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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 3
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
6
http://ebsoft.web.id., Kamus Besar Bahasa Indonesia, (Jakarta: Offline, 2010), V. 1.1.
7
Kusrini, Statistika, h. 9.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 4
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 5
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
11
Ronald E.Walpole. Pengantar Statistika..., h. 2-5.
12
Dergibson Siagian & Sugiarto. Metode Statistika..., h. 4-6.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 6
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
13
J. Supranto, Statistik: Teori dan Aplikasi, Ed. Keenam, Jilid 1, h. 3.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 7
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
14
Rasdihan Rasyad, Metode Statistik Deskriptif Untuk Umum, h. 7.
15
Ibid.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 8
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
16
Dendy Sugono, at.all., Kamus Bahasa Indonesia, h. 1605.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 10
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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).
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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 13
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
X Y
24
http://ebsoft.web.id., Kamus Besar Bahasa Indonesia, (Jakarta: Offline, 2010), V.1.1.
25
Dendy Sugono, at.all., Kamus Bahasa Indonesia, h. 321.
26
Lihat J. Supranto, Statistik: Teori dan Aplikasi, h. 2.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 15
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
27
J. Supranto, Statistik: Teori dan Aplikasi, h. 7.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 16
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 17
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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
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.
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 18
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 21
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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:
n = N / 1 + N(α)2
= 500 / 1 + 2,45
= 500 / 3,45
= 144,9275; Jadi ukuran sampelnya adalah 144,9275 atau dibulatkan menjadi 145.
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 23
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
38
Ibid., h. 23.
39
Suharsimi Arikunto, Prosedur Penelitian..., h. 151.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 24
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
ANGKET
PENGARUH TINGKAT PELAYANAN TERHADAP KEPUASAN KONSUMEN DAN KEMAJUAN
USAHA MINI MARKET 'ZHUFAIRAH' DI KOTA LANGSA
Nomor Responden:
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
A. Rekapitulasi Quesioner
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 %.
40
Dendy Sugono, at.all., Kamus Bahasa Indonesia, h. 1604.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 27
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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
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)
𝑛(∑ 𝑋1 𝑌) − (∑ 𝑋1 )(∑ 𝑌)
𝑟𝑦𝑥1.1 =
√{𝑛. ∑ 𝑋1 2 − (∑ 𝑋1 )2 } {𝑛. ∑ 𝑌 2 − (∑ 𝑌)2 }
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
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.
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
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
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
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
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
∑ 𝑓𝑁𝑡
̅=
𝐻
𝑛
Keterangan:
H = rata-rata harmonis
Σ = jumlah
f = frekuensi
Nt = nilai tengah kelas
n = jumlah data
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.
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:
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:
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
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
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
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 40
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 42
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 45
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 48
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 49
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
Tabel. Perhitungan persentil ke-5, persentil ke-20 dan persentil ke-75 dari data yang
tertera pada tabel berikut:
= 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)
Penyelesaian:
Nilai rata-rata X = 21,333
Nilai rata-rata Y = 20,111
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:
8
PENYEBARAN DATA
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
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 54
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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|
Selanjutnya,
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
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
52
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9 (Bandung: Alfabeta, 2006), h. 48.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 56
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
Varians dari data dalam Distribusi Frekuensi Bergolong, Dengan rumus Angka
Kasar (Rumus Varians):
𝑛.∑𝑓𝑖.𝑋𝑖 2 − (∑𝑓𝑖.𝑋𝑖)2
𝑠2 =
𝑛 (𝑛−1)
Contoh: Data Nilai Statistika 80 Mahasiswa yang telah disajikan dalam Tabel
Distribusi Frekuensi Bergolong sbb:
Contoh:
53
Sugiyono, Statistika Untuk Penelitian, Cet. Ke-9, h.52.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 58
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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.
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
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
54
Singgih Santoso, Panduan Lengkap SPSS versi 20, (Jakarta: PT. Elek Media Komputindo,
2012), h. 172-173.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 60
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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).
“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
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 :
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 :
Jadi nilai Z untuk peluang 0,08 adalah 0,2018. Perlu kita perhatikan bahwa
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 adalah 0,70, dannilai Z pada peluang 0,2611 adalah 0,71. Sehingga nilai Z untuk
nilai peluang = 0,26 adalah :
Jadi nilai Z untuk peluang 0,26 adalah 0,7065. Perlu kita perhatikan bahwa
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 adalah 1,64, dannilai Z pada peluang 0,4505 adalah 1,65. Sehingga nilai Z untuk
nilai peluang = 0,45 adalah :
Jadi nilai Z untuk peluang 0,45 adalah 1,645. Perlu kita perhatikan bahwa
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 (~).
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 Z2 = 0,20 adalah 0,3910
Density pada Z3 = 0,71 adalah 0,3101
Density pada Z4 = 0,64 adalah 0,1040
Density pada Z5 = ~ adalah 0
Untuk memahami dari mana nilai-nilai density diperoleh, perhatikan penjelasan
berikut:
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).
10
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 72
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 75
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
(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
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:
= 0,03455
Langkah 4:
Menentukan daerah keputusan dengan nilai kritis Z = 1,96.
Ho
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
11 11 j 1
SST SSE
Dimana :
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 79
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
SST
* MST
k 1
MST
Fhitung
MSE
SSE
* MSE
(n1 n 2 ) 2
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:
Penyelesaian :
Langkah pertama, menentukan uji hipotesisnya, yaitu:
Langkah kedua, melengkapi tabel di atas dengan total masing-masing dan total
keseluruhannya.
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
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
Sumber df SS MS Fhitung
TOTAL nk – 1 SSTotal
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
Sumber df SS MS Fhitung
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
Sumber df SS MS Fhitung
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.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 87
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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).
59
Sugiyono, Statistik..., h. 135.
Derry Ichsan S.IP 160220006
Modul Mata Kuliah Statistika Deskriptif 88
Universitas Malikussaleh, Prodi Ilmu Politik, Fakultas ISIP
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:
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
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)
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)
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
Soal Latihan:
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
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 ?
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
Koyan, I Wayan, Telaah Kurikulum Tingkat Satuan Pendidikan (KTSP) Jenjang Pendidikan
Dasar, Singaraja: Undiksha,2012.
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.
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.
Sudjana, Nana, Penilaian Hasil Proses Belajar Mengajar, Bandung: Remaja Rosdakarya,
2005.
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.
Zulfitri MS, Statistik Sosial, Bandung: Pusat Pengembangan Bahan Ajar, 2010.
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.
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.
DAFTAR ISI
Halaman
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