Anda di halaman 1dari 49

BAB I

PENGANTAR BIOSTATISTIKA

1.1 Pendahuluan
Bab ini menguraikan tentang definisi statistika, fakta dan data, populasi
dan sampel serta teknik pengumpulan data. Selain itu dipelajari pula tentang
macam-macam statistik dan satatistika serta teknik memilih statistika dengan
benar

Kompetensi Dasar
Setelah menyelesaikan materi ini, mahasiswa mampu menjelaskan tentang
statistika, macam-macam statistik dan statistika serta teknik memilih statistika
dengan benar

1.2 Penyajian
1.2.1 Definisi Statistika dan statistik
Seringkali masyarakat dibingungkan dengan penggunaan kata statistik dan
statistika. Sebenarnya statistik mengarah kepada kumpulan data, bilangan maupun
non bilangan yang disusun dalam tabel atau diagram, yang melukiskan suatu
keadaan. Dengan demikian kita mengenal adanya statistik penduduk, statistik
pendidikan, statistik kesehatan, statistik vital miss universe, statistik nikah-talak-
cerai-rujuk (NTCR) dan lain-lain.
Di lain pihak, statistika merupakan ilmu pengetahuan murni dan terapan
mengenai penciptaan, pengembangan dan penerapan teknik-teknik sedemikian
rupa sehingga ketidakpastian inferensia induktif dapat dievaluasi atau
diperhitungkan dan dapat ditarik suatu kesimpulan yang utuh berdasarkan data
yang ada.
Sebagian ilmuwan menyatakan bahwa statistika adalah akal sehat
(common sense) yang disertai dengan prosedur-prosedur aritmetika. Dengan
demikian penggunaan statistika harus didasari dengan pemenuhan kaidah-kaidah

1
logika yang jelas dan terperinci, sedangkan aritmetika merupakan pendekatan
untuk mengarah pada dasar penarikan kesimpulan dari suatu ketidakpastian.

Gambar 1.1
Peranan Statistika Dalam Penelitian

Secara umum, statistika dibagi menjadi dua kelompok besar. Kelompok


pertama yaitu statistika deskriptif yang berhubungan dengan teknik pengumpulan,
pengorganisasian dan penyederhanaan data yang disertai dengan penjelasan
karakteristik dari objek yang diamati. Statistika jenis ini bersifat deduktif, yaitu
berawal dari yang global selanjutnya mengerucut menjadi hal yang khusus.
Kelompok kedua adalah statistika inferensial yang berkaitan dengan proses
pendugaan dan penarikan kesimpulan tentang karakteristik suatu populasi
berdasarkan informasi dari sejumlah sampel, Dengan demikian statistika
inferensial bersifat induktif, yaitu sifat suatu objek yang khusus (sample) dapat
diaplikasikan/diasumsikan pada objek yang lebih besar (populasi). Untuk melihat
hubungan keduanya diilustrasikan dalam gambar1.2

2
START

Pengumpulan data
kuantitatif

Statistika Deskriptif Statistika Inferensial

Pengolahan,
penyederhanaan
dan penataan data
kuantitatif

Penyajian data
yang telah
disederhanakan

Ya Penggunaan data
Data sample guna
Sampel (?) menaksir parameter
atau menguji asumsi
parameter populasi
Tidak

Penggunaan data sensus Penarikan


(populasi) untuk analisis kesimpulan tentang
karakteristik (parameter) karakteristik
populasi yang diselidiki populasi (parameter)
yang diselidiki

STOP

Gambar 1.2
Alur dan Hubungan Statistika Deskriptif dengan Statistika Inferensial

3
Lebih jauh statistika memiliki peranan sebagai berikut :
1. Menjelaskan hubungan antar variabel.
Hal ini disebabkan variabel atau peubah memiliki nilai yang tidak tetap,
misalnya harga, produksi dan hasil penjualan. Statistika dapat menjelaskan
hubungan tersebut misalnya hubungan antara permintaan, jumlah produksi,
harga dan laba yang diperoleh.
2. Membuat rencana dan ramalan
Pembuatan rencana atau ramalan bisa dilakukan atas berbagai informasi dari
berbagai faktor yang diolah sehingga memberikan suatu gambaran yang lebih
jelas. Suatu analisis data berkala jauh lebih bermanfaat dalam menyusun suatu
rencana atau ramalan. Contoh, ramalan terjadinya bencana alam tsunami dapat
dilakukan berdasarkan analisis data berkala periode pergerakan kerak bumi
3. Mengatasi berbagai perubahan
Statistika dapat mengantisipasi perubahan yang tidak diduga sebelumnya
tersebut sedini mungkin agar dapat ditarik kesimpulan. Contoh, produksi telur
burung Maleo untuk tahun 2006 harus memperhatikan faktor cuaca, area
bertelur, penyusutan area hutan, pengembangan perkebunan rakyat, dan faktor
lain yang mempengaruhinya
4. Membuat keputusan yang lebih baik
Statistika dapat menuntun kita dalam mengambil keputusan yang lebih tepat
dan sangat rasional berdasarkan data yang ada serta analisis terhadap data
tersebut. Contoh, analisis data jumlah pengunjung di suatu mall dan animo
masyarakat terhadap pembelian suatu jenis produk menjelang hari raya Idul
Fitri akan menentukan prioritas jenis produk yang menjadi andalan untuk
dipasarkan pada periode tersebut.
Berdasarkan bentuknya statistika dibagi menjadi statistika parametrik
yaitu bagian statistika yang parameter populasinya mengikuti suatu distribusi
tertentu seperti distribusi normal dan memiliki varians yang homogen. Sedangkan
statistika non parametrik yaitu statistika yang parameter populasinya bebas
distribusi dengan varians tidak perlu homogen.

4
Statistika dapat juga dibagi menjadi statistika matematik, yaitu ilmu yang
berkaitan dengan metode baru inferensi statistika dan memerlukan pengetahuan
yang rinci tentang matematika abstrak untuk implementasinya serta statistika
terapan, yaitu cabang ilmu statistika yang berkaitan dengan penerapan metode
statistika matematik ke area studi yang spesifik seperti biostatistics, medical
statistics, econometrics, psychometrics, sociometrics, jurimetrics

1.2.2 Fakta dan Data


Sekumpulan informasi yang ditemui dapat membantu kita dalam
melakukan analisis dan penarikan kesimpulan. Apabila informasi tersebut adalah
seluruh fenomena yang ada baik internal maupun eksternal maka disebut sebagai
fakta. Sejuimlah fenomena yang berkaitan dengan hal yang kita teliti baik
berpengaruh positif maupun negatif dan dapat dievaluasi serta berkaitan dengan
penarikan kesimpulan, maka hal tersebut didefinisikan sebagai data. Dengan
demikian, data dapat diperoleh dengan meilah dan memilih berbagai fakta yang
ditemukan di lapangan.
Data yang diperoleh bisa berbentuk bilangan (data kuantitatif) atau berupa
deskripsi karakteristik suatu objek yang diamati (data kualitatif). Data kuantitatif
memiliki harga yang berubah-ubah (variabel).
Dari nilainya maka data kuantitatif dikategorikan menjadi data/variabel
diskrit, yaitu data hasil menghitung atau membilang misalnya kota Gorontalo
memiliki 5 kecamatan, sedangkan data yang diperoleh dengan cara mengukur
disebut data/variabel kontinyu, misalnya rata-rata dimater koloni Staphillococcus
aureus pada cawan petri I adalah 3,75 cm..
Data kualitatif melukiskan kondisi objek yang diamati, disebut juga
atribut, misalnya sembuh, gagal, rusak dan sebagainya.
Menurut sumbernya maka data dibagi dua, yaitu data intern yang
merupakan data hasil evaluasi diri (internal) srta data ekstern yang merupakan
hasil perbandingan dari sumber lain.
Data ekstern yang diperoleh langsung dari sumber pertama atau badan
sejenis disebut data ekstern primer (data primer), misalnya data hasil wawancara,

5
atau data hasil angket sedangkan data yang diperoleh dari sumber lainnya disebut
data ekstrn sekunder (data sekunder) misalnya studi literatur atau dokumentasi
data.
Dilihat dari kemampuan untuk melakukan diskriminasi Antara satu data
dengan data lainnya, maka data dibagi menjadi 4 kelompok utama, seperti
tertuang dalam tabel berikut :

Data yang bersifat Nominal hanya memiliki kemampuan untuk sekedar


membedakan antara 1 kelompok data dengan kelompok lainnya tanpa memiliki
kemampuan untuk menunjukan daya beda secara hierarkis. Oleh karena itu jenis
data seperti ini tidak bias menunjukan bahwa kelompok data yang satu lebih baik
dari data lainnya, contohnya bila kita membedakan data berdasarkan agama maka
kita bisa mengelompokannya dalam kelompok 1. Islam, 2. Katholik, 3. Kristen
Protestan, 4. Hindu, 5. Budha dan seterusnya, namun yang perlu diingat bahwa
angka yang kita cantumkan hanya untuk membedakan satu kelompok agama
dengan kelompok agama lainnya, bukan berarti bahwa 1 lebih baik dari 2 atau
sebaliknya.
Data yang bersifat ordinal selain bisa membedakan antar kelompok juga
mampu membuat urutan atau ranking antara satu kelompok data dengan
kelompok data lainnya, namun demikian angka untuk setiap ranking tidaklah
mutlak sebab perbedaan untuk setiap ranking bisa saja tidak sama. Contohnya bila
terdapat data seperti berikut : 23, 15, 17, 43, 55, 31, 47, 19, 24, 45 maka data
tersebut bisa kita urutkan berdasarkan ranking, misalnya :

6
I II III IV V VI VII VIII IX X
15 17 19 23 24 31 43 45 47 55
Bisa dilihat bahwa rentang untuk setiap ranking berbeda, misalnya rentang antara
ranking I dengan 2 sebesar 2 sedangkan rentang untuk ranking III dan IV sebesar
4, demikian juga rentang antara IV dan V hanya sebesar 1.
Data yang bersifat interval selain dapat membedakan dan membuat
ranking juga bisa mengukur perbedaan rentang untuk setiap ranking, contohnya
bila kita memiliki data yang berupa kelipatan maka kita bisa membuat rangking
dengan rentang setiap ranking yang konsisten. Contohnya : 35, 25, 40, 15, 5, 30,
10, 20 maka data tersebut bisa kita susun berdasarkan ranking sebagai berikut :
I II III IV V VI VII VIII
5 10 15 20 25 30 35 40
Data yang bersifat rasio adalah data yang memiliki nilai mutlak sehingga
angka yang dimiliki oleh setiap data memiliki arti sendiri dan mampu menjadi
pembeda yang sempurna antara satu data dengan lainnya, data seperti ini biasanya
diperoleh dari hasil pengukuran atau perhitungan.
Apabila data telah dikumpulkan dan belum diolah atau dianalisis maka
disebut dengan data mentah. Hal yang harus diperhatikan ialah data yang
dikumpulkan harus diperoleh dengan cara yang benar, sahih, jujur (bebas
intervensi), ajeg dan akurat sehingga kebenaran data tersebut dapat diandalkan.

1.2.3 Populasi dan Sampel


Data yang dikumpulkan menggambarkan karakteristik dari objek yang
diamati. Apabila data tersebut berasal dari totalitas semua nilai yang mungkin
hasil menghitung maupun mengukur, kualitatif maupun kuantitatif mengenai
karakteristik tertentu dari semua anggota kumpulan yang lengkap dan jelas
dinamakan populasi. Berdasarkan besarnya maka terdapat 2 jenis populasi yaitu
finit (diketahui) dan infinite (tidak diketahui).
Namun demikian adakalanya karena berbagai keterbatasan, misalnya
keterbatasan dana, luas wilayah atau faktor kerugian, maka pengambilan data dari
seluruh anggota populasi tidak dimungkinkan.

7
Gambar 1.3
Model Pengambilan Sampel

Oleh karena itu diambil sebagian dari anggota populasi yang diasumsikan
mampu mewakili karakteristik seluruh anggota populasi tersebut (refresentatif)
sehingga kesimpulan yang ditarik dari contoh berlaku untuk selurung anggota

1.2.4 Metode Sampling


Berdasarkan jumlah data yang diambil maka dikenal 2 cara pengambilan
data, yaitu teknik sensus dan teknik sampling.
Sensus merupakan cara pengumpulan data dengan mengambil seluruh
elemen atau anggota populasi. Data yang diperoleh dari hasil sensus disebut
parameter atau data yang sebenarnya (true value). Contohnya, sensus penduduk
propinsi Gorontalo tahun 2005 , sensus pertanian dan sebagainya.
Sampling merupakan cara pengambilan data dengan mengambil sebagian
dari anggota populasi untuk diselidiki. Data yang diperoleh dengan cara demikian
disebut data statistik atau data perkiraan (estimate value).
Teknik sampling secara umum dibagi menjadi cara acak (randomize
sampling), yaitu seluruh anggota populasi memiliki kesempatan yang sama
menjadi sampel sehingga disebut juga probability sampling, dan dan cara tidak

8
acak (non randomize sampling) sehingga anggota populasi tidak memiliki
kesempatan yang sama, disebut juga nonprobability sampling.
Probability sampling memiliki tujuan untuk generalisasi atau melakukan
penarikan kesimpulan dari hal yang jumlah elemennya lebih sedikit (sampel) ke
hal yang jumlah elemennya lebih banyak atau lebih luas atau dikenal dengan
populasi, dengan kata lain penarikan kesimpulan mengenai keadaan populasi
(nilai parameter) berdasarkan sampel (statistik) sehingga cocok digunakan untuk
jenis penelitian yang menggunakan statistika inferensia.
Non Probability sampling tidak memiliki kewenangan untuk digunakan
dalam statistika inferensia atau dengan kata lain peneliti tidak bisa melakukan
generalisasi terhadap hasil yang diperoleh pada sampel sehingga kesimpulan
penelitiannya hanya berlaku pada sampel tersebut dan tidak berlaku untuk
populasinya. Jenis sampling ini cocok untuk penelitian dengan analisis deskriptif.
Beberapa faktor yang menyebabkan perlunya dilakukan sampling terutama
dalam statistika induktif ialah : akibat ukuran populasi yang sangat besar (tak
terhingga), masalah biaya yang sangat besar, masalah waktu yang sangat lama,
masalah ketelitian dan adanya penelitian yang sifatnya merusak, misalnya
penelitian tentang daya tahan genteng yang di produksi oleh suatu pabrik, maka
tidak mungkin seluruh genting yang diproduksi harus dibanting/dipecahkan guna
mengetahui daya tahan genting tersebut.
Selain itu, untuk memperoleh data yang baik maka sampling perlu
dilakukan dengan baik dan benar. Beberapa metode sampling yang cukup populer
digunakan ialah :
1. Sampling dengan populasi yang homogen
Untuk populasi tersebut bisa dilakukan metode sampling berikut :
a. sampling seadanya atau sering juga disebut accidental sampling, biasanya
sampel diperoleh secara kebetulan ditemui (Consecutive sampling) selain
itu, yaitu sering juga pengambilan sampel berdasarkan kemudahan data
diperoleh tanpa perhitungan atau derajat apapun (Convenience sampling) .
Kesimpulan yang ditarik dari teknik sampling demikian bersifat kasar
akibat adanya bias yang cukup tinggi.

9
b. sampling purposif, dikenal dengan sampling pertimbangan yang dilakukan
oleh seorang ahli tertentu, sangat cocok untuk penelitian studi kasus dalam
meneliti suatu banyak aspek yang mempengaruhi suatu peristiwa. Contoh,
apabila hanya 50 % kuesioner yang dibagikan dikembalikan oleh objek
penelitian maka 50 % kuesioner tersebut digunakan sebagai sampel atas
pertimbangan seorang ahli dianggap objek yang tidak mengembalikan
memiliki karakteristik yang sama.
c. sampling kuota, dilakukan dengan menentukan karakteristik khusus pada
suatu populasi berdasarkan pertimbangan tertentu. Contoh, diambil sample
dari populasi beanggotakan 100 orang dengan karakteristik pria, usia 25 –
40 tahun, berbadan sehat dan belum menikah. Adanya batasan
karakteristik membuat sebagian anggota sampel yaitu wanita, orang sakit,
orang yang berusia di bawah 25 tahun atau di atas 40 tahun serta orang
yang sudah menikah tidak bisa menjadi sampel.
d. Sampling Snowball, dilakukan dengan mengambil sejumlah sampel
tertentu dan selanjutnya setiap sampel akan mencari sampel yang baru
sehingga sampel menjadi lebih besar
Keempat jenis sampling tersebut termasuk kategori nonprobability sampling.
e. sampling berpeluang, dilakukan dengan memperhitungkan bahwa setiap
anggota populasi memiliki kesempatan yang sama sehingga termasuk
kategori probability sampling, disebut juga sampel acak.
2. Sampling dengan populasi yang tidak homogen
Untuk populasi tersebut bisa dilakukan metode sampling berikut :
a. sampling berstrata/petala, populasi yang akan diambil sampelnya
dikelompokan dahulu berdasarkan perbedaaan derajat/strata. Biasanya
sampling petala diikuti dengan sampling proporsional untuk menentukan
jumlah sampel pada masing-masing petala.
Contoh, Diperlukan 1000 orang siswa sebagai sampel dari berbagai tingkat
pendidikan. Diketahui di kota tersebut terdapat jumlah siswa SD sebesar
2500 orang, siswa SMP 1000 orang dan siswa SMA 500 orang. Maka
untuk memenuhi angka 1000 sampel digunakan aturan sebagai berikut :

10
Siswa SD = (2500/4000) x 1000 = 625 orang
Siswa SMP = (1000/4000) x 1000 = 250 orang
Siswa SMA = (500/4000) x 1000 = 125 orang
Jumlah = 625 + 250 + 125 = 1000 orang
b. sampling kluster, merupakan teknik pengambilan sampel yang berdasarkan
perbedaan rumpun, area atau kelompok sampel.
Contoh. Diperlukan sampel berukuran 169 orang pelajar SLTA. Terdapat 3
jenis SLTA dengan variasi jumlah pelajar sebagai berikut : 2.758 pelajar
SMU, 3.826 pelajar SMK dan 1.473 pelajar MA sehingga total jumlah
pelajar adalah 8.057 orang.Untuk mendapatkan sampel yang proporsional
maka petala SMA diambil (2.758/8.057) X 169 diperoleh angka 58 orang,
demikian juga dengan SMK dan MA dengan formula yang sama akan
diperoleh angka 80 orang untuk pelajar SMK dan 31 orang pelajar MA
sehingga apabila dijumlahkan akan diperoleh 58 + 80 + 31 = 169 orang
Apabila sampling kluster tersebut dilakukan berdasarkan kelompok
wilayah maka kita sebut sampling area, misalnya kluster di wilayah
kabupaten Gorontalo yang dibagi menjadi wilayah pemukiman,
pegunungan, pantai dan seterusnya.
Jenis sampel lain yang sering digunakan ialah
a. Sampling Ganda, yaitu pengambilan sampel kedua setelah
dilakukan pengambilan sampel pertama yang relatif lebih kecil. Hal
tersebut terjadi apabila setelah pengambilan sampel pertama kesimpulan
yang diperoleh tidak memuaskan. Biasanya sampel kedua akan digabung
dengan sampel pertama sehingga kesimpulan dibuat berdasarkan sampel
gabungan.
b. Sampling Multipel, merupakan perluasan dari sampel ganda
dengan jumlah pengambilan sampel lebih dari dua kali dan setiap
mengambil sampel digabungkan dan dianalisis. Pengambilan sampel
dihentikan apabila hasil sudah memenuhi kriteria yang diharapkan.
c. Sampling Sekuensial, hampir sama dengan sampling multipel
tetapi terdapat perbedaan pada pengambilan sampel dilakukan satu demi

11
satu dan setiap selesai pengambilan sampel dilakukan analisis sampai
mendapatkan hasil yang diharapkan

1.2.5 Teknik Pengumpulan Data


Data statistik harus dikumpulkan dengan menggunakan prosedur yang
sistematis. Pengumpulan data tersebut merupakan pencatatan peristiwa atau
karakteristik dari sebagian atau seluruh anggota populasi.
1.2.4.1 Cara Pengumpulan Data
Terdapat berbagai cara pengumpulan data, diantaranya ialah :
2. Pengamatan Langsung (Observasi)
Merupakan jenis pengambilan data dengan melakukan pengamatan/observasi
langsung ke lapangan atau laboratorium terhadap objek yang diteliti. Oleh
karena itu biasanya disebut juga penelitian lapangan.
3. Penelusuran/Studi Literatur dan dokumentasi
Merupakan cara pengumpulan data dengan menggunakan sebagian atau
seluruh data yang telah ada atau laporan dari peneliti sebelumnya, sering
disebut juga penelitian tidak langsung
4. Penyebaran kuosioner/angket
Merupakan teknik pengambilan data dengan menggunakan perangkat daftar
pertanyaan (angket) atau daftar isian terhadap objek yang diteliti
5. Melakukan wawancara/interviu
Merupakan teknik pengumpulan data secara langsung dengan melakukan
tanya jawab kepada objek yang diteliti atau kepada perantara yang mengetahui
persoalan dari objek yang diteliti

1.2.4.2 Besaran Sampel


Untuk memperoleh sampel yang baik dalam suatu penelitian maka perlu
sampling perlu dirancang sebaik mungkin, diantaranya dengan memperhatikan
hal-hal berikut :
1. Rumuskan persoalan yang ingin diketahui
2. Tentukan batas populasi dengan jelas

12
3. Tentukan unit sampling yang diperlukan
4. Tentukan ukuran sampel dengan menggunakan rumus-rumus tertentu
5. Tentukan cara sampling sehingga sampel representatif
6. Tentukan teknik pengumpulan data yang akan dilakukan.
7. Tentukan metode analisis yang akan digunakan
8. Sediakan biaya yang cukup serta mintalah bantuan kepada orang yang ahli
Sampel yang baik ialah jika anggotanya mencukupi dan mampu
merepresentasikan populasinya. Beberapa ahli mengatakan, untuk sampel yang
baik adalah sebesar 20 – 25 % jumlah populasinya. Sedangkan untuk penelitian
IPA dengan jumlah sampel yang besar sekali bisa menggunakan jumlah sampel
sebesar 10 – 15 % jumlah populasi. Semakin besar jumlah sampel maka bias yang
akan terjadi semakin kecil sehingga penelitian dikategorikan semakin baik.
Namun demikian, untuk beberapa penelitian percobaan terdapat beberapa
rumus yang bisa digunakan untuk menentukan jumlah sampel yang harus diambil,
diantaranya ialah dengan menentukan jumlah ulangan untuk setiap perlakuan
sehingga total sampel yang dibutuhkan merupakan perkalian dari jumlah
perlakuan dengan jumlah ulangan.
Untuk menentukan besaran sampel yang akan digunakan seorang peneliti
perlu memperhatikan :
 Jenis dan rancangan penelitian
 Tujuan penelitian/analisis
 Jumlah populasi
 Karakteristik populasi/cara pengambilan sampel (teknik sampling)
 Jenis (skala pengukuran) data
 Tingkat kepercayaan
 Penyimpangan yang ditolerir (ketelitian)
Penentuan besaran sampel dalam suatu penelitian perlu menggunakan
rumus-rumus tertentu yang sesuai dengan penelitian yang dilakukan. Di antaranya
ialah :

13
1. Penelitian dengan 1 populasi yang infinite, simple random sampling atau
systematic random sampling pada data kontinyu untuk penelitian
observasional (estimasi).

n = besar sampel minimum


Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
s2 = harga varians di populasi
d = kesalahan (absolut) yang dapat ditolerir
Contoh : Suatu penelitian bertujuan untuk mengetahui rerata kadar Hb ibu
hamil trimester III. Jika dari penelitian sebelumnya diketahui simpangan
baku kadar Hb ibu hamil trimester III sebesar 2,0 berapa besar sampel ibu
hamil yang dibutuhkan sehingga rerata kadar Hb yang diduga berada dalam
interval 0,5 di atas dan di bawah mean yang sesungguhnya dengan tingkat
kepercayaan 95% ?
Penyelesaian :
1,962 22
n = -------------
0,52

n = 61,47 = 62 ibu hamil

2. Penelitian dengan 1 populasi yang finit, Simple random sampling atau


systematic random sampling pada data kontinyu penelitian observasional
(estimasi).

N = besar populasi
Contoh seperti pada penelitian di atas tetapi jumlah populasi ibu hamil
diketahui 1000 orang maka

14
n = 57,96 = 58 ibu hamil
3. Penelitian dengan 1 populasi data yang infinit, Simple random sampling atau
systematic random sampling pada data proporsi penelitian observasional
(estimasi).

n = besar sampel minimum


Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
P = harga proporsi di populasi
d = kesalahan (absolut) yang dapat ditolerir
Contoh :
Ingin diketahui proporsi penduduk miskin di suatu kabupaten. Jika dari
literatur jumlah penduduk miskin di suatu daerah diperkirakan 20%, berapa
besar sampel keluarga yang dibutuhkan sehingga proporsi yang diduga berada
dalam interval 5% di atas dan di bawah proporsi yang sesungguhnya dengan
tingkat kepercayaan 95% ?
Penyelesaian :

n = 245,86 = 246 keluarga

4. Penelitian dengan 1 populasi data yang finit, Simple random sampling atau
systematic random sampling pada data proporsi penelitian observasional
(estimasi).

N = besar populasi

15
Contoh : seperti soal di atas tetapi jika jumlah keluarga di seluruh kabupaten
= 10.000 keluarga, maka

n = 239,99 = 240 keluarga


5. Penelitian dengan 1 populasi data yang finit, Stratified random sampling
pada data kontinyu penelitian observasional (estimasi).

n = besar sampel minimum


N = besar populasi
Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
s2h = harga varians di strata-h
d = kesalahan (absolut) yang dapat ditolerir
Wh = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/L
L = jumlah seluruh strata yang ada

6. Penelitian dengan 1 populasi data yang finit, Stratified random sampling


pada data proporsi penelitian observasional (estimasi).

n = besar sampel minimum


N = besar populasi
Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
Ph = harga proporsi di strata-h
d = kesalahan (absolut) yang dapat ditolerir
Wh = fraksi dari observasi yang dialokasi pada strata-h = N h/N
Jika digunakan alokasi setara, W = 1/L
L = jumlah seluruh strata yang ada

7. Penelitian dengan 1 populasi data yang finit, cluster random sampling


pada data kontinyu penelitian observasional (estimasi).

16
n = besar sampel (jumlah cluster) minimum
N = besar populasi
Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
s2 = harga varians di populasi
d = kesalahan (absolut) yang dapat ditolerir
C = jumlah seluruh cluster di populasi
8. Penelitian dengan 1 populasi data yang finit, cluster random sampling
pada data proporsi penelitian observasional (estimasi).

n = besar sampel (jumlah cluster) minimum


N = besar populasi
Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
d = kesalahan (absolut) yang dapat ditolerir
C = jumlah seluruh cluster di populasi
s2 = å(ai – mi P)2/(C’-1) dan P = åai /åmi
ai = banyaknya elemen yang masuk kriteria pada cluster ke-i
mi = banyaknya elemen pada cluster ke-i
C’ = jumlah cluster sementara

9. Penelitian dengan 1 populasi data yang kontinyu untuk penelitian


eksperimental (uji hipotesis).

n = besar sampel minimum


Z1-a/2 = nilai distribusi normal baku (tabel Z) pada a tertentu
Z1-b = nilai distribusi normal baku (tabel Z) pada b tertentu
s2 = harga varians di populasi
m0-ma = perkiraan selisih nilai mean yg diteliti dengan mean di populasi

10. Penelitian dengan 1 populasi data yang proporsi untuk penelitian


eksperimental (uji hipotesis).

17
n = besar sampel minimum
Z1-a/2 = nilai distribusi normal baku (table Z) pada a tertentu
Z1-b = nilai distribusi normal baku (table Z) pada b tertentu
P0 = proporsi di populasi
Pa = perkiraan proporsi di populasi
Pa-P0 = perkiraan selisih proporsi yg diteliti dengan proporsi di populasi

11. Penelitian dengan 2 populasi data kontinyu penelitian observasional


(estimasi).

12. Penelitian dengan 2 populasi data proporsi penelitian observasional model


cross-sectional (estimasi).

13. Penelitian dengan 2 populasi data proporsi penelitian observasional model


cohort (estimasi).

faktor koreksi : 1/(1-f)

14. Penelitian dengan 2 populasi data proporsi penelitian observasional model


case control (estimasi).

18
15. Penelitian dengan 2 populasi data kontinyu penelitian eksperimental (uji
hipotesis).

16. Penelitian dengan 2 populasi data proporsional penelitian cross sectional (uji
hipotesis).

17. Penelitian dengan 2 populasi data proporsional penelitian cohort (uji


hipotesis).

faktor koreksi : 1/(1-f)


18. Penelitian dengan 2 populasi data proporsional penelitian case control (uji
hipotesis).

faktor koreksi rasio kasus : kontrol (r + 1)/(2.r)

19. Jenis penelitian korelasi

19
20. Penelitian eksperimental dengan 2 populasi data kontinyu
2 t2a/2 s2
r =
d2

dengan kriteria s2 = varians penelitian


t2a/2 = nilat t yg diperoleh di tabel t Student pd taraf a
dan derajat kebebasan (db) yang sesuai dengan
s2
d = adalah besaran penyimpangan antara nilai
dugaan dengan nilai sesungguhnya dari
populasi.
Atau bisa juga menggunakan rumus

21. Penelitian eksperimental dengan 2 populasi data proporsi

22. Penelitian eksperimental dengan populasi lebih dari 2 dan jenis data kontinyu
a. Untuk penelitian dengan rancangan acak lengkap (RAL) digunakan
rumus
(r – 1) (t – 1) ≥ 15
b. Sedangkan untuk penelitian dengan rancangan acak blok (RAB)
digunakan rumus
r (t – 1) ≥ 15

20
dengan kriteria r = jumlah ulangan dan t = jumlah perlakuan
Contoh : Bila dilakukan penelitian eksperimental dengan menggunakan pola
RAL 4 perlakuan maka
(r – 1)(4 – 1) ≥ 15
(r – 1)(3) ≥ 15
3r ≥ 18
r = 6, Bila jumlah ulangan 6 maka besar sampel adalah 4 x 6 = 24 unit
1.3 Penutup
Tes Formatif
1. Jelaskan perbedaan statistik dengan statistika !
2. Apa yang dimaksud dengan data diskrit dan data kontinyu ?
3. Jelaskan perbedaan data primer dengan data sekunder !
4. Apakah yang dimaksud dengan sampel yang representatif ?
5. Jelaskan beberapa cara pengumpulan data !
6. Jelaskan beberapa faktor yang menyebabkan dilakukannya sampling !
7. Uraikan beberapa teknik sampling untuk data homogen !
8. Apabila terdapat perbedaan derajat dalam kelompok data, teknik sampling
manakah yang paling sesuai dilakukan ?
9. Apabila dalam suatu penelitian dengan menggunakan rancangan acak
sempurna terdapat 3 perlakuan yang diteliti, berapakah jumlah sampel
minimal yang harus disediakan ?
10. Jelaskan cara yang harus dilakukan dalam penarikan kesimpulan dari
sampel gabungan !
Umpan Balik
Cocokan jawaban saudara dengan kunci jawaban yang tersedia, untuk jawaban
sempurna diberi skor tertinggi 10. Hitunglah jawaban yang benar kemudian
gunakan rumus berikut untuk mengetahui tingkat penguasaan saudara terhadap
materi kegiatan belajar ini.

Rumus
Skor jawaban yang benar

21
Tingkat Penguasaan = X 100
100

Bila saudara mencapai tingkat penguasaan 80 % atau lebih maka saudara dapat
melanjutkan ke materi berikutnya, namun apabila tingkat penguasaan saudara di
bawah 80 % maka saudara harus mengulang kegiatan belajar ini terutama pada
bagian yang tidak dikuasai

Kunci Jawaban
1. Statistik adalah kumpulan data, bilangan atau non bilangan yang disajikan
dalam bentuk tabel atau diagram sedangkan statistika merupakan ilmu
pengetahuan murni dan terapan mengenai penciptaan, pengembangan dan
penerapan teknik-teknik sedemikian rupa sehingga ketidakpastian inferensia
induktif dapat dievaluasi atau diperhitungkan dan dapat ditarik suatu
kesimpulan yang utuh berdasarkan data yang ada.
2. Data diskrit ialah data yang diperoleh dari hasil menghitung atau
membilang sedangkan data kontinyu diperoleh dari hasil mengukur.
3. Data primer adalah data yang diperoleh dari sumber pertama atau badan
yang sama sedangkan data sekunder adalah data yang diperoleh dari sumber
berikutnya atau hasil studi literatur/dokumentasi
4. Sampel yang representatif iIalah sampel yang bisa mewakili seluruh
karakteristik yang dimiliki oleh setiap anggota populasinya.
5. Cara pengumpulan data bisa dilakukan dengan pengamatan langsung
(observasi lapangan), melakukan studi literatur/dokumentasi, menyebarkan
kuesioner dan melakukan wawancara.
6. Beberapa faktor yang menyebabkan dilakukannya sampling ialah akibat
ukuran populasi yang sangat besar (tak terhingga), masalah biaya yang sangat
besar, masalah waktu yang sangat lama, masalah ketelitian serta adanya
penelitian yang sifatnya merusak.

22
7. Teknik sampling untuk data yang homogen bisa dilakukan dengan
sampling seadanya, sampling purposif, sampling kuota dan sampling
berpeluang.
8. Apabila terdapat perbedaan derajat dalam kelompok populasi yang akan
diteliti maka teknik terbaik yang harus dilakukan ialah dengan sampling
kluster.
9. Diketahui perlakuan/t = 3, dengan menggunakan rumus (r – 1)(t – 1) ≥ 15
(r – 1)(3 – 1) ≥ 15 diperoleh (r – 1) 2 ≥ 15. Selanjutnya 2r ≥ 15 + 2
maka 2r ≥ 17 dan nilai r adalah 8,5 dengan demikian jumlah pengulangan
yang harus dilakukan adalam minimal 9 kali. Dengan demikian jumlah sampel
yang harus disediakan minimal 3 x 9 = 27 buah.
10. Langkah pertama dilakukan pengambilan sampel ke-1 dengan jumlah yang
cukup kecil, apabila hasilnya tidak sesuai dengan harapn maka dilakukan
pengambilan sampel ke-2 dengan jumlah yang lebih banyak dari sampel
pertama. Selanjutnya dilakukan analisis terhadap gabungan kedua sampel
tersebut.

Daftar Pustaka

Arikunto Suharsimi, 1993, Prosedur Penelitian, Suatu Pendekatan Praktek,


Jogyakarta: Rineka Cipta.

Cohen Jacob, 1988, Statistical Power Analysisis for Behavioral Sciences, New
Jersey: Lawrence Elrlbaum Assosiate Publisers.

Furqon, 1997, Statistik Terapan Untu Penelitian, Bandung: Alfabeta

Gaspersz Vincent, 1995, Teknik Analisis dalam Penelitian Percobaan, Jilid 1-2,
Bandung: Tarsito

Hadi, Sutrisno, 2004, Statistik jilid 1, 2 dan 3, Jogyakarta: Andi

Hasan M. Iqbal, 2002, Pokok-pokok Materi Statistika, Jakarta; Bumi Aksara.

Husain Usman, 2003, Pengantar Statistika, Jakarta: Bumi Aksara

Sudjana, 2002, Metoda Statistika, Bandung: Tarsito

23
Sudjana, 2004, Desain dan Analisis Eksperimen, Bandung: Tarsito

Sugiyono, 2003, Model Penelitian Administrasi, Bandung: AlfaBeta.

Sukandar Dadan, 2004, Metode Statistika, Jogyakarta: Madyan Press

Suparman, 1995, Statistik Sosial, Jakarta: Raja Grafindo Persada.

Surakhmad Winarno, 1982, Pengantar Penelitian Ilmiah, Bandung: Tarsito

Torrie, James H,. 1995, Prinsip dan Prosedur Statistika, Suatu pendekatan
Biometrik, Jakarta: Gra
media

Wijaya, 2003, Statistika Non Parametrik, Bandung: AlfaBeta

BAB II
DAFTAR DISTRIBUSI FREKWENSI

2.1 Pendahuluan
Bab ini menguraikan tentang definisi dan teknik penyusunan daftar
distribusi frekwensi baik yang tunggal maupun kelompok (ganda) serta daftar
distribusi frekwensi relatif dan kumulatif. Selain itu dipelajari pula tentang
histogram, poligon dan kurva frekwensi

Kompetensi Dasar
Setelah menyelesaikan materi ini, mahasiswa mampu menyusun daftar
distribusi frekwensi tunggal, berkelompok (ganda) relatif dan kumulatif serta
membuat histogram, poligon dan kurva frekwensi untuk masing-masing jenis
daftar distribusi frekwensi.

2.2 Penyajian
2.2.1 Pengantar
Seringkali dalam melaksanakan penelitian data mentah yang dikumpulkan
sangat banyak dan memiliki nilai yang sama atau memiliki perbedaan yang tidak

24
mencolok. Untuk jenis data seperti ini akan lebih baik bila data tersebut
dikelompokan menurut kelas, baik tunggal maupun kelas yang memiliki rentang
nilai tertentu (rentang a – b). Ke dalam kelas tersebut kita masukan seluruh data
yang memiliki nilai sesuai dengan kelas sehingga frekwensi masing-masing kelas
dapat diketahui. Urutan kelas harus disusun mulai dari data terkecil sampai
dengan data terbesar. Untuk kelas kedua dan seterusnya harus memiliki rentang
yang sama.Data yang disusun dalam bentuk daftar tersebut dinamakan daftar
distribusi frekwensi.

2.2.2 Daftar Distribusi Frekwensi Tunggal


Dalam suatu penyelidikan tentang keberhasilan siswa terhadap mata
pelajaran Biologi terhadap 2 kelas yang ada di sekolah X kota Z tahun 2006
diperoleh nilai raport dari 72 orang siswa sebagai berikut :
7 6 6 6 5 7 6 5 4 6 7 7 6 7 5 6 6 7
6 6 6 6 6 5 6 6 6 7 7 5 7 7 8 5 6 5
7 7 5 6 7 7 7 7 6 6 6 6 5 5 7 7 5 7
5 6 5 6 7 6 7 8 5 6 5 7 5 6 7 8 8 6
Agar mempermudah pembacaan data dan analisis data maka data mentah tersebut
harus disusun berdasarkan kelas nilai yang diperoleh dan talli sehingga diketahui
besaran siswa yang memperoleh suatu nilai. Daftar tersebut disusun sebagai
berikut :
Tabel 2.1 daftar Keberhasilan Siswa Terhadap Mata
Pelajaran Biologi Pada 2 kelas yang Ada Di Sekolah X
Kota Z Tahun 2006
Nilai Talli Frekwensi
8 IIII 4
7 IIII IIII IIII IIII III 23
6 IIII IIII IIII IIII IIII III 28
5 IIII IIII IIII I 16
4 I 1
Jumlah 72

25
Dari tabel di atas kita dapat mengetahui dengan mudah nilai yang banyak
diperoleh siswa yaitu angka 6 yang memiliki frekwensi tertinggi sebanyak 28
orang, selanjutnya kita sebut nilai modus. Nilai terendah adalah 4 tetapi
frekwensinya relatif kecil yaitu hanya 1 orang.
Apabila data tersebut hendak diolah maka perlu diperhatikan beberapa
rumus yang khusus dipergunakan untuk jenis analisis data dalam daftar distribusi
frekwensi yang cukup berbeda dengan daftar biasa.

2.2.3 Daftar Distribusi Frekwensi Berkelompok (ganda)


Dalam menyusun daftar distribusi frekwensi bergolong maka perlu
diperhatikan beberapa aturan dalam menentukan nilai-nilai yang penting dalam
penyusunan daftar distribusi frekwensi tersebut.
Nilai ujung bawah kelas ditunjukan oleh bilangan yang berada paling kiri
sedangkan ujung atas kelas ditunjukan oleh bilangan paling kanan pada kelas
interval tersebut.
Selain itu terdapat pula batas kelas yang sangat tergantung pada tingkat
ketelitian data yang akan digunakan. Jika tingkat ketelitian ada pada tingkat
satuan maka batas bawah kelas adalah ujung bawah kelas dikurangi 0,5 sedangkan
batas atas kelas adalah ujung atas kelas ditambah 0,5. Untuk tingkat ketelitian
sampai dengan satu desimal maka tingkat ketelitian batas kelas sampai dengan
0,05 sedangkan untuk ketelitian sampai dengan 0,05 maka batas kelas sampai
dengan 0,005 dan begitu seterusnya.
Sturgess mengemukakan beberapa aturan dalam penyusunan daftar
distribusi frekwensi sebagai berikut :
1. Susunlah data tersebut dari nilai terkecil sampai nilai terbesar
2. Perlu dicari nilai rentang data yaitu dengan mengurangi nilai data terbesar
dengan nilai data terkecil
3. Selanjutnya tentukan jumlah kelas. Apabila jumlah data kurang dari 200 buah
maka jumlah kelas biasanya berkisar antara 5 sampai dengan 15 kelas, namun
untuk data yang lebih besar dari 200 digunakan aturan tertentu yaitu dengan
menggunakan rumus :

26
Banyak Kelas = 1 + (3,3) log n
Contoh apabila kita memiliki data sebanyak 300 buah maka jumlah kelas yang
harus dibuat adalah = 1 + (3,3) log 300
= 1 + (3,3) (2,4771) = 9,17443
Maka jumlah kelas yang harus dibuat adalah 9 buah.
Cara lain untuk menentukan banyak kelas dengan menggunakan rumus :
K = (R/i) + 1 dengan R adalah rentang dan i adalah panjang kelas
4. Untuk menentukan panjang kelas interval maka digunakan rumus :
Rentang
P=
Banyak kelas
5. Tentukan tanda kelas interval sebagai titik tengah dari setiap kelas interval
yang diperoleh dengan rumus : Tanda kelas = ½ (ujung bawah + ujung atas)
6. Pilih ujung kelas pertama yang biasanya digunakan data dengan nilai terkecil
atau melakukan pelebaran di bawah nilai data terkecil
7. Susunlah rentang untuk setiap kelas sesuai dengan patokan ujung kelas pada
kelas pertama
8. Selanjutnya masukan setiap data ke dalam kelas interval sesuai dengan nilai
data dengan nilai yang terangkum dalam setiap panjang kelas. Untuk
mempermudah mencari frekwensi dari setiap kelas maka dilakukan
tabulasi/talli untuk setiap data yang dimasukan.
Contoh soal :
Buatlah daftar distribusi frekwensi menurut Sturges terhadap data jumlah koloni
bakteri E. coli pada media NA selama 3 hari inkubasi
80 16 69 51 71 92 35 28 60 45
63 59 64 98 47 49 48 64 58 74
85 56 72 38 89 55 28 67 84 78
37 73 65 66 86 96 57 76 57 19
54 76 49 53 83 55 83 47 64 39
Penyelesaian :
1. Urutan data disusun sebagai berikut :
16 19 28 28 35 37 38 39 45 47
47 48 49 49 51 53 54 55 55 56
57 57 58 59 60 63 64 64 64 65

27
66 67 69 71 72 73 74 76 76 78
80 83 83 84 85 86 89 92 96 98
2. Rentang data tersebut ialah 98 – 16 = 82
3. Banyak kelas yang harus dibentuk 1 + (3,3) log 50
1 + (3,3) X 1,7
1 + 5,6 = 6,7 atau 7 buah
4. Panjang kelas interval adalah (82/7) = 11,71 atau sama dengan 12
5. Untuk ujung kelas pertama dipilih angka 16
6. Dengan bantuan talli maka setiap data dimasukan ke dalam kelasnya masing-
masing sehingga diperoleh daftar distribusi frekwensi sebagai berikut :

Tabel 2.2 Daftar Distribusi Frekwensi Absolut


Jumlah Koloni Bakteri E. coli Pada
Media NA Selama 3 Hari Inkubasi
Kelas Talli Frekwensi
16 – 27 II 2
28 – 39 IIII I 6
40 – 51 IIII II 7
52 – 63 IIII IIII I 11
64 – 75 IIII IIII I 11
76 – 87 IIII IIII 9
88 – 99 IIII 4
Jumlah 50

2.2.4 Distribusi Frekwensi Relatif dan Kumulatif


Dalam daftar distribusi frekwensi biasa, semua nilai dinyatakan dalam
bentuk absolut atau sesungguhnya. Ada cara penyajian data model daftar distribusi
frekwensi yang lain yaitu dalam bentuk persentase sehingga disebut daftar
distribusi frekwensi relatif.
Dari contoh daftar distribusi frekwensi di atas kita dapat menyusun daftar
distribusi frekwensi relatifnya dengan menghitung persentase setiap frekwensi
yang ada pada setiap kelas, misalnya untuk kelas pertama diperoleh frekwensi

28
relatifnya sebesar (2/50) X 100% = 4 %, dan seterusnya. Dengan demikian bentuk
tabelnya menjadi seperti berikut ini :
Tabel 2.3 Daftar Distribusi Frekwensi Absolut
Dan Relatif Jumlah Koloni Bakteri E. coli Pada
Media NA Selama 3 Hari Inkubasi
Kelas fabsolut frelatif(%)
16 – 27 2 4
28 – 39 6 12
40 – 51 7 14
52 – 63 11 22
64 – 75 11 22
76 – 87 9 18
88 – 99 4 8
Jumlah 50 100

Selain itu terdapat juga bentuk daftar distribusi frekwensi yang lain yaitu
daftar distribusi frekwensi kumulatif yang diperoleh dengan cara menjumlahkan
frekwensi demi frekwensi yang ada di setiap kelas. Terdapat 2 jenis daftar
distribusi frekwensi kumulatif, yatiu daftar distribusi frekwensi kumulatif kurang
dari dan atau lebih.
Dari data pada tabel 2.3 dapat kita susun distribusi frekwensi kumulatif
kurang dari dan atau lebih seperti berikut :

Tabel 2.4 Daftar Distribusi Frekwensi Kumulatif


Kurang Dari dan Atau Lebih
Jumlah Koloni Bakteri E. coli Pada Media NA
Selama 3 Hari Inkubasi
Kelas fkum Kelas fkum
Kurang dari 16 0 16 atau lebih 50
Kurang dari 28 2 28 atau lebih 48
Kurang dari 40 8 40 atau lebih 42
Kurang dari 52 15 52 atau lebih 35
Kurang dari 64 26 64 atau lebih 24
Kurang dari 76 37 76 atau lebih 13
Kurang dari 88 41 88 atau lebih 4
Kurang dari 100 50 100 atau lebih 0

Kedua jenis daftar pada tabel 2.4 bisa dibuat dalam bentuk absolut maupun
relatif dengan cara seperti pada daftar distribusi frekwensi biasa.

29
Tabel 2.5 Daftar Distribusi Frekwensi Kumulatif
Relatif Kurang Dari dan Atau Lebih
Jumlah Koloni Bakteri E. coli Pada Media NA
Selama 3 Hari Inkubasi
Kelas fkum (%) Kelas fkum(%)
Kurang dari 16 0 16 atau lebih 100
Kurang dari 28 4 28 atau lebih 96
Kurang dari 40 16 40 atau lebih 84
Kurang dari 52 30 52 atau lebih 70
Kurang dari 64 52 64 atau lebih 48
Kurang dari 76 74 76 atau lebih 26
Kurang dari 88 82 88 atau lebih 8
Kurang dari 100 100 100 atau lebih 0

2.2.5 Histogram, Poligon dan Kurva Frekwensi


Untuk menyajikan data yang telah disusun dalam daftar distribusi
frekwensi menjadi diagram seperti pada daftar lainnya digunakan sumbu tegak
untuk menyatakan frekwensi baik absolut maupun relatif. Sedangkan pada sumbu
datar dituliskan bats-batas kelas interval dengan bentuk diagram satu sama lain
berimpitan.
Data pada tabel 2.2 dapat dibuat diagramnya seperti berikut :
f
12

10

0 15,5 27,5 39,5 51,5 63,5 75,5 87,5 nilai

Gambar 2.1
Histogram Jumlah Koloni Bakteri E. coli Pada Media NA

30
Selama 3 Hari Inkubasi

Selanjutnya pada bagian tengah di setiap sisi atas yang berdekatan dihubungkan
dan pada bagian akhir dihubungkan dengan jarak kelas interval pada sumbu datar
sehingga kita mendapatkan suatu garis pada histogram tersebut yang dinamakan
poligon frekwensi. Grafiknya dapat dilihat pada gambar 2.2.
Dengan cara yang sama maka daftar distribusi frekwensi relatif dan
kumulatif dapat disajikan dalam bentuk histogram dan poligon frekwensi relatif,
frekwensi kumulatif absolut serta frekwensi kumulatif relatif baik yang kurang
dari maupun atau lebih. Histogram dan poligon yang dihasilkan memiliki bentuk
yang agak berbeda dengan bentuk distribusi frekwensi absolut (biasa)
f

12

10
Poligon
8 Frekwensi

0 15,5 27,5 39,5 51,5 63,5 75,5 87,5 Nilai

Gambar 2.2
Poligon Frekwensi Jumlah Koloni Bakteri E. coli Pada Media NA
Selama 3 Hari Inkubasi

Selanjutnya bentuk poligon dapat dihaluskan sehingga terbentuklah kurva


frekwensi. Berdasarkan bentuknya, kurva frekwensi terbagi menjadi 7 model,
yaitu :
1. Simetris atau lonceng, ciri-cirinya ialah nilai variabel di samping kiri dan
kanan berjarak sama terhadap titik tengah (yang frekwensinya terbesar)

31
memiliki nilai frekwensi yang sama. Kurva jenis ini sering dijumpai dalam
distribusi berbagai variabel sehingga disebut distribusi normal
2. Tidak simetris atau condong, cirinya ialah ekor kurva yang satu lebih
panjang bila dibandingkan dengan ekor lainnya. Jika ekor kuva yang lebih
panjang ada di sebelah kanan maka disebut kecondongan positif dan
sebaliknya disebut kecondongan negatif
3. Bentuk J atau J terbalik, cirinya ialah salah satu ujung kurva frekwensi
memiliki nilai maksimum
4. Bentuk U, cirinya ialah kedua ujung kurva frekwensi memiliki nilai
maksimum
5. Bimodal, cirinya memiliki dua nilai maksimum tetapi bukan di bagian
ujung
6. Multimodal, cirinya ialah memiliki lebih dari dua nilai maksimum tetapi
bukan di bagian ujung
7. Uniform, terjadi apabila nilai-nilai variabel dalam suatu interval memiliki
nilai yang sama.
Berikut berbagai kurva yang dimaksud di atas :

Iqbal Hasan halaman 49 - 50

32
Gambar 2.3
Berbagai Jenis Kurva Frekwensi
2.3 Penutup
Tes Formatif
1. Jelaskan alasan penyajian data dalam bentuk daftar distribusi frekwensi !
2. Sebutkan beberapa jenis daftar distribusi frekwensi ?
3. Jelaskan aturan penetuan banyak kelas menurut Sturges !
4. Jelaskan perbedaan daftar distribusi frekwensi absolut dengan relatif ?
5. Uraikan cara menyusun daftar distribusi frekwensi kumulatif !
6. Bagaimanakah cara menyusun daftar distribusi frekwensi kumulatif
relatif ?
7. Jelaskan beberap cara penyajian data distribusi frekwensi dalam bentuk
diagram !
8. Bagaimanakah cara membuat poligon rekwensi ?
9. Sebutkan 7 model kurva frekwensi ?
10. Jelaskan model kurva yang akan terbentuk dari daftar distribusi frekwensi
kumulatif !

Umpan Balik
Cocokan jawaban saudara dengan kunci jawaban yang tersedia, untuk jawaban
sempurna diberi skor tertinggi 10. Hitunglah jawaban yang benar kemudian

33
gunakan rumus berikut untuk mengetahui tingkat penguasaan saudara terhadap
materi kegiatan belajar ini.

Rumus
Skor jawaban yang benar
Tingkat Penguasaan = X 100
100

Bila saudara mencapai tingkat penguasaan 80 % atau lebih maka saudara dapat
melanjutkan ke materi berikutnya, namun apabila tingkat penguasaan saudara di
bawah 80 % maka saudara harus mengulang kegiatan belajar ini terutama pada
bagian yang tidak dikuasai

Kunci Jawaban
1. Perlunya disusun daftar distribusi frekwensi disebabkan seringkali dalam
melaksanakan penelitian, data mentah yang dikumpulkan sangat banyak dan
memiliki nilai yang sama atau memiliki perbedaan yang tidak mencolok
2. Beberapa jenis daftar distribusi frekwensi yang biasa disusun ialah daftar
distribusi frekwensi absolut, daftar distribusi frekwensi relatif, daftar distribusi
frekwensi kumulatif absolut dan daftar distribusi frekwensi kumulatif relatif.
3. Sturgess menyatakan bahwa apabila jumlah data kurang dari 200 buah
maka jumlah kelas biasanya berkisar antara 5 sampai dengan 15 kelas, namun
untuk data yang lebih besar dari 200 digunakan aturan tertentu yaitu dengan
menggunakan rumus :
Banyak Kelas = 1 + (3,3) log n
4. Daftar distribusi frekwensi absolut menyajikan nilai rekwensi yang
sebenarnya sedangkan daftar distribusi frekwensi relatif menyajikan nilai
frekwensi berupa persentase.
6. Cara menyusun daftar distribusi frekwensi kumulatif dilakukan dengan
menjumlahkan setiap frekwensi yang ada di setiap kelas interval

34
7. Untuk menyusun daftar distribusi frekwensi kumulatif relatif yaitu disusun
dahulu bentuk daftar distribusi frekwensi kumulatif yang akan disajikan
kemudian seperti pada daftar distribusi frekwensi biasa nilai f dipersentasekan
untuk setiap kelas.
8. Teknik penyajian daftar distribusi frekwensi dalam bentuk diagram bisa
dilakukan melalui histogram, poligon dan kurva frekwensi
9. poligon frekwensi dibuat dengan menarik garis kontinyu pada setiap titik
tengah histogram dan menghubungkannya dengan tanda kelas pada sumbu
datar baik sisi kiri maupun kanan.
10. Beberapa bentuk kurva frekwensi yang ada ialah simetris atau lonceng,
tidak simetris atau condong, bentuk J atau J terbalik, bentuk U, bimodal,
multimodal dan uniform.
11. Model kurva yang akan dibentuk dari daftar distribusi frekwensi kumulatif
ialah bentuk J atau J terbalik, sebab pada salah satu ujung kelas memiliki nilai
tertinggi

Daftar Pustaka

Arikunto Suharsimi, 1993, Prosedur Penelitian, Suatu Pendekatan Praktek,


Jogyakarta: Rineka Cipta.

Cohen Jacob, 1988, Statistical Power Analysisis for Behavioral Sciences, New
Jersey: Lawrence Elrlbaum Assosiate Publisers.

Furqon, 1997, Statistik Terapan Untu Penelitian, Bandung: Alfabeta

Gaspersz Vincent, 1995, Teknik Analisis dalam Penelitian Percobaan, Jilid 1-2,
Bandung: Tarsito

Hadi, Sutrisno, 2004, Statistik jilid 1, 2 dan 3, Jogyakarta: Andi

Hasan M. Iqbal, 2002, Pokok-pokok Materi Statistika, Jakarta; Bumi Aksara.

Husain Usman, 2003, Pengantar Statistika, Jakarta: Bumi Aksara

Sudjana, 2002, Metoda Statistika, Bandung: Tarsito

35
Sudjana, 2004, Desain dan Analisis Eksperimen, Bandung: Tarsito

Sugiyono, 2003, Model Penelitian Administrasi, Bandung: AlfaBeta.

Sukandar Dadan, 2004, Metode Statistika, Jogyakarta: Madyan Press

Suparman, 1995, Statistik Sosial, Jakarta: Raja Grafindo Persada.

Surakhmad Winarno, 1982, Pengantar Penelitian Ilmiah, Bandung: Tarsito

Torrie, James H,. 1995, Prinsip dan Prosedur Statistika, Suatu pendekatan
Biometrik, Jakarta: Gra
media

Wijaya, 2003, Statistika Non Parametrik, Bandung: AlfaBeta

BAB III
PENYAJIAN DATA

3.1 Pendahuluan
Bab ini menguraikan tentang teknik penyajian berbagai data statistik ke
dalam bentuk tabel atau daftar serta diagram atau grafik

Kompetensi Dasar
Setelah menyelesaikan materi ini, mahasiswa mampu menyusun data
statistik ke dalam bentuk tabel atau daftar serta diagram atau grafik

3.2 Penyajian
3.2.1 Pengantar
Data yang telah dikumpulkan perlu ditata sedemikian rupa dengan baik
sehingga mudah dibaca dan dianalisis. Terdapat 2 kelompok utama penyajian data
yaitu penyajian dalam bentuk daftar atau tabel dan penyajian dalam bentuk grafik
atau diagram.

36
3.2.2 Penyajian Data Melalui Tabel
Penyajian data model ini dilakukan dengan menyusun data dalam bentuk
kolom dan baris. Dalam suatu tabel, biasanya terdapat komponen berikut :
1. Kepala tabel yang berisi judul dan nomor tabel
2. Leher tabel yang berisi keterangan/judul kolom maupun baris
3. Badan tabel yang berisi sel-sel dengan nilai data yang akan disajikan
4. Kaki tabel yang berisi keterangan tambahan serta sumber perolehan data.
Bentuk umum tabel dapat dilihat pada gambar 3.1

Judul Daftar/Tabel

Judul
Kolom

Sel
Judul Baris Sel Badan Tabel

Sel

Keterangan

Gambar 3.1
Bentuk Umum Tabel

Berdasarkan pengaturan datanya maka daftar/tabel dibagi menjadi :


1. Tabel Klasifikasi (tabel baris–kolom), tabel jenis ini hanya memuat
pengelompokan data baik tunggal maupun ganda, contohnya :
Tabel 3.1 Jumlah Kambing di Kota X Meurut Jenisnya
Tahun 2006
Jenis Jumlah (Ekor)
Jantan 108
Betina 512

37
Jumlah 620
Sumber : Dinas Peternakan Kota X
2. Tabel Frekwensi, tabel ini memuat banyaknya kejadian pada suatu
peristiwa, contohnya :
Tabel 3.2 Hasil Ujian Biometri Mahasiswa Tahun 2006
Nilai Jumlah Mahasiswa
55 – 59 6
60 – 64 8
65 – 69 12
70 – 74 15
75 – 79 10
80 – 84 7
Jumlah 58

3. Tabel kontingensi, tabel ini memuat data sesuai dengan rincian untuk
setiap peristiwa, contohnya :
Tabel 3.3 Produksi Minyak Mentah OPEC, Rusia dan Dunia
Tahun 2000-2004
Tahun OPEC RUSIA DUNIA Jumlah
2000 9.934 3.600 20.174 33.708
2001 11.240 3.822 21.831 36.893
2002 11.468 4.013 22.672 38.153
2003 10.914 4.024 22.897 38.015
2004 11.205 4.307 23.666 39.178
Jumlah 54.761 19.946 111.240 185.947
Sumber : Asian Economist UpDate 2005

4. Tabel korelasi, tabel ini memuat hubungan antar data yang disajikan,
contohnya
Tabel 3.4 Hasil Ujian Biosel Dengan Anfisma Tahun 2006
Nilai Anfisma
40 - 49 50 – 59 60 - 69 70 - 79 80 - 89 90 - 99
Nilai Biosel
90 – 99 2 4 4
80 – 89 1 4 6 5
70 – 79 5 10 8 1
60 – 69 1 4 9 5 2
50 – 59 3 6 6 2
40 – 49 3 5 4

38
3.2.3 Penyajian Data Melalui Diagram
Merupakan penyajian data dalam bentuk gambar-gambar (simbol).
Biasanya grafik berasal dari tabel yang divisualisasikan. Seperti pada tabel,
diagram memiliki judul diagram yang terdapat pada bagian bawah diagram.
Beberapa jenis grafik/diagram yang biasa dipakai antara lain :
1. Diagram batang
Merupakan penyajian data dalam bentuk gambar batang untuk setiap objek
yang diwakilinya. Diagram ini sangat cocok untuk data dengan variabelnya
berupa kategori atau atribut Terdiri dari sumbu datar dan sumbu tegak yang
terbagi menjadi beberapa skala. Diagram batang terbentuk akibat perpotongan
sumbu datar dan sumbu tegak. Contohnya

39
Gambar 3.2
Grafik Perbandingan Penerimaan Negara dalam APBN dan Repelita
1969/1970 – 1987/1988

2. Diagram garis
Diagram ini sangat cocok digunakan untuk memvisualisasikan data yang
berkesinambungan, misalnya produksi barang setiap tahun, contoh diagram
garis dapat dilihat pada gambar 3.3

Gambar 3.3.
Fluktuasi Nilai Impor Beras Indonesia Terhadap Thailand Masa Orde Baru
Dalam Ribuan Ton

3. Diagram pencar/titik
Digunakan untuk memvisualisasikan kumpulan data dari dua variabel dengan
nilai kuantitatif, contoh diagram pencar dapat dilihat pada gambar 3.4

40
Gambar 3.4
Beberapa Contoh Diagram Pencar
4. Diagram Pastel/lingkaran
Merupakan diagram yang berupa lingkaran yang terbagi-bagi menjadi
beberapa sektor. Setiap sektor mewakili kategori data yang ingin disajikan.
Diagram jenis ini biasanya digunakan untuk data dengan jenis variabel atribut,
contoh diagram pastel dapat dilihat pada gambar 3.5

Gambar 3.5

41
Garfik Kredit Investasi Kecil dan Krdit Modal Kerja Permanen
Yang Disetujui Menurut Persentase
Pada Akhir Pelita I s/d Pelita IV(September 1986)
(dalam milyar rupiah)

5. Diagram lambang (Piktogram)


Merupakan diagram yang menggunakan lambang sesuai objek yang
diwakilinya, misalnya untuk jumlah mobil digunakan gambar mobil dan
seterusnya. Diagram ini merupakan gambaran kasar untuk suatu peristiwa dan
visualisasi bagi orang awam. Satuan yang tidak penuh digambarkan dengan
setengan bagian gambar utuh demikian juga dengan kategori yang memiliki
nilai lebih tinggi bisa digambarkan dengan lambang yang lebih besar dari
kategori yang memiliki nilai lebih rendah, contoh piktogram dapat dilihat
pada gambar 3.6

Sudjana halaman 36 - 37

42
Gambar 3.6
Beberapa Contoh Piktogram
6. Diagram peta (Kartogram)
Diagram ini menggunakan peta geografis suatu wilayah, biasanya digunakan
untuk menghubungkan suatu peristiwa yang terjadi di suatu wilayah. Contoh
kartogram dapat dilihat pada gambar 3.7;

43
Gambar 3.7
Perbandingan Rata-rata Jarak Dari Rumah ke Berbagai
Fasilitas Pendukung Pada Lingkungan Perumahan
di Pedesaan dan Perkotaan

3.2.4 Penyajian Data Dalam Bentuk Indeks


Seringkali data yang kita peroleh merupakan sekumpulan angka yang
masih terpisah secara parsial sehingga belum mampu menunjukan daya pembeda
sesuai dengan yang diharapan. Data tersebut sering kita kelompokan sebagai data
mentah dan harus dilakukan pengolahan untuk menjadi suatu data dengan daya
pembeda yang sempurna. Data seperti ini kita olah menjadi suatu indeks dengan
membandingkan suatu bagian data dengan bagian data lainnya. Contohnya bila
kita ingin melihat berapa besar kepadatan penduduk dalam suatu wilayah maka
kita bisa membuat indeks kepadatan penduduk di wilayah tersebut dengan
membandingkan banyaknya jumlah warga yang tinggal di wilayah itu untuk setiap
luas wilayah tertentu, misalnya kita mendapatkan angka jumlah penduduk sebesar
2.345 orang sedangkan luas wilayah yang ditempati mencapai 7,5 km 2 maka
kepadatan penduduk di wilayah tersebut adalah 2.345/7,5 = 312,67 orang yang
menempati setiap km wilayah, maka indeks kepadatan penduduk di wilayah
tersebut adalah sebesar 312,67 orang/km2.

3.3 Penutup
Tes Formatif
1. Uraikan beberapa komponen yang terdapat dalam suatu tabel !
2. Jelaskan ciri-ciri tabel kontingensi !
3. Tentukan jenis tabel yang paling baik untuk menyajikan banyaknya
kejadian dalam suatu peristiwa !
4. Diagram manakah yang paling baik digunakan untuk menyajikan data
berupa kategori atau atribut, mengapa ?
5. Penyajian data yang berkesinambungan sebaiknya disajikan dalam bentuk
diagram apa ?, Jelaskan !

44
6. Jelaskan beberapa keuntungan dan kelemahan penyajian data dalam
bentuk grafik !
7. Buatlah uraian tentang data yang disajikan dalam diagram pada gambar
3.7 !
8. Apakah akibat terhadap kesimpulan yang diambil dari diagram garis jika
pembagi skalanya terlalu lebar atau terlalu sempit ?
9. Bagaimanakah teknik membedakan besaran nilai setiap data dalam
menyusun piktogram ?
10. Buatlah diagram dari data yang terdapat pada tabel 3.2 !

Umpan Balik
Cocokan jawaban saudara dengan kunci jawaban yang tersedia, untuk jawaban
sempurna diberi skor tertinggi 10. Hitunglah jawaban yang benar kemudian
gunakan rumus berikut untuk mengetahui tingkat penguasaan saudara terhadap
materi kegiatan belajar ini.

Rumus
Skor jawaban yang benar
Tingkat Penguasaan = X 100
100

Bila saudara mencapai tingkat penguasaan 80 % atau lebih maka saudara dapat
melanjutkan ke materi berikutnya, namun apabila tingkat penguasaan saudara di
bawah 80 % maka saudara harus mengulang kegiatan belajar ini terutama pada
bagian yang tidak dikuasai

Kunci Jawaban
1. Dalam suatu tabel, biasanya terdapat komponen berikut :
1. Kepala tabel yang berisi judul dan nomor tabel
2. Leher tabel yang berisi keterangan/judul kolom maupun baris
3. Badan tabel yang berisi sel-sel dengan nilai data yang akan disajikan

45
4. Kaki tabel yang berisi keterangan tambahan serta sumber perolehan data.
2. Tabel kontingensi dapat memuat data sesuai dengan rinciannya untuk setiap
peristiwa pada saat yang bersamaan
3. Jenis tabel yang paling baik untuk menyajikan banyaknya kejadian dalam
suatu peristiwa adalah daftar distribusi frekwensi
4. Diagram yang paling baik digunakan untuk menyajikan data berupa
kategori atau atribut adalah diagram batang, sebab diagram ini mampu
memisahkan setiap kategori atau atribut secara jelas/nyata.
5. Penyajian data yang berkesinambungan sebaiknya disajikan dalam bentuk
diagram garis. Hal ini disebabkan pada penyajian data dengan diagram garis
memungkinkan membuat garis yang tidak terputus dari nilai yang satu ke nilai
yang lainnya.
6. Beberapa keuntungan penyajian data dalam bentuk grafik ialah data
mudah dibaca, menarik/enak dilihat, memungkinkan banyaknya variasi
penyajian data serta mampu menjelaskan data lebih visual. Namun demikian
terdapat kelemahan dalam penyajian dengan grafik yaitu sulitnya
memvisualisasikan data secara detail sehingga sering data yang disajikan
berupa gambaran kasar. Selain itu, terdapat kemungkinan kesalahan penarikan
kesimpulan akibat penyajian data yang tidak memperhitungkan aspek-aspek
visual seperti skala, warna dan lain-lain.
7. Dari gambar tersebut nampak bahwa masyarakat yang tinggal di pedesaan
harus menempuh jarak yang lebih jauh untuk mencapai berbagai fasilitas
kehidupan bila dibandingkan dengan masyarakat yang tinggal di perkotaan.
Hal ini menimbulkan tertinggalnya kehidupan sosial masyarakat pedesaan bila
dibandingkan dengan masyarakat perkotaan akibat kesempatan yang diperoleh
mereka tidak sama dengan yang dimiliki masyarakat perkotaan.
8. Jika skala pembagi pada diagram garis terlalu lebar maka model kurva
yang terbentuk akan sangat landai sedangkan apabila skala pembaginya terlalu
sempit maka kurva yang terbentuk akan memiliki sisi yang sangat curam.
Kesimpulan yang diambil bisa berbeda walaupun keduanya memiliki nilai

46
yang sama. Selain itu fluktuasi nilai yang ditunjukan kurva bisa disimpulkan
sangat lambat atau sebaliknya terlalu cepat
9. Teknik yang biasa digunakan untuk membedakan besaran nilai data dalam
suatu piktogram ialah dengan memperhatikan besarnya setiap lambang yang
disajikan (skala), atau keutuhan dari masing-masing lambang
10. Diagram yang bisa disajikan dari data pada tabel 3.2 adalah sebagai
berikut :

f
16

14

12

10

0 54,5 59,5 64,5 69,5 74,5 79,5 nilai

Daftar Pustaka

Arikunto Suharsimi, 1993, Prosedur Penelitian, Suatu Pendekatan Praktek,


Jogyakarta: Rineka Cipta.

47
Cohen Jacob, 1988, Statistical Power Analysisis for Behavioral Sciences, New
Jersey: Lawrence Elrlbaum Assosiate Publisers.

Furqon, 1997, Statistik Terapan Untu Penelitian, Bandung: Alfabeta

Gaspersz Vincent, 1995, Teknik Analisis dalam Penelitian Percobaan, Jilid 1-2,
Bandung: Tarsito

Hadi, Sutrisno, 2004, Statistik jilid 1, 2 dan 3, Jogyakarta: Andi

Hasan M. Iqbal, 2002, Pokok-pokok Materi Statistika, Jakarta; Bumi Aksara.

Husain Usman, 2003, Pengantar Statistika, Jakarta: Bumi Aksara

Sudjana, 2002, Metoda Statistika, Bandung: Tarsito

Sudjana, 2004, Desain dan Analisis Eksperimen, Bandung: Tarsito

Sugiyono, 2003, Model Penelitian Administrasi, Bandung: AlfaBeta.

Sukandar Dadan, 2004, Metode Statistika, Jogyakarta: Madyan Press

Suparman, 1995, Statistik Sosial, Jakarta: Raja Grafindo Persada.

Surakhmad Winarno, 1982, Pengantar Penelitian Ilmiah, Bandung: Tarsito

Torrie, James H,. 1995, Prinsip dan Prosedur Statistika, Suatu pendekatan
Biometrik, Jakarta: Gra
media

Wijaya, 2003, Statistika Non Parametrik, Bandung: AlfaBeta

48
49

Anda mungkin juga menyukai