Statistika Deskriptif

Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
PERKENALAN DENGAN STATISTIKA DESKRIPTIF
A. Deskripsi Mata Kuliah Statistik Deskriptif

Modul Statistika Deskriptif ini menyajikan teori dan metode Statistika secara
aplikatif supaya dapat digunakan untuk melakukan interpretasi terhadap berbagai
macam data penelitian serta mengetahui alat-alat analisa yang dibutuhkan sesuai
dengan masalah penelitian yang dihadapi.
Adapun tujuan mata kuliah ini diharapkan dapat memberikan khazanah
pengetahuan kepada mahasiswa tentang:
a. Masalah Statistika sebagai alat pengambil keputusan.
b. Alat-alat statistik yang dibutuhkan untuk melakukan pengkajian terhadap
masalah yang dihadapi.
c. Dasar berpikir selanjutnya dalam mencari terobosan baru (policy) guna
memecahkan masalah yang dihadapi.
B. Kompetensi Mata Kuliah

Prosedur pengambilan sampel dari suatu populasi, melakukan pengolahan data
menurut statistika, analisis data dan uji hipotesis penelitian.
C. Materi Statistika Deskriptif

Pertemuan
Materi Kuliah Ket
Kuliah
1 Kontrak Kuliah / Perkenalan Dengan Statistika Deskriptif
2 Pengertian dan Kebutuhan Terhadap Statistika Deskriptif
3 Variabel Dan Sampel Penelitian
4 Pengumpulan Data Menggunakan Quesioner
5 Rekapitulasi Quesioner Dan Uji Validitas Sampel
6 Macam-Macam Ukuran Pemusatan Data (Central Tendency)
7 Macam-Macam Ukuran Pemusatan Data (Lanjutan)
8 Penyebaran Data
9 UTS
Derry Ichsan S.IP 160220006

Modul Mata Kuliah Statistika Deskriptif 1
10 Analisis Data Dalam Statistik

11 Uji Hipotesis Selisih Rata-Rata (dengan Z hitung)
12 Menguji Hipotesis Selisih Proporsi Sampel Besar
13 Analisis Karakteristik Populasi (Uji-F)
14 Uji Perbedaan Rata-Rata (Uji-t)
15 Pengolahan Data Dengan MS. Excel dan Baca Outputnya
16 Pengolahan Data Dengan SPSS dan Baca Outputnya
UAS
D. Metode Perkuliahan
Pendekatan:
Metode: Ceramah, Demonstrasi, Diskusi, dan Latihan/tugaspendalaman setiap
selesai satu topik bahasan.
E. Komponen Evaluasi
Kehadiran Kuliah 75% Tatap Muka : 10%
Quis (dalam tiap TM) : 10%
UTS : 20%
Tugas : 20%
UAS : 40%
Jumlah : 100%
F. Referensi
Agus Irianto, Statistik Konsep Dasar dan Aplikasinya, Jakarta: Prenada Media, 2004.
Dergibson Siagian dan Sugiarto, Metode Statistika, Jakarta: PT. Gramedia Pustaka
Utama, 2006.
J. Supranto, Statistik Teori dan Aplikasi, Jakarta: Erlangga, 2000.
Lind, Marchal dan Wathen, Statistical Techniques in Business & Economics,New
York: McGraw-Hill, 2001.
Purwanto S.K.S, Statistika Untuk Ekonomi dan Keuangan Modern, Jakarta: Salemba
Empat, 2012.
Singgih Santoso, Panduan Lengkap SPSS Versi 20, Jakarta: PT. Elex Media
Komputindo, 2012.
Sudjana, Metode Statistika, Bandung: Tarsita, 1992.
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9, Bandung: Alfabeta, 2006.
Widarjono Agus, Ekonometrika: Pengantar dan Aplikasinya, Yogyakarta: Ekonosia
FE UII, 2007.

2
PENGERTIAN DAN KEBUTUHAN TERHADAP STATISTIKA DESKRIPTIF
A. Pengertian Statistika Deskriptif

1. Pengertian Statistik dan Statistika
Banyak sekali definisi tentang statistik, akan tetapi tidak ada satu definisi pun
yang memuaskan. Dalam Kamus Bahasa Indonesia (KBI) dijelaskan: "bilangan-bilangan
catatan tentang banyaknya barang (orang, penduduk, dan sebagainya)".1 Sedangkan
dalam Kamus Besar Bahasa Indonesia (KBBI) "Statistik" diartikan: "1. catatan angka-
angka (bilangan); perangkaan; 2. data yang berupa angka yang dikumpulkan, ditabulasi,
digolong-golongkan sehingga dapat memberi informasi yang berarti mengenai suatu
masalah atau gejala".2
Menurut Ir. Zulfitri MS, statistik berarti data ringkasan berbentuk angka
(kuantitatif), yang dituangkan dalam bentuk tabel, daftar dan disertai grafik, diagram. 3
Menurut Kusrini, statistik adalah "Banyak persoalan dinyatakan dan dicatat
dalam bentuk bilangan atau angka-angka. Kumpulan angka-angka itu sering disusun
atau disajikan dalam bentuk daftar atau tabel. Sering daftar atau tabel tersebut disertai
dengan gambar-gambar".4
Suatu definisi yang lebih teoritis sifatnya, diambil dari buku: Statistical Theory in
Research, karangan Anderson and Bancrof :
“... Statistics is the science and art of the development and application of the
most effective methods of collecting, tabulating, and interpreting quantitative
data in such a manner that the falibility of conclusions and estimates may be
assessed by means of inductive reasoning based on the mathematics of
probability”.5
Artinya: Statistik adalah ilmu dan seni pengembangan dari penerapan metode yang
paling efektif untuk kemungkinan salah dalam kesimpulan dan estimasi dapat
1
Dendy Sugono, at.all., Kamus Bahasa Indonesia, (Jakarta: Pusat Bahasa, 2008), h. 70.
2
http://ebsoft.web.id., Kamus Besar Bahasa Indonesia, (Jakarta: Offline, 2010), V.1.1.
3
Zulfitri MS, Statistik Sosial, (Bandung: Pusat Pengembangan Bahan Ajar, 2010), h. 2.
4
Kusrini, Statistika, (Jakarta: Bagian Proyek Pengembangan Kurikulum, Dirjen. Pendidikan Dasar
dan Menengah Departemen Pendidikan Nasional, 2004), h. 8.
5
J. Supranto, Statistik: Teori dan Aplikasi, Ed. Keenam, Jilid 1, (Jakarta: Erlangga, 2000), h. 11.
diperkirakan dengan menggunakan penalaran induktif berdasarkan

matematika probabilitas.
Dari beberapa definisi yang dikemukakan di atas dapat disimpulkan bahwa
statistik adalah ilmu pengetahuan dan seni yang paling efektif untuk mengambil suatu
keputusan dalam suatu permasalahan dengan menggunakan penalaran yang
berdasarkan matematika peluang dan lebih kecil kemungkinan salah.
Sedangkan pengertian "Statistika" adalah:
1. ilmu tentang cara mengumpulkan, menabulasi, menggolong-golongkan,
menganalisis, dan mencari ketekrangan yang berarti dari data yang berupa
angka-angka;
2. pengetahuan yang berhubungan dengan pengumpulan data, penyelidikan
dan kesimpulannya berdasarkan bukti, berupa catatan bilangan (angka-
angka).6
Statistik dapat dibedakan menjadi dua, yaitu Statistik Deskriptif dan Statistik
Inferensial.Statistik Deskriptif adalah statistik yang digunakan untuk menggambarkan
atau menganalisis suatu hasil penelitian, tetapi tidak digunakan untuk membuat
kesimpulan yang lebih luas (generalisasi/inferensi).
Statistik Inferensial adalah statistik yang digunakan untuk menganalisis data
sampel, dan hasilnya akan digeneralisasikan (diinferensikan) untuk populasi dimana
sampel diambil.
Statistika adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisisan yang dilakukan.7
Perlu dijelaskan bahwa, statistik tidak hanya berguna untuk keperluan rutin, dan
dasar pengambilan keputusan saja, akan tetapi juga memberikan teori atau metode
yang sangat berguna untuk perkembangan ilmu lainnya melalui riset (penelitian).
Aplikasi statistik dalam pengembangan ilmu pengetahuan lainnya sudah maju sehingga
kadang kala memerlukan teknik-teknik yang berlainan untuk pemecahan problem yang
berbeda. Misalnya, statistik yang diterapkan dalam ilmu ekonomi disebut ekonometrik,
6
http://ebsoft.web.id., Kamus Besar Bahasa Indonesia, (Jakarta: Offline, 2010), V. 1.1.
7
Kusrini, Statistika, h. 9.
dalam biologi disebut biometrik, dalam psikologi disebut psikometrik, dalam teknologi
disebut teknometrik, dan dalam sosiologi disebut sosiometrik.8 Oleh karena pada
dasarnya suatu riset merupakan kegiatan pengumpulan dan analisis data, maka metode
pengumpulan dan analisis data yang dikembangkan oleh para ahli statistik berguna
untuk keperluan penelitian (riset).
Adapun program statistika yang telah dikembangkan oleh para programmer
antara lain :
a. SPSS;
b. Mega Stat;
c. Minitab;
d. XL Toolbox;
e. MS. Excel;
f. Amos;
g. Dan lain-lain.
Dari beberapa program tersebut, yang paling dominan digunakan adalah SPSS
dan MS. Excel. Namun program MS. Excel lebih praktis dan efektif digunakan untuk
keperluan pengolahan data, karena proses pengolahan datanya selain secara program
secara manual pun dapat dilakukan. Tidak hanya itu, nilai tabel juga dapat ditunjukkan
dengan Microsoft Excel.
2. Pengertian Statistika Deskriptif
Statistika deskriptif adalah metode-metode yang berkaitan dengan

pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang
berguna.9 Pengklasifikasian menjadi statistika deskriptif dan statistika inferensia
dilakukan berdasarkan aktivitas yang dilakukan.10
Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai
dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus
8
J. Supranto, Statistik: Teori dan Aplikasi, Ed. Keenam, Jilid 1, h. 11
9
Ronald E.Walpole. Pengantar Statistika, (Jakarta: PT Gramedia Pustaka Utama, 1993), h. 2-5.
10
Dergibson Siagian & Sugiarto. Metode Statistika untuk Bisnis dan Ekonomi, (Jakarta: PT
Gramedia Pustaka Utama, 2002), h. 4-6.
induknya yang lebih besar.11 Contoh statistika deskriptif yang sering muncul adalah,
tabel, diagram, grafik, dan besaran-besaran lain di majalah dan koran-koran.12Dengan
Statistika deskriptif, kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi
serta dapat memberikan informasi inti dari kumpulan data yang ada. Informasi yang
dapat diperoleh dari statistika deskriptif ini antara lain ukuran pemusatan data, ukuran
penyebaran data, serta kecenderungan suatu gugus data.
Statistik Deskriptifmembantu kita untuk menyederhanakan data dalam jumlah
besar dengan cara yang logis. Data yang banyak direduksi dan diringkas sehingga lebih
sederhana dan lebih mudah diinterpretasi.
Terdapat dua metode dasar dalam statistik deskriptif, yaitu numerik dan grafis.
 Pendekatan numerikdapat digunakan untuk menghitung nilai statistik dari
sekumpulan data, seperti mean dan standar deviasi. Statistik ini memberikan
informasi tentang rata-rata dan informasi rinci tentang distribusi data.
 Metode grafis lebih sesuai daripada metode numerik untuk mengidentifikasi
pola-pola tertentu dalam data, dilain pihak, pendekatan numerik lebih tepat dan
objektif. Dengan demikian, pendekatan numerik dan grafis satu sama lain saling
melengkapi, sehingga sangatlah bijaksana apabila kita menggunakan kedua
metode tersebut secara bersamaan.
B. Kebutuhan Terhadap Statistika

Statistik Membantu Manusia dalam hal:
1). Menjabarkan dan memahami suatu hubungan antar variabel
Jumlah data kuantitatif yang dikumpulkan, diolah, dan disajikan kadang-kadang
jumlahnya sangat besar, karena itu diperlukan kemampuan untuk menyaringnya, agar
kita dapat mengidentifikasi, dan menjabarkan hubungan antar variabel yang kadang-
kadang tidak jelas, tetapi sangat penting dalam pengambilan keputusan.
Contohnya: Seorang peneliti pemasaran dapat menggunakan prosedur statistik
untuk menjabarkan hubungan antara permintaan suatu produk dengan sejumlah
karakteristik seperti pendapatan, ukuran keluarga dan komposisinya, dan lainya.
11
Ronald E.Walpole. Pengantar Statistika..., h. 2-5.
12
Dergibson Siagian & Sugiarto. Metode Statistika..., h. 4-6.
2). Mengambil Keputusan yang lebih baik

Seseorang dapat menggunakan statistik sebagai alat bantu dalam menghasilkan
keputusan yang lebih baik dalam ketidakpastian.
Contohnya: Seorang manager pembelian dari suatu pabrik yang mengemas
ayam goreng kaleng, bertanggung jawab atas pembelian 100.000 ekor ayam potong
yang sudah dibului dengan berat standar 1 kg. Truk pemasok akan dibongkar apabila
standar berat dan kualitas terpenuhi. Untuk meyakinkan dan untuk menghemat waktu,
tenaga dan biaya maka manager mengambil 100 ekor sebagai sampel yang masing-
masing ditimbang dan menghitung berat rata-rata 100 ekor ayam tersebut. Dengan
data ini maka manager dapat mengambil keputusan yang lebih baik apakah truk berisi
ayam tersebut diterima atau ditolak.
C.
3). Menangani Perubahan

Merencanakan ialah memutuskan serangkaian tindakan di masa yang akan
datang, oleh karena itu perencanaan dan keputusan didasari oleh perkiraan tentang
kejadian-kejadian dan hubungan-hubungan di masa yang akan datang.13 Statistik dapat
membantu mengukur perubahan saat ini dan meningkatkan proses peramalan
(forecasting).
Contoh: Seorang manager personalia telah mencatat bahwa pelamar yang
mempunyai nilai tinggi untuk tes ketangkasan manual cenderung berprestasi baik dalam
perakitan suatu produk, sedangkan mereka yang nilainya lebih rendah cenderung
kurang produktif. Dengan menggunakan teknik statistik, yaitu analisis regresi, manager
dapat meramalkan produktivitas seorang pelamar baru dalam pekerjaannya
berdasarkan hasil tes.
Banyak yang bisa dilakukan kalau kita familiar dengan statistik. Yang paling
penting adalah kita bisa menjadi lebih berhati-hati kalau membaca kesimpulan dari
suatu penelitian.
Metode statistik, sadar atau tidak, sudah menjadi suatu kebutuhan manusia
modern saat ini. Pada saat ini tidak akan punyai kemampuan mengangi masalah-
masalah yang terus berkembang dengan begitu efektif dan efesien jika tidak memahami
13
J. Supranto, Statistik: Teori dan Aplikasi, Ed. Keenam, Jilid 1, h. 3.
metode statistik. Begitu banyak variabel-variabel statistik yang ada, sehingga harus
dilakukan pemilahan-pemilahan variabel agar permasalahan yang ada dapat dikenal
dengan baik supaya pemecahan masalahnya menjadi efektif dan efesien. Semua
variabel-variabel statistik ini dicakup dalam metode statistika deskriptif.14
Dengan demikian, metode statistik deskriptif adalah suatu ilmu pengetahuan
yang merupakan kumpulan dari aturan-aturan tentang pengumpulan, pengolahan,
penaksiran dan penarikan kesimpulan dari data statistik untuk menguraikan suatu
masalah.
Menurut Metode Statistik Deskriptif15, lebih konkrit lagi peranan metode
statistik dalam kehidupan manusia modern dalam memecahkan masalahnya mengikuti
suatu acuan ilmiah yang terdiri dari beberapa langkah pemecahan yang harus diikuti
secara berurutan satu persatu, yaitu:
1. Mengidentifikasikan masalah atau peluang
Dalam hal manajemen perusahaan, manager atau stafnya harus mengidentifikasi
dan mendefinisikan masalah atau peluang dengan cepat, misalnya: produksi menurun,
dan sebagainya.
2. Pengumpulan fakta yang tersedia.

Setelah masalah dikenal maka proses pengumpulan fata/data segera dimulai.
Data harus benar, tepat waktu, lengkap, dan berhubungan dengan masalahnya. Sumber
datanya bisa dari intern dan juga bisa dari ekstern. Data yang diambil sebaiknya dari
primer dan sedapat mungkin menghindarkan data sekunder.
3. Mengumpulkan data orisinil yang baru.

Sering kali data yang harus dikumpulkan tidak tersedia di laoangan sehingga
satu-satunya cara adalah mengumpulkan data baru sendiri dengan cara membuat
survei. Praktek pengumpulan data sejenis survei biasanya dilakukan dengan cara
wawancara langsung ke sumber data (responden). Wawancara bisa juga dilakukan
melalui telepon, kuesioner atau media lainnya, yang memungkinkan.
14
Rasdihan Rasyad, Metode Statistik Deskriptif Untuk Umum, h. 7.
15
Ibid.
4. Mengklasifikasi dan mengikhtisarkan data

Mengklasifikasi (mengidentifikasikan jenis data dengan karakter sejenis dan
mengaturnya ke dalam kelompok) dapat dipendekkan dengan metode penyingkatan
dan ditentukan sebelumnya yang dikenal sebagai “Coding” (penggunaan kode tertentu).
Alat untuk membuat ringkasan bisa berbentuk nilai tengah (rata-rata), ukuran dispersi
(penyebaran datanya terhadap rata-rata), median, modus, tabel, grafik, dan lain-lain.
5. Menyajikan Data
Kesimpulan informasi dalam bentuk tabel, grafik, rata-rata, media, modus, dan
korelasi sangat membantu memahami masalah dan membantu penyajiannya kepada
pihak yang berkepentingan.
6. Menganalisa Data
Berdasarkan langkah-langkah sebelumnya, maka ukuran-ukuran deskriptif yang
mampu mencapai sebuah kesimpulan secara statistik dapat dicari sehingga merupakan
hasil analisa data. Ketepatan analisa data tergantung dari pengambilan keputusan agar
sesuai dengan arah rencana yang sudah ditentukan, sehingga merupakan jawaban
terbaik bagi pemecahan masalahnya.

VARIABEL DAN SAMPEL PENELITIAN
A. Variabel dan Ukurannya

Pengertian "Variabel" dalam Kamus Bahasa Indonesia diartikan: 1.dapat berubah
(bervariasi, berubah-ubah, bermacam-macam, berbeda-beda) harga, kuaIitas, mutu,
dan sebagainya;2. (sesuatu yang) dapat berubah; (faktor, unsur yang) ikut menentukan
perubahan.16
Jadi variabel penelitian pada dasarnya adalah suatu hal yang berbentuk apa saja
yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal
tersebut kemudian ditarik kesimpulannya.
Secara teoritis variabel dapat didefinisikan sebagai atribut seseorang, atau objek
uang mempunyai “variasi” antara satu orang dengan yang lain atau satu objek dengan
objek yang lain (Hatch dan Farhady, 1981). Variabel juga dapat merupakan atribut dari
bidang keilmuan atau kegiatan tertentu. Tinggi, berat badan, sikap, motivasi,
kepemimpinan, disiplin kerja, merupakan atribut-atribut dari setiap orang. Berat,
ukuran, bentuk, dan warna merupakan atribut-atribut dari objek. Bahan baku pabrik,
teknologi produksi, pengendalian mutu, pemasaran, advertising, nilai penjualan,
keuntungan adalah merupakan contoh variabel dalam kegiatan maupun ilmu bisnis.
Dinamakan variabel karena ada variasinya. Misalkan berat badan dapat
dikatakan variable, karena berat badan sekelompok orang itu bervariasi antara satu
dengan yang lain. Demikian juga motivasi, persepsi dapat juga dikatakan sebagai
variable karena misalnya persepsi dan sekelompok orang tentu berfariasi. Jadi, kalau
peneliti akan memilih variable penelitian, baik yang dimiliki orang objek. Maupun
bidang kegiatan dan keilmuan tertentu, maka harus ada variasinya. Variabel yang tidak
ada variasinya bukan dikatakan sebagai variable. Untuk dapat bervariasi, maka
penelitian harus didasarkan pada sekelompok sumber data atau objek yang bervariasi.
Kerlinger (1973) menyatakan bahwa variabel adalah konstruk atau sifat yang
akan dipelajari. Diberikan contoh misalnuya, tingkat aspirasi, penghasilan, pendidikan,
16
Dendy Sugono, at.all., Kamus Bahasa Indonesia, h. 1605.
status sosial, jenis kelamin, golongan gaji, produktivitas kerja, dan lain-lain. Di bagian
lain Kerlinger menyatakan bahwa variabel dapat dikatakan sebagai suatu sifat yang
diambil dari suati nilai yang berbeda (different values).
Dengan demikian variable itu merupakan suatu yang bervariasi. Selanjutnya
Kidder (1981), menyatakan bahwa variabel adalah suatu kualitas (qualities) dimana
peneliti mempelajari dan menarik kesimpulan darinya.
Berdasarkan pengertian-pengertian di atas, maka dapat dirumuskan di sini
bahwa variabel penelitian adalah sauatu atribut atau sifat atau nilai dari orang, obek
atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan ditarik kesimpulannya.17
Ukuran-ukuran dari variabel dapat dibedakan dalam empat tingkatan, yaitu :
1. Ukuran Nominal
Ukuran nominal hanya mendasarkan diri pada konsep penggolongan kategori
yang tidak tumpang tindih (mutually exclusive) dan tuntas (exhaustive). Angka yang
diberikan tidak merefleksikan kedudukan dan tingkatan satu kategori terhadap kategori
yang lain. Di sini tidak berlaku operasi matematis.
Contoh: Jenis Kelamin diberi nilai 1 untuk wanita dan 2 untuk pria. Agama diberi
nilai 1 untuk Islam, 2 untuk Nasrani, 3 untuk Yahudi, 4 untuk Hindu dan 5 untuk Budha.
2. Ukuran Ordinal
Ukuran odinal mendasarkan diri pada pengurutan (order) yang merupakan
tingkatan-tingkatan dimulai dari yang terendah sampai yang tertinggi. Urutan ini tidak
mencerminkan suatu proses operasi matematis.
Contoh: Variabel kelas ekonomi, 1 untuk miskin, 2 untuk menengah dan 3 untuk
kaya. Tingkat penghasilan penduduk, 1 rendah, 2 sedang dan 3 tinggi.
3. Ukuran Interval
Ukuran interval merupakan ukuran yang tidak hanya mengurutkan obyek
berdasarkan suatu atribut saja tetapi juga memberi informasi tentang interval antara
satu obyek dengan obyek yang lain. Dalam ukuran ini, operasi matematis dapat
dilakukan. Tetapi informasi absolut suatu objek tidak dapat diperoleh.
17
http://pascasarjana-stiami.ac.id/2009/04/pengertian-variabel-penelitian/, tgl. 19.8.11

Contoh: Berat balita yang diukur dari berat bayi minimal atau berat rata-ratanya
dan bukan dari titik nol yang sesungguhnya.
4. Ukuran Ratio
Ukuran rasio diperoleh apabila selain informasi tentang urutan dan interval
antara obyek, dipunyai juga informasi tambahan tentang jumlah absolut atribut yang
dimiliki oleh salah satu dari obyek tersebut. Jadi ukuran ratio mirip dengan ukuran
interval hanya jaraknya diukur tidak dari angka rata-rata atau angka minimal tetapi dari
titik nol yang sesungguhnya.
Contoh: Hasil panen yang diukur dari nol sejati. Banyaknya hasil produksi yang
diukur dari nol sejati juga.
Contoh konkrit untuk menentukan variabel suatu penelitian, berikut ini dapat
diperhatikan, misalkan judul penelitian, adalah: "PENGARUH IDOLOGI DAN
KESEJAHTERAAN TERHADAP PRILAKU PEMILIH PADA PEMILUKADA ACEH TAHUN
2017”.
Apa yang dapat Anda deskripsikan dari judul di atas berkaitan dengan :
a. Jenis-jenis variabelnya
b. Jenis-jenis data dari tiap variabelnya
c. Populasi dan sampelnya yang mungkin
d. Hipotesis yang mungkin
e. Teknik statistika yang akan digunakan
Jawab :
a. Variabel Penelitian:
Dalam penelitian ini terdiri dari tiga variable, yaitu IDOLOGI sebagai variabel
bebas (independen) ke satu (X1), KESEJAHTERAAN sebagai variabel bebas ke dua (X2)
dan PRILAKU PEMILIH sebagai variabel terikat (dependen) (Y).
b. Jenis data penelitian :

Variabel IDOLOGI (X1) jenis datanya adalah data interval dengan menggunakan
skala Likert.
Variabel KESEJAHTERAAN (X2) jenis datanya adalah data interval dengan
menggunakan skala Likert.
Variabel PRILAKU PEMILIH (Y) jenis datanya adalah jenis datanya adalah data
interval dengan menggunakan skala Likert.
c. Populasi dan Sampel :
S. Margono mengatakan tentang populasi dan sampel penelitian sebagai
berikut:
"Populasi adalah seluruh data yang menjadi perhatian kita dalam suatu ruang
lingkup dan waktu yang kita tentukan.18 Dan sampel adalah sebagai bagian dari
populasi, sebagai contoh yang diambil dengan menggunakan cara-cara
tertentu".19
Sampel dalam suatu penelitian timbul disebabkan karena, penelitian bermaksud

mereduksi objek penelitian sebagai akibat dari besarnya jumlah populasi, sehingga
harus meneliti sebagian saja dari populasi.20
Populasi adalah keseluruhan subjek penelitian. Sedangkan sampel adalah
sebagian atau wakil populasi yang diteliti.21
Sampel adalah bagian dari subjek yang akan diteliti. Muhammad Hasyim
mengatakan, bahwa “apabila subajeknya kurang dari 100, lebih baik diambil semuanya,
sehingga penelitian ini dinamakan penelitian populasi. Selanjutnya, jika jumlahnya besar
atau lebih dari 100 dapat diambil 10–15% atau 20–25% atau lebih”.22
S. Nasution menjelaskan bahwa "mengenai jumlah sampel yang sesuai sering
disebut aturan sepersepuluh, jadi 10 persen dari jumlah populasi. Jika populasi 1000
orang, maka sampel 100 orang dianggap cukup memadai. Aturan ini tak selalu dapat
dipegang teguh. Ada kalanya kita merasa perlu mengambil lebih dari 10%".23
Berdasarkan pengertian tersebut, maka populasi dalam penelitian ini adalah
pejabat struktural (eselon II, III dan IV), sebanyak 42 Pegawai Negeri Sipil (PNS) non
struktural sebanyak 143 orang, jadi jumlah populasi 185 (catatan : hanya sebagai
contoh).
18
S. Margono, Metodologi Penelitian Pendidikan, Cet. Ke-6, (Jakarta: Rineka Cipta, 2007), h.
118.
19
Ibid., h. 121.
20
Ibid.
21
Suharsimi Arikunto, Prosedur Penelitian Suatu Pendekatan Praktik, Ed. Revisi VI (Jakarta:
Rineka Cipta, 2006), h. 130-131.
22
Muhammad Hasyim,Penuntun Dasar Kaedah Penelitian Masyarakat,(Jakarta: Rineka Cipta,
1993), h. 21.
23
S. Nasution, Metode Research (Penelitian Ilmiah), Cet. Ke-9, (Jakarta: Bumi Aksara, 2007), h.
101-102.
Dengan jumlah populasi PNS baik struktural maupun non struktural sebesar
N=185 maka dalam penelitian ini penulis mengambil 22% dari 185 jumlah populasi,
yaitu 40,7 (dibulatkan menjad1 40 orang). Adapun teknik pengambilan sampel sejumlah
40 orang tersebut penulis menggunakan teknik random sampling (acak sederhana).
d. Hipotesis Penelitian:
1. Ada pengaruh yang signifikan antara Motivasi terhadap Kinerja Pegawai Dinas
Pendidikan Kota Langsa Tahun 2010.
2. Ada pengaruh yang signifikan antara Disiplin Kerja terhadap Kinerja Pegawai
Dinas Pendidikan Kota Langsa Tahun 2010.
3. Ada pengaruh yang signifikan antara Motivasi dan Disiplin Kerja secara bersama-
sama terhadap Kinerja Pegawai Dinas Pendidikan Kota Langsa Tahun 2010.
e. Teknik Statistik yang digunakan:

1. Statistik regresi linear sederhana dan korelasi linear sederhana.
2. Statisik regresi linear ganda dan korelasi ganda.
Kemudian variabel-variabel penelitian tersebut digambarkan dalam bentuk alur
penelitian yang dirancang, seperti satu variabel independen dan satu dependen.
Misalnya:
X Y
X1 Variabel dependen (Y) dan variabel

independen (X) dua prediktor:
Y X1 = Tata Ruang Kantor
X2 = Kepemimpinan
Y = Kelancaran Kerja
X2
Paradigma Ganda dengan 4
X1 Variabel independen (X) dan satu
variabel dependen (Y):
X1 = Jumlah Pedagang
X2 X4 Y X2 = Jumlah Zakat
X3 = Jumlah Keuntungan
Pedagang
X3 X4 = Jlh zakat yg diterima pdg
Y = Kemajuan Usaha
penerima zakat
ε1 ε2
B. Jenis Data dan Ukuran Sampel

Pengertian "data" dalam Kamus Besar Bahasa Indonesia dijelaskan sebagai
berikut:1. keterangan yang benar dan nyata; 2. keterangan atau bahan nyata yang
dapat dijadikan dasar kajian (analisis atau kesimpulan).24 Sedangkan dalam Kamus
Bahasa Indonesia, "data" adalah: 1. kenyataan yang ada yang berfungsi sebagai bahan
sumber untuk menyusun suatu pendapat; 2. keterangan yang benar; 3. keterangan atau
bahan yang dipakai untuk penalaran atau penyelidikan.25
Menurut Webster's New World Dictionary, data berarti sesuatu yang diketahui
atau dianggap.26
Dengan demikian, data dapat memberikan gambaran tentang suatu keadaan
atau permasalahan yang dapat diteliti.
Data merupakan bagian yang sangat penting. Sebab, apa yang akan
dikumpulkan, apa yang akan disajikan, apa yang akan diolah, disimpulkan, diuji dan
diinterpretasikan adalah kumpulan data. Sehingga keberadaan data menjadi mutlak.
Beberapa pengertian berkaitan dengan data adalah sebagai berikut:
1. Data Intern dan Ekstern

Yang dimaksud dengan data intern adalah data yang dikumpulkan oleh badan-
badan tentang aktifitas dirinya dan hasilnya dipakai untuknya juga. Sedangkan data
ekstern adalah data yang diambil oleh badan-badan dari luar dirinya.
2. Data Primer dan Sekunder

Data primer merupakan data yang diambil oleh badan-badan / orang-orang
secara langsung dari sumbernya. Sedangkan data sekunder adalah data yang diambil
oleh badan / orang-orang tidak langsung dari sumbernya, dapat dari data yang sudah
ada maupun mengutip dari literatur.
3. Data diskrit dan Kontinu

Data diskrit merupakan data yang diperoleh dengan jalan menghitung data yang
ada. Sedangkan data kontinu merupakan data yang mempunyai nilai hanya jika berada
dalam interval.
24
25
26
Lihat J. Supranto, Statistik: Teori dan Aplikasi, h. 2.
Dengan demikian, data yang ada dapat dikumpulkan dari sumber-sumber

internal dan eksternal, dan data orisinil baru dapat diperoleh dari wawancara secara
pribadi dan kuesioner (angket). Namun perlu diperhatikan bahwa semua data yang akan
ditarik akan berupa hasil penghitungan atau hasil pengukuran.27
Data yang ditarik untuk analisis tidak meliputi pengamatan yang semuanya
sama, karena kurang beralasan menelaah situassi semacam itu. Tetapi, data yang
dihitung atau diukur untuk keperluan analisis akan memperlihatkan variasi nilai suatu
variabel, yaitu karakteristik yang menunjukkan variasi.
Data menurut sifatnya dibedakan antara data kualitatif dan data kuantitatif.
Data kualitatif adalah data yang tidak berbentuk angka (nonnumeris). Misalnya,
produksi daging sapi meningkat, harga daging ayam mahal, dan sebagainya. Sedangkan
data kuantitatif adalah data yang dinyatakan dalam bentuk angka. Misalnya, produksi
padi meningkat 10%, harga daging sapi per kilogram rata-rata Rp. 90.000,-, dan
sebagainya.
Data Kontinum adalah data yang bervariasi menurut tingkatan dan ini diperoleh
melalui hasil pengukuran. Data kontinum ini dibagi lagi menjadi 3 jenis yaitu :
a) Data nominal adalah data yang digunakan untuk mengidentifikasi objek, individu,
atau kelompok. Misalnya klasifikasi jenis kelamin (laki-laki / wanita), agama,
pekerjaan dan seterusnya. Pada kuesioner yang memberikan pilihan jawaban Ya (1)
atau tidak (0) merupakan data nominal.
b) Data ordinal adalah data yang berbentuk peringkat. Misalnya juara 1, 2 dan
seterusnya. Pada kuesioner yang berskala Likert, data yang digunakan adalah data
ordinal seperti penyataan tidak setuju diberi skor 1, ragu diberi skor 2, dan setuju
diberi skor 3.xc
Data interval adalah data yang sama seperti nominal dan ordinal namun
mempunyai karakteristik tetap dan dapat dinotasikan dalam fungsi matematika.
Misalnya berapa kali ke pasar (2 kali, 3 kali dan seterusnya), nilai tes, dan seterusnya.
Dalam suatu penelitian tidak mungkin seorang peneliti dapat meneliti dan
mengobservasiseluruh jumlah dari obyek yang diteliti. Peneliti tersebut tidak akan
mempunyaiwaktu dan biaya yang cukup untuk mengobservasi semua petani miskin
27
J. Supranto, Statistik: Teori dan Aplikasi, h. 7.
yang berjumlah ribuan orang yang diperkirakan ada di propinsi tersebut. Dilihat dari
esensi sample tersebut maka penentuan ukuran sample merupakan suatutindakan yang
dilematis. Sampel yang besar, apalagi yang besar sekali, sangat sulit dikendalikan,biaya
lebih tinggi dan pengumpulan data serta pengolahannya memerlukan waktu
yangpanjang.Namun demikian, generalisasi yang diperoleh akan lebih tinggi
kekuatannya. Sebaliknya sampelyang kecil memiliki beberapa keuntungan dan juga
kekurangan, biaya yang diperlukan relativelebih kecil dan lebih mudah pengumpulan
serta pengolahan datanya. Namun demikian sampleyang kecil memiliki kesalahan
sampling ( sampling error ) yang lebih besar dan dayageneralisasinya lebih kecil.28
Pada dasarnya tidak ada saturumuspun yang dapat menentukan ukuran sampel
secara paling tepat dan tidak ada pula aturanyang dapat menjelaskan dengan tegas
antara sampel besar dan sampel kecil.29
Suatu penelitian bertujuan untuk megeneralisir ciri-ciri ataupun karakter yang
dimilikidalam suatu populasi. Sedangkan yang digunakan untuk menduga ataupun
memperkirakankarakter populasi tersebut adalah karakter-karakter dari sampel yang
pada umumnya jumlahanggota / elemennya jauh lebih kecil dari jumlah anggota
populasi yang akan didugakarakternya. Oleh karenanya ukuran dan kualitas sampel
sangat menentukan kualitas hasilpenelitian.
Kualitas sampel sangat ditentukan oleh kesesuaian metode dan teknik sampling
yangdigunakan, sedangkan untuk ukuran sampel yang tepat sangatlah sulit
penentuannya. Hal inidisebabkan oleh beberapa hal, di antaranya karena banyaknya
jenis dan ukuran populasi,keterbatasan-keterbatasan yang dimiliki oleh peneliti, dan
juga karena banyaknya kaidah,rumus ataupun pedoman – pedoman dalam penentuan
ukuran sampel.
Generalisasi dari hasil penelitian terhadap sampel selanjutnya digunakan untuk
menaksir,memperkirakan dan menggambarkan karakter-karakter dari suatu populasi,
sehingga tepat dantidaknya perkiraan terhadap karakter populasi tersebut sangatlah
ditentukan oleh kualitas dankuantitas / ukuran sampel. Inilah peran sampel dalam sautu
penelitian sehingga agar sampel yangdipilih dapat mewakili populasi penarikan suatu
28
Lincolin Arsyad, Peramalan Bisnis. (Jakarta: Gralia Indonesia, 1995), h. 106.
29
Ibid.
sampel harus dilakukan dengan metode yangtepat dan sesuai dengan situasi yang
dihadapi.30Sampel yang baik pada dasarnya adalah sampel yangrefresentatif, yang
dapat memberikan gambaran yang dapat dipercaya dari seluruh populasi yangditeliti.
Dalam hal menentukan ukuran / jumlah sampel akan dipengaruhi oleh beberapa
faktor,yang terdiri dari31 :
1. derajat keseragaman dari populasi
Makin seragam populasi, makin kecil sampel yang dapat diambil. Apabila
populasi ituseragam sempurna (completely homogenous), maka satu satuan elementer
saja dari seluruhppulasi itu sudah cukup refresentatif untuk diteliti. Sebaliknya apabila
populasi itu secarasempurna tidak seragam (completely heterogenous), maka hanya
pencacahan lengkaplah yangdapat memberikan gambaran yang refresentatif.
w
2. Presisi yang dikehendaki dalam penelitian

sampel yang besar cenderung memberikan pendugaan yanglebih mendekati nilai
sesungguhnya (true value). Dengan cara lain dapat dikatakan bahwaukuran sampel
mempunyai hubungan yang negatif terhadap tingkat kesalahan. Semakin besarukuran
sampel maka semakin kecil tingkat kesalahan yang terjadi.
3. Rencana analisa
besarnya sampel sudah mencukupi sesuai dengan presisi yang
dikehendaki,tetapi kalau dikaitkan dengan kebutuhan analisa maka jumlah sampel
tersebut menjadi kurang mencukupi.
4. Tenaga, biaya dan waktu

Apabila diinginkan presisi yang tinggi maka jumlah sampel harus besar. Tetapi
apabiladana, tenaga dan waktu terbatas maka tidaklah mungkin untuk mengambil
sampel yang besar,dan ini berarti presisinya akan menurun.
Dalam penentuan ukuran sampel sebenarnya tidak ada aturan yang tegas
berapa jumlahsampel yang harus diambil dari populasi yang tersedia. Tidak ada pula
30
Budi Purwadi, Riset Pemasaran Implementasi dalam Bauran Pemasaran (Jakarta: PT. Grasindo,
2000), h. 125.
31
Masri Singarimbun, Metode Penelitian Survey,(Jakarta: PT. Pustaka Lp3es, 1987), h. 150.
batasan yang ”pasti” danjelas apa yang dimaksud dengan sampel besar dan sampel
yang kecil.32
Teknik sampling adalah
apabilasemuaanggotapopulasidipilihmenjadianggotasampel,
makaprosesinidisebutsensus(sampeljenuh).Tekniksampling
dapatdikelompokkanmenjadidua, yaitu:
1) Probability sampling, yang meliputi:acaksederhana(simple
random),acakbertingkatproporsional(proportionate stratified
random),acakbertingkattidakproporsional(disproportionate stratified random),
dancluster/area sampling;
2) Nonprobabilitysampling, meliputi: sampling sistematis, sampling kuota,
samplingincidental, purposive sampling, sampling jenuh, dansnowball sampling.
Sedangkan teknik-teknik probability samplingmemberipeluangyang
samabagisetiapanggotapopulasiuntukdipilihmenjadisampel.
1) Simplerandomsampling(populasihomogen)
Pengambilansampeldilakukansecaraacaktanpamemperhatikanstratayangada.Teknik
inihanyadigunakanjikapopulasinyahomogen.
2) Proportionalestratifiledrandomsampling(populasitidakhomogen)
Pengambilansampeldilakukansecaraacakdenganmemperhatikanstratayangada.Artin
yasetiapstrataterwakilisesuaiproporsinya.
3) Disproportionatestratifiledrandomsampling
Teknikinidigunakanuntukmenentukanjumlahsampeldenganpopulasiberstratatetapi
kurangproporsional,artinyaadabeberapakelompokstratayangukurannyakecilsekali.
4) Clustersampling(SamplingDaerah)
Teknikinidigunakanuntukmenentukanjumlahsampeljikasumberdatasangatluas.Peng
ambilansampeldidasarkandaerahpopulasiyangtelahditetapkan.Misalnyadari
72pengusaha mikro diambil10 pengusaha mikro secararandom/acak.
32
Lincolin Arsyad, Ekonomi Manajerial,(BPFE Gajah Mada, 2001), h. 105.

Sementara, nonprobability sampling(teknikyang tidakmemberipeluangyang

samabagisetiapanggotapopulasiuntukdipilihmenjadisampel).
1) Sampling sistematis
Pengambilansampeldilakukanberdasarkanurutandarianggotapopulasiyang
telahdiberinomor.
2) Sampling kuota
Pengambilansampeldilakukanterhadapanggotapopulasiyang mempunyaiciri-
ciritertentusampaijumlah(kuotayang diinginkan).
3) Sampling insidental
Pengambilansampelberdasarkankebetulan, yaitusiapasajayang
secarakebetulanbertemudenganpenelitidapatdigunakansebagaisampelbilaorangyang
kebetulandijumpaidianggapcocok sebagaisumberdata.
4) Purposive sampling
Penentuansampelberdasarkanpertimbangantertentu.
5) Sampling jenuh
Penentuansampelbilasemuaanggotapopulasidigunakansebagaisampel.
6) Snowball sampling
Penentuansampelyang mula-mulajumlahnyakecil,
kemudiansampelitudisuruhmemilihteman-temannyauntukdijadikansampel.
Demikianseterusnya, sehinggajumlahsampelsemakinbanyak. Ibaratbola salju.
Menentukanukuran sampel harus memenuhi beberapa persyaratannya, yaitu:
(1) UkuranPopulasi(N) diketahui
(2) Pilihtarafsignifikansiαyang diinginkan.
Adatigametodepraktis, yaitu:
(1)TabelKretjie
(2)NomogramHarryKing(lihatSugiyono,2007).
Ada beberapa rumus yang lazim digunakan untuk menentukan ukuran sampel,
namundemikian dalam penggunaannnya tidak ada yang bersifat mutlak ( paling benar ).
Beberaparumus tersebut di antaranya :

1. n = ( Z./ E )2
Dimana:
n : besarnya sampel;
Z : angka normal standart yang besarnya tergantung dari level conviden (pada
taraf 95% diperoleh 1,96);
 : standart deviasi populasi;
E : tingkat Error (mis: 5% = 0,05).33
2. n = 0.25 ( Z / E )2
Dimana:
n : besarnya sampel;
0,25 : konstanta (ketetapan);
Z : angka normal standart yang besarnya tergantung dari level conviden;
E : tingkat Error.34
3. Rumus Slovin
Rumus Slovin35 untuk menentukan ukuran sampel minimal (n) jika diketahui
ukuran populasi (N) pada taraf signifikansi α adalah:
Dimana:
n : ukuran sampel
N : jumlah populasi
1 : konstanta (ketetapan)
α : taraf signifikansi (mis: 5% = 0,05).
Sehingga dengan mencermati persamaan-persamaan matematis tersebut, dapat
diketahui beberapa keterangan mengenai Rumus Slovin yaitu:
33
Pangestu Subagio Jarwanto, Atatistik Induktif, (Yogyakarta: BPFE UGM, 2000), h. 154.
34
Ibid.
35
Nugraha Setiawan, Penentuan Ukuran Sampel Memakai Rumus Slovin dan Tabel Krejcie-
Morgan: Telaah Konsep dan Aplikasinya, Makalah disampaikan pada Diskusi Ilmiah Jurusan Sosial
Ekonomi Fakultas Peternakan Unpad, Kamis 22 November 2007, Pengajar Statistika Nonparametrik dan
Metodologi Penelitian Sosial pada Fakultas Peternakan Unpad.
1) Rumus Slovin dapat dipakai untuk menentukan ukuran sampel, hanya jika
penelitian dilakukan bertujuan untuk menduga proporsi populasi;
2) Asumsi tingkat keandalam 95%, karena menggunakan α = 0,05, sehingga
diperoleh nilai Z = 1,96 yang kemudian dibulatkan menjadi Z = 2.
3) Asumsi keragaman populasi yang dimasukkan dalam perhitungan adalah P(1-P),
dimana P = 0,5.
4) Nilai galat pendugaan (d) didasarkan atas pertimbangan peneliti.
Contoh:
Seorang peneliti ingin meneliti / mengukur tingkat motivasi kerja dari
karyawanbagian produksi disuatu pabrik yang berjumlah 500 orang. Berapakah
jumlahsampel minimal yang diperlukan dalam penelitian tersebut, dengan
tarafsignifikansi 7%.
Jawab:
Menggunakan Rumus Slovin;
n = N / 1 + N(α)2
= 500 / 1 + 500 . 0,072
= 500 / 1 + 500 . 0,072
= 500 / 1 + 500 . 0,0049
= 500 / 1 + 2,45
= 500 / 3,45
= 144,9275; Jadi ukuran sampelnya adalah 144,9275 atau dibulatkan menjadi 145.

PENGUMPULAN DATA MENGGUNAKAN QUESIONER
Dalam statistik dikenal dua cara pengumpulan data, yaitu cara sensus dan cara
sampling.36
Sensus adalah cara pengumpulan data di mana seluruh elemen populasi
diselidiki satu per satu. Data yang diperoleh sebagai hasil pengolahan sensus disebut
data yang sebenarnya (true value)atau sering disebut parameter. Perlu diperhatikan
bahwa cara sensus mahal biayanya serta memerlukan banyak tenaga dan waktu.
Sampling adalah cara pengumpulandi mana yang diselidiki adalah elemen
sampel dari suatu populasi. Data yang diperoleh dari hasil sampling merupakan data
perkiraan (estimate value).
Cara pengambilan sampel ada dua, yaitu cara acak (random), dan cara bukan
acak (nonrandom).37
Cara acak adalah suatu cara pemilihan sejumlah elemen dari populasi untuk
menjadi anggota sampel, dimana pemilihannya dilakukan sedemikian rupa sehingga
setiap elemen mendapat kesempatan yang sama (equal chance) untuk dipilih menjadi
anggota sampel. Cara ini dianggap objektif karena netral. Samplingnya disebut
probability sampling, yaitu setiap elemen mempunyai probabilitas (kemungkinan) yang
sama untuk dipilih.
Cara bukan acak adalah suatu cara pemilihan elemen-elemen dari populasi
untuk menjadi anggota sampel dimana setiap elemen tidak mendapat kesempatan yang
sama untuk dipilih. Cara ini lebih bersifat subjektif dan samplingnya disebut
nonprobability sampling.
Alat atau device untuk memperoleh keterangan dari objek antara lain:
a) Wawancara;
b) Observasi atau pengamatan langsung;
36
J. Supranto, Statistik: Teori dan Aplikasi, h. 22
37
Ibid., h. 23.
c) Daftar pertanyaan atau angket (questionnaire);

d) Alat komunikasi lainnya.38
Bagian yang sangat penting dalam pengumpulan data adalah merancang
kuesioner (angket). Menurut Suharsimi Arikunto, kuesioner adalah sejumlah pertanyaan
tertulis yang digunakan untuk memperoleh informasi dari responden dalam arti laporan
tentang pribadinya, atau hal-hal yang ia ketahui.39Kuesioner atau daftar isian adalah
satu set pertanyaan yang tersusun secara sistematis dan standar sehingga pertanyaan
yang sama dapat diajukan terhadap setiap responden.
Sistematis yang dimaksud disini adalah item-item pertanyaan disusun menurut
logika (logical sequence) sesuai dengan maksud dan tujuan pengumpulan data.
Sedangkan yang dimaksud standar adalah setiap item pertanyaan mempunyai
pengertian, konsep, dan definisi yang sama.
Untuk membuat kuesioner suatu survei yang baik, harus diarahkan pada dua
tujuan utama, yaitu:
1) Memperoleh informasi / data yang berhubungan dengan maksud dan tujuan
survei;
2) Mengumpulkan informasi dengan kecermatan dan ketelitian yang dapat
dipertanggungjawabkan.
Jenis pertanyaan dalam kuesioner dapat dibedakan menjadi pertanyaan terbuka
dan pertanyaan tertutup. Pertanyaan terbuka memungkinkan responden memberikan
jawaban yang dikehendaki dengan kata-kata yang dipilihnya sendiri. Sedangkan
pertanyaan tertutup membatasi jawaban responden dengan keharusan memilih
diantara jawaban-jawaban yang sudah tercantum dalam kuesioner.
Sebagai contoh, Suatu penelitian dilakukan dengan judul:
PENGARUH TINGKAT PELAYANAN TERHADAP KEPUASAN KONSUMEN DAN KEMAJUAN

USAHA MINI MARKET 'ZHUFAIRAH' DI KOTA LANGSA
Dalam pengumpulan data penelitian ini menggunakan skala Likert. Adapun

daftar angket yang diajukan adalah sebagai berikut:
38
Ibid., h. 23.
39
Suharsimi Arikunto, Prosedur Penelitian..., h. 151.
ANGKET
PENGARUH TINGKAT PELAYANAN TERHADAP KEPUASAN KONSUMEN DAN KEMAJUAN
USAHA MINI MARKET 'ZHUFAIRAH' DI KOTA LANGSA
Nomor Responden:
Tingkat Pelayanan ( X1 ) SS S R TS STS

1 Pelayanan yang diberikan sgt baik 5 4 3 2 1
2 Sopan dlm melayani konsumen 5 4 3 2 1
3 Memberikan informasi yang dibutuhkan 5 4 3 2 1
4 Menuntun konsumen dalam bertransaksi 5 4 3 2 1
5 Adanya promosi bagi konsumen 5 4 3 2 1
Kepuasan Konsumen ( X2 ) SS S R TS STS
1 Saya merasa puas dengan pelayanannya 5 4 3 2 1
2 Karyawan/i empati memberikan perhatian 5 4 3 2 1
3 Layanan diberikan dengan ramah 5 4 3 2 1
4 Karyawan/i melayani konsumen hingga selesai 5 4 3 2 1
Kemajuan Usaha ( Y ) SS S R TS STS
1 Salah satu kemajuan usaha, bertambah konsumennya 5 4 3 2 1
2 Tingkat kepercayaan konsumennya bertambah 5 4 3 2 1
3 Penghasilan meningkat 5 4 3 2 1
4 Sampai nisab zakat niaga 5 4 3 2 1
Langsa, ......................
Responden,
( ................................. )
Keterangan Angket:
SS = Sangat Setuju, diberi nilai 5;
S = Setuju, diberi nilai 4;
R = Ragu-ragu, diberi nilai 3;
TS = Tidak Setuju, diberi nilai 2; dan
STS = Sangat Tidak Setuju, diberi nilai 1, dan bagi yang tidak memilih jawaban yang
tersedia, diberikan nilai nol ( 0 ).
Dalam hal ini populasi diasumsikan sebanyak 127 orang dan taraf signifikansi 6%.
Karena populasi dianggap banyak maka digunakan teknik sampling dengan
menggunakan rumus Solvin.
n = N / 1 + N(α)2

= 127 / 1 + 127 . 0,062

= 127 / 1 + 127 . 0,062
= 127 / 1 + 127 . 0,0036
= 127 / 1 + 0,4572
= 127 / 1,4572
= 87,15344; Jadi ukuran sampelnya adalah 87,15344 atau dibulatkan menjadi 87.
Berdasarkan jumlah sampel didapatkan dari penggunaan rumus Slovin maka
angket tersebut disebarkan kepada 87 orang sebagai sampel dari suatu populasi
penelitian yang telah ditentukan. Setelah angket disebarkan kepada sampel yang
mewakili suatu populasi, kemudian dijemput kembali untuk mengatahui jawaban yang
diberikan dan siap untuk dilakukan rekapitulasi data.

REKAPITULASI QUESIONER DAN UJI VALIDITAS SAMPEL
A. Rekapitulasi Quesioner
Setelah penyebaran angket (Quesioner) langkah berikutnya adalah merekap

hasil angket tersebut, pada modul ini hanya sebagai contoh semata, sebagai berikut:
Rekapitulasi Jawaban Responden dari angket, Metode Skala Likert
X1 X2 Y
No
1 2 3 4 5

1 2 3 4

1 2 3 4

1 4 4 4 5 4 21 4 4 4 5 17 5 4 3 4 16
2 4 4 5 4 5 22 4 5 5 2 16 2 3 4 5 14
3 5 4 4 4 5 22 2 3 4 5 14 3 4 4 5 16
4 1 5 4 5 3 18 4 3 5 4 16 4 2 3 5 14
5 5 2 5 5 5 22 3 3 2 3 11 3 4 4 4 15
6 2 2 1 3 4 12 4 5 4 1 14 3 4 4 3 14
7 4 3 4 5 4 20 1 4 3 4 12 5 4 5 1 15
8 4 3 4 2 2 15 3 2 2 3 10 4 4 3 1 12
9 2 2 4 4 2 14 2 3 2 3 10 3 3 2 2 10
10 3 3 2 2 3 13 5 4 3 3 15 4 4 4 2 14
11 4 3 3 2 1 13 3 1 4 2 10 2 3 3 2 10
 192 145 150
Jumlah skor total variabel X1, X2 dan variabel Y (192 + 145 + 150) = 487
Jumlah ideal 5 X 13 X 11 sampel = 715. Jadi tingkat kemajuan usaha Mini Market
Zhufairah = 487 : 715 = 0,68112 atau 68,11 %.
B. Uji Validitas Sampel

Selanjutnya dilakukan pengujian Validitas sampel yang telah direkap itu. Dalam
Kamus Bahasa Indonesia Validitas diartikan "sifat valid; sifat benar menurut bahan bukti
yang ada, logika berpikir, atau kekuatan hukum; kesahihan".40 Dengan demikian, uji
validitas ini dilakukan supaya peneliti mengetahui bahwa data sampel yang akan
dijadikan sampel penelitian memenuhi syarat: benar, sahih dan tepat.
Untuk menguji kevaliditasan data sampel ini menggunakan rumus produc
moment (korelasi), dimana r hitungnya dibandingkan dengan r tabel. Jika r hitungnya
40
lebih besar dari r tabel pada taraf 5% (0,05), maka dikategorikan "valid", dan sebaliknya
dikategorikan "tidak valid". Daftar tabel distribusi r, terlampir.
Pengujian validitas secara manual menggunakan rumus produc moment, terlabih
dahulu diperlukan pengisian tabel berikut:
X1 X2 Y
No J J J
1 2 3 4 5 1 2 3 4 1 2 3 4
1 4 4 4 5 4 21 4 4 4 5 17 5 4 3 4 16
2 4 4 5 4 5 22 4 5 5 2 16 2 3 4 5 14
3 5 4 4 4 5 22 2 3 4 5 14 3 4 4 5 16
4 1 5 4 5 3 18 4 3 5 4 16 4 2 3 5 14
5 5 2 5 5 5 22 3 3 2 3 11 3 4 4 4 15
6 2 2 1 3 4 12 4 5 4 1 14 3 4 4 3 14
7 4 3 4 5 4 20 1 4 3 4 12 5 4 5 1 15
8 4 3 4 2 2 15 3 2 2 3 10 4 4 3 1 12
9 2 2 4 4 2 14 2 3 2 3 10 3 3 2 2 10
10 3 3 2 2 3 13 5 4 3 3 15 4 4 4 2 14
11 4 3 3 2 1 13 3 1 4 2 10 2 3 3 2 10
 38 35 40 41 38 192 35 37 38 35 145 38 39 39 34 150
Setelah tabel di atas diisi dengan benar semuanya, maka dibuat tabel bantuan
sebagai berikut:
No X1.1 X1.2 X1.3 X1.4 X1.5 J X1.12 X1.22 X1.32 X1.42 X1.52 J2 X1.1*J X1.2*J X1.3*J X1.4*J X1.5*J
1 4 4 4 5 4 21 16 16 16 25 16 441 84 84 84 105 84
2 5 4 5 4 5 23 25 16 25 16 25 529 115 92 115 92 115
3 5 4 4 4 5 22 25 16 16 16 25 484 110 88 88 88 110
4 3 3 4 5 3 18 9 9 16 25 9 324 54 54 72 90 54
5 5 3 5 5 5 23 25 9 25 25 25 529 115 69 115 115 115
6 2 2 1 3 4 12 4 4 1 9 16 144 24 24 12 36 48
7 4 3 4 5 4 20 16 9 16 25 16 400 80 60 80 100 80
8 4 3 4 2 2 15 16 9 16 4 4 225 60 45 60 30 30
9 2 2 4 4 2 14 4 4 16 16 4 196 28 28 56 56 28
10 3 3 2 2 3 13 9 9 4 4 9 169 39 39 26 26 39
11 4 3 3 2 1 13 16 9 9 4 1 169 52 39 39 26 13
Σ 41 34 40 41 38 194 165 110 160 169 150 3610 761 622 747 764 716
Untukmencari validitas menggunakan rumus product moment:
n.( X 1Y )  ( X 1 )(  Y )
ryx1 
{n. X 1  ( X 1 ) 2 }{n Y 2  ( Y ) 2 }
2
Dimana:
n = Jumlah sampel / data (= 11)

ΣX1Y= Jumlah total data X1.1 dikali data J (= 761)

ΣX1 = Jumlah total data X1.1 (= 41)
ΣX12 = Jumlah total data X1.1 yang datanya masing-masing dikuadratkan (= 165)
ΣY = Jumlah total data J (= 194)
ΣY2 = Jumlah total data J yang datanya masing-masing dikuadratkan (= 3610).
𝑛(∑ 𝑋1 𝑌) − (∑ 𝑋1 )(∑ 𝑌)
𝑟𝑦𝑥1.1 =
√{𝑛. ∑ 𝑋1 2 − (∑ 𝑋1 )2 } {𝑛. ∑ 𝑌 2 − (∑ 𝑌)2 }
11 . (761) − (41 .194)

𝑟𝑦𝑥1.1 = = 0,7910
√{(11 . 165) − (41)2 } {(11 . 3610) − (194)2 )}
Kemudian, hasil yang diperoleh dibandingkan dengan harga r tabel, derajat

kebebasan (df) n-1, pada taraf signifikansi 5% diperoleh nilai r tabel 0,63189 (r tabel
terlampir).
Berdasarkan hasil dan dibandingkan dengan nilai r tabel, maka r hitung > r tabel
masuk dalam kategori data sampel item pernyataan X1.1 “valid”.
Lakukanlah validitas terhadap item-item pernyataan angket berikutnya,
kemudian hasilnya disajikan dalam bentuk tabel berikut:
Tabel validitas data sampel

No X1 : Tingkat Pelayanan r htg r tbl Ket
1 Pelayanan yang diberikan sgt baik 0,7910 0,63189 Valid
2 Sopan dlm melayani konsumen 0,7351 0,63189 Valid
3 Memberikan informasi yang dibutuhkan 0,7933 0,63189 Valid
4 Menuntun konsumen dalam bertransaksi 0,7406 0,63189 Valid
5 Adanya promosi bagi konsumen 0,7711 0,63189 Valid
X2 : Kepuasan Konsumen
1 Saya merasa puas dengan pelayanannya 0,5963 0,63189 T.Valid
2 Karyawan/i empati memberikan perhatian 0,6590 0,63189 Valid
3 Layanan diberikan dengan ramah 0,7316 0,63189 Valid
4 Karyawan/i melayani konsumen hingga selesai 0,2879 0,63189 T.Valid
Y : Kemajuan Usaha
1 Indikasi kemajuan usaha, bertambah konsumennya 0,4491 0,63189 T.Valid
2 Tingkat kepercayaan konsumennya bertambah 0,4260 0,63189 T.Valid
3 Penghasilan meningkat 0,6459 0,63189 Valid
4 Sampai nisab zakat niaga 0,5213 0,63189 T.Valid

Berdasarkan tabel di atas dapat dinyatakan bahwa dari beberapa item

pernyataan angket, maka item angket yang valid ada 8 item dan yang tidak valid
sebanyak 5 item.
Untuk mengetahui suatu hubungan, apakah mempunyai hubungan yang kuat
atau lemah, maka dapat dilihat pada pedoman untuk memberikan interpretasi terhadap
koefisien korelasi:
Interval Koefisien Tingkat Hubungan

0,00 – 0,199 Sangat Rendah
0,20 – 0,399 Rendah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat

MACAM-MACAM UKURAN PEMUSATAN DATA

(CENTRAL TENDENCY)
1. Sajian Data
Distribusi Frekuensi Tunggal, misalnya:
5 4 6 7 8 8 6 4 8 6 4 6 6 7 5 5 3 4 6 6
8 7 8 7 5 4 9 10 5 6 7 6 4 5 7 7 4 8 7 6
Data tersebut supaya mudah dianalisis, disajikan dalam bentuk tabel
Nilai Tally (Turus) Frekuensi

3 | 1
4 ||||| || 7
5 ||||| | 6
6 ||||| ||||| 10
7 ||||| ||| 8
8 ||||| | 6
9 | 1
10 | 1
Distribusi Frekuensi Bergolong

Distribusi frekuensi bergolong biasa digunakan untuk menyusun data yang
memiliki kuantitas yang besar dgn mengelompokkan ke dalam interval-interval kelas
yang s
ama panjang. Misalnya:
66 75 74 72 79 78 75 75 79 71 75 76 74 73 71 72 74 74 71 70
74 77 73 73 70 74 72 72 80 70 73 67 72 72 75 74 74 68 69 80
Apabila data di atas dibuat dgn menggunakan tabel distribusi frekuensi tunggal,
maka penyelesaiannya akan panjang sekali. Untuk menyajikan data di atas dalam
bentuk Tabel Distribusi Frekuensi maka perlu ditempuh langkah-langkah sebagai
berikut:
1. Mengurutkan data dari yang terkecil sampai yang terbesar;
2. Menghitung rentang data (data terbesar dikurangi data terkecil);

data terbesar = 80
data terkecil = 66
rentang = 14
3. Menentukan Kelas Interval, dengan Rumus: K= 1 + 3,3 log n
K = 1 + (3,3 x 1,602)
K = 6,287 dibulatkan menjadi 6.
4. Menghitung panjang kelas
Panjang kelas =rentang dibagi jumlah kelas: 14 : 6 = 2,333 dibulatkan menjadi 3.
5. Menentukan batas bawah kelas pertama, diambil dari data terkecil atau data
terkecil dikurangi 1.
Tabel Distribusi Frekuensi Bergolong

Interval Pjg Kelas Titik Tgh Tally Frekuensi
1 65-67 66 || 2
2 68-70 69 ||||| 5
3 71-73 72 ||||| ||||| ||| 13
4 74-76 75 ||||| ||||| |||| 14
5 77-79 78 |||| 4
6 80-82 81 || 2
Jumlah 40
a) Batas Kelas
Batas Bawah: 65 68 71 74 77 80
Batas Atas : 67 70 73 76 79 82
b) Tepi Kelas (Batas Nyata Kelas)
Tepi Bawah = batas bawah – 0,5
Tepi Atas = batas atas + 0,5
Dari tabel di atas tepi bawah kelas pertama 64,5 dan tepi atas 67,5 dan
seterusnya.
c) Lebar Kelas
Lebar Kelas = tepi atas – tepi bawah ( 67,5 – 64,5 = 3 )
d) Titik Tengah
Titik Tengah = ½ (batas atas + batas bawah)
Titik tengah pertama : ½ ( 67 + 65 ) = 66
Titik tengah kedua : ½ ( 70 + 68 ) = 69

Titik tengah ketiga : ½ ( 73 + 71 ) = 72

Titik tengah keempat : ½ ( 76 + 74 ) = 75
Titik tengah kelima : ½ ( 79 + 77 ) = 78
Titik tengah keenam : ½ ( 82 + 80 ) = 81
Distribusi Frekuensi Kumulatif

No.
Kelas Interval Frekuensi F Kumulatif %
Interval
1 65-67 2 2 5
2 68-70 5 7 12,5
3 71-73 13 20 32,5
4 74-76 14 34 35
5 77-79 4 38 10
6 80-82 2 40 5
Jumlah 40 Jumlah 100
Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat segugus

data, yang telah diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya dari
yang terbesar sampai yang terkecil. Salah satu kegunaan dari ukuran pemusatan data
adalah untuk membandingkan dua (populasi ) atau contoh, karena sangat sulit untuk
membandingkan masing-masing anggota dari masing-masing anggota populasi. Nilai
ukuran pemusatan ini dibuat sedemikian sehingga cukup mewakili seluruh nilai pada
data yang bersangkutan.
Histogram dan Poligon Frekuensi

Dari suatu data yang diperoleh dapat disusun dalam tabel distribusi frekuensi
dan disajikan dalam bentuk diagram yang disebut histogram. Maka berdasarkan data
tersebut Histogramnya adalah:
Kelas Interval 65-67 68-70 71-73 74-76 77-79 80-82
Frekuensi 2 5 13 14 4 2

65-67 68-70 71-73 74-76 77-79 80-82

Apabila pada titik-titik tengah dari histogram dihubungkan dengan garis dan
batang-batangnya dihapus, maka diperoleh poligon frekuensi.
2. Mean (Rataan)
a. Rataan Hitung
Rata-rata hitung atau mean diberi notasi ( baca : X bar ), adalah suatu nilai
pemusatan yang besarnya merupakan perbandingan antara jumlah nilai data dan
jumlah atau banyaknya data. Rataan merupakan wakil dari sekumpulan data atau
dianggap suatu nilai yang paling dekat dengan hasil pengukuran yang sebenarnya.
Secara matematis ditulis :
∑ 𝑋𝑖
𝑋̅ =
𝑛
dengan i = 1, 2, 3, ..., n
n = banyaknya data, dan
Σxi = jumlah nilai data
a) Data Tunggal
Untuk data tunggal atau tidak berkelompok rata-rata hitung dihitung dengan rumus:
∑ 𝑋𝑖
𝑋̅ =
𝑛
Contoh:
Tentukan rata-rata dari data:
5 5 6 6 3 4 3 5 berikut 3 6 5
Jawab:
Banyaknya data, n = 11
5+5+6+6+3+4+3+5+3+6+5
𝑋̅ =
11
51
= = 4,64
11
Jadi Mean = 4,6
b) Data Berkelompok

Untuk data berkelompok baik dalam bentuk tabel distribusi frekuensi maupun
bentuk grafik, besarnya rata-rata hitung adalah perbandingan antara jumlah
hasil kali antara titik tengah interval kelas dan frekuensinya dengan banyaknya
data.
Secara matematis ditulis :
∑ 𝑥𝑖 . 𝑓𝑖
𝑋̅ =
∑𝑓
Dimana:
fi = frekuensi kelas ke i
xi = titik tengah kelas ke i
Σf = n = jumlah frekuensi = banyaknya data.
Contoh:
Berdasarkan data hasil ujian Quismata kuliah Statistikapada unit 1semester 3
sebagai berikut:
Nilai (xi) Frekuensi (fi)
40-44 1
45-49 6
50-54 10
55-59 2
60-64 1
Σ 20
Penyelesaian:
Berat Badan Titik Tengah
fi fi . xi
(kg) (xi)
40-44 42 1 42
45-49 47 6 282
50-54 52 10 520
55-59 57 2 114
60-64 62 1 62
Jumlah 20 1020
∑ 𝑓𝑖. 𝑥𝑖 1020
𝑋̅ = = = 51
∑ 𝑓𝑖 20

Jadi, rataannya adalah 51.
b. Rataan Ukur
Misalkan diberikan sekumpulan data x1, x2, x3, …, xn. Rataan ukur yang
disimbolkan dengan U didefinisikan dengan:
U = rataan ukur
n = banyaknya data
x1 = data ke-i
Contoh:
Tabel penjualan 10 buah kios pakaian pada minggu pertama bulan Desember 2013
Pakaian Terjual Banyaknya Kios

( xi ) ( fi )
70 2
80 3
90 4
100 1
Rata-rata pakaian yang terjual pada tabel di atas adalah:
Pakaian Terjual Banyaknya Kios

fi . xi
( xi ) ( fi )
70 2 140
80 3 240
90 4 360
100 1 100
Σ 10 840
840
𝑋̅= 10 = 84
c. Rataan Harmonis
Misalkan diberikan sekumpulan data X1, X2, X3, …, Xn. Rataan harmonisyang
disimbolkan dengan H didefinisikan dengan:
H = rataan harmonis
n = banyaknya data
x1 = data ke-i

Kelebihannya: Melibatkan seluruh observasi; Tidak peka dengan adanya

penambahan data.Kekurangan: Sangat peka dengan adanya nilai ekstrim (outlier).
Atau ada juga yang menggunakan Rumus:
∑ 𝑓𝑁𝑡
̅=
𝐻
𝑛
Keterangan:
H = rata-rata harmonis
Σ = jumlah
f = frekuensi
Nt = nilai tengah kelas
n = jumlah data
Contoh: Berat Badan Penderita TBC
No Berat Badan f Nt f.Nt

1 41-45 4 43 172
2 46-50 4 48 192
3 51-55 1 53 53
4 56-60 2 58 116
5 61-65 5 63 315
6 66-70 7 68 476
7 71-75 5 73 365
8 76-80 2 78 156
Jumlah 30 1845
Jadi rata-rata harmonis (H) = 1845 / 30 = 61,5 Kg
SOAL
Kerjakan soal-soal di bawah ini dengan benar.
1. Diketahui data: 5, 7, 9, 6, 4, 3, 2, 1.
Hitunglah rataan hitungnya.
2. Nilai matematika dari dua puluh siswa di kelas XI IPA adalah sebagai berikut:
65 75 66 80 73 75 68 67 75 77
70 71 60 55 65 63 60 70 70 66
Tentukan rataan hitung (mean) dari data tersebut.

MACAM-MACAM UKURAN PEMUSATAN DATA (LANJUTAN)
a. Median
1) Median untuk data tunggal
Median adalah suatu nilai tengah yang telah diurutkan. Median
dilambangkanMe. Untuk menentukan nilai Median data tunggal dapat dilakukan
dengancara:
a) mengurutkan data kemudian dicari nilai tengah,
b) jika banyaknya data besar, setelah data diurutkan, digunakan rumus:
Untuk lebih jelasnya, perhatikan contoh soal berikut:

Dari data di bawah ini, tentukan mediannya.
2, 5, 4, 5, 6, 7, 5, 9, 8, 4, 6, 7, 8
Jawab:
Data diurutkan menjadi:
2, 4, 4, 5, 5, 5, 6, 6, 7, 7, 8, 8, 9.
Jadi, median adalah 6.
2) Median untuk data bergolong

Jika data yang tersedia merupakan data bergolong, artinya data itu
dikelompokkan ke dalam interval-interval kelas yang sama panjang. Untuk mengetahui
nilai mediannya dapat ditentukan dengan rumus berikut ini.

Keterangan:
b2 = tepi bawah kelas media
c = lebar kelas
N = banyaknya data
F = frekuensi kumulatif kurang dari sebelum kelas median
f = frekuensi kelas median.
Supaya lebih jelas, lihat contoh berikut:
Nilai frekuensi Tentukan median dari data tes Statistik terhadap 40

40-49 4 orang mahasiswa pada jurusan Syariah Prodi
50-59 5 Muamalat yang digambarkan pada tabel distribusi
60-69 14 frekuensi di samping ini.
70-79 10
80-89 4
90-99 3
Jawab:
Frek.
Nilai frekuensi
Kumulatif
40-49 4 4
50-59 5 9
60-69 14 23
70-79 10 33
80-89 4 37
90-99 3 40
Banyaknya data ada 40 sehingga letak mediannya pada frekuensi ½.40 = 20

b2 = (59+60) / 2 = 59,5
c = 10
f = 14
N = 40
F =9

1 1
𝑁−𝐹 40−9
Me = b2 + c (3 𝑓
) = 59,5 + 10 (3 14
)
20−9
= 59,5 + 10 ( 14
)
= 59,5 + 7,86
= 67,36
b. Modus
Modus atau mode adalah nilai suatu data yang paling sering dipakai atau paling
sering muncul atau data dengan frekuensi terbesar. Modus diberi notasi Mo. Dengan
pengertian ini maka ada kalanya sekumpulan data akan punya modus tepat satu, lebih
dari satu atau tidak punya modus sama sekali.
1) Data Tunggal
Untuk data tunggal atau data tidak berkelompok, modus adalah nilai data yang
paling sering muncul ( dipakai ).
Conto
h:
Tentukan modus dari data-data berikut ini :
i. 5 3 4 8 4 7 4 9 8
ii. 15 13 12 14 17 20 16 21 25 24
iii. 53 59 53 57 53 54 56 54 56
Jawab :
i. 3 4 4 4 5 7 7 8 8 9 , jadi modus, Mo = 4
ii. 12 13 14 15 16 17 20 21 24 25 , modus tidak ada.

iii. 53 53 53 54 54 54 56 56 57 59 , jadi modus, ada 2 , yaitu : Mo = 53 dan 54
2) Data Berkelompok
Untuk data berkelompok nilai modus berada pada kelas dengan frekuensi
terbesar, letak modus dapat diperlihatkan dengan histogram, sebagai berikut :
𝑑1
Nilai modus:𝑀𝑜 = 𝑏 + (𝑑 ).i
1 +𝑑2
Dimana:
b = tepi bawah kelas median
d1 = selisih antara frekuensi kelas modus dan frekuensi sebelum kelas modus
d2 = selisih antara frekuensi kelas modus dan frekuensi sesudah kelas modus.
i = panjang interval kelas
f = frekuensi kelas modus
Contoh :
Tentukan modus dari data-data berkelompok di bawah ini:
Nilai Frekuensi
15-21 9
22-28 12
29-35 16
36-42 8
43-49 5
Jumlah 50
Jawab :
Letak modus pada kelas ke 3 dengan frekuensi, f = 16
tepi bawah kelas modus, b = 28,5
d1 = 16 – 12= 4
d2 = 16 – 8= 8
interval kelas, i = 7
𝑑1
Nilai modus: 𝑀𝑜 = 𝑏 + (𝑑 ).i
1 +𝑑2
4
= 28,5 + (4 + 8) . 7
= 28,5 + 2,3
= 30,8
Jadi Modus, Mo = 30,8
c. Kuartil
Kuartil (K) adalah nilai-nilai yang membagi serangkaian data atau suatu frekuensi
menjadi empat bagian yang sama. Pengertian kuartil menurut beberapa para ahli akan
di paparkan sebagai berikut :

Menurut Sudijono41, dalam dunia statistik, yang dimaksud dengan kuartil ialah
titik atau skor atau nilai yang membagi seluruh distribusi frekuensi kedalam empat
bagian yang sama besar, yaitu masing-masing sebesar 1/4N. Jadi di sini akan kita jumpai
tiga buah kuartil, yaitu kuartil pertama (K1), Kuartil kedua (K2), dan Kuartil ketiga (K3).
Ketiga Kuartil inilah yang membagi seluruh distribusi frekuensi dari data yang kita
selidiki menjadi empat bagian yang sama besar, masing-masing sebesar 1/4N.
Menurut Wirawan, Kuartil (K) adalah nilai-nilai yang membagi serangkaian data
atau suatu distribusi frekuensi menjadi empat (4) bagian yang sama. Ada tiga Kuartil
yaitu kuartil pertama (K1), kuartil kedua (K2), dan kuartil ketiga (K3).42
Pendapat Sudjana, “Jika sekumpulan data dibagi menjadi empat bagian yang
sama banyak, sesudah disusun menurut urutan nilainya, maka bilangan pembaginya
disebut kuartil. Ada tiga buah kuartil, ialah kuartil pertama, kuartil kedua dan kuartil
ketiga yang masing-masing disingkat dengan K1, K2, K3. Pemberian nama ini dimulai dari
nilai kuartil paling kecil”.43
Dalam dunia statistik, yang dimaksud dengan kuartil ialah titik atau skor atau
nilai yang membagi seluruh distribusi frekuensi ke dalam empat bagian yang sama
besar, yaitu masing masing sebesar ¼ N. jadi disini akan kita jumpai tiga buah kuartil,
yaitu kuartil pertama (Q1), kuartil kedua (Q2), dan kuartil ketiga (Q3). Ketiga kuartil
inilah yang membagi seluruh distribusi frekuensi dari data yang kita selidiki menjadi
empat bagian yang sama besar, masing-masing sebesar ¼ N.
Dapatditarik pengertian bahwa Q2 adalah sama dengan Median(2/4 N=1/2 N).
Untuk mencari Q1,Q2 dan Q3 digunakan rumus sebagai berikut:
Untukdata tunggal
Qn = L + ( n/4N-fkb)
fi
untuk data kelompok
Qn = L + (n/4N-fkb)x i
Fi
41
Anas Sudijono, Pengantar Statistika Pendidikan (Jakarta: PT Raja Gradindo Persada2006), h.
112.
42
Wirawan,Budaya dan Iklim Organisasi. (Penerbit: Salemba, t.tp., 2001), h. 105.
43
Nana Sudjana, Penilaian HasilProses Belajar Mengajar (Bandung:Remaja Rosdakarya,2005), h.
81.
Keterangan:
Qn = kuartil yang ke-n. karena titik kuartil ada tiga buah, maka n dapat diisi dengan
bilangan: 1,2, dan 3.
L = lower limit ( batas bawah nyata dari skor atau interval yang mengandung Qn).
N= Number of cases.
Fkb= frekuensi kumulatif yang terletak dibawah skor atau interval yang mengandung
Qn.
Fi= frekuensi aslinya (yaitu frekuensi dari skor atau interval yang mengandung Qn).
i= interval class atau kelas interval.
Table Distribusi frekuensi nilai UN dalam bidang studi fisika dari 60 orang siswa MAN
jurusan IPA, dan perhitungan Q1, Q2, dan Q3.
Nilai (x) F Fkb

46 2 60= N
45 2 58
44 3 56
43 5 53
42 F1 (8) 48
41 10 40
40 F1 (12) 30
39 F1 (6) 18
38 5 12
37 4 7
36 2 3
35 1 1
Titik Q1= 1/4N = ¼ X 60 = 15 (terletak pada skor 39). Dengan demikian dapat kita
ketahui: L= 38,50; fi = 6; fkb = 12.
Q1 = L + ( n/4N-fkb) = 38,50 +(15-12)
Fi 6
= 38,50 +0,50
= 39
Titik Q2= 2/4N = 2/4 X 60 = 30 ( terletak pada skor 40). Dengan demikian dapat
kita ketahui: 1= 39,50; fi = 12; fkb = 18
Q2 = 1 + ( n/4N-fkb) = 39,50 +(30-18)
Fi 12

= 39,50 +1,0
= 40,50
Titik Q3= 3/4N = 3/4 X 60 = 45 ( terletak pada skor 42). Dengan demikian dapat
kita ketahui: 1= 41,50; fi = 8; fkb = 40
Q3 = 1 + ( n/4N-fkb) = 41,50 +(45-40)
Fi 8
= 41,50+ 0,625
= 42,125
Contoh perhitungan kuartil untuk data kelompok

Misalkan dari 80 orang mahasiswa jurusan Muamalat pada STAIN Zawiyah Cot
Kala Langsa diperoleh skor hasil ujian Final dalam mata kuliah Statistika sebagaimana
disajikan pada tabel distribusi frekuensi beikut ini (lihat kolom 1 dan 2). Jika kita ingin
mencari Q1, Q2, dan Q3, maka proses perhitungannya adalah sebagai berikut:
Titik Q1= 1/4N = ¼ X 80 = 20 ( terletak pada interval 35-39). Dengan demikian
dapat kita ketahui: L= 34,50; fi = 7; fkb = 13, i= 5.
Q1 = L + ( n/4N-fkb) Xi = 34,50 +(20-13) X5
Fi 7
= 34,50 +5
= 39,50
Titik Q2= 2/4N = 2/4 X 80 = 40 ( terletak pada interval 45-49). Dengan demikian
Q1 = L + ( n/4N-fkb) Xi = 44,50 +(40-35) X5
Fi 17
= 44,50 +1.47
= 45,97
Titik Q3= 3/4N = 3/4 X 80 = 60 ( terletak pada interval 55-59). Dengan demikian
Q1 = L + ( n/4N-fkb) Xi = 54,50 +(55-59) X5
Fi 7
= 54,50 + 0,71
= 55,21

Diantara kegunaan kuartil adalah untuk mengetahui simetris (normal) atau a

simetrisnya suatu kurva. Dalam hal ini patokan yang kita gunakan adalah:
1). Jika Q3-Q2 = Q2- Q1 maka kurvanya adalah kurva normal.
2). Jika Q3-Q2 > Q2- Q1 maka kurvanya adalah kurva miring/ berat ke kiri(juling positif).
3). Jika Q3-Q2 < Q2- Q1 maka kurvanya adalah kurva miring/ berat ke kanan(juling
negatif).
d. Desil
Menurut beberapa para ahli ada beberapa pengertian dari suatu desil, yaitu
diantaranya:
Desil (D) adalah titik atau skor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang diselidiki ke dalam 10 bagain yang sama besar, yang masing-
masing sebesar 1/10 N.44 Jadi, sebanyak 9 buah titik desil, keseimbilan buah desil itu
membagi seluruh distribusi frekuensi ke dalam 10 bagian yang sama besar.
Desil adalah nilai-nilai yang membagi seangkaian data atau suatu distribusi
frekuensi menjadi sepuluh bagian yang sama.45 Jadi ada sembilan ukuran desil.
Jika sekumpulan data itu dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan setiap bagiam dinamakan desil.46 Karenanya ada sembilan buah
desil, ialah desil pertama, desil kedua, desil, ketiga, desil keempat, desil kelima, desil
keenam, desil ketujuh, desil kedelapan, dan desil kesembilan yang disingkat dengan D1,
D2, D2, D3, D4, D5. D6, D7, D8, dan D9.
1. Desil Pertama (D1) adalah sebuah nilai yang membagi serangkaian data atau suatu
distribusi frekuensi sehingga 10% dari seluruh data nilainya kurang dari nilai D 1 dan
90% nya lagi memiliki nilai lebih besar dari nilai D1 tersebut.
2. Desil Kedua (D1) adalah sebuah nilai yang membagi serangkaian data atau suatu
distribusi frekuensi sehingga 20% dari seluruh data nilainya kurang dari nilai (D2)
dan 80% nya memiliki nilai lebih besar dari nilai (D2) tersebut.
44
Anas Sudijono, Pengantar Statistika..., h. 117-118.
45
Wirawan,Budaya dan Iklim Organisasi, h. 110.
46
Nana Sudjana, Penilaian HasilProses Belajar..., h. 82.
3. Desil kelima (D5) adalah sebuah nilai yang membagi serangkaian data atau suatu
distribusi frekuensi sehingga 50% dari seluruh data nilainya kurang dari nilai (D5)
dan 50% nya lagi memiliki nilai lebih besar dari nilai (D5) tersebut. Jadi, Median = D5.
Desil ialah titik atau skor atau nilai yang membagi seluruh distribusi frekuensi
dari data yang kita selidiki ke dalam 10 bagian yang sama besar, yang masing-masing
sebesar 1/10 N. jadi disini kita jumpai sebanyak 9 buah titik desil, dimana kesembilan
buah titik desil itu membagi seluruh distribusi frekuensi ke dalam 10 bagian yang sama
besar.
Lambang dari desil adalah D. jadi 9 buah titik desil dimaksud diatas adalah titik-
titik: D1, D2, D3, D4, D5, D6, D7, D8, dan D9.
Perhatikanlah kurva dibawah ini:
Untuk mencari desil, digunakan rumus sebagai berikut:
Dn= 1 +(n/10N – fkb)
Fi
Untuk data kelompok:
Dn= L+ (n/10N- fkb) xi
Fi
Dn = desil yang ke-n (disini n dapat diisi dengan bilangan:1, 2, 3, 4, 5, 6, 7, 8, atau 9.
L = lower limit(batas bawah nyata dari skor atau interval yang mengandung desil ke-
n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang mengandung
desil ke-n.
Fi = frekuensi dari skor atau interval yang mengandung desil ke-n, atau frekuensi
aslinya.
i =interval class atau kelas interval.
1). Contoh perhitungan desil untuk data tunggal

Misalkan kita ingin mencari desil ke-1, ke-5, dan ke-9 atau D1, D5, dan D9 dari
data yang tertera pada table yang telah dihitung Q1, Q2, dan Q3-nya itu.
Mencari D1:
Titik D1= 1/10N= 1/10X60= 6 (terletak pada skor 37). Dengan demikian dapat kita
ketahui: 1= 5,50; fi= 4, dan fkb= 3.
D1= 1 + (1/10N-fkb) ---D1=36,50 (6-3)

Fi 4
= 36,25
Mencari D5:
Titik D5= 5/10N= 5/10X60= 30 (terletak pada skor 40). Dengan demikian dapat
kita ketahui: 1= 39,50; fi= 12, dan fkb= 18.
D1= 1 + (5/10N-fkb) ---D1=39,50 (30-18)
Fi 12
= 40,50
Mencari D9:
Titik D9= 9/10N= 9/10X60= 54 (terletak pada skor 44). Dengan demikian dapat
kitaketahui: 1= 43,50; fi= 3, dan fkb= 53.
D1= 1 + (9/10N-fkb) ---D1= 43,50 (54-53)
Fi 3
= 43,17
2). Contoh perhitungan desil untuk data kelompok

Misalkan kita ingin mencari D3 dan D7 dari data yang tercantum pada tabel di
atas, proses perhitungannya adalah sebagai berikut:
Table Perhitungan desil ke-3 dan desil ke-7 dari data yang tertera pada tabel
Nilai (x) F Fkb

70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -
Mencari D3:

Titik D3= 3/10N= 3/10X80= 24 (terletak pada interval 40-44). Dengan demikian
dapat kita ketahui: 1= 39,50; fi= 15, dan fkb= 20.
D3= 1 + (3/10N-fkb) xi=39,50 (24-20) x 5
Fi 15
= 39,50+ 20= 39,50 + 1,33= 40,83

15
Mencari D7:
Titik D7= 7/10N= 7/10X80= 56 (terletak pada interval 50-54). Dengan demikian
dapat kita ketahui: 1= 49,50; fi= 7, dan fkb= 52.
D7= 1 + (7/10N-fkb) xi=49,50 (50-54) x 5
Fi 7
= 49,50+ 20= 49,50 + 2,86= 40,83
7
Diantara kegunaan desil ialah untuk menggolongkan-golongkan suatu distribusi

data ke dalam sepuluh bagian yang sama besar, kemudian menempatkan subjek-subjek
penelitian ke dalam sepuluh golongan tersebut.
SOAL:
Tentukan desil keempat dan ketujuh dari data berikut: 3, 5, 17, 5, 7, 6, 11, 8, 13, 9, 17,
12, 15, 14, 17, 4, 1, 16
e. Persentil
Menurut beberapa ahli yang mengemukakan pengertian mengenai persentil
adalah sebagai berikut.
1) Persentil adalah titik atau nilai yang membagi suatu distrubusi data menjadi
seratus bagian yang sama besar.47 Karena perrsentil sering disebut “ukuran per-
ratus-an”. Titik yang membagi distribusi data ke dalam seratus bagian yang sama
besar ialah titik-titik: P1, P2, P3, P4, P5, P6, . . . dan seterusnya, sampai dengan P99.
Jadi didapat sebanyak 99 titik pesenti yang membagi seluruh distribusi data ke
dalam seratus bagian yang sama besar, masing-masing sebesar 1/100 atau 1%.
47
Anas Sudijono, Pengantar Statistika..., h. 99.
2) Persentil adalah suatu titik dalam distribusi yang menjadi batas satu persen (1%)
dari frekuensi yang terbawah.48
3) Pesentil adalah nilai-nilai yang membagi sebagaian data atau suatu distribusi
frekuensi menjadi 100 bagian yang sama.49
Persentil yang biasa dilambangkan P, adalah titik atau nilai yang membagi suatu
distribusi data menjadi seratus bagian yang sama besar. Karena itu persentil sering
disebut ukuran perseratusan.
Titik yang membagi distribusi data ke dalam seratus bagian yang sama besar itu
ialah titik-titik: P1, P2, P3, P4, P5, P6, … dan seterusnya, sampai dengan P99. jadi disini
kita dapati sebanyak 99 titik persentil yang membagi seluruh distribusi data ke dalam
seratus bagian yang sama besar, masing-masing sebesar 1/ 100N atau 1%, seperti
terlihat pada kurva dibawah ini:
Untuk mencari persentil digunakan rumus sebagai berikut:
Untuk data tunggal:
Pn= L +(n/10N – fkb)
Fi
Untuk data kelompok:

Pn= L+ (n/10N– fkb) xi
Fi
Keterangan:
Pn = persentil yang ke-n (disini n dapat diisi dengan bilangan-bilangan:1, 2, 3, 4, 5,
dan seterusnya sampai dengan 99.
L = lower limit(batas bawah nyata dari skor atau interval yang mengandung
persentil ke-n).
N = number of cases.
Fkb = frekuensi kumulatif yang terletak dibawah skor atau interval yang mengandung
persentil ke-n.
Fi = frekuensi dari skor atau interval yang mengandung persentil ke-n.
i = interval class atau kelas interval.
48
I Wayan Koyan, Telaah Kurikulum Tingkat Satuan Pendidikan (KTSP) Jenjang Pendidikan
Dasar(Singaraja: Undiksha,2012), h. 22.
49
Wirawan,Budaya dan Iklim Organisasi, h. 115.
Tabel. Perhitungan persentil ke-5, persentil ke-20 dan persentil ke-75 dari data yang
tertera pada tabel berikut:
Nilai (x) F Fkb

70-74 3 80
65-69 5 77
60-64 6 72
55-59 7 66
50-54 7 59
45-49 17 52
40-44 15 35
35-39 7 20
30-34 6 13
25-29 5 7
20-24 2 2
Total 80= N -
Misalkan kita ingin mencari persentil ke-5 (P5), persentil ke-20 (P20), dan ke-75
(P75),dari data yang disajikan pada tabel 3.13 yang telah dihitung desilnya itu. Cara
menghitungnya adalah sebagai berikut:
Mencari persentil ke-5 (P5):
Titik P5= 5/10N= 5/10X60= 3 (terletak pada skor 36). Dengan demikian dapat kita
ketahui: L= 35,50; fi= 2, dan fkb= 1.
P5= L + (5/10N-fkb) =36,50 +(3-1)
Fi 2
= 36,50
Mencari persentil ke-75 (P75):
Titik P75= 75/10N= 75/10X60= 45 (terletak pada skor 42). Dengan demikian dapat kita
ketahui: 1= 41,50; fi= 8, dan fkb= 40
P75= 1 + (75/10N-fkb) =41,50 +(45-40)
Fi 8
= 42,125
2). Cara mencari persentil untuk data kelompok

Misalkan kembali ingin kita cari P35 dan P95 dari data yang lalu.Mencari persentil
ke-35 (P35):

Titik P35= 35/100N= 35/100X80= 28 (terletak pada interval 40-44). Dengan

demikian dapat kita ketahui: 1= 39,50; fi= 15, dan fkb= 20, i=5
P35= 1 + (35/100N-fkb) Xi =39,50 +(45-40) X 5
Fi 8
= 39,50+2,67
= 42,17
Mencari persentil ke-95 (P95):Titik P95= 95/100N= 95/100X80= 76 (terletak
padainterval 65-69), maka dapat kita ketahui: 1= 64,50; fi= 5, dan fkb= 72, i=5.
P95= 1 + (95/100N-fkb) Xi =64,50 +(65-69) X 5
Fi 5
= 64,50+4
= 68,50
Demikianlah seterusnya dalam proses pencarian nilai persentil dari sebuah data
penelitian maupun anggapan semata.
f. Skewness dan Kurtosis
Skewness yang bernilai positif menunjukkan ujung dari kecondongan menjulur
ke arah nilai positif. Pada distribusi normal, nilai kurtosis sama dengan 0. Nilai kurtosis
yang positif menunjukkan distribusi yang relatif runcing, sedangkan nilai kurtosis yg
negatif menunjukkan distribusi yang relatif rata.
Rumus Skewness:
3
𝑛 𝑋𝑖 − 𝑋̅
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑( )
(𝑛 − 1)(𝑛 − 2) 𝑆
Rumus Kurtosis:
4
𝑛(𝑛 + 1) 𝑋𝑖 − 𝑋̅ 3(𝑛 − 1)2
𝐾𝑢𝑟𝑡𝑜𝑠𝑖𝑠 = { ∑( ) }−
𝑛 − 1)(𝑛 − 2)(𝑛 − 3) 𝑆 (𝑛 − 2)(𝑛 − 3)
Misalnya, ada sebuah data hasil penelitian sebagai berikut:

X 21 20 20 22 20 22 22 22 23
Y 18 23 21 18 20 19 19 21 22
Penyelesaian:
Nilai rata-rata X = 21,333
Nilai rata-rata Y = 20,111

Nilai Varians X = 1,250

Nilai Varians Y = 3,111
Standar deviasi X = 1,118
Standar deviasi Y = 1,7638
Dibutuhkan tabel bantuan untuk mencari nilai Skewness dan Kurtosis:

3 4 3 3
𝑋𝑖 − 𝑋̅ 𝑋𝑖 − 𝑋̅ 𝑋𝑖 − 𝑋̅ 𝑋𝑖 − 𝑋̅
No X ( ) ( ) Y ( ) ( )
𝑆 𝑆 𝑆 𝑆
1 21 -0,0265 0,0079 18 -1,7146 2,0522
2 20 -1,6961 2,0227 23 4,3936 7,19602
3 20 -1,6961 2,0227 21 0,1280 0,0645
4 22 0,2120 0,1264 18 -1,7146 2,0522
5 20 -1,6961 2,0227 20 -0,0002 0,00002
6 22 0,2120 0,1264 19 -0,2500 0,1575
7 22 0,2120 0,1264 19 -0,2500 0,1575
8 22 0,2120 0,1264 21 0,1280 0,0645
9 23 3,3127 4,9383 22 1,2281 1,3152
Σ 192 -0,9541 11,5200 181 1,9483 13,0595
Kemudian nilai akhir pada tabel tersebut dimasukkan ke dalam rumus Skewness
dan Kurtosis:
3
𝑛 𝑋𝑖 − 𝑋̅ 9
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠 = ∑( ) = − 0,9541 = −0,15333
(𝑛 − 1)(𝑛 − 2) 𝑆 (9 − 1)(9 − 2)
Kurtosis:
4
𝑛(𝑛 + 1) 𝑋𝑖 − 𝑋̅ 3(𝑛 − 1)2 9(9 + 1) 3(9 − 1)2
𝐾= { ∑( ) }− ={ 11,520} −
𝑛 − 1)(𝑛 − 2)(𝑛 − 3) 𝑆 (𝑛 − 2)(𝑛 − 3) 9 − 1)(9 − 2)(9 − 3) (9 − 2)(9 − 3)
= 4,5714
Untuk mengetahui tingkat normalitas data, maka nilai Skewness dan Kurtosis
dimasukkan ke dalam Rumus JB test sebagai berikut:
𝑛 2 (𝑘 − 3)2 9 (4,5714 − 3)2
𝐽𝐵 = (𝑆 + ) = (−0,95412 + ) = 2,2914
6 4 6 4
Hasil JB hitung ini dikonsultasikan dengan nilai Chi Kuadrat tabel pada taraf 5%
dan derajab bebas (df) 8, maka diperoleh nilai 15,5073. Hasil konsultasinya adalah nilai
JB hitung lebih kecil dari nilai tabel Chi Kuadrat. Ini berarti data variabel X berdistribusi
normal.
Tugas:

Carilah nilai Skewness, Kurtosis dan JB test pada data Y di atas !
8
PENYEBARAN DATA
Ukuran penyebaran (ukuran penyimpangan) dapat dibedakan menjadi 2macam,

yaitu ukuran penyebaran mutlak (absolute dispersion) dan ukuranpenyebaran relatif
(relative dispersion).Pengukuran dispersi absolut hanya dapat digunakan bagi
penggambarandispersi nilai-nilai observasi sebuah distribusi secara definitif. Sedangkan
pengukurandispersi relatif digunakan bila kita ingin melakukan perbandingan tingkat
dispersiantara 2 atau beberapa distribusi dan bila jumlah nilai-nilai observasi dari dua
ataubeberapa distribusi ialah tidak sama.
Ukuran penyebaran mutlak (absolute dispersion) dinyatakan di dalam
satuanyang sama dengan satuan data asli (misalnya: orang, tahun, kilogram, meter,
rupiah,dan sebagainya). Sedangkan ukuran bagi penyebaran relatif (relative
dispersion)dinyatakan di dalam bilangan tanpa satuan.

Harga rata-rata adalah merupakan suatu bilangan atau suatu nilai sekitar
mananilai-nilai yang lain tersebar.50
Dengan demikian, jelaslah bahwa harga rata-rata, baik berupa harga rata-
ratahitung, median, maupun berupa modus atau harga rata-rata lainnya,
tidaklahmerupakan “wakil” yang sempurna dari sekumpulan data. Harga rata-rata itu,
berdirisendiri, hanya dapat memberi gambaran yang kabur dan sepintas lalu saja
darisekumpulan data. Untuk memperjelas keterangan tersebut, maka kepada
keteranganyang diberikan oleh harga rata-rata ituharuslahditambahkan lagi keterangan
mengenai penyebaran data tersebut. Ukuranyang dapat dipakai untuk penyebaran itu
antara lain adalah range, simpangan rata-rata(average deviation atau mean deviation)
dan simpangan standar (standard deviation).
a. Rentang (Range)
Range merupakan suatu bilangan hasil selisih antara nilai yang tertinggi dan nilai
yang terendah di dalam sekumpulan data.51 Pemakaian keterangan yang diberikan oleh
range sebagai tambahan bagi keterangan yang telah diberikan oleh harga rata-rata
mengenai sekumpulan data, dapat memberi gambaran yang lebih terang mengenai
kumpulan data itu.
Pemakaian range sebagai ukuran penyebaran tidak memasukkan ke
dalampertimbangan nilai-nilai yang lain di dalam sekumpulan data, selain dari kedua
nilaiekstrimnya. Inilah kelemahan utama daripada pemakaian range itu sebagai
ukuranpenyebaran. Untuk melepaskan diri dari persoalan ini, kita dapat memakai
ukuranyang lain, ukuran yang memperhatikan setiap nilai di dalam kumpulan data
yangbersangkutan.
Range sering disimbolkan dengan r dimana nilai maksimum dikurangi dengan
nilai minimum. Atau dirumuskan dengan Range = L – S (L : Nilai data terbesar; S : Nilai
data terkecil).
Contoh:
50
Amudi Pasaribu, Pengantar Statistik, Cet. Ke-4 (Jakarta: Ghalia Indonesia,1981), h. 93.
51
Ibid., h. 97
Sebuah data hasil survey: 60 4456 90 67 70 80 85 99

sebelum menjawab Rangenya, maka urutkan data tersebut dari yang terkecil hingga
terbesar.
Range = 99 – 44 = 55.
Jadi, jelaslah bahwa untuk menerangkan sekumpulan data, yang telah tersusundi
dalam sebuah pencaran frekuensi ataupun belum kita paling sedikit
memerlukanketerangan mengenai harga rata-rata (yang biasanya harga rata-rata
hitung) danketeranganmengenai penyebaran data itu.
b. Deviasi Rata-Rata (Average Deviation)
Deviasi (Simpangan) rata-rata merupakan nilai rata-rata dari harga mutlak semua
simpangan terhadap rata-rata (mean) kelompoknya. simpangan data terhadap rata-rata
diambil sebagai nilai mutlaknya,yaitu |X1– X|. Jadi simpangan mutlaknya tidak pernah
negatif. Selanjutnya,rata-rata deviasi didefinisikan sebagai berikut:
1
̅̅̅
deviasi rata-rata atau rata-rata deviasi (RD) = 𝑁 ∑ |𝑋1 − 𝑋|
Contoh: Diketahui data 2, 3, 6, 8, 11. Maka rata-rata deviasinya dihitung sebagai

berikut:
1
𝑋̅ = 5 (2 + 3 + 6 + 8 + 11) = 6
Selanjutnya,
|2−6|+ |3−6|+ |6−6|+ |8−6|+ |11−6| 4+3+0+2+5

RD = = = 2,8.
5 5
Bila pada kumpulan data tersebut terdapat f1 data bernilai X1, sebanyakf2
bernilai X2, dan seterusnya terdapat fk bernilai XK maka rata-rata deviasidapat dihitung
dengan cara berikut:
1
RD = 𝑁 ∑ 𝑓𝑖 . |𝑋1 − 𝑋̅|
c. Varians (Variance)
Varians adalah salah satu teknik yang digunakan untuk menjelaskan
homogenitas kelompok. Varians : Jumlah kuadrat semua deviasi nilai-nilai individual

terhadap rata-rata kelompok. Varian ini digunakan untuk menunjukkan tingkat

homogenitas suatu data.52
Dengan kata lain digunakan untuk mengukur variabilitas data, dalam bahasa
awam variance adalah untuk mengetahui tingkat keragaman dalam data. Semakintinggi
nilai variance berarti semakin bervariasi dan beragam suatu data. Untuk menghitung
variance, harus diketahui terlebih dahulu mean-nya, kemudian menjumlahkan kuadrat
selisih dari tiap-tiap data terhadap mean tersebut. Secara numeric, variance merupakan
rata-rata dari kuadrat selisih data terhadap mean.
Rumus Varians :
Contoh: Suatu penelitian diperoleh data, 16, 17, 18, 19, 20, 21, 22, 22, 23.
Penyelesaian:
Langkah pertama yang perlu dilakukan adalah mencari nilai rata-rata, yaitu:
jumlah harga data 192 dibagi dengan banyaknya data yaitu 9, maka rata-ratanya 192 : 9
= 21,33.
Selanjutnya dibuat tabel bantuan:
No. X |Mean-X| |Mean-X|2
1 21 0,3333 0,1111
2 20 1,3333 1,7778
3 20 1,3333 1,7778
4 22 -0,6667 0,4444
5 20 1,3333 1,7778
6 22 -0,6667 0,4444
7 22 -0,6667 0,4444
8 22 -0,6667 0,4444
9 23 -1,6667 2,7778
Σ 192 - 10
Nilai Varians = Σ(Xi – X)2 / n – 1

= 10 / 8
= 1,25 Jadi nilai varians adalah 1,25.
52
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9 (Bandung: Alfabeta, 2006), h. 48.
Varians dari data dalam Distribusi Frekuensi Bergolong, Dengan rumus Angka
Kasar (Rumus Varians):
𝑛.∑𝑓𝑖.𝑋𝑖 2 − (∑𝑓𝑖.𝑋𝑖)2
𝑠2 =
𝑛 (𝑛−1)
Keterangan: Xi = tanda kelas (mid-point)

fi = Frekuensi pada kelas yang sesuai
n = ∑fi
Contoh: Data Nilai Statistika 80 Mahasiswa yang telah disajikan dalam Tabel
Distribusi Frekuensi Bergolong sbb:
Nilai fi Xi 𝑋𝑖 2 fi. Xi 𝑓𝑖. 𝑋𝑖 2

31 – 40 1 35,5 1260,25 35,5 1.260,25
41 – 50 2 45,5 2070,25 91,0 4.140,50
51 – 60 5 55,5 3080,25 277,5 15.401,25
61 – 70 15 65,5 4290,25 982,5 64.353,75
71 – 80 25 75,5 5700,25 1887,5 142.506,25
81 – 90 20 85,5 7310, 25 1710,0 146.205,0
91 – 100 12 95,5 9120, 25 1146,0 109.443,0
JUMLAH 80 -- -- 6130,0 483.310,0
(80). (483.310) − (6130)2

Maka 𝑠 2 = = 172,1  s = √172,1 = 13,12
80 (80−1)
Varians Gabungan dari beberapa Sub Sampel

Misal:
Sub-sample 1 : berukuran n1, dengan simpangan baku s1
Sub-sample 2 : berukuran n2, dengan simpangan baku s2
Sub-sample k : berukuran nk, dengan simpangan baku sk
Maka simpangan baku gabungan dari sampel berukuran n1 + n2 + …..+ nk dapat
dihitung dengan rumus:
∑(𝑛𝑖−1).𝑠12 (𝑛1−1).𝑠12 +(𝑛2−1).𝑠22 + … +(𝑛𝑘−1)𝑠𝑘 2
𝑠2= atau 𝑠 2 =
∑𝑛𝑖−𝑘 𝑛1+𝑛2+⋯+𝑛𝑘−𝑘
Contoh:

Hasil pengamatan pada sub sampel pertama terhadap 14 objek, menghasilkan s 1

= 2,75 , sedangkan pengamatan pada sub sampel kedua terhadap 23 objek, diperoleh s 2
= 3,08. Maka simpangan baku gabungan dari kedua sub sampel tsb dapat dihitung:
(𝑛1−1).𝑠12 +(𝑛2−1).𝑠22 (14−1).(2,75)2 +(23−1).(3,08)2
𝑠2 = =
𝑛1+𝑛2−𝑘 14+ 23−2
𝑠 2 = 8,772 s = √8,772 = 2,96
d. Deviasi Standar (Standard Deviation)

Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar
deviasi juga merupakan suatu ukuran dispersi atau variasi.53 Standar deviasi merupakan
ukuran dispersi yang paling banyak dipakai. Hal ini mungkin karena standar deviasi
mempunyai satuan ukuran yang sama dengan satuan ukuran data asalnya.
Standard deviation diperoleh dari akar dari variance dan digunakan untuk
mengukur penyebaran data. Standard deviation dan mean (rata-rata) lebih sering
digunakan untuk mengetahui pola sebaran data, seperti contoh pola sebaran normal.
Dalam sebaran normal, 68% data berarti mean +/- 1 * standard deviation, dan 95% data
berarti mean +/- 2 * standard deviation. Di sini standard deviation memiliki arti yang
sama dengan standard error mean.Standard deviation merupakan salah satu dari
beberapa ukuran penyebaran dalam statistika. Untuk menghitung standard deviation
dari populasi perlu diketahui terlebih dahulu variance dari populasi tersebut. Hal ini
karena standard deviation adalah akar kuadrat dari variance. Tidak seperti varianceyang
tidak mudah digunakan mengetaui tingkat variabilitas, standard deviation digunakan
dengan mudah untuk mengetahui penyebaran.
Seperti yang telah diketahui bahwa variance dan standard deviation memiliki
hubungan secara matematis, yaitu variance merupakan kuadrat dari standard deviation.
Mengapa menggunakan kuadrat ? Pengkuadratan pada tiap-tiap selisih membuat nilai
selisih tersebut menjadi positif (nilai negative dapat mengurangi nilai pada variance).
Pengkuadratan ini juga menyebabkan nilai yang besar pada variance, contoh :
1002 = 10.000 lebih besar daripada 502=2.500. Oleh karena itu secara praktek yang
paling mudah digunakan adalah standard deviation.
53
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9, h.52.
Adapun rumus untuk menghitung Standar Deviasi adalah: SD = akar varians, atau
dengan symbol: SD = √ varians.
Berdasarkan data varians sebelumnya: 1,25 maka Standar Deviasinya adalah:
SD = √ 1,25 = 1,118.
Sedangkan untuk varians 13,12 maka SD = √13,12 = 3,622.
e. Koefisien Varians (KV)
Koefisein varians adalah perbandingan antara Standar deviasi dengan harga

mean (rata-rata) yang dinyatakan dalam angka persentase (%). Guna dari koefisien
Varians untuk mengamati variasi atau sebaran data dari meannya. Semakin kecil koefien
variannya maka data semakin seragam (homogen), sebaliknya semakin besar koefisien
varians maka data semakin bervariasi (heterogen).
Rumus Koefisien Varians:
𝑺
KV = 𝑿̅ 𝒙 𝟏𝟎𝟎%
KV = Koefisien varians
s = Standar deviasi
x = Rata-rata (mean)
Contoh :
Nilai 70 orang mahasiswa, standar deviasi = 7,045 dengan nilai rata-rata 77,64
maka Koefisien Varians nya adalah :
s 7,045
KV = x100 % = x100% = 9,07 %
x 77,64
f. Standar Error of Mean

Standar Error of Mean merupakan kesalahan dari rata-rata adalah Standar
Deviasi dibagi dengan akar jumlah banyaknya data. Atau dirumuskan dengan :
SE = SD / √ n

Batas normalnya berkisar antara -2 hingga +2, hal ini disebutkan oleh Singgih
Santoso.54
Selamat mengikuti Midterm Test pada pertemuan yang akan datang, semoga
mendapatkan hasil yang memuaskan.
9
ANALISIS DATA DALAM STATISTIK
A. Pengertian Analisis Data
54
Singgih Santoso, Panduan Lengkap SPSS versi 20, (Jakarta: PT. Elek Media Komputindo,
2012), h. 172-173.
Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga
karakteristikatau sifat-sifat data tersebut dapat dengan mudah dipahami dan
bermanfaat untuk menjawabmasalah-masalah yang berkaitan dengan kegiatan
penelitian. Dengan demikian, teknik analisisdata dapat diartikan sebagai cara
melaksanakan analisis terhadap data, dengan tujuan mengolahdata tersebut menjadi
informasi, sehingga karakteristik atau sifat-sifat datanya dapat denganmudah dipahami
dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengankegiatan
penelitian, baik berkaitan dengan deskripsi data maupun untuk membuat induksi, atau
menarik kesimpulan tentang karakteristik populasi (parameter) berdasarkan data yang
diperolehdari sampel (statistik).
B. Tujuan Analisis Data

1. Mendeskripsikan data dalam bentuk frekuensi, ukuran tendensi sentral
maupunukuran penyebarannya (dispersi), sehingga dapat dipahami karakteristik
datanya sebagai ciri khas statistika deskriptif.
2. Membuat induksi atau menarikkesimpulan tentang karakteristik populasi, atau
karakteristik populasi berdasarkan data yangdiperoleh dari sampel (statistik).
Kesimpulan yang diambil ini dibuat berdasarkanpendugaan (estimasi) dan
pengujian hipotesis.
C. Langkah dan Prosedur Analisis Data

1. Tahap mengumpulkan data, dilakukan melalui instrumen pengumpulan data.
2. Tahapediting, yaitu memeriksa kejelasan dan kelengkapan pengisian instrumen
pengumpulan data.
3. Tahap koding, yaitu proses identifikasi dan klasifikasi dari setiap pertanyaan yang
terdapatdalam instrumen pengumpulan data menurut variabel-variabel yang
diteliti.
4. Tahap tabulasidata, yaitu mencatat atau entri data ke dalam tabel induk
penelitian. 5. Tahap pengujian kualitasdata, yaitu menguji validitas dan
realiabilitas instrumen pengumpulan data.

5. Tahapmendeskripsikan data, yaitu tabel frekuensi dan/atau diagram, serta

berbagai ukuran tendensisentral, maupun ukuran dispersi. tujuannya memahami
karakteristik data sampel penelitian.
6. Tahap pengujian hipotesis, yaitu tahap pengujian terhadap proposisi-proposisi
yang dibuatapakah proposisi tersebut ditolak atau diterima, serta bermakna
atau tidak. Atas dasar Pengujianhipotesis inilah selanjutnya keputusan dibuat.
D. Teknik Analisis Data

Teknik analisis data dalam penelitian, dibagi menjadi dua, yaitu teknik analisis
data deskriptifdan teknik analisis data inferensial. Teknik analisis data penelitian secara
deskriptif dilakukanmelalui statistika deskritif, yaitu statistik yang digunakan untuk
menganalisis data dengan caramendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpabermaksud membuat generalisasi hasil
penelitian. Temasuk dalam teknik analisis data statistikdeskriptif antara lain penyajian
data melalui tabel, grafik, diagram, persentase, frekuensi,perhitungan mean, median
atau modus.
Sementara itu teknik analisis data inferensial dilakukan dengan statistik
inferensial, yaitu statistikyang digunakan untuk menganalisis data dengan membuat
kesimpulan yang berlaku umum. Cirianalisis data inferensial adalah digunakannya
rumus statistik tertentu (misalnya uji t, uji F, danlain sebagainya). Hasil dari perhitungan
rumus statistik inilah yang menjadi dasar pembuatangeneralisasi dari sampel bagi
populasi. Dengan demikian, statistik inferensial berfungsi untukmenggeneralisasikan
hasil penelitian sampel bagi populasi. Sesuai dengan fungsi tersebut makastatistik
inferensial cocok untuk penelitian sampel.
E. Terminologi dalam Analisis Data

Dalam menganalisis data, terutama instrumen pengumpulan data digunakan
Quesioner Skala Likert, maka dilakukan Metode Succesive Interval(MSI).
Contoh :
Sebuah item yang memenuhi kriteria Likert dengan lima kategori respon, yaitu
“sangat setuju”yang diberi skor 5; “setuju” diberi skor 4; “ragu-ragu” diberi skor 3;

“tidak setuju” diberi skor 2;dan “sangat tidak setuju” diberi skor 1. Item tersebut
dijawab oleh 100 orang responden.
Untukkepentingan analisis data, peneliti kemudian bermaksud menaikkan
tingkat pengukuran ordinalmenjadi interval.
Untuk melakukan MSI data angketnya:
Hitunglah jawaban angket dari responden sesuai dengan kategori jawaban yang
tersedia, sedangkan yang tidak ada jawabannya diberi angka nol, hasil tabulasinya
difrekuensikan. Kemudian, perhatikan banyaknya (frekuensi) responden yang menjawab
atau memberikan responterhadap alternatif jawaban yang tersedia. Misalnya: Frekuensi
yang memilih jawaban“sangat setuju” = 25 orang; frekuensi yang memilih jawaban
“setuju” = 17 orang;frekuensi yang memilih jawaban “ragu-ragu” = 34 orang; frekuensi
yang memilihjawaban “tidak setuju” = 19 orang; dan frekuensi yang memilih jawaban
“sangat tidaksetuju” = 5 orang.
Bagi setiap bilangan pada frekuensi oleh banyaknya responden (yaitu n = 100).
Berdasarkan langkah pertama diperoleh proporsi sebagai berikut:
Proporsi jawaban “Sangat Setuju” : 25/100 = 0,25
Proporsi jawaban “Setuju” : 17/100 = 0,17
Proporsi jawaban “Ragu-ragu” : 34/100 = 0,34
Proporsi jawaban “Tidak Setuju” : 19/100 =0,19
Proporsi jawaban “Sangat Tidak Setuju” : 5/100 = 0,05
Berikutnya, jumlahkan proporsi secara beruntun sehingga diperoleh proporsi
kumulatif (PK) berikut:
Pk1 = 0,25
Pk2 = 0,25 + 0,17 = 0,42
Pk3 = 0,42 + 0,34 = 0,76
Pk4 = 0,76 + 0,19 = 0,95
Pk5 = 0,95 + 0,05 = 1

Menentukan nilai Z untuk setiap kategori. Sebelum menentukan nilai Z, perlu

kitaketahui bahwa karakteristik kurva normal baku yang dikembangkan oleh Karl Gauss
inimemiliki karakteristik: (a) kurvanya simetris, (b) kurvanya selalu di atas sumbu x
atauberasimtut sumbu x (mendekati sumbu datar x atau memotong sumbu x pada x =
~), dan(c) luas kurva normal adalah luas antara kurva normal dengan sumbu datarnya
yaitu samadengan 1 satuan luas, yang terentang dari “min” tak terhingga (- ~) sampai
dgn “plus” takterhingga (+ ~).
Kurva Normal Baku
Perlu diperhatikan bahwa tanda “plus” dan “minus” dalam gambar selain
merupakan tandaaljabar juga merupakan tanda arah. Tanda “plus” menandakan daerah
kurva berada di sebalahkanan, yang dibatasi oleh garis simetris dan “plus” tak terhingga
(+ ~). Sementara tanda “min”menandakan daerah kurva berada di sebelah kiri, yang
dibatasi oleh garis simetris dan “min” takterhingga (- ~). Berdasarkan keterangan di
atas, terutama berkaitan dengan karakteristik kurvanormal yang simetris, maka dapat
diketahui bahwa luas kurva normal dari garis simetris ke“plus” tak terhingga (+ ~)
adalah 0,5 satuan luas, dan luas kurva normal dari garis simetris ke“min” tak terhingga (-
~) juga sama yaitu 0,5 satuan luas, yang apabila dijumlahkan menjadi satusatuan luas.
Setelah kita membahas tentang kurva normal di atas, selanjutnya kita dapat
menentukan nilai Zuntuk setiap kategori pada skala Likert yaitu 5 untuk kategori
“Sangat Setuju”, 4 untuk kategori“Setuju”, 3 untuk kategori “ragu-ragu”, 2 untuk

kategori “Tidak Setuju”, dan 1 untuk kategori“Sangat Setuju”. Sebagai patokan untuk
menentukan nilai Z setiap kategori adalah proporsikumulatif yang diperoleh pada
langkah ketiga. Sehingga nilai-nilai Z nya adalah :
Nilai Z1 : 0,5 – Pk1 = 0,5 – 0,25 = 0,25 maka Z1 adalah = -0,67
Nilai Z2 : 0,5 – Pk2 = 0,5 – 0,42 = 0,08 maka Z2 = -0,20
Nilai Z3 : Pk3 – 0,5 = 0,76 – 0,5 = 0,26 maka Z3 = 0,70
Nilai Z4 : Pk4 – 0,5 = 0,95 – 0,5 = 0,45 maka Z4 = 1,64
Nilai Z5 : Pk5 = 1, maka Z5 = ~
Untuk memahami dari mana nilai-nilai Z diperoleh, perhatikan penjelasan
berikut:
Nilai Z1 = -0,67, diperoleh berdasarkan nilai peluang 0,25 pada Tabel Z atau Tabel
DistribusiNormal Baku. Pada Tabel Z ini memuat dua hal yaitu, nilai Z dan peluangnya.
Perhatikanilustrasi berikut:
The Table Area Are Probabilitias That The Standard Normal Random Variable Is
Between 0 And Z Secord Decimal Place In z
Dari gambar di atas, kita bisa mengetahui nilai Z terletak pada kolom pertama
atau kolom paling kiri dari tabel, dan baris pertama atau baris paling atas dari tabel.
Sementara nilai peluangnya terletak mulai dari kolom kedua dan baris kedua. Dengan
demikian nilai Z terdiri dari 3 dijit, dan nilai peluangnya terdiri dari 5 dijit. Sebagai
contoh perhatikan angka 0,2486 yang dilingkari pada tabel. Untuk mengetahui nilai Z
dari nilai peluang 0,2486 ini, langkah pertama yang harus kita lakukan melihat nilai Z

yang berada di kolom paling kiri dari tabel, yang sejajar dengan angka 0,2486. Pada
tabel tertera angka 0,6. Selanjutnya untuk mencari 1 dijit tersisa, langkah yang harus
kita lakukan adalah melihat nilai Z yang berada di baris paling atas dari tabel, yang
sejajardengan angka 0,2486. Pada tabel tertera angka 0,07. Kedua nilai Z yang kita
peroleh tadi apabila kita gabungkan (untuk mempermudah, kita bisa menjumlahkannya,
yaitu 0,60 + 0,07 = 0,67) akan diperoleh angka 0,67. Dengan demikian nilai Z untuk nilai
peluang 0,2486 adalah 0,67.
Selanjutnya, untuk menentukan nilai Z1 dari nilai peluang 0,25, kita bisa
melakukan langkah seperti yang telah kita bahas pada contoh. Pada kasus kita ini nilai
peluang 0,25 tidak terdapat pada tabel. Apabila kita menemukan hal seperti ini, maka
langkah yang dapat kita lakukan untuk mencari nilai Z nya adalah dengan Interpolasi
Linier. Istilah interpolasi linier diartikan sebagai membuat perhitungan antara dua nilai
yang ada, dengan menganggap sebuah lengkungan sebagai garis lurus.
Langkah kerjanya : (a) Perhatikan nilai peluang 0,25, terletak antara nilai peluang
berapa? Pada tabel tampak nilai peluang 0,25 terletak antara 0,2486 dan 0,2517. (b)
Nilai Z pada peluang 0,2486 adalah 0,67, dan nilai Z pada peluang 0,2517 adalah 0,68.
Sehingga nilai Z untuk nilaipeluang = 0,25 adalah :
0,2486 − 0,25 0,67 − 𝑥

=
0,2486 − 0,2517 0,67 − 0,68
(0,67 - x)(0,2486 - 0,2517) = (0,2486 – 0,25)(0,67 – 0,68)
(0,2486−0,25)(0,67−0,68)
x = 0,67 ( ) = 0,6745
(0,2486−0,2517)
Jadi nilai Z untuk peluang 0,25 adalah 0,6745. Perlu kita perhatikan bahwa
peluang 0,25 padakurva normal ada di sebelah kiri sehingga harus kita beri tanda “min”
pada nilai Z nya. Sehingganilai Z1 pada peluang 0,25 adalah -0,6745.

Nilai Z2 dapat dihitung sebagai berikut: (1) Perhatikan nilai peluang 0,08 pada
tabel. Nilai initerletak antara nilai peluang 0,0793 dan 0,0832. (2) Nilai Z pada peluang
0,0793 adalah 0,20, dannilai Z pada peluang 0,0832 adalah 0,21. Sehingga nilai Z untuk
nilai peluang = 0,08 adalah :
0,0793 − 0,08 0,20 − 𝑥

=
0,0793 − 0,0832 0,20 − 0,21
(0,20 - x)(0,0793 - 0,0832) = (0,0793 – 0,08)(0,20 – 0,21)
(0,0793−0,08)(0,20−0,21)
x = 0,20 ( ) = 0,2018
(0,0793−0,0832)
peluang 0,08 padakurva normal ada di sebelah kiri sehingga harus kita beri tanda “min”
pada nilai Z nya. Sehingganilai Z2 pada peluang 0,08 adalah -0,2018.
Nilai Z3 dapat dihitung sebagai berikut: (a) Perhatikan nilai peluang 0,26 pada
tabel. Nilai initerletak antara nilai peluang 0,2580 dan 0,2611. (b) Nilai Z pada peluang
0,2580 − 0,26 0,70 − 𝑥

=
0,2580 − 0,2611 0,70 − 0,71
(0,70 – x)(0,2580 – 0,2611) = (0,2580 – 0,26)(0,70 – 0,71)
(0,2580−0,26)(0,70−0,71)
x = 0,70 ( ) =0,7065
(0,2580−0,2611)

peluang 0,26 padakurva normal ada di sebelah kanan sehingga harus kita beri tanda
“plus” pada nilai Z nya.
Tanda“plus” ini pada prakteknya jarang disertakan,sehingga nilai Z3 pada
peluang0,26 adalah 0,7065.
Nilai Z4 dapat dihitung sebagai berikut: (a) Perhatikan nilai peluang 0,45 pada
tabel. Nilai initerletak antara nilai peluang 0,4495 dan 0,4505. (b) Nilai Z pada peluang
0,4495 − 0,45 1,64 − 𝑥

=
0,4495 − 0,4505 1,64 − 1,65
(1,64 – x)(0,4495 – 0,4505) = (0,4495 – 0,45)(1,64 – 1,65)
(0,4495−0,45)(1,64−1,65)
x = 1,64 ( ) = 1,645
(0,4495−0,4505)
peluang 0,45 padakurva normal ada di sebelah kanan sehingga harus kita beri tanda
“plus” pada nilai Z nya.Sehingga nilai Z4 pada peluang 0,45 adalah 1,645.
Selanjutnya untuk nilai Z5 pada nilai peluang 1 adalah tak terhingga ( ~ ). Ingat
salah satukarakteristik dari kurva normal adalah berasimtut/mendekati sumbu x.
Dengan demikian padaluas sama dengan 1, maka x nya adalah sama dengan tak
terhingga (~).
Menghitung Nilai Skala (Scale Value).

Rumus :
𝐷𝑒𝑛𝑠𝑖𝑡𝑦 𝑙𝑜𝑤𝑒𝑟 𝑙𝑖𝑚𝑖𝑡−𝐷𝑒𝑛𝑠𝑖𝑡𝑦 𝑎𝑡 𝑢𝑝𝑝𝑒𝑟 𝑙𝑖𝑚𝑖𝑡
SV = 𝐴𝑟𝑒𝑎 𝑢𝑛𝑑𝑒𝑟 𝑢𝑝𝑝𝑒𝑟 𝑙𝑖𝑚𝑖𝑡−𝐴𝑟𝑒𝑎 𝑢𝑛𝑑𝑒𝑟 𝑙𝑜𝑤𝑒𝑟 𝑙𝑖𝑚𝑖𝑡

Keterangan:
Area = Daerah kurva
Density = Tinggi kurva
Nilai-nilai density diperoleh dari tabel ordinat distribusi normal baku.
Pada langkah ke empat kita sudah mendapatkan nilai Z1, Z2, Z3, Z4 dan Z5.
Selanjutnyaberdasarkan nilai-nilai tersebut dan dengan bantuan tabel ordinat distribusi
normal baku kitadapat memperoleh nilai density-nya. Untuk memudahkan pengerjaan,
maka nilai-nilai Z yangtelah diperoleh selanjutnya kita buat dalam 2 belakang koma,
sesuai dengan 3 dijit angka yangada dalam tabel Z. Oleh karena itu Z 1 dari 0,6745
menjadi 0,67, Z2 dari 0,2018 menjadi 0,20, Z3dari 0,7065 menjadi 0,71, dan Z4 dari 1,645
menjadi 1,64.
Dengan demikian nilai density nya diperoleh:
Density pada Z1 = 0,67 adalah 0,3187
Density pada Z5 = ~ adalah 0
Untuk memahami dari mana nilai-nilai density diperoleh, perhatikan penjelasan
berikut:

Table: Ordinates of The Normal Curve
Untuk menentukan nilai density dari nilai Z1 = 0,67 dapat dilakukan dengan
langkah sebagaiberikut: Pertama, yang harus kita lakukan adalah melihat nilai Z yang
berada di kolom paling kiridari tabel. Perhatikan, nilai Z pada tabel tertera hanya dua
dijit, oleh karena itu kita hanyamengambil nilai Z1 dua dijit yaitu 0,6. Satu dijit tersisa
yaitu angka 7 kita lihat pada nilai Z yangberada pada baris pertama tabel. Pada baris
tersebut kita pilih angka 0,07. Setelah kitamenemukan angka 0,6 dan 0,07 pada tabel.
Selanjutnya adalah pada angka 0,6 kita lihat kesebelah kanan yang sejajar dengan angka
0,6 tadi. Kemudian dari angka 0,07 kita lihat ke bawahyang sejajar dengan angka 0,07.
Kalau kita pertemukan dari angka 0,6 ke kanan dan 0,07 kebawah maka akan bertemu
pada angka 0,3187. Jadi nilai density untuk Z1 = 0,67 adalah 0,3187.
Dengan cara yang sama kita dapat menentukan nilai density dari Z2, Z3, Z4 dan Z5
Dengan demikian nilai skalanya (scale value) adalah:
0−0,3187
SV1 = = −1,2748
0,25−0
0,3187−0,3910
SV2 = = −0,4253
0,42−0,25
0,3910−0,3101
SV3 = = −0,2379
0,76−0,42
0,3101−0,1040
SV4 = = 1,0847
0,95−0,76
0,1040−0
SV5 = 1−0,95
= 2,0800

Lakukan transformasi nilai skala (transformed scale value) dengan rumus:Y = SVi
+|SVMin|. Ingat: SV yang nilainya kecil atau harga negatif terbesar diubah menjadi
samadengan satu (=1).
Untuk SV1 = -1,2748 maka Y = -1,2748 + 2,2748 = 1 (=Respon 1)
Nilai ini didapat karena SV terkecil setelah ditransformasi harus sama dengan 1,
sehingga 1 – (-1,2748) = 2,2748. Nilai 2,2748 ini merupakan nilai interval yang kemudian
dijumlahkan padamasing-masing SV untuk mendapatkan nilai hasil transformasi.
Sehingga SV hasil transformasi lainnya akan diperoleh : (a) Untuk SV2 = -0,4253,
maka Y = -0,4235 + 2,2748 = 1,8495 (= Respon 2); (b) Untuk SV3 = 0,2379, maka Y =
0,2379 + 2,2748 =2,5127 (= Respon 3) ; (c) Untuk SV4 = 1,0847, maka Y = 1,0847 +
2,2748 = 3,3595 (= Respon4); (d) Untuk SV5 = 2,0800, maka Y = 2,0800 + 2,2748 =
4,3548 (= Respon 5).
Alternatif Skor Kategori Skor Kategori

Jawaban Ordinal Interval
Sangat Setuju 5 4,3548
Setuju 4 3,3595
Ragu-Ragu 3 2,5127
Tidak Setuju 2 1,8495
Sangat Tidak Setuju 1 1
Demikianlah cara menganalisis data angket dengan skala Likert.

10
UJI HIPOTESIS SELISIH RATA-RATA

(dengan Z hitung)
Uji Hipotesis adalah metode pengambilan keputusan yang didasarkan dari

analisa data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak
terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika
kejadian tersebut hampir tidak mungkin disebapkan oleh faktor yang kebetulan, sesuai
dengan batas probabilitas yang sudah ditentukan sebelumnya.55
Uji hipotesis kadang disebut juga "konfirmasi analisa data". Keputusan dari uji
hipotesis hampir selalu dibuat berdasarkan pengujian hipotesis nol. Ini adalah pengujian
untuk menjawab pertanyaan yang mengasumsikan hipotesis nol adalah benar.56
Daerah kritis (Critical Region) dari uji hipotesis adalah serangkaian hasil yang bisa
menolak hipotesis nol, untuk menerima hipotesis alternatif.
Tujuan menguji hipotesis selisih rata-rata sampel besar adalah untuk
menetapkan:
a) Apakah dua rata-rata hitung sama atau tidak?
b) Apakah harga penawaran 2 perusahaan sama atau tidak ?
c) Apakah kinerja keuangan 2 perusahaan sama atau tidak ?
Untuk membedakan 2 populasi, maka masing-masing populasi terdistribusi
normal atau dengan jumlah sampel > 30 biasanya mendekati distribusi normal.
Sedangkan nilai uji statistik Z dirumuskan sebagai berikut:
𝑋̅1 − 𝑋̅2
𝑍=
𝑆𝑥1−𝑥2
Dimana:
Z = Nilai uji statistik
𝑋̅1 − 𝑋̅2= Selisih dua rata-rata hitung sampel 1 dan sampel 2
55
R. A. Fisher, Statistical Methods for Research Workers, (Edinburgh: Oliver and Boyd, 1925), h.
43.
56
Duncan Cramer, Dennis Howitt,The Sage Dictionary of Statistics,(2004), h. 76.
𝑆𝑥1−𝑥2=Standar deviasi selisih dua populasi

Standar deviasi selisih dua sampel adalah sebagai berikut:
𝑆12 𝑆22
𝑆𝑥1−𝑥2 = √ +
𝑛1 𝑛2
Dimana:
Sx1-x2 =Standar deviasi selisih dua sampel
S1 = Standar deviasi sampel 1
S2 = Standar deviasi sampel 2
n1, n2= Jumlah sampel 1 dan sampel 2
Contoh:
Seorang investor ingin mengetahui apakah hasil investasi pada reksa dana dan
depositoperbankan sama. Untuk keperluan tersebut dipilih 36 perusahaan reksadana
danhasil rata-rata mencapai 13,17% dan standar deviasi 2,09%. Pada 49
perbankandiketahui bahwa suku bunga rata-rata 7,55% dan snatar deviasi 1,09%.
Dengan taraf nyata5%,tentukan apakah rata-rata hasil investasi di reksadana dan di
perbankan sama?
Penyelesaian:
1) Menentukan hipotesis: Ho : μ1-μ2 = 0
H1 : μ1-μ2≠ 0
2) Menentukan taraf nyata:
α = 5% nilai kritisnya diperoleh dengan cara mengetahui probabilitas daerah
keputusan Ho yaitu Zα/2 = 0,05 / 2 = 0,025 dan nilai kritis Z pada probabilitas 0,4750
dari tabel normal adalah 1,96.
3) Melakukan uji Statistik
Menggunakan rumus Z untuk selisih rata-rata. Pada soal diketahui :
x rata-rata reksadana = 13,17%
S1 = 2,09 %
n1 = 36
x rata-rata perbankan = 7,55%

S2 = 1,09 %
n2 = 49
Nilai standar deviasi selisih rata-rata:
𝑆2 𝑆2 2,092 1,092
𝑆𝑥1−𝑥2 = √𝑛1 + 𝑛2 = √ + = 0,37258
1 2 36 49
Nilai Uji Statistik:
𝑋̅1 − 𝑋̅2 13,17 − 7,55 5,62

𝑍= = = = 15,084
𝑆𝑥1−𝑥2 0,37258 0,37258
4) Menentukan daerah keputusan dengan nilai kritis Z = 1,96.
1,96
5) Menentukan Keputusan
Dengan nilai kritis Z = 1,96 dan nilai uji statistik 14,79 maka masuk ke
dalamdaerah penolakan Ho. Berarti Ho ditolak dan H1 diterima.
Kesimpulan: hasil investasi reksadana dan perbankan adalah tidak sama.

11
MENGUJI HIPOTESIS SELISIH PROPORSI SAMPEL BESAR
Para ahli banyak memberikan masukan dan penjelasan mengenai arti dari
pengujian hipotesis tersebut. Berikut akan dijabarkan beberapa pengertian dari
berbagai refrensi yang ada, dintaranya J. Supranto, mengemukakan bahwa hipotesa
pada dasarnya merupakan suatu proposisi atau anggapan yang mungkin benar dan
sering dipergunakan untuk dasar pembuatan keputusan atau pemecahan persoalan
atau untuk dasar penelitian yang lebih lanjut.57
Pengujian Hipotesis adalah suatu prosedur yang dilakukan dengan tujuan
memutuskan apakah menerima atau menolak hipotesis mengenai parameter populasi.
Ciri-ciri Hipotesis yang baik adalah:
(1) Hipotesis harus menyatakan hubungan;
(2) Hipotesis harus sesuai dengan fakta;
(3) Hipotesis harus sesuai dengan ilmu;
(4) Hipotesis harus dapat diuji;
(5) Hipotesis harus sederhana;
(6) Hipotesis harus dapat menerangkan fakta.
Dalam pengujian sebuah hipotesis selisih proporsi sampel besar terlebih dahulu
dilakukan mencari standar deviasi proporsi populasi, sebagai berikut:
Rumus untuk Standar deviasi proporsi populasi:
𝑝1 (1 − 𝑝1 ) 𝑝2 (1 − 𝑝2 )
𝑆𝑥1−𝑥2 = √ +
𝑛1 𝑛2
Dimana:
𝑆𝑥1−𝑥2 = Standar deviasi selisih dua proporsi populasi
p1 = Proporsi populasi 1
p2 = Proporsi populasi 2
n 1, n 2 = Jumlah sampel populasi 1 dan populasi 2
57
J.Supranto, Statistika Teori dan Aplikasi,(Jakarta: Erlangga, 1986), h. 221.
Sedangkan nilai uji statistik Z dirumuskan sebagai berikut:
(𝑝1 − 𝑝2 ) − (𝑃1 − 𝑃2 )
𝑍=
𝑆𝑥1−𝑥2
Dimana:
Z = Nilai uji statistik selisih 2 proporsi populasi
p1-p2 = Selisih 2 proporsi sampel 1 dan sampel 2
P1-P2 = Selisih 2 proporsi populasi 1 dan populasi 2
𝑆𝑝1−𝑝2 = Standar deviasi selisih 2 proporsi populasi
Standar deviasi selisih 2 sampel adalah sebagai berikut:
𝑃(1 − 𝑃) 𝑃(1 − 𝑃)
𝑆𝑝1−𝑝2 = √ +
𝑛1 − 1 𝑛2 − 1
Dimana:
P = (x1 + x2) / (n1 + n2); x1 dan x2 adalah kejadian sukses pada sampel 1 dan 2.
Contoh Soal:
Majalah prospektif edisi 25 membahas tentang fenomena artis Inul Daratista
dengan tema Ngebor Duitdari bisnis hiburan. Menurut majalah ini, rating acara Inul
mencapai 35, artinya pada waktu yang samaditonton 35 juta orang. Sebuah perusahaan
kosmetik remaja ingin memasng iklan pada acara tersebut,dan ingin mengetahui
apakah proporsi remaja dan dewasa sama. Untuk mengetahui hal tersebutdicari
responden per telepon sebanyak 300 remaja dan sebanyak 150 orang menonton
Inul,sedang responden dewasa sebanyak 400 orang dan 350 orang menonton Inul.
Dengan taraf nyata 5%. Ujilahapakah proporsi remaja dan dewasa sama dalam
menonton Inul?
Penyelesaian:
Langkah 1:
Merumuskan hipotesa, yaitu menguji pernyataan bahwa proporsi remaja (p1)
sama dengan proporsidewasa (p2) dalam menonton acara Inul. Hipotesa tersebut dapat
dirumuskan sebagai berikut:
Ho : P1-P = 0
H1 : P1-P ≠ 0

Tanda = dan ≠ menunjukkan pengujian 2 arah.

Langkah 2:
Menentukan taraf nyata, sebesar 5%, nilai kritis Z dapat diperoleh dengan cara
mengetahui probabilitasdaerah keputusan Ho yaitu Z a/2 = 0,5 - (0,05 / 2) = 0,4750 dan
nilai kritis Z dari tabel normal adalah 1,96.
Langkah 3:
Melakukan uji statistik dengan menggunakan rumus Z untuk selisih dua proporsi
sampel.
Diketahui:
Nilai standar error selisih dua proporsi:
x1 = 150
n1 = 300
p1 = 0,50
x2 = 350
n2 = 400
p2 = 0,875
p1-p2 = -0,375
P = (x1 + x2) / (n1 + n2) = 500 : 700 = 0,71429
Nilai standar error selisih dua proporsi:
0,71429(1 − 0,71429) 0,71429(1 − 0,71429) 0,20408 0,20408

𝑆𝑝1−𝑝2 = √ + =√ + = √0,00068 + 0,00051
300 − 1 400 − 1 299 399
= 0,03455
Selanjutnya dilakukan uji statistik Z :

(𝑝1 −𝑝2 )−(𝑃1 −𝑃2 ) −0,375−0
𝑍= = = -10,8523
𝑆𝑥1−𝑥2 0,03455
Langkah 4:
Menentukan daerah keputusan dengan nilai kritis Z = 1,96.
Ho

-10,85 -1,96 1,96

Langkah 5:
Menentukan keputusan dengan nilai kritis Z = -1,96, sedangkan nilai uji statistik -
10,71 beradadi daerah penolakan Ho. Ini berarti Ho ditolak dan H1 diterima. Terdapat
cukup bukti bahwa selisihproporsi remaja dan dewasa tidak sama dengan nol, atau
proporsi remaja dan dewasa berbeda.Acara Inul banyak ditonton oleh orang dewasa.

12
ANALISIS KARAKTERISTIK POPULASI (Uji-F)
Analisis satu arah untuk menganalisis satu macam karakteristik dari populasi
yang diambil dari sampel.
Membandingkan 2 rata-rata sampel dari sampel n1 dan n2 :
Uji Hipotesis nol : Ho : 1   2
Uji Hipotesis alternatif : H1 : 1   2
MST
F
MSE
Total jumlah kuadrat simpangan dari semua nilai (n1 + n2)x disekitar rata-rata
umum adalah:
2 n
SS total   ( X
i 1 j 1
1  X )2
Dimana X adalah rata-rata (average) dari semua (n1 + n2) pengamatan yang
berada dalam dua sampel itu. Rumus total kuadrat simpangan dapat diajabarkan
sebagai berikut :
2 n1
SS total   ( X
i 1 j 1
1  X )2
2 n
2 n1
[ X 1 ] 2
 X
i 1 j 1
 1 
i 1 j 1 k .n
n1 n1
2 2
GT 2
  X 1  CM   X 1 
2 2
i 1 j 1 i 1 j 1 kn
2 2 n1
  n1 ( x1  x) 2   ( x1  x1 ) 2
11 11 j 1
SST SSE
Dimana :
x1 = adalah rata-rata dari pengamatan dalam sampel ke-i, i = 1, 2.

SST = jumlah kuadrat perlakuan (sum of square for treatment), berfungsi untuk
mengukur keragaman antara rerata sampel.
SSE = jumlah kuadrat kesalahan (sum of square for error), berfungsi untuk mengukur
keragaman dalam sampel.
CM = Correction Mean (koreksi untuk nilai rata-rata)
GT = General Total (total seluruh nilai observasi).
k = banyaknya treatment / perlakuan
n = jumlah sampel.
Rumus SST dapat dibuktikan dengan :
n1  n2
SST  ( x1  x2 ) 2
n1  n2
* SSE  SSTotal  SST
SST
* MST 
k 1
MST
Fhitung 
MSE
SSE
* MSE 
(n1  n 2 )  2
Fhitung dibandingkan dengan Ftabel (Fα k-1.(n1+n2)-2)

Bila Fhitung > Ftabel, dapat diinterpretasikan bahwa hipotesis nol ditolak. Ada
perbedaan yang nyata diantara kedua rerata sampel, ada pengaruh terhadap respons.
Contoh:
Seorang investor ingin mengetahui apakah ada perbedaan yang nyata antara
rata-rata keuntungan yang diberikan oleh Bank dan Industri. Investor tersebut melihat
data rata-rata bunga yang diberikan oleh Bank dan Industri sesuai dengan jatuh
temponya. Adapun data yang diperoleh terlihat pada tabel berikut:

Tabel : Rata-rata bunga bank yang diberikan sesuai jatuh tempo
Jatuh tempo Bank (X1) Industri (X2)

1 9,14 9,69
2 8,85 8,94
3 9,52 8,85
4 10,16 9,45
5 8,90 9,15
Penyelesaian :
Langkah pertama, menentukan uji hipotesisnya, yaitu:
Uji Hipotesis nol : Ho : 1   2  tidak berbeda nyata

Uji Hipotesis alternatif : H1 : 1   2  ada perbedaan nyata
Langkah kedua, melengkapi tabel di atas dengan total masing-masing dan total
keseluruhannya.
Tabel : Rata-rata bunga yang diberikan sesuai jatuh tempo
Jatuh tempo Bank (X1) Industri (X2)

1 9,14 9,69
2 8,85 8,94
3 9,52 8,85
4 10,16 9,45
5 8,90 9,15
Total 46,57 46,08
GT = 46,57 + 46,08 = 92,65.

n1 n1
2 2
GT 2
SSTotal   X 1  CM   X 1 
2 2
i 1 j 1 i 1 j 1 kn
(92,65) 2
SSTotal  (9,14)  (9,69)  .....  (9,15) 
2 2 2
(2)(5)
= 860,0953 – 858,40225 = 1,69305
x   x2
2 2
GT 2
SST  
1
n kn

(46,57) 2  (46,08) 2 (92,65) 2

SST  
5 (2)(5)
= 858,42626 – 858,40225 = 0,02401
SSE  SSTotal  SST
= 1,69305 – 0,02401 = 1,66904
SST 0,02401
MST    0,02401
k 1 1
SSE 1,66904
MSE    0,20863
(n1  n2 )  2 5  5  2
MST 0,02401
Fhitung    0,115084
MSE 0,20863
Nilai kritis dari statistik F untuk α = 0,05 dengan derajad bebas (df) sebesar k-
1;(n1 + n2) – 2, atau F0,05;1,8 = 5,32.
Karena nilai Fhitung< Ftabel atau 0,11508 < 5,32, maka Ho diterima. Dengan
demikian rata-rata bunga yang diberikan oleh Bank maupun Industri tidak ada
perbedaan nyata. Jadi investor dapat memilih diantara keduanya yang mana saja.
Membandingkan Lebih 2 Rerata Populasi
Rumus yang digunakan sebagai berikut :
n1 n1
k k
GT 2
SS Total   x1  CM   x1 
2 2
i 1 j 1 i 1 j 1 kn
k
GT 2
SST  T1 
2
i 1 kn
SSE  SSTotal  SST
Uji F untuk membandingkan rerata populasi p
Hipotesis nol Ho : 1   2   3  .... p

Hipotesis alternatif H1 : satu atau lebih pasangan rerata populasi berbeda.

Statistik Uji F = MST / MSE, dimana F didasarkan pada derajad bebas (df) k-1; k(n – 1).
Untuk memudahkan, biasanya perhitungan analisis varians ditunjukkan atau
disajikan dalam tabel ANOVA. Perhatikan tabel ANOVA untuk lebih dari 2 rerata dengan
jumlah sampel sama.
Tabel ANOVA untuk > 2 rerata dengan jumlah sampel sama
Sumber df SS MS Fhitung
Treatment k–1 SST SST/k–1

MST/MSE
Error k(n – 1) SSE SSE/k(n–1)
TOTAL nk – 1 SSTotal
Jumlah sampel tidak sama

Treatment
Ulangan X1
X2 ........ Xk
1
X11 X12 ..... X
2
X21 X22 ..... X
3
X31 X3k
4
TOTAL T1 T2 ...... Tk = GT
Uji F untuk membandingkan rerata populasi p

Hipotesis nol Ho : 1   2   3  ..... p
Hipotesis alternatif H1 : satu atau lebih pasangan rerata populasi berbeda.

MST
Statistik uji F = , dimana F didasarkan pada derajad bebas k–1; N–k.
MSE
Tabel ANOVA untuk > 2 Rat-rata dengan jumlah sampel tidak sama
Treatment k–1 SST SST/ k–1 MST/MSE

Error N–k SSE SSE/ N–k
TOTAL N–1 SSTotal
Contoh:
Empat kelompok karyawan bagian penjualan (salesman) sebuah agen penjualan
majalah diharuskan mengikuti program pelatihan penjualan yang berbeda. Karena ada
beberapa yang keluar (drop-out) selama program pelatihan, jumlah orang yang dilatih
berbeda-berda dalam setiap kelompok. Pada akhir program pelatihan setiap karyawan
penjualan secara random diberi tugas di suatu wilayah penjualan dari sekelompok
wilayah penjualan yang dinilai mempunyai potensi penjualan yang sama. Jumlah
penjualan yang dibuat oleh setiap orang dari empat kelompok karyawan penjualan
selama minggu pertama setelah menyelesaikan program pelatihan dituliskan dalam
tabel. Apakah data tersebut menyajikan bukti yang cukup untuk menunjukkan
perbedaan dalam rerata prestasi kerja untuk empat program pelatihan itu?
Tabel: Banyaknya penjualan yang dibuat oleh setiap orang dari setiap kelompok
pelatihan.

Penyelesaian :
𝑆𝑆𝑇 712,6
MST = 𝑘−1 = = 237,5
3
𝑆𝑆𝐸 1196,6
MST = 𝑁−𝐾 = = 63,0
19
Maka:
𝑀𝑆𝑇 237,5
Fhitung = 𝑀𝑆𝐸 = = 3,7698
63,0

Nilai kritis F untuk α = 0,05, adalah F0,05, k-1, N-k = 3,13. Karena nilai F yang dihitung
= 3,77, melebihi atau lebih besar dari F0,05, k-1, N-k = 3,13, maka kita menolak hipotesis nol
dan menyimpulkan bahwa bukti tersebut cukup untuk menunjukkan perbedaan dalam
rerata prestasi kerja untuk keempat program pelatihan.
Tabel ANOVA
Treatment 3 172,6 237,5 3,7698
Error 19 1196,6 63,0
TOTAL 22 1909,2
Berdasarkan hasil perhitungan yang dituangkan dalam tabel Anova di atas, maka
tidak ada alasan untuk menerima Ho, F hitung 3,7698> F tabel 3,1274. Dengan demikian
bahwa hipotesis awal ditolak dan hipotesis alternative yang diterima.

13
UJI PERBEDAAN RATA-RATA (Uji-t)
Uji-t dipergunakan untuk menguji perbedaan rata-rata dari dua kelompok atau
sampel, dengan demikian uji-t berfungsi untuk menguji hipotesis nol (Ho) mengenai
perbedaan rata-rata antara dua kelompok yang dibandingkan (X1 dengan X2, dsb.).
Pengujian secara statistik ini digunakan untuk mengetahui apakah perbedaan
rata-rata tersebut signifikan (nyata). Salah satu teknik analisis untuk menguji perbedaan
dua rata-rata adalah uji-t.58
Terdapat dua rumus uji-t yang dapat digunakan untuk menguji hipotesis
komparatif dua sampel independen, yaitu:
58
Abdul Muin Sibuea, Statistik II: Seri Diktat Kuliah Statistik Bisnis, (Medan: STIE Harapan,
2005).., h. 21.
X1  X 2
t  Separated Varians
2 2
s1 s
 2
n1 n2
X1  X 2
t  Polled Varians
(n1  1) s1  (n2  1) s 2
2 2
 1 1 
  
n1  n2  2  n1 n2 
Adapun kiat untuk memilih rumus uji-t ini59, perlu diperhatikan ha-hal berikut:
(a) Bila jumlah anggota sampel n1 = n2 dan varian homogens  1 =  2 maka dapat
digunakan kedua rumus uji-t tersebut, untuk mengetahui t tabel digunakan df yang
besarnya df = n1 + n2 – 2.
(b) Bila n1  n2, varians homogen (  1 =  2) dapat digunakan rumus uji-t Polled
Varians, df = n1– n2 – 2.
(c) Bila n1 = n2, varians tidak homogen (  1   2) dapat digunakan kedua rumus uji-t
tersebut, df = n1 – 1 atau n2 – 2, bukan df=n1-n2-2 (Phopan, 1973).
(d) Bila n1 n2 dan varians tidak homogen (  1   2), dalam hal ini digunakan rumus
uji-t Separated Varians, harga t sebagai pengganti harga t tabel dihitung dari selisih
harga t tabel dengan df = (n1 – 1) dan df = n2 – 1, dibagi dua dan kemudian
ditambah dengan harga t yang terkecil. CONTOH: n1 = 25, berarti df = 24, maka
harta t tabel = 2,797. n2 = 13, df = 12, harga t tabel = 3,005 (untuk kesalahan (alpha)
1%, uji dua pihak). Jadi harga t tabel yang digunakan adalah 3,005 – 2,797 = 0,208.
Selanjutnya harga ini ditambah dengan harga t yang terkecil. Jadi 0,208 + 2,797 =
2,923. Harga t = 3,005 (lihat lampiran) ini adalah sebagai pengganti harga t tabel
(Phopan, 1973).
Hipotesis yang diajukan adalah:

Ho : Tidak terdapat perbedaan ................. antara .................
Ha : Terdapat perbedaan ........................ antara ...................
Ho : 1   2
59
Sugiyono, Statistik..., h. 135.
Ha : 1   2
Untuk menentukan rumus uji-t mana yang akan digunakan untuk pengujian
hipotesis maka perlu diuji terlebih dahulu varians kedua sampel homogen atau tidak.
Pengujian homogenitas varians digunakan uji F dengan rumus:
VarianTerbesar
F
VarianTerkecil
Sebagai contoh, Alumni Prodi Ahwalusy Syahsyiah (AS) dan Muamalat (MU)
untuk mendapatkan pekerjaan yang sesuai dengan kemampuan dan keahliannya,
dirangkumkan dalam tabel berikut:
Lama Menunggu Prodi AS Lama Menunggu Prodi MU

No.
Dalam Tahun (X1) Dalam Tahun (X2)
1 6 2
2 3 1
3 5 3
4 2 1
5 5 3
6 1 2
7 2 2
8 3 1
9 1 3
10 3 1
11 2 1
12 4 1
13 3 3
14 4 2
15 2 1
16 3 2
17 1 2
18 5 1
19 1
20 3
21 1
22 4
n1 = 22 n2 = 18
ΣX1 = 64 ΣX2 = 32
x1 = 2,91 x2 = 1,78
s1 = 1,51 s2 = 0,81
s12 = 2,28 s22 = 0,65
Rumus untuk mencari standart deviasi (simpangan baku / s) adalah:

S
(X i  X )2
(n  1)
Dimana:
S = Simpangan baku sampel
n-1 = derajat kebebasan (n : jumlah sampel)
ΣXi = jumlah data X
X = Nilai rata-rata data X
Tabel Penolong Mencari Simpangan Baku

X1 X2
No
Xi Xi-X (Xi-X)2 Xi Xi-X (Xi-X)2
1 6 3,09 9,5481 2 0,22 0,0484
2 3 0,09 0,0081 1 -0,78 0,6084
3 5 2,09 4,3681 3 1,22 1,4884
4 2 -0,91 0,8281 1 -0,78 0,6084
5 5 2,09 4,3681 3 1,22 1,4884
6 1 -1,91 3,6481 2 0,22 0,0484
7 2 -0,91 0,8281 2 0,22 0,0484
8 3 0,09 0,0081 1 -0,78 0,6084
9 1 -1,91 3,6481 3 1,22 1,4884
10 3 0,09 0,0081 1 -0,78 0,6084
11 2 -0,91 0,8281 1 -0,78 0,6084
12 4 1,09 1,1881 1 -0,78 0,6084
13 3 0,09 0,0081 3 1,22 1,4884
14 4 1,09 1,1881 2 0,22 0,0484
15 2 -0,91 0,8281 1 -0,78 0,6084
16 3 0,09 0,0081 2 0,22 0,0484
17 1 -1,91 3,6481 2 0,22 0,0484
18 5 2,09 4,3681 1 -0,78 0,6084
19 1 -1,91 3,6481
20 3 0,09 0,0081
21 1 -1,91 3,6481
22 4 1,09 1,1881
Σ 64 - 47,8182 32 - 11,1112
S1 
(X i  X )2
S2 
(X i  X )2
( n  1) (n  1)
47,8182 11,1112
S1   1,5089 S2   0,8084
(21) (17)

S12= (1,51)2 = 2,28 S22= (0,81)2 = 0,65
Setelah mendapatkan harga varians (kuadrat dari simpangan baku) terbesar =

2,28 dan terkecil = 0,65. Jadi, F = 2,28 : 0,65 = 3,49. Harga F hitung tersebut
dikonsultasikan dengan F tabel (lihat lampiran) dengan df pembilang = n 1–1 = 22–1 = 21,
dan df penyebut = n2 – 1 = 18 – 1 = 17. Berdasarkan df pembilang= 21 dan df penyebut =
17 pada taraf kesalahan (alpha) 5%, F tabel = 2,2188.
Ketentuannya adalah bila F hitung lebih kecil atau sama dengan F tabel (Fh < Ft),
maka Ho diterima dan Ha ditolak. Ho diterima berarti varians HOMOGEN.
Hasil konsultasi F hitung dengan F tabel (3,49 > 2,2188). Dengan demikian, Ho
ditolak dan Ha diterima, hal ini berarti Varians TIDAK HOMOGEN. Setelah diketahui
varians tidak homogen (  1   2) dan jumlah sampel 1 tidak sama dengan jumlah
sampel 2, sesuai dengan ketentuan di atas, digunakan Rumus uji-t Separated Varians:
X1  X 2 2,91  1,78
t
2 2
t  3,02
s1 s 2,28 0,65
 2 
n1 n2 22 18
Harga t hitung tersebut dibandingkan dengan harga t tabel (lihat lampirannya).

Dari t tabel ini digunakan t tabel pengganti karena jumlah sampel dan varians TIDAK
HOMOGEN. t tabel dihitung dari selisih harga t tabel dengan df = n1 – 1 dan df = n2 – 2
dibagi dua, kemudian ditambahkan dengan harga t yang terkecil.
n1 = 22; df = 21, maka t tabel = 2,08 (alpha = 5%)
n2 = 18; df = 17, maka t tabel = 2,11
Selisih kedua harga t tabel, kemudian dibagi dua: (2,11 – 2,08) : 2 = 0,015, harga
ini selanjutnya ditambahkan dengan t tabel yang terkecil 2,08. Jadi t tabel pengganti
adalah 2,08 + 0,015 = 2,095.
Dengan demikian, ternyata t hitung lebih besar dari t tabel (3,02 > 2,095),
maka Ho ditolak Ha diterima. KESIMPULANNYA, terdapat perbedaan secara signifikan
masa menunggu untuk mendapatkan pekerjaan antara alumni AS dan MU (dalam
satuan tahun). Alumni MU cenderung lebih cepat mendapatkan pekerjaan.
Tugas:

Lakukanlah uji-t terhadap data Tingkat Pelayanan dan Kepuasan Konsumen Mini
Market Zhufairah, pada pertemuan 5 halaman 28modul ini!.
14
PENGOLAHAN DATA DENGAN MS. EXCEL
(Disertai Cara Membaca Output-nya)
Pengolahan data penelitian tidak hanya dengan cara manual dapat dilakukan,
sebagaimana telah dijelaskan sebelum, banyak program dapat digunakan sebagai alat
bantu pengolahan statistik. Salah satu bentuk program yang selalu berada di depan
mata setiap pemakai komputer, laptop, notebook maupun netebook adalah Microsoft
Excel.
Fokus utama pembahasan kita kali ini adalah menjelaskan pengertian dan
interpretasi output yang dihasilkan Excel tersebut.
Sebagai contoh, ketikkan kumpulan data berikut: 20 40 60 80 100 130 130 160
180. Tempatkan di kolom A mulai dari sel A1 sampai A9 (lihat tampilan 2). Selanjutnya,
klik option, Data Analysis maka akan tampilan seperti tampilan 1 berikut:
Tampilan 1. Tampilan menu Descriptive Statistics

Selanjutnya, isilah input range-nya sesuai dengan penempatan data kita tadi.
Kemudian isilah output range di C1 , selanjutnya conteng kotak di depan “summary
statistics”, kemudian klik Ok. Akan muncul tampilan output seperti tampilan 2 berikut:
Tampilan 2. Tampilan Output Descriptive Statistics
Pada tabel di atas memberikan informasi bahwa Mean = 100, ini menunjukkan
nilai rata-rata dari: (20 + 40 + 60 + 80 + 100 + 130 + 130 + 160 + 180)/9 = 100;Standard
Error= 18,1812; Median nilai tengah setelah diurutkan dari terkecil hingga terbesar;
Mode atau Modus adalah nilai yang sering muncul yaitu 130 sebanyak dua kali;
Standard deviasi 54,5436 (cara mencarinya telah dijelaskan pada pertemuan telah yang
lalu); Variance (varians) = 2975; Kurtosis = -1,1764; Skewness = -0,01764. Nilai Kurtosis

dan Skewness ini digunakan untuk mengetahui tingkat normalitas data melalui rumus JB
kemudian dibandingkan dengan nilai tabel Chi Kuadrat (χ2).
𝑛 2 (𝑘 − 3)2 9 (−1,1764 − 3)2
𝐽𝐵 = (𝑆 + ) = (−0,017642 + ) = 6,5413
6 4 6 4
Sedangkan Chi Kuadrat (χ2) tabel dengan df 9 diperoleh 15,5073. Hal ini
menunjukkan bahwa nilai JB hitung < dari Chi Kuadrat (χ2) berarti data tersebut normal.
Range : 180 – 20 = 160, hal ini dibuktikan dengan data maximum 180 dan data
minimum 20; Sum (jumlah total data) = 900 dan banyaknya data ( n ) = 9.
Terdapat dua bagian pokok dari statistik deskriptif secara numerik, yaitu
pengukuran nilai sentral dan pengukuran penyebaran data. Pengukuran nilai sentral
adalah penentuan suatu nilai yang mampu menggambarkan/mewakili sekumpulan data.
Pengukuran penyebaran data adalah penggambaran bagaimana data tersebut
tersebar atau terdistribusi dari nilai sentralnya, atau perbandingan distribusi data
tersebut terhadap distribusi normal.
Pada sekumpulan data, bisa saja tidak terdapat mode, atau bahkan terdapat
lebih dari satu mode. Pada kumpulan data berikut: 5 7 8 12 14 18 20, maka tidak ada
modus pada data tersebut. Pada kumpulan data berikut: 5 7 7 8 12 14 18 18 20, maka
terdapat dua modus yaitu 7 dan 18.
(Catatan: pada Excel, ketika tidak ada modus, tampilan yang dihasilkan adalah
#N/A. Sebaliknya, jika terdapat lebih dari satu modus, maka yang ditampilkan sebagai
modus adalah modus yang berada pada urutan awal)

15
PENGOLAHAN DATA DENGAN SPSS
(Disertai Cara Membaca Output-nya)
Deskriptive Statistics dengan program SPSS, lakukan identitas variabel pada

sheet variable view lalu entri data pada sheet data view, kemudian klik Analyze, pilih
Descriptive Statistics, klik Descriptive. Setelah muncul dialog Descriptives, masukkan
variabel data ke kotak variables.

Klik Options untuk memilih analisisnya
Centang yang dibutuhkan seperti: Mean, Sum, Std. Deviation, Variance, Range,
Minimum, Maximum, SE.mean, Kurtosis, dan Skewness, kemudian klik Continue. Bila
semua centang sudah dilakukan sesuai dengan kebutuhan analisis maka klik OK.
Hasil outputnya adalah sebagai berikut:
Descriptive Statistics
Std.
N Range Minimum Maximum Sum Mean Deviation Variance Skewness Kurtosis
Std. Std. Std.
Statistic Statistic Statistic Statistic Statistic Statistic Error Statistic Statistic Statistic Error Statistic Error
X 7 3 3 6 30 4,29 ,421 1,113 1,238 ,249 ,794 -,944 1,587
Y 7 6 1 7 27 3,86 ,800 2,116 4,476 ,259 ,794 -,795 1,587

Descriptive Statistics
Std.
N Range Minimum Maximum Sum Mean Deviation Variance Skewness Kurtosis
Std. Std. Std.
Statistic Statistic Statistic Statistic Statistic Statistic Error Statistic Statistic Statistic Error Statistic Error
X 7 3 3 6 30 4,29 ,421 1,113 1,238 ,249 ,794 -,944 1,587
Y 7 6 1 7 27 3,86 ,800 2,116 4,476 ,259 ,794 -,795 1,587
Valid N
(listwise) 7
Bacalah hasil outputnya !
Soal Latihan:
Lakukan analisis deskriptif secara lengkap, yang mencakup ukuran gejala

pusat,penyebaran, bentuk distribusi, mengenai data-data penelitian berikut ini:
1. Pegawai suatu kantor memberikan sumbangan bencana alam dalam ribuan rupiah
sebagai berikut: 10, 40, 25, 5, 20, 10, 25, 50, 30, 10, 5, 15, 25, 50, 10, 30, 5, 25, 45,
dan 15.Tentukan modus dan mediannya.
2. Seorang mahasiswa tertarik untuk melakukan penelitian deskriptif mengenai

penghasilan para supir angkot di wilayah Kota Langsa. Salah satu variabel yang
diamati adalah penghasilan bersih yang didapatkan setiap hari oleh para sopir
tersebut. Ukuran sampel yang diambil adalah sebanyak 30 sopir dengan data
penghasilan bersih (dalam ribuan) sebagai berikut:
5 10 20 30 40 50 5 10 20 30
40 50 5 10 20 30 40 5 15 25
35 5 15 25 30 5 15 25 15 15
3. Penelitian mengenai gaji pokok pertama yang diterima karyawan dengan

tingkatpendidikan sarjana di BUMN. Data selengkapnya adalah sebagai berikut:
150 350 250 250 150 350 250 250 250 300
250 250 300 250 250 300 250 250 300 250
4. Penelitian yang sama dengan nomor 3 tetapi untuk perusahaan swasta, dengan
datasebagai berikut:
300 450 600 350 500 650 500 450 500 550 400 550
350 500 650 400 550 400 550 500 450 600 700 450
5. Seorang mahasiswa, yang sedang menyusun skripsi, melakukan penelitian

mengenai strategi harga yang dibuat oleh penjual pakaian jadi wanita di DKI
Jakarta. Ukuran sampel yang diambil adalah sebanyak 50 penjual dengan data
harga jual ke konsumen langsungnya dalam ribuan rupiah sebagai berikut:
2441 4342 7248 50 65 75 65
45 42 50 55 45 45 50 55 40 50
15 20 75 45 42 50 60 45 50 75
25 25 42 45 40 65 63434341
50 55 50 75 65 50 75 75 55 50
Informasi statistik apa saja yang akan diperoleh mahasiswa tersebut ?
6. Seorang peneliti telah mengumpulkan data tentang penghasilan pedagang beras di

pusat pasar Kota Langsa (dalam ratusan ribu rupiah) sebagai berikut:
25 40 45 80 75 45 45 40 40 55
10 45 50 45 15 20 25 25 45 40
25 75 65 50 45 40 30 30 35 45
55 65 45 40 25 90 85 85 90 45
40 35 45 40 45 35 25 45 30 40
7. Seorang mahasiswa ingin meneliti tingkat harga bawang merah di pusat pasar Kota
Langsa, diperoleh data sebagai berikut (dalam ribuan):
16 19 17 18 21 16 20 22 24 21 20 21
25 27 26 28 29 34 32 30 31 35 36 37
39 38 44 41 43 42 40 45 49 46 47 48
DAFTAR KEPUSTAKAAN
Arsyad, Lincolin, Ekonomi Manajerial,Yogyakarta: BPFE Gajah Mada, 2001.
--------------------, Peramalan Bisnis,Jakarta: Gralia Indonesia, 1995.

Hasyim, Muhammad,Penuntun Dasar Kaedah Penelitian Masyarakat,Jakarta: Rineka

Cipta, 1993.
Jarwanto, Pangestu Subagio, Atatistik Induktif, Yogyakarta: BPFE UGM, 2000.
Koyan, I Wayan, Telaah Kurikulum Tingkat Satuan Pendidikan (KTSP) Jenjang Pendidikan
Dasar, Singaraja: Undiksha,2012.
Kusrini, Statistika, Jakarta: Bagian Proyek Pengembangan Kurikulum, Dirjen. Pendidikan

Dasar dan Menengah Departemen Pendidikan Nasional, 2004.
Margono, S., Metodologi Penelitian Pendidikan, Cet. Ke-6, Jakarta: Rineka Cipta, 2007.
Nasution, S., Metode Research (Penelitian Ilmiah), Cet. Ke-9, Jakarta: Bumi Aksara, 2007.
Pasaribu, Amudi, Pengantar Statistik, Cet. Ke-4,Jakarta: Ghalia Indonesia,1981.
Purwadi, Budi, Riset Pemasaran Implementasi dalam Bauran Pemasaran,Jakarta: PT.

Grasindo, 2000.
Santoso, Singgih, Panduan Lengkap SPSS versi 20, Jakarta: PT. Elek Media Komputindo,
2012.
Siagian, Dergibson & Sugiarto. Metode Statistika untuk Bisnis dan Ekonomi, Jakarta: PT
Gramedia Pustaka Utama, 2002.
Sibuea, Abdul Muin, Statistik II: Seri Diktat Kuliah Statistik Bisnis, Medan: STIE Harapan,
2005.
Singarimbun, Masri, Metode Penelitian Survey, Jakarta: PT. Pustaka Lp3es, 1987.
Sudijono, Anas, Pengantar Statistika Pendidikan,Jakarta: PT Raja Gradindo Persada2006.
Sudjana, Nana, Penilaian Hasil Proses Belajar Mengajar, Bandung: Remaja Rosdakarya,
2005.
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9,Bandung: Alfabeta, 2006.
Sugono, Dendy, at.all., Kamus Bahasa Indonesia, Jakarta: Pusat Bahasa, 2008.
Suharsimi Arikunto, Prosedur Penelitian Suatu Pendekatan Praktik, Ed. Revisi VI,Jakarta:
Rineka Cipta, 2006.
Supranto, J., Statistik: Teori dan Aplikasi, Ed. Keenam, Jilid 1, Jakarta: Erlangga, 2000.
Walpole, Ronald E.,Pengantar Statistika, Jakarta: PT Gramedia Pustaka Utama, 1993.
Wirawan,Budaya dan Iklim Organisasi,Penerbit: Salemba, t.tp.,2001.
Zulfitri MS, Statistik Sosial, Bandung: Pusat Pengembangan Bahan Ajar, 2010.

http://pascasarjana-stiami.ac.id/2009/04/pengertian-variabel-penelitian/, tgl. 19.8.11

KATA PENGANTAR
Penulis menyampaikan segala pujian dan rasa syukur kepada Allah s.w.t. atas
segala karunia-Nyalah maka tesis ini dapat diselesaikan. Rangkaian Salawat dan Salam
semoga senantiasa tercurah kepada Rasulullah Muhammad s.a.w. Yang menyalakan
pelita iman dan Islam untuk umat manusia agar mampu mengukuti perkembangan
zaman.
Dalam rangka memenuhi perlengkapan mengajar mata kuliah Statistik Deskriptif
pada STAIN Zawiyah Cot Kala Langsa Prodi Perbankan Syariah (PBS) penulis menyusun
sebuah Modul Statistik Deskriptif.
Atas terselesainya modul ini, penulis mengucapkan terima kasih kepada:
1. Bapak Dr. Zulkarnaini, MA sebagai Ketua STAIN Zawiyah Cot Kala Langsa dan para
pembantu ketua, yang telah memberikan kesempatan serta kemudahan sehingga
penulis dapat menyelesaikan modul yang sederhana ini.
2. Bapak Abdul Hamid, MA sebagai Ketua Prodi PBS, yang telah memberikan arahan
dan bimbingan yang bersifat kontruktif sejak awal hingga selesainya modul ini.
Tidak lupa pula penulis ucapkan terima kasih yang sedalam-dalamnya kepada:
1. Kedua almarhum dan almarhumah orang tua penulis, dengan segala
pengorbanan telah memelihara dan mendidik penulis dengan penuh perhatian
dan kasih sayang, juga telah mendorong penulis untuk menuntut ilmu dengan
harapan agar penulis dapat menjadi orang yang berguna untuk agama, bangsa
dan negara. Penulis senantiasa mendo’akan semoga Allah swt memberikan
rahmat dan kasih sayang-Nya serta menerima amal dan mengampuni dosa-dosa
ke duanya.
2. Kepada Isteri tercinta Anita serta anak-anak (Hanani Azzahra, Sayyidah Azzafira,
Azzuriati Azzuhra, Almahiratul Husna dan Putri Zhufaira) yang selalu tabah dalam
mendampingi penulis baik dalam berkarier maupun dalam menuntut ilmu.
3. Sahabat sekalian, yang telah mensuportifkan penulis, serta teman sejawat yang
secara langsung ataupun tidak langsung turut membantu penulis dalam
menyelesaikan modul ini.

Modul Mata Kuliah Statistika Deskriptif i
101
Penulis menyadari bahwa modul ini masih terdapat banyak kekurangan dan
kelemahan. Untuk itu penulis dengan lapang dada menerima sumbang saran dan kritik
yang konstruktif untuk mendapatkan hasil yang lebih baik. Semoga modul ini
bermanfaat untuk perkembangan ilmu pengetahuan. Amin ya Rabba – Alamin.
Langsa, 11Oktober 2013

Penulis
RIDWAN, S.Pd.I, M.A.

ii
DAFTAR ISI
Halaman
KATA PENGANTAR ................................................................................................ i

DAFTAR ISI............................................................................................................. iii
1. Perkenalan Dengan Statistika Deskriptif ........................................................ 1
2. Pengertian dan Kebutuhan Terhadap Statistik Deskriptif .............................. 3
3. Variabel dan Sampel Penelitian ...................................................................... 10
4. Pengumpulan Data Menggunakan Quesioner................................................ 23
5. Rekapitulasi Quesioner dan Uji Validitas Sampel ........................................... 27
6. Macam-Macam Ukuran Pemusatan Data....................................................... 31
7. Macam-Macam Ukuran Pemusatan Data (Lanjutan) ..................................... 38
8. Penyebaran Data............................................................................................. 53
9. Analisis Data Dalam Statistik .......................................................................... 60
10. Uji Hipotesis Selisih Rata-Rata (dengan Z hitung)........................................... 71
11. Menguji Hipotesis Selisih Proporsi Sampel Besar ........................................... 74
12. Analisis Karakteristik Populasi (Uji-F) ............................................................. 77
13. Uji Perbedaan Rata-Rata (Uji-t) ...................................................................... 85
14. Pengolahan Data Dengan MS. Excel dan Baca Output-nya ............................ 90
15. Pengolahan Data Dengan SPSS dan Baca Output-nya .................................... 92

iii
STATISTIKA DESKRIPTIF
MODUL KULIAH PADA PRODI PBS
Series 3
4-5
3-4
Series 2
2-3
1-2
0-1
Series 1
IQ 1 Usaha 2 Belajar 3 Gaya 4
Oleh:
RIDWAN, S.Pd.I, MA
SEKOLAH TINGGI AGAMA ISLAM NEGERI (STAIN)

ZAWIYAH COT KALA LANGSA
2013


Statistika Deskriptif

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Statistika Deskriptif

Diunggah oleh

Hak Cipta:

Format Tersedia

Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP

PERKENALAN DENGAN STATISTIKA DESKRIPTIF

A. Deskripsi Mata Kuliah Statistik Deskriptif

B. Kompetensi Mata Kuliah

C. Materi Statistika Deskriptif

Derry Ichsan S.IP 160220006

10 Analisis Data Dalam Statistik

Derry Ichsan S.IP 160220006

A. Pengertian Statistika Deskriptif

diperkirakan dengan menggunakan penalaran induktif berdasarkan

2. Pengertian Statistika Deskriptif