekuensi kategoris (Categorical frequency distribution)

Distribusi frekuensi kategoris yaitu distribusi yang pembagian kelasnya


berdasarkan kategori-kategori atau secara kualitatif. Contoh Distribusi frekuensi kategoris
yaitu

Distribusi frekuensi responden usia penyuka anime jepang


Usia Jumlah
Anak-anak 15
Remaja 30
Dewasa 5
Jumlah 50

19
BAGIAN KETIGA

UKURAN PEMUSATAN

A. Ukuran Penyebaran Data

Dengan menentukan pemusatan data dan ukuran letak data ternyata belum cukup
untuk memberikan gambaran yang jelas dari suatu data. Mengapa demikian? Untuk
mengetahuinya, simaklah permasalahan berikut dengan cermat! Dinas pertanian
menyarankan penggunaan pupuk jenis baru dengan merk A dan B agar dapat
meningkatkan hasil panen jagung. Setelah dilakukan uji coba pada 8 petak lahan yang
sama, hasil panen jagung disajikan dalam tabel berikut.

Tabel 1.Data hasil panen jagung dalam ton

Pupuk 8 8 6 5 4 9 5 7
A
Pupuk 6 6 7 7 8 7 6 5
B

Dari data tabel diatas rata–rata hasil panen dengan pupuk A dan pupuk
B sama, yaitu 6,5 ton. Namun, apabila data tersebut digunakan untuk mengukur
kualitas pupuk setiap lahan. Apakah kualitas pupuk A akan sama dengan pupuk B?
Belum tentu. Coba Anda perhatikan tabel 1.20, hasil panen pupuk B memiliki rentang
yang lebih kecil dari pupuk A, yaitu 5 sampai 8. Jadi, dengan menggunakan pupuk B,
hasil panen setiap petak lebih seimbang. Dengan demikian, untuk memberikan
gambaran suatu data yang lebih lengkap diperlukan suatu ukuran, yaitu ukuran
penyebaran data.
Sehingga dapat disimpulkan bahwa :
Ukuran penyebaran data adalah ukuran yang menunjukkan seberapa jauh data suatu
menyebar dari rata–ratanya.

20
Beberapa ukuran penyebaran sebagai berikut:

1. Jangkauan
sering disebut range atau rentang. Jangkauan dari suatu data didefinisikan sebagai
selisih antara data terbesar dengan data terkecil. Untuk memahaminya, perhatikan contoh
di bawah ini!

Contoh 1

Data terurut dari banyaknya buku pelajaran yang dimiliki 9 siswa yaitu:
4, 5, 6, 6, 7, 7, 7, 8, 9

Jangkauan data di atas adalah R = xmaks – x min = x9 – x1 = 9 – 4 = 5

Dapat disimpulkan bahwa untuk menentukan jangkauan suatu


kumpulan data tunggal dapat menggunakan persamaan:

kumpulan data tunggal dapat menggunakan persamaan:

R = xmaks – xmin

Keterangan:
R = jangkauan/range/rentang
Xmaks = data terbesar
Xmin = data terkecil
Jangkauan data berkelompok merupakan selisih antara nilai tengah kelas terakhir
dengan nilai tengah kelas pertama.

21
Tabel 2 Data umur peserta sertifikasi guru

Umur Titik Tenga Frekuensi


30-34 32 5
35-39 37 35
40-44 42 100
45-49 47 50
50-54 52 10

Tabel 2 menunjukkan data umur peserta yang mengikuti diklat sertifikasi guru
yang berjumlah 200 orang.
Bila nilai tengah kelas pertama adalah 32 dan nilai tengah kelas terakhir adalah 52, maka

R = 52 – 32
= 20

Jadi, jangkauan data dari tabel 2 adalah 20. Dapat disimpulkan bahwa untuk
menentukan jangkauan data berkelompok digunakan persamaan:

R = xmaks – xmin

R = jangkauan/range/rentang
Xmaks = nilai tengah kelas terakhir
Xmin = nilai tengah kelas pertama

2. Jangkauan Antarkuartil

Jangkauan antarkuartil juga disebut hamparan. Bagaimana cara menentukan


jangkauan antarkuartil ? Perhatikan contoh pada subbab jangkauan untuk data tunggal.
Diperoleh nilai kuartil pertama Q1 = 5,5 dan kuartil ketiga Q3 = 7,5.

22
Jadi, jangkauan antarkuartilnya adalah H = 7,5 – 5,5 = 2.
Dapat disimpulkan bahwa:
Jangkauan antarkuartil adalah selisih antara kuartil ketiga dengan kuartil pertama.

Untuk menentukan jangkauan antarkuartil, dapat digunakan persamaan:

H = Q3 – Q1

Keterangan:
H = jangkauan antarkuartil (hamparan)
Q3 = kuartil ketiga
Q1 = kuartil pertama

3. Jangkauan semi antarkuartil

Jangkauan semi antarkuartil juga disebut simpangan kuartil. Apa hubungan antara
jangkauan semi antarkuartil dengan jangkauan antarkuartil?
Untuk mengetahuinya, Dapat disimpulkan bahwa:
Jangkauan semi antarkuartil adalah nilai dari setengah kali jangkauan antarkuartil.

Pengertian di atas dapat dinyatakan dalam persamaan:

Keterangan:

Qd = jangkauan semi antarkuartil


H = jangkauan antarkuartil (hamparan)

4. Langkah
Apabila nilai jangkauan antarkuartilnya dikalikan satu setengah, maka
diperoleh langkah sebesar:

L=1

Untuk Contoh 1 Nilai L = = 3

Jadi, dapat disimpulkan bahwa:

23
Langkah adalah nilai dari satusetengah dikalikan jangkauan antarkuartil.

Pengertian tersebut dapat ditunjukkan dengan persamaan:

L=1 =

5. Pagar Dalam dan Pagar Luar


Untuk menentukan pagar dalam dan pagar luar, coba Anda lihat kembali hasil pada
contoh sebelumnya. Apakah ada hubungannya?

Bila diperoleh, pagar dalam = Q1 – L = 5,5 – 3 = 2,5 pagar luar = Q3 + L = 7,5 + 3


= 10,5 Dapat disimpulkan bahwa untuk menentukan pagar dalam dan luar digunakan
persamaan:

Pagar dalam = Q1 – L

Pagar luar = Q3 + L

Sehingga dapat didefinisikan:


Pagar dalam adalah nilai data yang berada satu langkah di bawah kuartil pertama.
Pagar luar adalah nilai data yang berada satu langkah di atas kuarti ketiga.
Pagar dalam dan pagar luar berfungsi sebagai batas penentu normal atau tidaknya suatu data.
Data xi dikatakan normal apabila nilai data yang satu dengan nilai data yang lain tidak jauh
berbeda dan terletak di antara batas–batas pagar dalam dan pagar luar.
Data xi dikatakan tidak normal apabila nilai data tersebut tidak konsisten dalam kelompoknya,
dan terletak kurang dari pagar dalam dan lebih dari pagar luar.
Data yang tidak konsisten dalam kelompoknya disebut pancilan atau data liar. Pencilan pada
suatu kumpulan data menimbulkan kecurigaan sehingga pencilan itu perlu dikaji secara
seksama. Apa yang menjadi penyebabnya? Munculnya data pencilan dalam suatu
kumpulan data dapat terjadi akibat kesalahan ketika mencatat data dan juga kesalahan
ketika melakukan pengukuran.

6. Statistik Lima Serangkai


Nilai–nilai statistik seperti jangkauan, jangkauan antarkuartil, jangkauan semi
antarkuartil, langkah, pagar dalam, dan pagar luar akan lebih mudah ditentukan apabila
kumpulan data disajikan dengan menggunakan statistik lima serangkai dalam bentuk
bagan.

Untuk lebih jelasnya, perhatikan contoh berikut.


Contoh 2
Diketahui data 31, 32, 27, 28, 29, 36, 35, 32, 34, tentukanlah:
a. Statistik lima serangkai
24
b. Jangkauan
c. Jangkauan antarkuartil
d. Jangkauan semi antarkuartil
e. Langkah
f. Pagar dalam dan pagar luar
g. Jika terdapat nilai 10 dan 50, apakah kedua nilai data tersebut konsisten
dalam kumpulan data yang sudah diketahui?

Jawab:

a. Statistik lima serangkai


* Urutkan data dari data yang terkecil hingga yang terbesar membentuk statistik jajaran,
sebagai berikut:

27, 28, 29, 31, 32, 32, 34, 35, 36, 37, 38

Tentukan kuartil dengan mencari letak Q1, Q2, dan Q3.

Letak Q1 = = data ke–3, yaitu Q1 = = 29

Letak Q2 = = data ke–6, yaitu Q2 = = 32

Letak Q3 = = data ke–9, yaitu Q3 = x9 = 36

Jadi, statistik lima serangkai dapat disajikan pada tabel berikut.

xmin = 27 Xmax =
38

b. Jangkauan
R = xmaks – xmin
= 38 – 27
= 11

Jadi, jangkauan dari data adalah 11.

c. Jangkauan antarkuartil

25
H = Q3 – Q1
= 36 – 29
=7
Jadi, jangkauan antarkuartil dari data adalah 7.

d. Jangkauan semi antarkuartil,

= 3,5

Jadi, jangkauan semi antarkuartil dari data adalah 3,5.

e. Langkah, L = 1,5 H
7= 1,5 ×
= 10,5

Jadi, langkah dari data adalah 10,5.

f. Pagar dalam = Q1 – L
= 29 – 10,5
= 18,5

Pagar luar = Q3 + L
= 36,5 + 10,5
= 46,5
Jadi, pagar dalam dari data 18,5 dan pagar luar 46,5.

g. Karena 10 lebih kecil dari pagar dalam dan 50 lebih besar dari pagar luar, nilai data 10
dan 50 tidak konsisten terhadap kumpulan data pada soal tersebut.
Menetukan Nilai statistik Lima Serangkai dalam tabel distribusi frekuensi

7. Simpangan Rata–Rata

Pada subbab terdahulu, Anda telah mempelajari nilai mean atau rata– rata hitung
dari kumpulan data. Bagaimanakah hubungan ukuran penyebaran data terhadap rata–rata
data tersebut? Untuk mengetahuinya, marilah kita simak contoh 3 berikut ini.
Diketahui hasil dari pengukuran adalah 3, 4, 5, 6, 8, 9. Penyebaran nilai data
terhadap rata–ratanya dapat ditentukan dengan langkah– langkah berikut.

26
a. Sebelumnya, Anda menentukan terlebih dahulu nilai rata–rata dari
data dengan n = 5, yaitu:= 6

b. Tuangkan data-data tersebut dalam tabel.

Tabel 3

3 -3 3
4 -2 2
6 0 0
8 2 2
9 3 3

c. Selanjutnya dari tabel tersebut, simpangan rata–rata data dapat diperoleh dengan
persamaan:
Jadi, simpangan rata–rata data tersebut adalah 2. Dari contoh di atas, dapat disimpulkan
bahwa:
Simpangan rata–rata atau deviasi rata–rata adalah ukuran yang menyatakan seberapa besar
penyebaran tiap nilai data terhadap nilai meannya (rata–ratanya).
Bila diketahui data tunggal , , , ..., dengan rata–rata maka simpangan dari adalah ,
simpangan dari adalah , dan seterusnya sehingga diperoleh jumlah nilai mutlak
simpangan, yaitu:

Simpangan rata–rata dapat didefinisikan sebagai:

Keterangan :
SR = simpangan rata-rata
n =banyaknya data
= data ke-i
i= 1, 2, 3, …,n
= mean

Untuk data dari tabel distribusi frekuensi, simpangan rata–rata dapat ditentukan dengan
persamaan:

Keterangan :

27
SR = simpangan rata-rata
= frekuensi data ke-i
n =banyaknya data
= data ke-i
i= 1, 2, 3, …,n
= mean

Untuk memahaminya perhatikan contoh berikut ini!


Contoh 4
Data pengukuran berat masing–masing barang elektronik bila akan ditentukan
simpangan rata–ratanya, maka tabel menjadi:
Tabel 4 Berat barang elektronik dalam (kg)
Berat(kg) Titik tenga frekuensi
11-15 13 1 13 -16 16
16-20 18 4 72 -11 11
21-25 23 8 184 -6 6
26-30 28 10 280 -1 1
31-35 33 9 297 4 4
36-40 38 6 228 9 9
41-45 43 2 86 14 14
Jumlah - 40 1160 236

Maka diperoleh

= 5,9

Jadi, simpangan rata–rata data pada tabel 4 adalah 5,9.

8. Variansi dan Simpangan Baku


Ukuran penyebaran data yang paling sering digunakan adalah variansi (ragam) dan
simpangan baku (standar deviasi). Ragam dan simpangan baku menjelaskan penyebaran
data di sekitar rataan. Pada bagian ini, kita hanya akan membahas cara menghitung dan
mendapatkan ragam dan simpangan baku dari suatu data, sedangkan kegunaannya belum
akan dipelajari pada bab ini.

a. Variansi (Ragam)
Coba Anda ingat kembali cara menentukan nilai mean atau rata– rata hitung dari
suatu data. Mean atau rata–rata hitung mewakili suatu data sehingga dalam pengamatan
diharapkan nilai data lebih kecil dari nilai rata–rata.

28
Untuk memahaminya, perhatikan nilai–nilai berikut: 1, 4, 8, 10, 12. Rata–rata data
tersebut ( ) adalah 7 dan simpangan dari masing– masing data ( – ) adalah –6, –3, 1,
3, 5. Bila Anda perhatikan, jumlah dari simpangan di atas adalah nol.
Misalnya, kumpulan data , , ..., mempunyai rata–rata , maka simpangan masing–
masing data dari rata–ratanya adalah ( ), ( ),..., ( ).

Jumlah dari semua simpangan :

Harus sama dengan nol. Untuk mengatasi hal itu, diperlukan suatu ukuran
penyebaran, yaitu variansi (ragam). Variansi didasarkan pada jumlah kuadrat dari
simpangan, didefinisikan sebagai:
Variansi (ragam) adalah rata–rata dari jumlah kuadrat simpangan tiap data.
Persamaan berikut digunakan untuk menentukan besarnya variansi (ragam).
Keterangan := variansi/ragam

Maka, nilai variansi/ragam dari data pada contoh di atas adalah:


Jadi, variansi dari data adalah 16.
Untuk data berkelompok atau data yang disajikan dalam tabel distribusi frekuensi,
variansi atau ragam dapat dinyatakan dengan persamaan:
Untuk memahami penggunaannya, perhatikan contoh berikut ini! Dari data pada tabel 5
diperoleh data mengenai berat barang elektronik. Variansi/ragam dari data tersebut
dapat ditentukan, yaitu dengan mengkuadratkan simpangannya. Bila rata–rata data =
29,
maka:

Tabel 5 Berat barang elektronik dalam (kg)


Berat(kg) Titik tenga ) frekuensi
11-15 13 1 -16 256 256
16-20 18 4 -11 121 484
21-25 23 8 -6 36 283
26-30 28 10 -1 1 10
31-35 33 9 4 16 144
36-40 38 6 9 81 486
41-45 43 2 14 196 392
Jumlah - 40 - - 2060

Maka diperoleh:

Jadi, variansi atau ragam data pada tabel adalah 51,5.

b). Simpangan Baku (Standar Deviasi)

29
Untuk mengatasi kesulitan menafsirkan ukuran penyebaran data yang
dinyatakan dalam satuan kuadrat yaitu variansi (ragam), digunakan suatu ukuran yang
disebut simpangan baku atau standar deviasi. Simpangan baku mengukur penyebaran
data dengan satuan yang sama dengan satuan data.
Bila satuan kuadrat merupakan bentuk variansi atau ragam, apa hubungan variansi dengan
simpangan baku? Untuk mengetahuinya, simaklah contoh berikut ini.

Data dari tabel 5 diperoleh nilai variansi atau ragam, yaitu:


simpangan bakunya adalah:
s =
=
= 7,18
Jadi, nilai simpangan bakunya adalah 7,18.
Sehingga dapat disimpulkan bahwa:
Simpangan baku atau standar deviasi adalah nilai akar dari variansi atau ragam.
Simpangan baku/standar deviasi dapat dihitung dengan persamaan:
1) Untuk data tunggal

2) Untuk data berkelompok

dengan s = simpangan baku/standar deviasi


= ragam/variansi

30
BAGIAN EMPAT

DISPERSI

Gelombang adalah bentuk dari getaran yang merambat pada suatu medium.
Pada gelombang yang merambat adalah gelombangnya, bukan zat medium
perantaranya. Menurut arah getarnya gelombang dikelompokkan menjadi : gelombang
transversal dan longitudinal. Gelombang transversal adalah gelombang yang arah
rambatannya tegak lurus dengan arah rambatannya. Satu gelombang terdiri atas satu
lembah dan satu bukit, misalnya seperti riak gelombang air, benang yang digetarkan,
dsb. Gelombang logitudinal adalah gelombang yang merambat dalam arah yang
berimpitan dengan arah getaran pada tiap bagian yang ada. Gelombang yang terjadi
berupa rapatan dan renggangan. Contoh gelombang longitudinal seperti slingki /
pegas yang ditarik ke samping lalu dilepas.

Satu gelombang dapat dilihat panjangnya dengan menghitung jarak antara lembah
dan bukit (gelombang tranversal) atau menghitung jarak antara satu rapatan dengan
satu renggangan (gelombang longitudinal).
Gelombang juga dapat dikelompokkan berdasarkan ada tidaknya medium perambatan
gelombang: gelombang mekanik dan elektromagnetik. Gelombang mekanik adalah
gelombang yang memerlukan medium perambatan. Gelombang elektromagnetik
adalah gelombang yang dapat merambat baik melalui medium maupun vakum ( tanpa
medium).
Gelombang terjadi karena adanya sumber getaran yang bergerak terus menerus. Ada
beberapa gejala gelombang yang berlaku umum, baik untuk gelombang mekanik
maupun gelombang elektromagnetik. Ada 6 gejala gelombang umum yaitu
pemantulan, pembiasan, dispersi, difraksi, interferensi, dan polarisasi.
Pada makalah kali ini, kami akan membahas tentang salah satu gejala gelombang yang
berlaku umum, yaitu dispersi gelombang.

A.DISPERSI GELOMBANG

31
Dispersi gelombang adalah perubahan bentuk gelombang ketika gelombang
merambat pada suatu medium. Medium nyata yang gelombangnya merambat dapat
disebut sebagai medium non dispersi. Dalam medium non dispersi, gelombang
mempertahankan bentuknya. Contoh medium non disperse adalah udara sebagai medium
perambatan dari gelombang bunyi.
Gelombang-gelombang cahaya yang terdapat dalam vakum adalah nondispersi secara
sempurna. Cahaya putih (polikromatik) yang dirambatkan pada prisma kaca mengalami
dispersi sehingga membentuk spektrum warna-warna pelangi. Dispersi gelombang yang
terjadi dalam prisma kaca terjadi karena kaca termasuk medium dispersi untuk gelombang
cahaya.
Dispersi cahaya adalah penguraian cahaya putih atas komponen - komponen
warna pelangi. Dalam percobaan di laboratorium, penguraian cahaya tersebut
menggunakan sebuah kotak sinar dan sebuah prisma kaca. Jika sebuah sinar yang
keluar dari kotak diarahkan ke salah satu bidang pembias prisma, maka sinar yang
keluar dari bidang prisma lainnya akan terpisah menjadi 7 warna pelangi. Dalam
kehidupan sehari hari , contoh penerapan dispersi adalah pembentukan pelangi.selain
itu, dispersi juga mempunyai pengertian sebagai berikut:
Dispersi adalah peristiwa penguraian cahaya polikromarik (putih) menjadi cahaya-cahaya
monokromatik (me, ji, ku, hi, bi, ni, u) pada prisma lewat pembiasan atau
pembelokan. Hal
itu membuktikan bahwa cahaya putih terdiri atas harmonisasi berbagai cahaya warna
dengan panjang gelombang yang berbeda – beda.
Pelangi adalah spektrum cahaya matahari yang diuraikan oleh butir - butir air. Pelangi
hanya dapat terlihat jika kita membelakangi matahari dan hujan terjadi di depan kita.
Jika seberkas sinar matahari mengenai butir - butir air yang besar, maka sinar itu akan
dibiaskan oleh bagian depan permukaan air. Sinar akan memasuki butir air. Sebagian
kecil sinar akan dipantulkan oleh bagian belakang butir air.

Selanjutnya sinar pantul ini mengenai permukaan depan dan dibiaskan oleh
permukaan depan. Karena sinar pantul ini dibiaskan, maka sinar ini pun diuraikan atas
spektrum spektrum matahari.
Ketika cahaya merambat dalam suatu medium, maka kecepatan rambat gelombang
umumnya bergantung pada frekuensinya. Dalam kaca misalnya, kecepatan rambat
makin kecil bila panjang gelombang nya makin kecil. Cahaya warna ungu merambat
lebih lambat daripada cahaya warna merah. Jika cahaya putih jatuh pada bidang batas
2 medium dengan sudut tertentu, maka gelombang yang masuk ke medium kedua
mengalami pembiasan. Besarnya sudut bias bergantung pada kecepatan rambat
cahaya dalam medium tersebut.
Karena gelombang dengan frekuensi berbeda mempunyai v ( kecepatan) yang
berbeda, maka gelombang dengan frekuensi berbeda akan memiliki sudut bias yang
berbeda pula. Akibatnya, dalam medium kedua, berkas dengan frekuensi yang
berbeda bergerak dalam arah yang berbeda. Peristiwa tersebut dapat dikatakan

32
sebagai penguraian cahaya putih dari spektrum - spektrum yang memiliki frekuensi
yang berbeda atau disebut dispersi.
Sebuah prisma atau kisi kisi mempunyai kemampuan untuk menguraikan cahaya
menjadi warna warna spektralnya. Indeks cahaya suatu bahan menentukan panjang
gelombang cahaya yang dapat diuraikan menjadi komponen - komponennya. Untuk
cahaya ultraviolet digunakan prisma dari Kristal, untuk cahaya putih digunakan
prisma dari kaca, dan untuk cahaya infrarot digunakan prisma dari garam
batu.Peristiwa dispersi ini terjadi karena perbedaan indeks bias tiap warna cahaya.
Cahaya berwarna merah mengalami deviasi terkecil sedangkan warna ungu
mengalami deviasi terbesar.

B.RUMUS – RUMUS DISPERSI

Setiap warna mengalami pembiasan yang berbeda. Setiap warna mengalami deviasi
dari arah semula. Sudut yang dibentuk oleh sinar yang keluar dengan sinar datang
dinamakan sudu devisiasI.
Selisih sudut devisiasi ungu dengan sudut devisiasi merah dinamakan sudut
dispersi . untuk kondisi dimana terjadi devisiasi menimum (D) dan sudut pembias kecil,
maka berlaku hubungan sebagai berikut :
Devisiasi minimum = ungu ( Du)
Devisiasi minimum = merah (Dm)
Sudut dispersi untuk kondisi ini adalah :

1. Susunan Prisma pandang lurus

Adalah susunan prisma yang menghilangkan devisiasi warna tertentu.


Misalnya untuk sinar warna kuning = Dk –Dk’ = 0
Sudut dispersi
=u-m
= (nu – nm)

Keterangan :
m = sudut deviasi merah
u = sudut deviasi ungu
nu = indeks bias untuk warna ungu
33
nm = indeks bias untuk warna merah

Catatan :
Untuk menghilangkan dispersi antara sinar ungu dan sinar merah kita gunakan susunan
Prisma Akhromatik.
Ftot = F kerona - Fflinta = 0
Untuk menghilangkan deviasi suatu warna, misalnya hijau, kita gunakan susunan prisma
pandang lurus.

Dtot = Dkerona - Dflinta = 0

2. Dispersi dan Rumusannya

Dispersi / Ukuran penyebaran Data adalah suatu ukuran baik parameter atau
statistika untuk mengetahui seberapa besar penyimpangan data. Melalui ukuran penyebaran
dapat diketahui seberapa jauh data-data menyebar dari titik pemusatannya/ suatu kelompok
data terhadap pusat data.Ukuran ini kadang – kadang dinamakan pula ukuran variasi yang
mnggambarkan berpencarnya data kuantitatif. Beberapa ukuran dispersi yang terkenal dan
akan diuraikan disini ialah : Rentang, Rentang natar kuartil, simpangan kuartil/deviasi
kuartil, rata-rata simpangan/rata-rata deviasi, simpangan baku atau standar deviasi, variansi
dan koefisien variansi, jangkauan kuartil, dan jangkauan persentil.

Rentang (range) :

Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang menunjukkan


selisih nilai antara maksimum dan minimum atau selisih bilangan terbesar dengan bilangan
terkecil.

Rentang merupakan ukuran penyebaran yang sangat kasar, sebab hanya


bersangkutan dengan bilangan terbesar dan terkecil.Semakin kecil nilai R maka kualitas
data akan semakin baik, sebaliknya semakin besar nilai R, maka kualitasnya semakin tidak
baik.Rentang cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan
nilai datanya menyebar merata. Ukuran ini menjadi tidak relevan jika nilai data maksimum
dan minimumnya merupakan nilai ekstrim.

Rentang = Xmax – Xmin,

34
Xmax adalah data terbesar dan Xmin adalah data terkecil.

Deviasi Rata-rata : penyebaran Berdasarkan harga mutlak simpangan bilangan-bilangan


terhadap rata-ratanya. Makin besar simpangan, makin besar nilai deviasi rata-rata.

Varians : penyebaran berdasarkan jumlah kuadrat simpangan bilangan-bilangan terhadap rata-


ratanya ; melihat ketidaksamaan sekelompok data.

Deviasi Standar : penyebaran berdasarkan akar dari varians dan menunjukkan keragaman
kelompok data.

BAGIAN KELIMA

PROBABILITAS

A. Pengertian Probabilitas

adalah suatu nilai yang digunakan untuk mengukur tingkat terjadinya suatu kejadian
yang acak. Kata probabilitas itu sendiri sering disebut dengan peluang atau kemungkinan.
Probabilitas secara umum merupakan peluang bahwa sesuatu akan terjadi.
Hidup, tempat kita menentukan kebijaksanaan didasarkan atas kemungkinan-kemungkinan.
Sedikit sekali hal-hal yang pasti dalam hidup ini. Sesuatu yang kita yakini sebagai ‘benar’
bila kita analisis secara tepat dengan fakta yang ada akan hanya menunjukan tingkatan
dari kemungkinan, yaitu; biasannya, kemungkinan besar, mungkin sekali atau hampir
pasti.
Generalisasi, teori, hubungan klausal yang telah kita pelajari meskipun didukung oleh fakta-
fakta yang cukup terpercaya, konklusinya dipakai sebagai dasar deduktif, toh tidak
memberikan pengatahuan yang pasti. Itulah sebabnya David Hume berkata bahwa apabila
kita mempergunakan argumen yang disusun atas dasar pengalaman kita masa lampau
sebagai dasar pertimbangan untuk membuat ramalan dimasa mendatang maka argumen
ini hanya merupakan kemungkinan (probability).Jadi probabilitas merupakan pernyataan
yang berisi ramalan tentang tingkatan keyakinan tentang terjadinya sesuatu dimasa yang
akandatang.

B. Macam-macam probabilitas
35
1. Probabbilitas a priori,
yaitu probabilitas yang disusun berdasarkan perhitungan akal, bukan atas dasar
pengalaman. Untuk menentukan beberapa kemungkinan mata dadu yang bakal keluar,
maka mempunyai kemungkinan 1/6, karena sebuah mata dadu mempunnyai enam muka.
Bila dua mata uang dilemparkan, maka kemmungkinan jatuh dengan dua kali sisi
depanya adalah 1/2 x 1/2 =1/4.

2. Probabilitas relatif frekuensi,


yaitu probabilaitas yang disusun berdasarkan statistik atas fakta-fakta empiris,
seperti probabilitas tentang gagalnya tembakan pistol adalah 5. Maksudnya bahwa setiap
100 kali ditembakan maka paling tidak 5 kali diantaranya macet.

3. Ilmu dan Probabilitas


Berdasarkan kenyataan bahwa teori, generlisasi dan klausaliatas bersifat probabilistik,
maka ilmu-ilmu tidak pernah memberi keterangan yang pasti tentang peristiwa-peristiwa.
Teori dan keterangan yang diberikanya bersifat kemmungkinan. Ini perlu kita sadari
bahwa ilmu itu tidak pernah berprestasi untuk mendapatkan pengetahuan yang bersifat
‘Minumlah ini, anda pasti sembuh’. Ilmu paling-paling akan menyatakan; ‘Minumlah obat
ini kemungkinan besar anda akan sembuh’. Meskipun penjelasan yang diberikan oleh ilmu
adalah penjelasan probabilistik, namun probabilistik yang dapat dipetanggung jawabkan,
karena ia disusun berdasarkan pengalaman. Teori ilmu memberikan kepada kita
penegetahuan sebagai dasar kita mengambil keputusan. Keputusan yang kita ambil
bebrdasarkan keterangan keilmuan itu, dengan memandang resiko yang bakal kita hadapi.
Meskipun ramalan cuaca memberikan kemungkinan 0,8 tidak akan hujan (tidak
memberikan 1,00 pasti hujan), toh dari keterangan ini kita bisa mengambil keputusan.
Ramalan 0,8 tidak akan turun hujan barati ada peluang 0,2 untuk turun hujan. Bila kita
hendak piknik meskipun kita tahu ada peluang 0,2 turun hujan, toh kita tidak akan
mengurungkan niat kita, karena sudah cukup bagi kita jaminan 0,8 tidak turun hujan. Jika
kita mempunyai penyakit yang bila kena air hujan akan kambuh sedemikian hebatnya,
maka kita akan ragu-ragu untuk memutuskan pergi. Kalaupun kia memutuskan pergi kita
akan memakai jaket, payung dan alat penutup lainnya yang lebih rapat. Jadi tindakan yang
akan kita ambil berdasarkan resiko yang mungkin timbul dari pilihan kita berkaitan
dengan probabilitas yang ada. Demikian nilai proabilitas ilmu bagi kehidupan kita.

36
C. Konsep probabilitas

memiliki peranan yang penting dalam kehidupan sehari-hari, mulai dari


bidang ilmiah, bidang pemerintahan, bidang usaha atau industri, sampai pada
masalah-masalah kecil seperti masuk kantor atau tidak karena awan tebal yang
kemungkinan akan hujan deras dan banjir.
Dalam mempelajari probabilitas, ada tiga kata kunci yang harus diketahui yaitu
eksperimen, hasil (outcome) dan kejadian atau peristiwa (even). Sebagai contoh,
sebuah eksperiman dilakukan dengan menanyakan kepada 100 orang pembaca,
apakah mereka akan mengambil mata kuliah statistik atau kalkulus. Dari eksperimen
ini akan terdapat beberapa kemungkinan hasil. Contohnya kemungkinan hasil pertama
ialah sebanyak 58 orang akan mengambil mata kuliah apapun. Kemungkinan hasil
lain adalah bahwa 75 orang mengambil mata kuliah kalkulus dan sisanya mengambil
mata kuliah statistik. Contoh lain dari eksperimen adalah pelemparan sebuah dadu.
Hasil (outcome) dari pelemparan sebuah dadu tersebut kemungkian akan keluar biji
satu atau biji dua atau biji tiga dan seterusnya. Kumpulan dari beberapa hasil tersebut
dikenal sebagai kejadian (even).
Probabilitas biasanya dinyatakan dengan bilangan desimal (seperti 0,50, 0,20 atau
0,89) atau bilangan pecahan seperti 5/100, 20/100, 75/100. Nilai dari probabilitas
berkisar antara 0 sampai dengan 1. Jika semakin dekat nilai probabilitas ke nilai 0,
maka semakin kecil juga kemungkinan suatu kejadian akan terjadi. Jika semakin
dekat nilai probabilitas ke nilai 1, maka semakin besar peluang suatu kejadian akan
terjadi.

D. Pendekatan Probabilitas

Untuk menentukan tingkat kemungkinan suatu peristiwa, maka ada tiga pertanyaan
yangdiajukan klasik, perlukan dan prioritaskan.

1. keputusan klasik

Diasumsikan bahwa semua acara memiliki kesempatan yang sama untukterjadi


(kemungkinan yang sama )Probabilitas suatu peristiwa kemudian dinyatakan sebagai rasio
antara jumlahhasil dengan total pengeluaran hasil (rasio peristiwa terhadap
hasil)hasilnkemungkinatotal jumlah)(peristiwahasilnkemungkinaumlahsebagaiProbabilit

Contoh:

Pada kegiatan mahasiswa belajar semua hasil yang sangat memuaskan,memuaskan dan
terpuji. Jumlah hasil ada 3 dan hanya 1 kejadian yang terjadi, makaprobabilitas setiap
kejadian adalah 1/3.Pada suatu percobaan hanya 1 peristiwa yang terjadi, dan acara lain
tidakmungkin terjadi pada saat yang terjadi maka diketahui sebagai peristiwa yang
salinglepas.”

37
Peristiwa saling lepas

(saling eksklusif)Adalah terjadi pada suatu waktu sehingga peristiwa yang terjadi tidak terjadi
pada waktu yangbersamaan "Pada suatu percobaan atau kegiatan semua hasil yang
memiliki masalah yangsama, dan hanya satu peristiwa yang terjadi maka berita ini dikenal
dengan lengkapkumpulan (koleksi lengkap).

lengkap terbatas kolektif (koleksi lengkap) adalah hasil darihasil yang pasti dilakukan pada
setiap percobaan atau kegiatan yangdilakukan ”

2. pertimbangan Relatif

Probabilitas suatu kejadian tidak dipertimbangkan sama, tergantung dari berapa


banyakkejadian terjadi, yang dinyatakan sebagaiberikut:PercobaanTotal Jangka
WaktuTerjadiYangPeristiwaJangka WaktuRelatif KejadiansebagaiProbabilit

Contoh

:Dari kegiatan belajar siswa dapat dilihat pada Wisuda Sarjana UniversitasPanca Budi tahun
2007 sebanyak 800 orang mahasiswa. 500 orang lulus denganmemuaskan, 200 orang
dengan sangat memuaskan dan 100 orang dengan prediketterpuji. Maka probabilitas lulus
memuaskan adalah 500/800 = 0,625; lulus dengansangat memuaskan 200/800= 0,25 dan
lulus dengan terpuji 100/800 = 0,125.

3, keputusan Subjektif

Yang disetujui dengan penilaian subjektif merupakan keputusan yang disetujuipada penilaian
pribadi dan ditetapkan dalamderajat kepercayaan.

Contoh

:Menurut pengamat politik, Susilo Bambang Yudoyono akan menang dalam PemiluIndonesia
tahun 2009

38
E. Konsep Dasar Dan Hukum Probabilitas

Dalam teori probabilitas, probabilitas kejadian dilambangkan dengan “P”,


mempertanyakankejadian penjualan saham dilambangkan dengan huruf “A”, maka
probabilitas jual sahamdilambangkan dengan P (A). Peluang membeli saham
dilambangkandengan “B”, maka probabilitas beli saham dilambangkan dengan P (B).

1. Hukum Penjumlahan

Hukum penjumlahan

salingeksklusif yaitu terjadi suatu peristiwa terjadi, maka peristiwa itu terjadi tidak dapat
terjadipada saat terjadi.Hukum ini dilambangkan sebagai:

P (A atau B) = P (A) + P (B)

Untuk kejadian yang lebih banyak dilambangkan hingga n yaitu:

P (A atau ... n) = P (A) + P (B) + ...... + P (n)

Contoh:Berikut ini adalah kegiatan perdangan saham di BEJ untuk tiga perusahaan
perbankandengan jumlah total 200transaksi

Jenis TransaksiVolume Transaksi

Jual saham (A)120Beli saham (B)80

Jumlah Total transaksi200

Penyelesaian:Dari datamelampaui diakui:Probabilitas Jual = P (A) = 120/200 =


0,60Probabilitas Beli = P (B) = 80/200 = 0,40 dapatdiperkirakan sebagai A atau B,

P (A atau B) = P (A) + P (B) = 0,6 +0,4 = 1,0

1. Peristiwa atau Kejadian Bersama

Pada acara bersama dua atau lebih acara dapat dilakukan bersama-sama, acara
bersama ini dapat lebih mudah dilihat dengan diagram Vennseperti berikut:Penjumlahan
probabilitas dengan adanyatanpa kegiatan bersama, maka rumuspenjumlahan dirumuskan
kembali menjadi berikut:P (A atau D) = P (A) + P (D) - P (AD)

Dimana:P (A atau D): probabilitas terj adinya A atau D atau A dan D bersama- samaP
(A): probabilitas disetujui AP

39
(D): probabilitas melampaui DP

(AD): probabilitas terjadinya A dan D bersama-sama

2. Kejadian saling lepas(mutually exclusive)

Kejadian saling lepas terjadi apabila hanya satu dari dua atau lebih peristiwa
yangdapat terjadi. Dapat digambarkan dengan diagram Venn:

Maka P(AB) = 0

Oleh sebab itu, untuk peristiwa yang saling lepas, probabilitas kejadian A atau B
yangdinyatakan P(A atau B)

P(A atau B) = P(A) + P(B) – P(AB)

A DA AD D

Karena P(AB) = 0 maka

P(A atau B) = P(A) + P(B) – 0

Sehingga:

P(A atau B) = P(A) + P(B)Contoh

:Cobalah hitung berapa probabilitas kejadian jual saham dan beli saham P(AB)
danprobabilitas kejadian untuk saham BCA, BII dan BNI
(P(DEF).KegiatanPerusahaanJumlahBNI (C) BII (D) BCA (E)Jual (A) 30 50 40 120Beli (
B) 40 30 10 80Jumlah 70 80 50 200Penyelesaian:Probabilitas kejadian A dan B adalah
kejadian yang saling lepas, maka P(AB)=0. makahukum penjumlahan untuk peristiwa
saling lepas adalah:P(A atau B) = P(A) + P(B) – P(AB)= 0.6 + 0.4= 1.0probabilitas
kejadian ketiga saham juga merupakan kejadian saling lepas, maka
hukumpenjumlahannya adalah:P (C atau D atau E) = P(C) + P(D) + P(E) – P(CDE)= 0.35
+ 0.40 + 0.25 – 0= 1.0probabilitas P(C atau D)P(C atau D) = P(C) + P(D) – P(CD)= 0.35 +
0.40= 0.75

40
BAGIAN KEENAM

POPULASI DAN SEMPLE

A. Populasi

Menurut kamus riset karangan Drs. Komaruddin, yang membahas tentang


partisipasi semua orang yang menjadi sumber mengambil sampel, yang terdiri atas objek /
subyek yang memiliki kualitas dan karakteristik tertentu yang ditentukan oleh para peneliti
untuk mempelajari dan mengambil kesimpulan. Jadi populasi bukan hanya orang tapi juga
objek dan benda-benda alam lainnya). Misalnya akan melakukan penelitian di sekolah X,
maka sekolah X ini merupakan peserta. Sekolah X ini memiliki subyek dan objek yang
disetujui, hal ini berarti populasi dalam arti jumlah / jumlah. Sementara itu, dalam arti
tertentu, partisipasi dalam kompetisi, disiplin, kepemimpinan, dan lain-lain.
Sementara menurut Dr. Siswojo Resolusi dari populasi adalah jumlah yang memenuhi
kriteria yang ditentukan peneliti).
Disini peneliti dapat menentukan kriterianya sendiri di dalam populasi yang akan
ditentukan.
Pengertian lain, diungkapkan oleh Nawawi yang membahas tentang partisipasi penelitian
yang terdiri dari manusia, benda-benda, hewan, tumbuh-tumbuhan, gejala-gejala, nilai tes,
atau peristiwa-peristiwa sebagai sumber data yang memiliki karaktersitik tertentu di setiap
tempat penelitian. Kaitannya dengan batasan tersebut,

41
populasi dapat dibedakan berikut ini:

1. Populasi terbatas atau populasi terhingga, yaitu populasi yang memiliki batas kuantitatif
yang jelas karena memilki karakteristik yang terbatas. Misalnya 5.000 orang pada awal
tahun 1999, dengan karakteristik; masa belajar di pesantren 10 tahun, menempuh
pendidikan Timur Tengah, dan lain-lain.

2. Populasi tak terbatas atau populasi tak terhingga, yaitu populasi yang tidak dapat
ditemukan batas-batasnya, sehingga tidak dapat ditentukan dalam bentuk jumlah
kuantitatif. Misalnya dai di Indonesia, yang berarti harus dihitung sejak dai pertama ada
sekarang dan yang akan datang.

Orang-orang, dahulu, sekarang dan yang akan menjadi dai. Selain itu, menurut Margono,
dapat dibedakan ke dalam hal berikut ini:

a) Populasi teoretis (populasi teoretis), yaitu batas partisipasi yang batas-batasnya


ditetapkan secara kualitatif. Kemudian agar hasil penelitian juga bagi peserta yang
lebih luas, maka ditetapkan terdiri dari dai disetujui 25 tahun hingga 40 tahun, Mesir,
dan lain-lain.

b) Populasi yang tersedia (populasi yang dapat diakses), yaitu populasi yang disetujui
oleh populasi yang disetujui. Misalnya, dai sebanyak 250 di kota Bandung terdiri dari
dai yang memiliki karakteristik yang telah ditentukan dalam konteks teoretis.

Berikut ini adalah beberapa contoh yang perlu diperhatikan:

Populasi yang berarti homogen, yaitu populasi yang tidak-tidak-memiliki, memiliki sifat
yang sama, sehingga tidak perlu dipersiapkan. Misalnya, seorang dokter yang akan
melihat golongan darah seseorang, maka ia cukup menerima setetes darah saja.
Dokter tidak perlu satu botol, sebab setetes dan sebotol darah, dianggap akan sama saja.

Populasi yang bersifat heterogen, yaitu populasi yang tidak-tidak-memiliki, memiliki sifat
atau bervariasi, sehingga perlu-ditentukan batas-batasnya, baik secara kualitatif
maupun kuantitatif. Penelitian di bidang sosial yang menarik perhatian manusia atau
heterogen.

42
Jumlah orang yang menjadi anggotanya terbatas seperti jumlah muballigh di Jakarta,
jumlah mahasiswa Islam di Yogyakarta, di mana jumlah keseluruhan dapat dihitung
tetapi karena jumlah yang sulit dilakukan maka dianggap tidak terbatas.

B. Sampel

Menurut Wardi Bachtiar menyatakan bahwa sampel adalah bagian kecil dari anggota yang
diambil berdasarkan prosedur yang dapat diambil populasi atau sebagai percontohan yang
diambil dari populasi. Percontohan memiliki karakteristik yang mencerminkan karakteristik
populasi. Karena itu sampel merupakan perwakilan dari peserta. Untuk sampel yang diambil
dari peserta harus betul-betul representatif.Suatu sampel meminta perwakilan yang
mempertimbangkan sampel-sampel yang terkait dengan penelitian yang sama atau yang sama
dengan yang terdapat pada ciri-ciri populasinya.
Dengan sampel yang mewakili ini, maka informasi yang dikumpulkan dari sampel
hampir sama dengan informasi yang dapat dikumpulkan dari populasinya.
Sampel atau sampel berarti sampel, yaitu sebagian besar individu yang menjadi objek
penelitian. ) Jika populasi besar dan peneliti tidak mungkin semuanya, misalnya karena dana,
tenaga, dan waktu, maka peneliti dapat menggunakan sampel yang diambil dari populasi
itu. Dalam menentukan sampel diambilnya persyaratan-persyaratan utama dalam
menentukannya, maksudnya sampel yang diambil harus betul-betul mewakili (perwakilan)
partisipasi yang telah dikemukakan. Jika sampel tidak mewakili, maka ibarat orang besar
akan ditampilkan. Orang pertama yang memegang telinga gajah akan mengeluarkan kipas itu
seperti kipas. Orang kedua yang memegang badan gajah, maka kesimpulannya gajah itu
seperti tembok besar. Satu orang lagi memegang ekornya, maka ia akan mengeluarkan gajah
itu kecil seperti seutas tali. Begitulah jika sampel yang dipilih tidak representatif,
maka ibarat 3 orang buta itu yang membuat kesimpulan salah tentang gajah.

1. Pengambilan Sampel Tekhnik

Secara garis besar ada dua macam pengambilan sampel tekhnik, yaitu: Pengambilan
sampel probabilitas yaitu pengambilan sampel untuk setiap peserta dan Pengambilan sampel
43
yaitu:

a) Pengambilan sampel Acakan Sederhana


Yang disetujui dengan acakan atau acak adalah setiap individu atau subyek yang
memiliki peluang yang sama untuk dipilih dalam seluruh peserta. Selain itu peluang
harus independen, peluang bagi subyek untuk dipilih tidak mempengaruhi peserta,
subyek untuk dipilih.
Kelemahan pengambilan sampel dilakukan karena sukar, ada kalanya tidak mungkin
menerima data lengkap tentang seluruh partisipasi itu. Sampling acakan juga kurang
sesuai jika peneliti meminta sampel yang memiliki cirri-ciri tertentu, misalnya
pendidikan, kedudukan sosial, dsb.

b) Pengambilan Sampel Acakan Proporsional dengan Stratifikasi (Pengambilan Sampel


Stratifikasi Proporsional proporsional)
Pada prosedur mengambil sampel menggunakan proporsional, jumlah
subyek dalam setiap subkelompok atau strata harus diakui lebih banyak. Kemudian
ditentukan persentase besarnya sampel dari keseluruhan populasi. Persentase atau
proporsi ini diterapkan dalam sampel ambil untuk setiap subkelompok atau
stratanya.

Strata / Sub-Kelompok Kelas 1 Kelas 2 Jumlah Kelas


SES Tinggi 268 342 610
SES Sedang 243 444 687
SES Rendah 122 101 223
Jumlah SES 633 887 N = 1520

Tabel 1. Data Fiktif Distribusi Subjek dalam Strata Populasi


Sebagai ilustrasi, dari partisipasi yang diambil 1520 orang subyek ditentukan untuk
diambil 20% sebagai sampel. Distribusi populasi subyek menurut strata atau
subkelompok diumpamakan sebagai dalam Tabel 1. dengan mengambil secara acak
20% subyek dari setiap subkelompok sebagai sampel maka distribusi subyek sampel
sesuai dengan Tabel 2.

Strata / Sub-kelompok Kelas 1 Kelas 2 Jumlah Kelas


SES Tinggi 54 68 122
SES Sedang 49 89 138
SES Rendah 24 20 44
Jumlah SES 127 177 n = 304

Tabel 2. Distribusi Sampel Berstrata Proporsional dari Populasi dalam Tabel 1.


44
Dibandingkan dengan masing-masing subyek, diambil 20% dari masing-masing
strata, jumlah sampel berbeda (n = 30) juga merupakan 20% dari seluruh partisipasi
(N = 1520).
Sampel keuntungan adalah sampel yang diperoleh lebih dari sampel yang diperoleh
dengan sampel yang sederhana, dengan jumlah yang sama untuk setiap
strata. Pengambilan sampel
Sementara kelemahannya adalah cara ini lebih banyak diperlukan usaha dan
pengenalan lebih dulu tentang peserta. Peneliti harus membaca pernyataan yang lebih
terperinci tentang distribusi.

Pengambilan Sampel Acakan Tak Proporsional dengan Stratifikasi (Pengambilan Sampel


Stratifikasi Stratifikasi yang Tidak proporsional)
Prosedur ini biasanya dilakukan karena ada statistik yang kadang-kadang
analisisnya meminta jumlah subyek yang sama dari masing-masing subkelompok. Dalam
cara disproporsional, pemilihan sampel dilakukan tidak dengan mengambil proporsi yang
sama untuk setiap subkelompok atau strata akan tetapi mengumpulkan untuk mencapai
jumlah tertentu dari masing-masing strata. Sebagai ilustrasi, dari data kontribusi dalam
Tabel 1 misalkan diambil sampel yang diperoleh dalam Tabel 3. Tampak seperti cara ini
menghasilkan jumlah yang sama untuk sampel subyek untuk masing-masing subkelompok
populasi.

Strata / Sub-kelompok Kelas 1 Kelas 2 Jumlah Kelas


SES Tinggi 75 = 28% × 268 75 = 22% × 342 150
SES Sedang 75 = 31% × 143 75 = 17% × 444 150
SES Rendah 75 = 61% × 122 75 = 74% × 101 150
Jumlah SES 225 225 n = 450

Tabel 2. Distribusi Sampel Berstrata Disproporsional dari Populasi dalam Tabel 1.

Pengambilan sampel ini tidak begitu banyak dibandingkan dengan pengambilan sampel
proporsional. Namun demikian, kekurangan terbesar adalah dengan cara ini membagi
setiap strata yang sesuai dengan partisipasi menjadi sulit.
Dibandingkan dengan cara acak sederhana, maka cara mengambil sampel stratifikasi ini
akan menghasilkan eror standar yang lebih kecil dan akan menghasilkan estimasi yang
lebih cermat mengenai populasi populasinya.

C)Sampling Daerah / Wilayah (Cluster)


45
Sampling daerah mempergunakan wilayah geografik sebagai titik
tolak. Sebagian besar di dalam studio yang tidak memungkinkan peyelidik untuk
mendapatkan lebih banyak tahu tentang populasi, yang bisa diambil dari pola geografik
tempat populasi itu. Contohnya satu wilayah dibagi menjadi dua kabupaten. Setiap
wilayah diwakili oleh sampel-sampel kabupaten-kabupaten yang diambil secara acak
menjadi wilayah. Dari kabupaten-kabupaten, ditentukan lagi jumlah kecamatan dan
kabupaten = kabupaten yang diambil sampel-sampel kecamatan yang menjadi sampel
wilayah.

Begitu seterusnya hingga saatnya kita sampai pada RT atau pada kesatuan lain yang menjadi
pusat peyelidikan.
Pengambilan sampel manfaat ini sesuai untuk peneliti yang berpartisipasi dalam penelitian
ini. Pelaksanaannya lebih mudah daripada metode pengambilan sampel lainnya dan
biayanya lebih murah karena sampel terpusat pada daerah yang terbatas.
Sementara kelemahannya adalah jumlah individu dalam masing-masing daerah pilihan
tidak sama, ada pula orang yang pindah atau pindah dari daerah pilihan yang satu ke
daerah pilihan satu lagi membuat ia dapat melakukan dua kali masuk sampel jika
penelitian tidak dilakukan serempak.

2. Sampling Non-Probabilitas

Non-Probability sampling dilakukan misalnya untuk reliabilitas alat pengukur


tertentu. Semua tentang tempat umum. Berdasarkan studio ini peneliti mendapat keterangan
yang lebih banyak tentang populasi, dan karena itu dapat dilakukan studio yang lebih
sistematis kemudian menggunakan sampling acakan.

Yang termasuk non-probabilitas pengambilan sampel antara lain:

1) Pengambilan sampel Sistematis


Dengan pengambilan sampel ini peneliti memilih sampel dari suatu tempat sesuai
urutan tertentu, misalnya setiap individu ke-10 atau ke-15, atau ke-n. Metode pengambilan
sampel yang diberikan sistematis karena mengikuti sistematika tertentu.
Keuntungan metode ini adalah, cara ini mudah dalam pelaksanannya dan juga dapat
diselesaikan dengan cepat. Kesalahan tentang memilih individu yang mudah diketahui,
dan kalaupun salah tidak begitu mempengaruhi hasil.
Sementara kelemahannya adalah individu yang berada di antara yang kesekian dan
kesekian dikesampingkan, sehingga cara ini tidak seperti pengambilan sampel acakan.

46
2) Pengambilan kuota
Sampel kuota adalah metode yang memilih sampel yang memiliki ciri-ciri tertentu
dalam jumlah atau kuota yang diinginkan, contohnya guru dalam bidang-bidang studi
tertentu yang pernah mendapat penataran misalnya untuk meminta pendapat mereka
tentang manfaat penataran yang untuk menukar manfaat yang ditawarkan. Peneliti dapat
menentukan bidang studinya serta jumlah guru atau kuota setiap bidang studi yang
diinginkannya untuk contoh wawancara.
Keuntungan metode ini dilakukan agar mudah, murah, dan cepat. Gambaran umum
tentang kesan umum yang masih kasar tidak dapat dilihat sebagai generalisasi
umum. Dalam sampel dapat dengan sengaja dimasukkan orang-orang yang memiliki ciri-
ciri yang diinginkan oleh para peneliti.
Kelemahannya adalah pilihan yang memilih orang yang mudah didekati bahkan yang
dekat dengan peneliti yang mungkin ada biasnya dan memiliki ciri-ciri yang tidak dimiliki
peserta dalam keseluruhannya. Sampel yang dipilih dalam penggolongan sampel tidak
sesuai.
Oleh sebab sampel itu tidak representatif, maka kesimpulan peneliti ini hanya dapat memberi
kesan-kesan yang sangat umum.

3) Sampel Aksidental (ditangkap)


Sampel aksidental adalah sampel yang diambil dari siapa saja yang dipindahkan ada,
misalnya bertanya pada siapa saja yang dijumpai oleh peneliti di tengah jalan untuk meminta
pendapat tentang apa yang akan dikirim.
Keuntungan dari metode ini sangat mudah, murah, dan cepat dilakukan. Sementara
kelemahannya sampel ini sama sekali tidak mewakili sehingga tidak mungkin diambil
kesimpulan yang membuat generalisasi.

4) Pengambilan sampel Purposive (menurut pertimbangan)


Pengambilan sampel dilakukan dengan mengambil orang-orang yang benar-benar
dipilih oleh peneliti sesuai dengan ciri-ciri spesifik yang diminta oleh sampel
tersebut. Misalnya orang yang memiliki tingkat pendidikan tertentu, jabatan tertentu,
memiliki usia tertentu yang pernah aktif dalam kegiatan masyarakat tertentu.
Sampel yang purposive adalah sampel yang dipilih dengan cermat hingga relevan dengan
desain peneliti. Peneliti akan berusaha agar dalam sampel itu adalah wakil dari semua lapisan
masyarakat. Dengan demikian diusahakan agar sampel itu memiliki cirri-ciri yang esensial
dari partisipasi sehingga dapat dianggap cukup representatif. Ciri-ciri apa yang esensial,
strata apa yang harus diwakili sesuai dengan pendapat dan pertimbangan atau penilaian
peneliti. Oleh karena itu purposive sampling disebut juga judgment sampling.
Keuntungan sampel ini adalah contoh yang dipilih sesuai dengan desain yang relevan dengan
desain peneliti. Selain itu cara ini relatif mudah dan murah untuk dilaksanakan. Sampel yang
dipilih adalah individu yang sesuai dengan temuan peneliti dapat didekati.
Kelemahannya adalah sampel bebas mewakili sampel itu mewakili sampel pengujian acakan
atau acak. Pertimbangan yang dilakukan oleh peniliti juga tidak terlepas dari subyektifitas
peneliti.

47
5) Pengambilan sampel Snowball
Dalam sampel ini, peneliti memulai dengan kelompok kecil yang mengumpulkan
untuk menunjuk kawan masing-masing. Kemudian kawan-kawan itu menunjuk ke kanan
sambil menunjuk kawan masing-masing, dan begitu seterusnya sehingga semakin besar
bagaikan bola salju yang menggelinding dari puncak bukit ke bawah. Pengambilan sampel ini
dipilih jika diinginkan Peneliti ingin memperbincangkan hubungan antar manusia dalam
kelompok yang akrab, atau dapat mengubah cara-informasi yang didistribusikan di kalangan
tertentu.
Kelemahan metode ini adalah dalam penentuan kelompok kecil ada yang tidak subyektif, jadi
tidak dipilih secara acak atau acakan. Bila jumlah sampel bertambah 100 orang
penanganannya sudah sulit dikendalikan.

6) Pengambilan Sampel Jenuh dan Padat (Pengambilan Sampel Saturasi)

Pengambilan sampel jenuh (tuntas) jika seluruh populasi dijadikan sampel, misalnya
semua guru di suatu sekolah. Sedangkan sampel diterima padat jika jumlah sampel lebih dari
setengan dari populasi, misalnya 250-300 orang dari populasi 500 orang.
Populasi menjawab kecil bila diminta jauh di bawah 1000 orang. Sampling jenuh dapat
dilakukan untuk kelompok yang kecil. Akan tetapi jika lebih dari 1000 orang, maka
pengambilan sampel jenuh tidak lagi praktis karena biaya dan waktu terlampau banyak untuk
misalnya melakukan wawancara dan pengolahannya.
Populasi adalah keseluruhan data yang menjadi perhatian kita di dalam ruang lingkup
dan waktu yang kita tentukan sebagai objek penelitian. Jadi terkait dengan data, bukan
manusianya. Jika setiap manusia memberikan data maka, jumlah atau ukuran populasi akan
sama dengan jumlah manusia. Sementara sampel adalah sebagai perwakilan dari populasi
yang akan mewakili dan yang dapat diterima dari populasi, atau sebagai contoh yang diambil
dengan menggunakan cara-cara tertentu. Adapun tekhnik-tekhnik dalam pengampilan sampel
yaitu, Probability sampling dan Non-Probability Sampling.

48
BAGIAN KETUJUH

PEMILIHAN ANALISI STATISTIK

Pengertian lain mengutip, Korelasi adalah metode statistik yang dipakai


untukmengukur hubungan atau hubungan antara dua atau lebih variabel kuantitatif,
sedangkan untukmengukur hubungan antara dua atau lebih variabel kuantitatif dipakai
tes X kuadrat.

A. Analisis Regresi Untuk Peramalan

Analisis regresi dalam statistikaadalah salah satu metode untuk menentukan


hubungansebab-akibat antara satu variabeldengan variabel - variabel yang
lain. Variabel "penyebab"disebut dengan beragam istilah:

1. variabel penjelas
2. variabel eksplanatorik
3. variabelindependen
4. atau secara bebas,

variabel X

(karena membicarakan digambarkan dalam grafiksebagai absis, atau sumbu X). Variabel
dianggap sebagai diakui

1. variabel yangberpindah
2. variabel dependen

49
3. variabel yang diambil
4. variabel Y

. Variabel kedua ini dapatmerupakan variabelacak (acak), namun variabel yang


diperlukan harus variabelacak. Analisis regresi adalah salah satu analisis yang paling
populer dan luas penggunaannya.Analisis regresi digunakan luas untuk melakukan
prediksi dan ramalan,
dengan penggunaanyang saling melengkapi dengan bidang pembelajaran
mesin. Analisis ini jugadigunakan untuk menentukan variabel bebas mana saja yang
terkait dengan variabel yangdisetujui, dan untuk mengetahui bentuk-bentuk hubungan
tersebut.

Statistika dipelajari di berbagai bidang karena statistika adalah sekumpulan


alatanalisis data yang dapat membantu mengumpulkan keputusan untuk
mendapatkan hasil berdasarkan hasilkesimpulan pada analisis data dari data yang
dikumpulkan. Selain ituitu jugadengan statistika kita bisa meramalkan keadaanyang
akan datang berdasarkan data masa lalu.Statistika Deskriptif memberikan informasi
yang terbatas, yaitu memberikan informasi yangterbatas pada data apa yang ada. Oleh
karena itu, memutuskan untuk menggunakandata yang terbatas.Kesimpulan yang
dapat diambil, data terbatas atasyang ada.Kegunaan kunjungan ilmu Statistik
adalah:1.

Diperoleh dari suatu situasi atau perdebatan yang telah terjadi.2.

Untuk Penaksiran (Peramalan3.

Untuk Pengujian (Pengujian Hipotesa)Sementara Pentingnya data Dispersi berdasarkan


pada 2 pertimbangan:1.

Pusat data (rata2, median dan modus) hanya memberi informasi yang sangat terbatas.2.

Kedua, menyebar data sangat penting untuk membandingkan distribusi duadata atau
lebih.

B. Statistika deskriptif

adalah tehnik yang digunakan untuk mensarikan data danmenampilkannya dalam


bentuk yang dapat dipahami oleh setiap orang. Hal ini memerlukan proses
kuantifikasidari penemuan suatu fenomena. Berbagaistatistik sederhana, seperti rata-
rata, dihitung Dan ditampilkan hearts Bentuk tabel Dan Grafik. Statistika deskriptif
dapatmemberikan pengetahuan yang signifikan pada kejadian fenomena yang belum
diketahui dan keterlibatanketerkaitan yang ada di implementasi.

50
Namun, dapatkah statistik menggambarkanhasil yang dapat diterima secara
ilmiah? Statistik merupakan suatu
alat pengukuranyang berhubungan dengan keanekaragaman pada karakteristik objek-
objek yang berbeda.

C. Statistik inferensial

merupakan kebalikan dari statistika deskriptip, statistika infrensialmerupakan


statistik yang berkenaan dengan cara mengumpulkan kesimpulan berdasarkan
datayang diperoleh dari sampel untuk menggambarkan karakterisktik atau ciri dari
hasil penelitian.Dengan demikian dalam statistik inferensial dilakukan suatu
generalisasi (perampatan ataumemperumum) dan hal yang menjadikan khusus (kecil)
menjadi hal yang lebih luas (umum).

Oleh karena itu, statistik inferensial disebut juga statistik induktif atau statistik
penilaiankesimpulan. Pada statistik inferensial biasanya dilakukan pengujian hipotesis
dan pendugaan tentangkarakteristik (ciri) dari suatu peserta, seperti rata-rata dan Uji t
(Sugiyono, 2006).

Namun, untukbelajar statistika terapan - khusus untukkepentingan penelitian


ilmiah- seseorang tidak perlu memiliki latar belakang yang kuat di bidangmatematika.

Cukupdengan tahu prinsip-


prinsip dasar aritmatika, seperti penjumlahan,Masakan,
perkalian, pembagian, dan perjalanan akar.

Tepat sekali apayang dinyatakan Pasaribu (1981: 6) yaitu kuliahstatistik


(di jurusan non-statistik) Bukandimaksudkan untuk review menjadikan Seseorang
sarjana statistik, TAPI untuk review kepentinganmemberikan Pengetahuan Yang
dbutuhkan hearts activities Penelitian.

51
BAGIAN KEDELAPAN

ANALISIS STATISTIK PARAMETIK

A. Statistik Parametrik

Statistik Parametrik yaitu ilmu statistik yang mempertimbangkan jenis sebaran


atau distribusi data, yaitu apakah data menyebar secara normal atau tidak. Dengan
kata lain, data yang akan dianalisis menggunakan statistik parametrik harus memenuhi
asumsi normalitas. Pada umumnya, jika data tidak menyebar normal, maka data
seharusnya dikerjakan dengan metode statistik non-parametrik, atau setidak-tidaknya
dilakukan transformasi terlebih dahulu agar data mengikuti sebaran normal, sehingga
bisa dikerjakan dengan statistik parametrik.

Contoh metode statistik parametrik :

a. Uji-z (1 atau 2 sampel)

52
b. Uji-t (1 atau 2 sampel)

c. Korelasi pearson,

d. Perancangan percobaan (one or two-way anova parametrik), dll.

1. Ciri-ciri statistik parametrik :

- Data dengan skala interval dan rasio

- Data menyebar/berdistribusi normal

2. Keunggulan dan kelemahan statistik parametrik

Keunggulan :

1.Syarat syarat parameter dari suatu populasi yang menjadi sampel biasanya tidak diuji
dan dianggap memenuhi syarat, pengukuran terhadap data dilakukan dengan kuat.

2. Observasi bebas satu sama lain dan ditarik dari populasi yang berdistribusi normal serta
memiliki varian yang homogen.

Kelemahan :

1. Populasi harus memiliki varian yang sama.

2. Variabel-variabel yang diteliti harus dapat diukur setidaknya dalam skala interval.

3. Dalam analisis varian ditambahkan persyaratan rata-rata dari populasi harus normal
dan bervarian sama, dan harus merupakan kombinasi linear dari efek-efek yang
ditimbulkan.

3. Uji parametrik
merupakan bagian statistik inferensia yang mempertimbangkan nilai dari satu
atau lebih parameter populasi. ada beberapa syarat dari yang perlu dipatuhi yaitu:
1. Skala Pengukuran Variabel: Skala pengukuran variabel harus variabel numerik
2. Sebaran data: sebaran data harus normal.

53
3. Varians data

 Kesamaan varians tidak menjadi syarat untuk uji kelompok yang berpasangan.
 Kesamaan varians adalah syarat tidak mutlak untuk dua kelompok tidak berpasangan.
 kesamaan varians menjadi syarat mutlak untuk lebih dari dua kelompok tidak
berpasangan.

BAGIAN KESEMBILAN

STATISTIKA NON PARAMETRIK

A. Statistika Non Parametrik

Statistik Non-Parametrik, yaitu statistik bebas sebaran (tidak mensyaratkan bentuk


sebaran parameter populasi, baik normal atau tidak). Selain itu, statistik non-
parametrik biasanya menggunakan skala pengukuran sosial, yakni nominal dan
ordinal yang umumnya tidak berdistribusi normal.

Contoh metode statistik non-parametrik :

54
a. Uji tanda (sign test)

b. Rank sum test (wilcoxon)

c. Rank correlation test (spearman)

d. Fisher probability exact test.

e. Chi-square test, dll

1. Ciri-ciri statistik non-parametrik :

- Data tidak berdistribusi normal

- Umumnya data berskala nominal dan ordinal

- Umumnya dilakukan pada penelitian sosial

- Umumnya jumlah sampel kecil.

2. Keunggulan dan kelemahan statistik non-parametrik :

Keunggulan :

1. Tidak membutuhkan asumsi normalitas.

2. Secara umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih mudah
dimengerti jika dibandingkan dengan statistik parametrik karena ststistika non-parametrik
tidak membutuhkan perhitungan matematik yang rumit seperti halnya statistik parametrik.

3. Statistik non-parametrik dapat digantikan data numerik (nominal) dengan jenjang


(ordinal).

4. Kadang-kadang pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara
formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data kualitatif.

55
5. Pengujian hipotesis pada statistik non-parametrik dilakukan secara langsung pada
pengamatan yang nyata.

6. Walaupun pada statistik non-parametrik tidak terikat pada distribusi normal populasi,
tetapi dapat digunakan pada populasi berdistribusi normal.

Kelemahan :

1. Statistik non-parametrik terkadang mengabaikan beberapa informasi tertentu.

2. Hasil pengujian hipotesis dengan statistik non-parametrik tidak setajam statistik


parametrik.

3. Hasil statistik non-parametrik tidak dapat diekstrapolasikan ke populasi studi seperti pada
statistik parametrik. Hal ini dikarenakan statistik non-parametrik mendekati eksperimen
dengan sampel kecil dan umumnya membandingkan dua kelompok tertentu

3. Uji-uji Dalam Statistika Non Parametrik

1 Test For Binary Sequences

Terjadinya peristiwa secara random atau acak merupakan sesuatu yang penting
dalam analisis ststistika. Dalam prosedur statistik parametrik asumsi yang harus dipenuhi
adalah bahwa sampel yang kita miliki adalah sampel random. Jika sampel kerandoman
dari sebuah sampel diragukan, maka kita perlu satu cara atau prosedr untuk mengetahui
sifat tersebut seblum analisis selanjutnya dikerjakan. Proses penyidikan kerandoman
akan didasarkan pada banyaknya runtun (bariasan peristiwa,item, atau symbol dari
bentuk yang berbeda) yang muncul dari data. Kerandoman suatu rangkaian akan
diragukan kalau banyaknya runtun terlalu besar atau terlalu kecil.

· Prosedur Pelaksanaan Uji Random


56
1. Merumuskan hipotesis nol dan hipotesis alternative (H0 dan H1).

2. Menentukan taraf keberartian ( ).

3. Menentukan bentuk statistik uji (ststistik hitung).

4. Menghitung jumlah deret (r).

5. Menghitung frekuensi kejadian (n1 dan n2).

6. Menghitung nilai ststistik uji.

7. Menarik kesimpulan ststistik (tolak atau terma H0)

·Penarikan Kesimpulan Statistik

1. Untuk ukuran sampel n1 dan n2 masing-masing > 20

Uji random ini akan mengkonversi banyaknya run kedala statistik Z dengan pendekatan
distribusi nomal.

Pengujian dilakukan dengan bentuk

H0 : urutan objek random

H1 : urutan objek tidak random= …..%

2. Untuk ukuran sampel n1 dan n2 masing-masing 20

Pengujian dilakukan dengan bentuk :

H0 : urutan objek random

H1 : urutan objek tidak random

Tentukan banyaknya run (r), n1,dan n2

Tentukan nilai kritis r dari tabel harga-harga kritis r dalam tes run

Kesimpulan

Terima H0, jika r observasi nilai kritis atau r observasi nilai kritis

57
2. Uji Wilcoxon

Merupakan suatu uji yang menghitung tanda dan besarnya selisih dari dua buah rataan
populasi. Uji ini lebih peka dari pada uji tanda dalam menemukan perbedaan antara
populasi. Dengan kata lain, uji peringkat bertanda wilcoxon digunakan jika besaran
maupun arah perbedaan relevan

Untuk menentukan apakah terdapat perbedaan yang sesungguhnya antara pasangan data yang
diambil dari dua sampel yang berkait.

Prosedur Uji wilcoxon Untuk Pengamatan Berpasangan

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).

2. Memilih tarap keberartian ( ).

3. Menentukan daerah kritis W (bila dist Z digunakan).

4. Menyusun peringkat tanpa memperhatikan tanda.

5. Pemberian tanda atas peringkat yang telah ditetapkan.

6. Menjumlahkan peringkat dengan jumlah terkecil sebagai W.

7. Penarikan kesimpulan statistic tentang hipotesis nol (tolak H0 atau


terimaH0)

4. Penarikan Kesimpulan Statistik

Untuk menguji hipotesis nol (H0) dari uji Wilocoxon ini, selain dapat
meggunakan tabe harga-harga kritis W dalam uji jenjang bertanda data berpasangan
wilcoxon khususnya untuk sampel kecil, juga dapat menggunakan pendekatan distribusi
normal. Sedangkan untuk sampel besar digunakan pendektan distribusi normal.

Pengujian dilakukan dengan langkah-langkah sebagai berikut

Hipotesis

- Satu sisi

H0 :W(+) = (-)

H1 : W(+) > (-)

58
H0 :W(+) = (-)

H1 : W(+) < (-)

- Dua sisi

H0 :W(+) = (-)

H1 : W(+) ≠ (-)

Dimana :

semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda positif

W(-)= jumlah semua peringkat selisih pasangan pengamatan (xi,yi) yang bertanda negatif

§ α = …%

§ Daerah kritis

A. Tabel Wilcoxon

- Jika harga W adalah sama dengan atau kurang dari harga yang diberikan dalam tabel, untuk
satu tingkat signifikasi tertentu dengan N tertetu, maka tolak H0.

- Jika harga α hit yang diperoleh dari tabel (dengan N dan W tertentu) adalah sama dengan
atau kurang dari harga yang telah ditentukan,maka tolak H0

B. Distribusi Normal

Dari nilai Zhit yang diperoleh tentukan nilai peluang (P) padanannya, untuk tes dua sisi
kalikan dua P, bila P sama dengan atau kirang dari α, maka tolak H0.

59
Statistik hitung

- Untuk setiap pasangan nilai pengamatan (xi,yi), hitung perbedaannya (di = xi-ui)

- Berikan peringkat terhadap perbedaan nilai pasangan pengamatan, mulai dari


peringkat 1 untuk perbedaan nilai terkecil hingga peringkat n untuk perbedan terbesar.
Bila terdapat perbedaan nilai pasangan yang sama, perbedaan nilai yang sama diberi nilai
rata-ratanya. Bila ditemukan perbedaan nol, kita beri peringkat 1 dengan tanda yang
kemungkinanya menolak H0.

- Beri tanda (+/-) kepada peringkat yang telah dibuat.

- Hitung jumlah di yang brtanda positif (W+) dan negative (W-).

- Statistika uji peringkat bertanda wilcoxon ialah W.W yang dipakai ialah W+ atau W-
yang nilainya “lebih kecil”.

A. Menggunakan tabel-Wilcoxon

W+ = (semua peringkat positif)

W- = (semua peringkat negatif)

B. Mengunakan Pendekatan Distribusi Normal (Z)

Kesimpulan

H0 ditolak, bila W , α hitung, atau p (normal) jatuh didalam daerah kritis.

3. Mann Whiney U Test

60
Dalam pengujian ini digunakan data dari dua sampel independen yang masing-masing
berasal dari populasi yang independent. Dua sampel masing-masing berukuran n1 dan n2
dikatakan independent apabila pemilihan unit untuk kedua sampel tidak saling
mempengaruhi. Jadi apapun dan siapapun yang terpilih dari sampel pertama tidak
mempengaruhi pemilihan pada sampel kedua populasi yang independent. Salah satu
pengujian yang dapat dilakukan adalah pengujian Mann-Whitney.

Prosedur Pengujian Mann-Whitney

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).

2. Memilih tarap keberartian ( ).

3. Menyusun peringkat data tanpa memperhatikan katagori sampel.

4. Menjumlahkan peringkat menurut tiap katagori sampel dan menghitung ststistik U


(dipilih nilai U terkecil)

5. Penarikan kesimpulan ststistik mengenai hipotesis nol (tolak atau terima H0)

Penarikan Kesimpulan Statistik

Hipotesis

- Satu sisi

- H0 :U1(+) = U2(-)

- H1 : U1 (+) < U2 (-)

- H0 : U1 (+) = U2 (-)

- H1 : U1 (+) > U2 (-)

- Dua sisi

61
- H0 :U1(+) =U2 (-)

- H1 : U2(+) ≠ U1(-)

Dimana U adalah nilai ststistik yang dipakai dalam tes ini, nilainya diperoleh
dari beberapa kali suatu skor dalam kelompok n2 mendahului skor dalam kelompok
n1 (atau sebaliknya, pilih nilai U minimum).

a. Tabel Mann – Whitney

- Utuk n2 < 8 : jika harga α hitung yang diperoleh dari tabel (dengan n2,n1 dan Umin
diketahui) adalah sama dengan atau kurang dari harga α yang telah ditentukan, maka
tolak H0.

- Untuk n2 diantara 9 dan 20 : jika harga U min adalah sama dngan atau kurang dari harga
U yang diberikan dalam tabel untuk satu signifikan tertentu, maka tolak H0.

b. Dist. Normal

Dari nilai Z hit yang diperoleh tentukan nilai peluang (P) padananya, untuk tes dua
sisi kalikan dua P, bila P sama dengan atau kurang dari α, maka tolak H0.

Statistika Hitung

Statistik U yang dihasilkan dari uji ini diperoleh dari persamaan :

U = n1.n2+

Persamaan diatas ekivalen dengan:

U = n1.n2+

Dimana :

n1= banyaknya sampel dalam salah satu grup

n2= bayaknya sampel dalam grup yang lain

62
R1= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n1

R2= jumlah skor rangking yang diberikan pada grup dengan ukuran sampel n2

- Pilih nilai U min, dari dua nilai U diatas

- Bila n2 > 20 gunakan distribusi Z

4. Kruskall-Wallis

............................................................................................................... Kruskal-
Wallis test dikembangkan oleh Kruskal dan Wallis. Uji Kruskal-Wallis adalah uji
nonparametrik yang digunakan untuk membandingkan tiga atau lebih kelompok data
sampel. UjiKruskal-Wallis digunakan ketika asumsi ANOVA tidak terpenuhi. ANOVA
adalah teknik analisis data statistik yang digunakan ketika kelompok-kelompok variabel
bebas lebih dari dua. Pada ANOVA, kita asumsikan bahwa distribusi dari masing-masing
kelompok harus terdistribusi secara normal. Dalam uji Kruskal-Wallis, tidak diperlukan
asumsi tersebut, sehingga uji Kruskal-Wallisadalah uji distribusi bebas. Jika asumsi
normalitas terpenuhi, maka uji Kruskal-Wallis tidak sekuat ANOVA. Penyusunan
hipotesis dalam uji Kruskal Wallis adalah sebagai berikut:
H0 : sampel berasal dari populasi yang sama (µ1 = µ2 = … = µk)
Ha : sampel berasal dari populasi yang berbeda (µi = µj)

Uji Kruskal Wallis harus memenuhi asumsi berikut ini:


- Sampel ditarik dari populasi secara acak
- Kasus masing-masing kelompok independen
- Skala pengukuran yang digunakan biasanya ordinal
- Rumus umum yang digunakan pada uji kruskal wallis adalah

Statistik uji Kruskal Wallis menggunakan nilai distribusi Chi-kuadrat dengan derajat bebas
adalah k-1 dengan jumlah sample harus lebih dari 5. Jika nilai uji Kruskal Wallis lebih
kecil daripada nilai chi-kuadrat tabel, maka hipotesis null diterima, berarti sampel berasal
dari populasi yang sama, demikian pula sebaliknya.

5. kolgomorov smirnov goodness of fit test

63
Uji kecocokan dengan mengguakan Chi-kuadrat sebenarnya dirancang untuk menguji
hipotesis untuk data dalam sekala nominal. Uji lain yang dirancang untuk menguji
kecocokan data kontinu adalah uji kolmogorov-smirnov.

Uji Kolmogorov-Smirnov akan didasarkan pada dua fungsi distribusi kumulatif ;


distribusi kumulatif yang dihipotesiskan dan fungsi distribusi kumulatif dari data hasil
pengamatan (F(x)).

Data yang digunakan dalam pengujian ini adalah merupakan data hasil pengamatan
yang independen yang berasal dari populasi dengan fungsi distribusi F(x) yang tidak
diketahui.

Prosedur Pengujian Kolmogorov-Smirnov

1. Menyatakan hipotesis nol dan hipotesis alternatif (H0 dan H1).

2. Memilih tarap keberartian ( ).

3. Menentukan daerah kritis

4. Menyusun hasil pengamatan mulai dari nilai pengamatan sampai nilai pengamatan
terbesar.

5. Menentukan D maks

6. Menentukan nilai D tabel Untuk α = 0.051,36

7. Bandingkan nilai D yang diperoleh dengan nilai Dα dari tabel (untuk dua sampel)

64
Terma H0 jika D<Dα

Tolak H0 jika D Dα

6 . korelasi spearman & kendall\

Uji korelasi Spearman dengan SPSS pada hakikatnya serupa dengan secara manual.
Uji korelasi Spearman adalah uji statistik yang ditujukan untuk mengetahui hubungan
antara dua atau lebih variabel berskala Ordinal. Selain Spearman, D.A. de Vaus
menyebutkan bahwa uji korelasi yang sejenis dengannya adalah Kendall-Tau.[1] Asumsi
uji korelasi Spearman adalah:

(1) Data tidak berdistribusi normal

(2) Data diukur dalam skala Ordinal.

65
BAGIAN KESEPULUH

UJI SIGNIFIKAT

Uji signifikansi ada lah yang penting dalam penelitian,Penelitian khususyang


bermetodologi kuantitatif. Uji ini yang akan menentukan simpulan hasil
penelitian. Ujisignifikansi menentukan apakah hipotesis yang dibuat di awal
penelitian akan diterima atauditolak. Karena peran menentukan, para ahli mencari
cara terbaik yang dapatmenentukan hasil pengamatan sepenuhnya. Tingkat keyakinan
yang memadaiuntuk dapat menerima hipotesis ini yang disebut dengan istilah kerap
statistik signifikansi.

Ada dua pendapat dalam statistik signifikansi dalam penelitian ilmu


sosial.Pendapat Fisher menggunakan nilai p untuk menunjukkan uji signifikansi dan
inferensiinduktif. Sementara pendapat Neyman-Pearson menggunakan nilai alpha
untukmenunjukkan preferensi yang dipilih di antara hipotesis nol (H0) dan hipotesis
alternatif(H SEBUAH).Pendapat yang dianut oleh Fisher berdasarkan cara berpikir
induktif. Fishermenggunakan nilai p untuk menentukan signifikansi. Nilai p ini
menunjukkan probabilitashasil pengamatan (x) tidak memiliki efek atau hubungan de
ngan hipotesisnol (H0), dinotasikan dengan P (x | H0). Nilai p menunjukkan besarnya
ProbabilitasKebenaran hipotesis nol (H0) saja tanpa ada hipotesis alternatif
(HSEBUAH). Jika H0 terbuktisignifikan, maka dapat disimpulkan (inferensial) yaitu
H0 diterima.

Mazhab Neyman-Pearson menggunakan uji hipotesis untuk mencari


titiksignifikansi antara duahipotesis. Menurutpendapat ini, titik signifikansi
yangdisetujui saat model penelitian bebas dari kesalahan, atau sebagian kesalahan /
kesalahandalam penelitian dapat diminimalisasi. Signifikansi tersebut disetujui oleh
menyetujuidua macam kesalahan, yaitu salah ditolak H0, atau kerap disebut Tipe I
Error (α), dan salahmenerima HSEBUAH, atau disebut Type Error II (β).

Dengan demikian, penggunaan nilai-p dan Tipe I kesalahan tidak dapat


digunakanadukkan.Seharusnya sama-sama melepaskan ekor distribusi (distribusi
ekor), tetapi P-nilai menunjukkan di area distribusi mana hasilpenelitian terletak dan
hanya bisadiketahui setelah uji statistik, sementara Tipe I Kesalahan menunjukkan
apakah
hasil penelitianakan jatuh di daerah distribusi yang diterima atau ditolak; dan nilainya
ditentukan Oleh Peneliti SEBELUM uji statistik. Kombinasi antara untuk mencoba

66
signifikansi statistik Tentu saja merupakan metode yang biasa. Perlu
ditekankan sebagai nilai-p Nelayan secara filosofis berbeda dari Tipe I kesalahan
Neyman-Pearson.Melalui tulisannya berjudul

“Metode statistik dan induksi ilmiah”

yangditerbitkan tahun 1955 di Jurnal Royal Statistics Society, B, Volume 17: hal.69 - 78,
Fisher menolak asimilasi penggunaan p-value dan Tipe I Error tersebut.Dalam
berbagai sumber statistik, penelitian ini dilakukan kurang dari yang berikut:1.

Peneliti menentukan hipotesis nol (H0) dan hipotesis alternatif (H SEBUAH).2.

Peneliti menentukan tingkat signifikansi dengan menentukan

nilai α (kesalahanTipe I).3.

Peneliti menghitung kekuatan tes(misalnya dengan nilai z). Sampai disini, langkah-
langkah penelitian telah sesuai dengan aliran Neyman-Pearson.4.

Setelah itu, uji statistik dihitung, dan nilai pitung.5.

Signifikansi statistik penelitian ini kemudian ditentukan dengan menggunakankriteria

p <α. Jika p <α, hasil pertimbangan signifikan secara statistik, Sedangkan jika p> α,
maka hasil penelitian tidak signifikan.

Hasil akhir dari metode asimilasi Fisher dan Neyman-Pearson adalah, karenaentitas yang
sama sekali berbeda dengan interpretasi yang sama sekali berbeda pula,nilai p adalah
dalam pikiran peneliti sekarang memiliki keterkaitaitan denganting

kat kesalahan Tipe I, α. Dan karena keduanya sama

-sama konsep probabilitas ekorwilayah distribusi,nilai p keliru ditayangkan sebagai


pengamatan berbasis frekuensimembuktikan tingkat kesalahan tipe I, dan juga
disalahgunakan sebagai buktipengukuranterhadap 0 (yaitu, p <α).

67
Uji-t (t-test) merupakan statistik uji yang sering kali ditemui dalam masalah-
masalah praktisstatistika. Uji-
ttermasuk dalam golongan statistika parametrik. Statistik uji inidigunakan dalam
pengujian hipotesis. Seperti Yang Telah dibahas hearts Tulisan (post)Lain di weblog
Suami, uji-t digunakan ketika information Mengenai Nilai varians (ragam) populasi
TIDAK diketahui.Uji-t dapat dibagi menjadi 2, yaitu uji-t yang digunakan untuk
menguji hipotesis 1-sampel dan uji-t yang digunakan untuk menguji hipotesis 2-
sampel. Bila disetujuidengan kebebasan (independensi) sampel yang digunakan
(khusus untuk uji-t dengan 2-sampel), maka uji-t dibagi lagi menjadi 2, yaitu uji-t
untuk sampel bebas (independen)dan uji-t untuk sampel berpasangan (berpasangan).

Dalam uji coba-t untuk pengujian hipotesis 2-sampel bebas, maka ada 1 hal
yang perludapatkan perhatian, yaitu apakah ragam populasi (ingat: ragam populasi, bu
kanragam sampel) diasumsikan homogen (sama) atau tidak. Bila ragam
populasidiasumsikan sama, maka uji-t yang digunakan adalah uji-t dengan asumsi
ragamhomogen, sedangkan bila ragam populasi dari 2-sampel tersebut tidak
diasumsikanhomogen, maka yang lebih tepat adalah menggunakan uji-t dengan
asumsi ragam tidakhomogen. Uji-t dengan ragam homogen dan tidakhomogen
memiliki rumus hitung yang berbeda. Oleh karenasungguh, sungguh uji-t
coba digunakan untuk melakukan pengujianhipotesis terhadap 2-sampel, maka harus
dilakukan pengujiantentang pertimbangan kehomogenan ragam populasi terlebih
dahulu dengan menggunakan uji-F.

Analisis Sederhana varians sAnalisis variansanalys adalah variAnce

ANOVA adalah suatu metodeanalisis statistikayang termasuk dalam


cabang statistika inferensi. Dalam literatur Indonesia metode inidikenal dengan
berbagai nama lain, sepertianalisis ragam sidik ragam dan analisisvariansi

. Ia merupakan development Dari masalah Behrens-Fisher, sehingga uji-F alsoDipakai


hearts Pengambilan Keputusan. Analisis varians pertama kali diperkenalkan
olehSirRonald Fisher, bapak statistika modern. Dalam praktik, varian analisis
dapatmerupakanuji hipotesis(lebih sering dipakai) atau pendugaan (
perkiraan,khususnya di bidang genetika terapan).Secara umum, analisis varian
mengirimkan dua varian(atau ragam) berdasarkanhipotesisnol dari kedua varian itu
sama. Varians pertama adalah varians antarcontoh (di antara sampel) dan varians
kedua adalah varians di masing-masing contoh (dalam sampel). Dengan ide ini, varian
analisis dengan dua contoh akanmemberikan hasil yang sama dengan uji-tuntuk dua
rerata (berarti).Supaya sahih (valid) dalam menantikan hasil, analisis varians
diambilkan sendiri pada empat anggapan yang harus dip enuhi dalam perancangan
percobaan:1.

68
Data menjadirdistribusi normal, karena pengujiannya menggunakan uji F-
Snedecor2.Varian atau ragamnya homogen, dikenal
sebagaihomoskedastisitas, karenahanya digunakan satu penduga (memperkirakan)
untuk varians dalam contoh3.Masing-masing contoh saling bebas, yang harus dapat
diatur dengan perancangan percobaan yang tepat4.

A. Komponen- komponen dalam modelnya bersifat

Ditif(saling menjumlah).Analisis varian relatif mudah dikembangkan dan dapat


dikembangkan untuk berbagai bentukpercobaan yang lebih rumit.

Selain itu itu, analisis ini juga masih memilikiketerkaitan dengan analisis
regresi. Penggunaan, penggunaannya sangat luas di
berbagai bidang,mulai DarieksperimenlaboratoriumHingga
eksperimen periklanan, psikologi, Dan Kemasyarakatan.

AnalisisFaktor RasioBerganda Perbandingan BergandaAnalisisfaktor Kegunaan:

1. Untuk mendiskusikan dimensi yang mendasari (faktor) yang dapat


menjelaskansekumpulan diskusi sekumpulan variabel.
2. Untuk mengidentifikasikan variabel baru, yang dapat digunakan untuk
analisislainnya.
3. Untuk membantu satu atau beberapa variabel dari variabel yang banyak dikunjungi.
4. Mengkonfirmasi konstruksi suatu variabel latenAnalisis Kovarian Pengertian
gamblangnya analisis kovarian (anakova) adalah penggabungkan sebuah tara uji
komparatif dan korelasional.

Kalau anovahanya bisa diaktifkan antar saja akan tetapi jika anakova kita lanjut antar
sekaligus hubungkan. Isitilah kova dalamanakova diambil dari kata
kovarian(covariume) yang menunjukkan keberadaan variabel yang
melewati. Ingatco dalam BahasaInggris artinya bersama, yang menunjukkan
keberadaan hubungan. Kita membandingkan variabel tergantung(Y) ditinjau dari
variabel bebas(X1) sek aligus menghubungkan variabel tergantung tersebut
denganvariabel bebas lainnya(X2).

V ariabel X2 yang dipakaimemprediksiinilah yangdinamakan dengan kHaivarian.

Fungsi Umum Anak Hai v Sebuah Untuk memudahkan pemahaman wah, dapat
disampaikan itu anakov aadalah hal eng gabungan antara teknik anova dan regresi
Anova Dipakai untuk dibahas antar variabel tergantung(Y) ditinjau dari variabel
bebas(X1) Regresi Dipakai untuk memprediksi variabel tergantung (Y)
melaluivariabel bEsa(X2) Biasanya karakteristik variabel pemeriksaan anakova

69
adalahsebagai berikut: V ariabel Tergantung (Y): Kontimahum Variabel Bebas
(X1):Kategorikal

Variabel Bebas (X2):Kontimahum

Kontinum V Ariabelyang memiliki nilai kuantitatif yang bergerakdalam kontimahum


dari rendahhingga tinggi(selangatau rasio).Hasil pengukuran melalui skala psikologi
termasuk dalamkelompok ini misalnya:harga diri, motivasi asi bElabotol,IQ, Hasil
Tes Matematika.Kategorikal Variabel hasil pengkodean terhadap kategori (nominal).
Misalny a:jenis kelamin,kelas, lokasi tempat tinggal, bidang hal
kerjaan.Kesimpulannnya dalam anakova, variabel tergantungnya berbentukkontinum
dan Harus ada dua jenis variabel dalam variabel bebas, yaitu kategorikal dan
kontimahum Dengan menggunakan maka anakova maka peranan variabel bebas
terhadap variabel tergantung, baik melalui komparasi juga prediksi dapatdilakukan
secara bersamaan(simultan). Beberapa penelitian yang menggunakan kontrol variabel
menempatkan variabel kon trol sebagai kHaivarian. Pada T abel1 disajikan
desain analisis yang menggunakan anakovayang meletakkan variabel
k ontrol sebagai kov arian. F okus penelitianadalah membahas halerbe-daan, misalkan
saja perbedaan kepuasankerja ditinjau dari jenis bidang kerja.

Tabel 1: Desain Analisis dengan Anak Haiv Sebuah V. Bebas& V.Trantun


Haiotesis Bidan Sebuah X1 keukasaan Ada Perbedaan keukasan Komensasi X2 Ker
Sebuah Yang ditinjau dari bidan kerSebuah karawan denanin sentifan diterima
Jen adalah Klam dalam Dekembali si Y D ere si iklan sebuah wanita lebihPola Pikir
X2 dibanding ada pria saya nendalik an ola sayakir dan dibahas perbedaan depresi
ditinjau dari jenis kelamin. Pengujian seperti ini da- menepuk menggunakan
analisis varian atauuji-t. Namun karenaada variabelkon trol yang dilibatkan, maka
analisis dilakukan dengan menggunakan analisis
kHaivarian. Pada T abel1, mungkinkita bertanya:

Bisa jadi fokus penelitian hany apada satu variabel bebassaja jadi variabel dilu
aritu Dilihat sebagai variabel pelengkapsehingga statusnya diturunkan menjadi
vAriabel konrol .Hal ini tidakmasalahselama sesuai dengan tujuan

penelitian dan memiliki dukunganteori. Sebagai tambahan,


jika semua variabel bebas adalah variabel kontinum, maka de-analisis sainyang tepat
adalah menggunakan pertimbangan parsial.Jadi dalam kasus ini hipotesis utama
buk anlagi "Ada hal erbeya ... ", akan tetapi "Ada hubungan .. ". Misalnya"Ada
hubungan antara kecerdasan dengan prestasibelajar dengan mengendalikan motivasi
belajar ”

70
Dalam hal ini baikvariabel bebas (kecerdasan) dan variabel kontrol(motivasi
belajar) merupakan variabel yang berbentuk kontimahumRumus Chi SquareChi-
Square disebut juga dengan Kai Kuadrat. Chi Square adalah salah satu jenis
ujikomparatif non parametris yang dilakukan pada dua variabel, di mana skala data
keduavariabel adalah nominal. (Bila dari 2 variabel, ada 1 variabel dengan skala
nominal makadilakukan uji chi kuadrat dengan pengujian yang harus dilakukan
pengujian pada derajat yangterendah).

Uji Chi-square atau qai-kuadrat digunakan untuk melihat kompatibilitas antara


variabel bebasdan variabel tergantung berskala nominal atau urut. Prosedur uji chi-
squaremenabulasi satu atau variabel ke dalam kategori-kategori dan menghitung
angka statistik chi-square. Untuk satu variabel dikenal sebagai uji keselarasan atau

1. kebaikan dari cocok uji

Yang berfungsiuntuk membandingkan frekuensi yang melihat (untuk) dengan


frekuensi yangdiharapkan (fe). Jika terdiri dari 2 variabel yang dikenal sebagai uji
independensi yang berfungsiuntuk hubungan dua variabel. Seperti sifatnya, prosedur
uji chi-square dilkelompokan menjadistatistik uji non-parametrik.Semua variabel
yang akan dianalisis harusberupa angkaatau kategori dandapat juga berskala
ordinal.Tidak perluasumsi tentang distribusi yang mendasarinya. Data diasumsikan
diambildari sampel acak. Frekuensi yang diharapkan (fe) untuk masing-masing
kategori harusbertambah:Tidak boleh lebih dari dua puluh (20%) dari kategori
memiliki frekuensi yang diharapkankurang dari 5.Formula uji Chi Square:Dimana:=
Nilai khai-kuadrat untuk frekuensi observasi / pengamatan fe

Frekuensi ekspetasi / harapanUji chi-square merupakan uji non parametrisyang paling


banyak digunakan. Namun Perludiketahui Syarat-Syarat uji Penyanyi Adalah:
Frekuensi responden ATAU sampel Yang digunakan gede,sebab ADA beberapa
Syarat di mana chi DAPAT persegidigunakan yaitu:

1. Tidak ada sel dengan nilai frekuensi yang disebut juga Sebenarnya Menghitung
(F0)sebesar 0 (Nol)
2. Jika bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 sel saja yangmemiliki
frekuensi harapan atau disebut juga hitungan yang diharapkan ("Fh") kurang dari 5.3.

71
Jika bentuk tabel lebih dari 2 x 2, misak 2 x 3, maka jumlah sel dengan frekuensiharapan
yang kurang dari 5 tidak boleh lebih dari 20%.

Rumus chi-square sebenarnya tidak hanya ada satu. Jika tabel kontingensi bentuk 2 x
2,maka rumus yang digunakan adalah "koreksi yates". Untuk rumus koreksi yates,
sudah kami bahas dalam artikel sebelumnya yang berjudul"Koreksi Yates".Jika tabel
kontingensi 2 x 2 seperti di atas, tetapi tidak memenuhi syarat seperti di atas,ada sel
dengan frekuensi harapan kurang dari 5, maka rumus harus diganti denganrumus
"Fisher Exact Test".

BAGIAN KESEBELAS

APLIKASI KOMPUTET SATTISTIKA

A. Statistik Berbasis Komputer

1. Pengantar Statistik

bagaimana cara melakukannya. Serta diberikan juga contoh-contoh dasar


perhitungannya atau cara melakukannya dengan komputer. Namun perlu dipahami,
artikel ini hanya menjelaskan kulit luarnya saja, agar anda memahami, silahkan
browsing di artikel ini, kami telah menyediakan berbagai referensi
bagaiaman Statistik Berbasis Komputer itu harusnya dilakukan.

Berhubungan dengan banyak angka -> Numerical description

Contoh : pergerakan IHSG, jumlah penduduk di suatu wilayah

Dunia usaha -> sekumpulan data : pergerakan tingkat inflasi, biaya promosi bulanan.

Statistika juga dipakai untuk melakukan berbagai analisis terhadap data, contoh:
forecasting, uji hipotesis.

Aplikasi ilmu statistik dalam bisnis dibagi 2 bagian:

1. Statistik Deskriptif : Menjelaskan atau menggambarkan berbagai karakteristik data


seperti berapa rata-rata, seberapa jauh data bervariasi.
2. Statistik Induktif (Inferensi) : Membuat berbagai inferensi terhadap sekumpulan data
yang berasal dari suatu sampel. Inferensi -> Melakukan perkiraan, peramalan,
pengambilan keputusan.

Contoh :
72
Data tentang penjualan mobil merek ‘PQR’ perbulan di suatu show room mobil di
Surabaya selama tahun 2009. Dari data tersebut pertama akan dilakukan deskripsi
terhadap data seperti menghitung rata-rata penjualan, berapa standar deviasinya, dll.
Kemudian baru dilakukan berbagai inferensi terhadap hasil deskripsi seperti :
perkiraan penjualan mobil tersebut bulan Maret tahun berikut, perkiraan rata-rata
penjualan mobil tersebut di seluruh Indonesia.

Elemen Statistik :

Populasi -> masalah dasar dari persoalan statistik. Definisi: Sekumpulan data yang
mengidentifikasi suatu fenomena

Sampel : Sekumpulan data yang diambil atau diseleksi dari suatu populasi

Statistik Inferensi : Suatu keputusan, perkiraan atau generalisasi tentang suatu populasi
berdasarkan informasi yang terkandung dari suatu sampel.

Pengukuran Realibilitas -> Konsekuensi dari kemungkinan bias dalam inferensi.

Tipe Data Statistik

Data Kualitatif :

Data yang bukan berupa angka, ciri : tidak bisa dilakukan operasi matematika. Terbagi
dua :

Nominal: Data yang paling rendah dalam level pengukuran data. Contoh : Jenis kelamin,
tgl dan tempat lahir seseorang

Ordinal: Ada tingkatan data. Contoh : Sangat setuju, Setuju, kurang setuju, tidak setuju

Data Kuantitatif:

Data berupa angka dalam arti sebenarnya dan dapat dilakukan operasi matematika.
Terbagi dua :

Data Interval, Contoh : Interval temperatur ruang adalah sbb :

CC-80 Cukup panas jika antara 50

CC-110 Panas jika antara 80

CC-140 Sangat panas jika antara 110

73
Data Rasio:

Tingkat pengukuran paling ‘tinggi’ ; bersifat angka dalam arti sesungguhnya. Beda
dengan interval mempunyai titik nol dalam arti sesungguhnya.

Statistik dan Komputer

Statistik menyediakan metode/cara pengolahan data, komputer menyediakan sarana


pengolahan datanya.

Dengan bantuan komputer, pengolahan data statistik hingga dihasilkan informasi yang
relevan menjadi lebih cepat dan akurat -> dibutuhkan bagi para pengambil keputusan.

Dengan keunggulan kecepatan, ketepatan dan keandalan komputer dibutuhkan untuk


mengolah data statistik

2.Program komputer statistik :

Membuat sendiri; dengan bahasa pemrograman misal BASIC, PASCAL

Sebagai Add Ins dari Program lain, contoh: Microsoft Excell

Program khusus Statistik, contoh : Microstat, SAS, SPSS, STATA, MINITAB, AMOS,
LISREL dan Eviews.

MICROSOFT EXCELL

Dalam Excell, sebuah sel pada lembar kerja dapat diisi dengan data :

1. Label atau teks string


2. Numerik
3. Alfanumerik
4. Formula / rumus

74
Formula/rumus : alat yang memungkinkan anda untuk melakukan kalkulasi terhadap
terhadap nilai-nilainya pada sel itu sendiri maupun nilai yang tersimpan pada sel-sel
yang lain.

Formula/rumus dapat terdiri dari : Operator perhitungan, referensi alamat suatu sel, nilai,
fungsi sel, nama sel/nama range.

Fungsi : Jenis formula khusus siap pakai yg disediakan oleh Excell. Contoh penulisan :
=SQRT(ABS(-8))

Fungsi-fungsinya dalam Excell :

Finansial, Tanggal & Waktu, Matematika & Trigonometri, Statistika, Database, Teks,
Logika.

B. FUNGSI STATISTIK

Average :

Untuk menghasilkan rata-rata sekumpulan data yang dimasukkan sebagai argumen


dalam fungsi ini.

Bentuk Penulisan : Average(bil1, bil2,…

Contoh : Average(A1:A5)

Count :

Untuk menghitung berapa jumlah bilangan yang ada dalam suatu range

Bentuk Penulisan : Count(value1,value2,..)

Contoh : Count(A1:A5)

1. Fungsi FREQUENCY

Menghasilkan suatu distribusi frekwensi sebagai array vertikal. Suatu distribusi


frekwensi berguna untuk menghitung berapa nilai yang tepat pada setiap interval.

Bentuk Penulisan :

=FREQUENCY(data array, bin array)

75
data array : suatu array atau alamat range pada sekelompok nilai yg akan dihitung
distribusi frekwensinya bin array : suatu array atau alamat range yg berisi interval,
dimana anda hendak mengelompokkan data.

2. Fungsi MAX
Menghasilkan data numerik dengan nilai maksimum yang terdapat dalam suatu range
data

Bentuk Penulisan:

=MAX(number1,number2,…) -> 30 bilangan.

3. Fungsi MEDIAN
Menghasilkan median dari sekumpulan data. Median : Nilai tengah

Bentuk Penulisan :

=MEDIAN(number1,number2,…)

4. Fungsi MIN
Menghasilkan nilai data numerik terkecil yang terdapat dalam suatu range .

Bentuk Penulisan: =MIN(number1,…)

5. Fungsi RANK
Menghasilkan ranking suatu bilangan diantara sekumpulan data

Bentuk Penulisan :

76
=RANK(number,ref,order)

6. Fungsi STDEV
Menghasilkan standar deviasi berdasar pada sampel. Standar deviasi ini mengukur
seberapa luas penyimpangan nilai data tersebut dari nilai rata-ratanya.

Bentuk Penulisan :

=STDEV(number1,number2,…)

7. FUNGSI DATABASE
DAVERAGE, Mencari rata-rata sekumpulan data dalam daftar hanya yang sesuai
kriteria yang dikehendaki.

Bentuk Penulisan :

=DAVERAGE(database,field,criteria)

8. DCOUNT
Menghasilkan jumlah sel yang memuat data numerik sekumpulan data dalam sebuah
daftar atau database yg memenuhi kriteria.

Bentuk Penulisan : =DCOUNT(database,field,criteria)

9. DMAX
Menghasilkan data nilai tertinggi dalam suatu daftar yang sesuai dengan kriteria yang
diberikan.
77
10. DMIN
Menghasilkan data nilai terendah dalam suatu daftar yang sesuai dengan kriteria yang
diberikan.

11. DSTDEV
Memperkirakan standar deviasi dari sekelompok data yang memenuhi kriteria yang
diberikan.

12. DSUM
Menjumlahkan sekelompok data yang memenuhi kriteria.

Statistik Berbasis Komputer

Analisis:

78
Contoh 1: Statistik Berbasis Komputer

Contoh 2: Statistik Berbasis Komputer


Jumlah Data valid = 25 buah

(2×0,993) = 167,414 – 171,386 cmMean /rata-rata tinggi badan = 169.4 cm, standar
error 0,993 cm. Standar error : memperkirakan besar rata-rata populasi dari sampel.
Rata-rata populasi tinggi badan = 169,4

Median, menunjukkan bahwa 50%t tinggi badan adalah 168,9 keatas dan 50%nya 168,9
kebawah

Standar deviasi untuk melihat dispersi rata-rata dari sampel.

Rata-rata tinggi badan menjadi :

169,4 +- (2×4,963) = 159,474-179,326 cm

79
Jika rasio skewness diantara –2 sampai 2 maka distribusi normal. Maka dapat dikatakan
distribusi data adalah normal.

Data maksimum dan minimum berbeda tipis dari rata-rata tinggi badan -> sebaran data
baik.

Pada tabel frekuensi diperlihatkan banyaknya responden pada setiap tinggi badan -
> mencapai 100% kumulatif.

Terdapat hubungan yang erat antara persentase kumulatif dengan percentil.

Terlihat pada grafik mempunyai kemiripan dengan bentuk kurva normal. Hal ini
membuktikan bahwa distribusi tersebut sudah dapat dikatakan mendekati normal.

80
DAFTAR PUSTAKA

Meilia Nur Indah S, 2014. Statistika Deskriptif dan Induktif. Yang menerbitkan Graha
Ilmu : Yogyakarta.
Ronald E Walpole, 1992, Peng antar Statistika , Gram edia, Jakarta2.Murray R Spiegel,
1994, Statistika, Er langga, Jakarta

Hasal, M. I. (2003). Pokok-Pokok Materi Sratistik 1 (statistik deskriftif, Jakarta: Bumi


Akarsa

Herrhyanto, N., & Hamid, H.A.(2007). Statistik Dasar, Jakarta: Universita Terbuka

sudjiono, Anas Pengantar Statistik Pendidikan. Jakarta: Raja Grafindo Persada

81