Anda di halaman 1dari 24

BAB 1

PENDAHULUAN

A. RASIONALISASI PENTINGNYA CBR


Critical Book Review merupakan salah satu instrument yang dapat mendukung
keberhasilan dalam proses pembelajaran dibangku perkuliahan. Indikator
keberhasilan Critical Book Review untuk mendukung keberhasilan dalam
pembelajaran itu dapat dilihat dari terciptanya kemampuan dari setiap
mahasiswa/mahasiswi untuk mengevaluasi penjelasan, interpretasi serta
analisis mengenai kelebihan maupun kelemahan baik dari Jurnal, buku maupun
artikel lainnya sehingga berdampak besar bagi pengembangan cara berfikir dari
mahasiswa yang pada akhirnya menambah pemahaman dan pengetahuan
mahasiswa itu sendiri terhadap kajian mata kuliah yang telah diambil. Dengan
kata lain, melalui Critical Book Review mahasiswa diajak untuk menguji
pemikiran dari pengarang maupun penulis berdasarkan sudut pandang yang
akan dibangun oleh setiap mahasiswa berdasarkan pengetahuan & pengalaman
yang mereka miliki.

B. TUJUAN PENULISAN CBR


 Untuk mengetahui kelebihan dan kelemahan dari kedua buku yang telah
ditentukan.
 Menentukan kualitas dari kedua buku yang hendak dipilih khususnya dalam
hal kelengkapan sub materi serta penjelasan isi buku yang hendak dipilih.

C. MANFAAT CBR
 Untuk memenuhi mata kuliah Statistik Inferensial
 Untuk mengetahui kelebihan dan kelemahan dari kedua buku
 Untuk membandingkan kualitas dari kedua buku tersebut

D. IDENTITAS BUKU YANG DIRIVIEW


 Buku 1
Judul Buku : Statistika Terapan Untuk Quasi dan Pure Experiment

Edisi : 2018

Penerbit : UNIMED PRESS

Kota Terbit : Medan

Tahun Terbit : 2016

Pengarang : Prof. Dr. Edi Syahputra,M.Pd

ISBN : 978-602-08880-82-8
1
BAB 2
RINGKASAN ISI BUKU

BUKU 1

BAB 1 STATISTIKA

Pengertian Statistika
Statistika adalah ilmu yang mempelajari tentang metode pengumpulan,
pengolahan, penafsiaran serta penarikan kesimpulan dari data yang
dikumpulka/diperoleh. Secara umum statistika dapat dikelompokan menjadi dua
macam yaitu statistika matematika dan statistika terapan.
Dalam statistika matematika penekananya lebih pada statistika secara
teoritis. Ditinjau dari sifat terapanya statistika dapat dibagi atas dua katagori yaitu:
Statistika Deskriptif dan Statistika Induktif/Infersial.
Data Statistika
Data dalam statistika adalah suatu himpunan keterangan/informasi dari
serangkaian pengamatan atau catatan atau observasi atau informasi yang diperoleh
dari hasil percobaan. Ada dua bentuk data yaitu data kuantitatif dan data kualitatif.
Data bisa juga dikelompokan menjadi ha seperti berikut. Data nominal, data ordina,
data interval, data rasio,

BAB 2 PENYAJIAN DATA

Data statistika dapat disajaikan dalam berbagia cara, antar lain dengan table
dan grafik.
Mengunakan Tabel
Cara mengunakan table distribusi frekuensi yaitu dengan menentukan
rentnang data, tentukan banyak kelas interval yang diinginkan, tentukan panjang
kelas interval, tentukan ujung bawah interval pertama.
Mengunakan Diagram
Dikatakan diagram batang karena bentuknya seperti batang-batang yang
disusun tegak atau mendatar. Mengambar diagram batang diperlukan tiga hal yaitu
menentukan sumbu mendatar, sumbu tegak, skala pada kedua sumbu diatas.

2
Diagram Garis
Diagram garis digunakan untuk mengambarkan keadaan yang kontinu.
Biasanya sumbu horizontal menujukan skala waktu (bias tahun, bulan, atau
minggu).
Diagram Lingkaran
Diagram lingkaran terdiri dari sebuah lingkaran yang dibagi atas sector-
sektor. Tiap sector menyatakan banyakanya data. Dan untuk mengambarkan sebuah
lingkaran terlebih dahulu dihitung besar setiap sector lingkaran yang beroadaab
dengan nilai ujian mahasiswa.
Diagram Pastel
Diagram pastel adalah variasi bentuk dari diagram lingkaran. Sebetulnya
tidak terdapat perbedaan yang mendasar antara diagram lingkaran dengna diagram
pastel. Perbedaanya hanya dalam bentuk dimensi. Lingkaran berdimensi dua
sedangkan pastel berdimensi tiga.
Histogram dan Poligon Frekuensi
Histogram dan polygon frekuensi adalah diagram dari data yang telah
disusun dalam table distribusi frekuensi. Cara membuat diagram dengan
menentukan batas atas dan bawah setiap batas kelas interval.
Table Distribusi Frekuensi Kumulatif
Table distribusi fekuensi kumulatif ada dua macam yaitu kurang dari dan
lebih dari atau sama dengan.

BAB 3 UKURAN TENDENSI SENTRAL

Ukuran tendesi sentral adalah nilai yang menjadi pusat suatu sebaran yang
termasuk ukuran tendensi sentarl antara lain adalah
a Nilai rata-rata atau Mean
Yang dimaksud dengan nilai rata-rata (mean) disini adalah rata-rata hitung.
𝑗𝑢𝑚𝑙𝑎ℎ 𝑠𝑒𝑚𝑢𝑎 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛
𝑀𝑒𝑎𝑛 (𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎) =
𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛
1. Rata-rata hitung data tunggal
Dengan persamaan umum seperti berikut.
𝑥1 + 𝑥2 + 𝑥3 + ⋯ +𝑥𝑛 ∑𝑋
𝑋̅ = =
𝑛 𝑛

3
2. Rata-rata hitung data terboboti
Bobot yang dimaksud adalah banyak data/ukuran pada interval atau titk
ukur tertentu.
Dengan persamaan umum dapat ditulis.
𝑓1 𝑥1 + 𝑓2 𝑥2 + 𝑓3 𝑥3 + ⋯ +𝑓𝑛 𝑥𝑛 ∑ 𝑓𝑛 𝑥𝑛
𝑋̅ = =
𝑓1 +𝑓2 +𝑓3 + ⋯ + 𝑓𝑛 𝑓𝑛

3. Rata-rata hitung data kelompok


Data kelompok merupakan data yang telah disusun dalam interval-interval
tertentu. Untuk menghitung nilai rata-rata data berkelomok tentukan titik
tengah dari masing-masing interval.
4. Rata rata data harmonis
Rata-rata harmonis didefenisikan sebagai hasil bagi antara banyaknya
bilangan yang akan dirata-ratakan dengan jumlah kebalikan dari bilangan-
bilangan itu. Andaikan n adalah bilangan x1, x2, … xn
Persamaan umum dapat ditulis.
𝑛
𝑅ℎ =
1 1 1
+ + ⋯+
𝑥1 𝑥2 𝑥𝑛
b Median
Median dari sekumpualan bilangnan ialah bilangan yang posisinya berada
ditengah-tengah setelah bilangan itu diturunkan. Untuk menentukan dari
sekumpulan bilangan dilakukan prosedur berikut.
1. Untuk data tunggal
Untuk data tunggual ada dua cara dilakukan untuk mendapatkan median,
yaitu dengan mencari median dengan data ganjil dan data genap.
2. Untuk data terboboti
3. Untuk data dalam tabledistribusi frekuensi
Untuk menentukan median dari table distribusi frekuensi dapat dilakukan
dengan rumus sebagai berikut.
1
𝑁 − 𝑓𝑠𝑏
𝑀𝑒 = 𝐵𝑏 + 2 𝑖
𝑓𝑚𝑒
Me = Median
Bb = Batas bawah kelas interval yang mengandung Me

4
N = Jumlah data seluruhnya
fsb = Jumlah seluruh frekuensi seblum frekuensi kelas Me
fme = Frekuensi kelas Me
i = Panjang interval kelas
c Modus
Modus dari sekumpulan bilangan adaal bilangan yang sering muncul atau nilai
yang memiliki frekuensi terbanyak. Sedangkan modus dari data yang tersusun
dalam table distribusi frekuensi dapat ditentukan dengan rumus :
𝑑𝑠𝑏
𝑀𝑜 = 𝐵𝑏 + 𝑖
𝑑𝑠𝑏 + 𝑑𝑏𝑟
Mo = Modus
Bb = Batas bawah kelas interval yan gmengandung modus
dsb = Selisih frekuensi kelas modus dengan frekuensi kelas sebelumnya
dbr = Selisih frekuensi kelas modus dengan frekuensi kelas berikutnya

BAB 4 UKURAN DISPERSI

Dispersi adalah tersebarnya data disekitar rata-rata. Ukuran disperis ada


beberaa macam anata lain, rentang atau range atau jankauan, deviasi rata-rata,
deviasi standar.
a. Macam-macam rentang
1. Rentang antar kuartil (RAK)
Dapat dihitung dengan rumus
RAK = K3 – K1
K1 = Kuatil pertama
K3 = Kuartil ke-3
2. Deviasi kuartil
Deviasi kuartil atau disebut juga rentang semi kuartil adalah penyimpangan
(panjang interval) K2 – K1 atau K3 – K2
Kuartil dihitung dengan rumus
DK = ½ (K3 – K1)
3. Rentang (10-90) persentil
Untuk menghitung rentang (10-90) persentil digunakan rumus:
R (10-90) P = P90 – P10

5
Kelemahan rentang yaitu sekumpulan data tidak cukup dengan mengunakan
rentang dan menjadi pertimbangan hanya data ekstrim
b. Deviasi rata-rata
Deviasi adalah penyimpangan data sekitar rata-ratanya. Formula
menghitung deviasi rata-rata adalah.
∑|𝑋 − 𝑋̅|
𝐷𝑅 =
𝑁
Pada kenyatanya deviasi rata-rata jarang digunakan melanikan deviasi
standar, karena pengunanya sangat besar dalam statistika.
c. Deviasi standar
Deviasi standar sering juga disebut dengan simpangan baku. Deviasi standar di
poulasi sering dilambangkan dengan 𝜎 (sigma) dan pada sempel dilambangkan
dengan s.
Rumus pada populasi

∑(𝑋 − 𝜇)
𝜎= √
𝑁

Rumus pada sempel

∑(𝑥 − 𝑥̅ )2
𝑠= √
𝑛−1

BAB 5 TEORI SAMPEL

Teori sempel mempelajari hubungan-hubungan yang ada satu atau lebih


populasi dan sempel-sempel yang diambil dari populasi tersebut. Lambang untuk
parameter populasi 𝜇, sedangkan standar deviasi suatu populasi dilambangkan
dengan 𝜎 dan porporsi populasi dilambangkan dengan P.
Rata-rata sempel dilambangkan dengan 𝑋̅, deviasi standar dilambangkan
dengan s, proporsi dalam sempel dilambangkan dengan p. Lambang 𝜇, 𝜎, dan P
disebut parameter populasi, dalam implementasi stastika Lambang 𝜇, 𝜎, dan P
masing masing diduga dengan 𝑋̅, s dan P. Ada beberapa cara menarik sempel dari
populasi.
a. Sampel acak sederhana
Sempel acak sedehana disingkat dengan (SAS) adalah suatu metode pemilihan
sempel yang mana dalam setiap unit dalam populasi diberikan peluang yang
6
sama untuk terpilih oleh sempe. Sejalan dengan cara pemilihan unit sempel
diatas, dalam SAS dapat dibagi dalam dua metode yaitu: SAS dengan
pengembalian dan SAS tanpa pengembalian.
b. Sampel sistematik
Apabila banyaknya unit yang akan dipilih cukup besar maka pemilihan sempel
dengan SAS agak berat mengerjakanya. Dalam perakteknya kebanyakan ahli
statistic lebih cenderung mengunakan metode lain. Seperti sempel sistematik
yaitu ketika pemilihann sempel yaitu berurut. Hasil pembagian N/n (N adalah
banyaknya anaggota populasi dan n banyaknya anggota sempel)
c. Sempel berlapis
Pengambilan sempel secara berlapis adalah suatu metode diamana elemen-
elemen dalam populasi dibagi-bagi dalam golongan-golongan, dan sebuah
sempel acak sederhana diambil dari setiap golongan, paling sedikit satu elemen
dari masing-masing golongan. Dan biasanya seluruh eleme dalam satu lapisan
mempunyai peluang yang yang sama untuk terpilih.
d. Sempel berkelompok
Berikut ini akan dibahas unit-unit kecil menjadi sebuah kelompok. Dipilih
anggotanya sebagai cluster-cluster. Cluster yang dipilih akan menentukan semua
analisi yang akan diselidiki. Ada dua cara pemilihan unit yang diselidiki yitu
dengna memilih unit-unit yang semua terpilh dalam sampel dan sebuah sub
sempel yang dipilih.
e. Distribusi sampling
Diberikan sebuah populasi, pikirkan semua sempel berukuran n yang mungkin,
yang diproleh dari populasi yang diberikan. Pada setiap sempel mempunyai
“statistic”, misalnya: rata-rata, simpangan baku, median dsb.
f. Distribusi sempel rata-rata
Jika semua sempel berukuran n diambil tanpa pengembalian dari populasi
𝜎 𝑁−𝑛
sehingga dengan ukuran N>n maka 𝜇𝑋̅ = 𝜇 dan 𝜎𝑋̅ = √
𝑛 𝑁−1

Dan jika semua sempel berukurn n diambil dengan pengembalian atau diambil
dari populasi tak berhingga, maka 𝜇𝑋̅ dan 𝜎𝑋̅ dapat dihitung
𝜎
sebagai berikut: 𝜇𝑋̅ = 𝜇 dan 𝜎𝑋̅ = 𝑛

7
a. Distribusi dari selisih dua satistik
b. Distribusi sempel proporsi

BAB 6 PENDUGAAN (ESTIMILASI)

Topic penting dalam statistika adalah pendugaan (estimilasi). Pendugaan


merupakan suatu kegiatan menemukan nilai atau seleng tertentu berdasarkan data
data pada sempel.
Misalanya : 𝑋̅ digunakan untuk menduga (mengestimilasi) 𝜇
s2 digunakan untuk menduga (mengestimilasi)𝜎 2
a. Sifat-sifat dari penduga (estimator)

Penduga (estimator) memiliki sifat-sifat yang harus dipenuhi, yaitu:

1. Penduga tak bias (unbiased estimate)


Sebuah statistic disebut penduga (estimator) tak bias, bila rata-rata distribusi
sempel statistic sama dengan parameter populasi yang berkorespondensi
dengan statistic tersebut dan tak bias seperti sebaliknya.
2. Penduga konsisten (consistent estimate)
Suatu penduaga disebut konsiten jika ukuran sempel diperbesar, maka nila
penduga mendekati nilai populasi.
3. Penduga efisen (efficient estimate)
Suatu penduga (estimator) s1 disebut lebih efesien dari s2 jika 𝜎𝑠21 < 𝜎𝑠22 .
b. Pendugaan (estimilasi) titik dan pendugaan interval
1. Pendugaan (estimilasi) titik
Penduga (estimilasi) tiitk dari suatu parameter populasi adalah pendugaan
yang diberikan berupa sebuah bilangan saja.
2. Pendugaan (estimliasi) interval
Pendugaan estimilasi interval dari suatu parameter adalah estimilasi yang
diberikan terletak pada suatu interval tertentu.
2.1 Selang kepercayaan berbasis Z untuk suatu rata-rata populasi
(𝜎 diketahui)
Suatu selang kepercayaan untuk rata-rata populasi merupakan suatu
interval (selang) yang dikontruksi oleh rata-rata sempel untuk
mendapatakan keyakinan selang interval rata-rata populasi.

8
Andaikan suatu populasi berdistribusi normal, maka suatu selang
kepercayaan (1-𝛼)100 persen untuk 𝜇 adalah :
𝜎
̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅̅ 𝜎
[𝑋̅ ± 𝑍𝛼/2 ] = [𝑋̅ − 𝑍𝛼/2 ]
√𝑛 √𝑛
Selang waktu ini cocok juga pada populasi tidak normal, asalkan ukuran
relatif sempel besar (ukuran sempel ≥ 30)
2.2 Selang kepercayaan berbasis t untuk satu rata-rata populasi (𝜎 tidak
diketahui)
Jika 𝜎 tidak diketahui nilanya maka dapat digunakan simpangan baku s
untuk mengkontruksi suatu selang kepercayaan untuk 𝜇. Selang ini
𝑋̅ −𝜇
didasarkan pada distribusi sampling 𝑡 = 𝑠
√𝑛

Apabila sampling berdistribusi normal dengan rata-rata 𝜇 maka suatu


selang kepercayaan (1-𝛼)100 untuk 𝜇 adalah:
𝑠
𝑋̅ ± 𝑡𝛼⁄2
√𝑛
3. Derajat kebebasan (degree of freedom)
Derajat kebebasan suatu statistic adalah banyaknya anggota sempel yang
bebas dikurangi banyaknya parameter populasi yang harus diduga dari
pengamatan-pengamatan sempel.
Rumus derajat kebeasan
∑𝑛𝑖=1(𝑋1 − 𝑋̅)2 adalah n-1
4. Selang kepercayaan (lanjutan) untuk sempel besar n ≥ 30
Karena varians dari populasi tidak diketahui, maka digunakan penduaga tak
𝑠2
bias s2 untuk menghitung estimilasi 𝜎 2 . Sehingga estimilasi dari 𝜎𝑋2 adalah 𝑛
𝑆
dan estimilasi dari kesalahan baku adalah 𝑠𝑋̅ =
√𝑛

5. Selang kepercayaan (lanjutan) untuk sampel kecil n ≤ 30


Untuk sempel kecil, lebih tepat digunakan distribusi t yaitu
𝑋̅ − 𝜇
𝑡=
𝑠𝑋̅
Sehingga dengan keyakinan (1-𝛼)100% dari derajat kebebasan

9
BAB 7 PENGUJIAN HIPOTESIS

Hipotesis dalam stastika bermakana pendugaan (conjecture) yang


diungkapkan dalam kalimat pernyataan tentang parameter polulasi. Pada hipotesis
stastika dikenal dengan lambang H0 atau Ha atau Ht. pada pengujian hipotesis
dikenal dua jenis pengujian yaitu, pengujian satu sisi atau satu arah dan pengujian
dua sisi atau dua arah.
1. Prosedur pangujian hipotesis stastika
a. Tulis dan rumuskan nol (H0)
b. Rumuskan hipotesis alternatif yang sesuai dengan hipotesis penelitian dan
letakan pada H1, atau pada Ha, atau pada HT.
c. Tetapkan tingkat signifikan (𝛼) misalnya 𝛼 = 5%
d. Pilih stastistik yang sesuai, dan buat sketsa kurva normal dan tetapkan
daerah kritis (daerah penolakan) H0
e. Hitung nilai statistic dari data-data sempel
f. Buat keputusan/kesimpulan
H0 ditolak, bila nilai statistic “hitung” pada (5) terletak di daerah kritis, H 0
diterima dan sebaliknya.
2. Pengujian signifikan rata-rata populasi
a. Jika varians populasi diketahui. Apabila populasi berdistribusi normal
dengan rata-rata 𝜇 dan varians 𝜎 2 .
b. Varians populasi tidak diketahui (pada umumnya kejadian ini adalah realita)
karena 𝜎 2 tidak diketahui , kita esmilasi 𝜎 2 dengan s2.
3. Pengujian perbedaan dua rata-rata populasi
Untuk sempel yang tidak berkolerasi, padang dua populasi berdistribusi
noramal, dengan rata-rata berturut-turut 𝜇 1 dan 𝜇 2 dan varian berturut-turut 𝜎12
dan 𝜎22 .
4. Pengujian hipotesis untuk sempel-sempel yang berkolerasi (data-data
berpasangan)
Diberikan sebuah data himpunan n pasangan data (observasi). Selisih setiap
̅̅̅̅̅̅̅̅̅̅
∑𝐷
pasangan X11 – X21 sehingga rata-rata dari selisih 𝐷 = 𝑛

10
BAB 8 ANALISIS REGRESI

Analisis regresi adalah suatu kajian untuk mengeksplorisasi sifat-sifat dari


hubungan diantara varibel-variable. Persamaan regresi sederhana dapat dituliska
sebagai berikut:
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀
Y adalah varibel-variabel acak (variable respon atau variable tak bebas)
𝛽0 + 𝛽1 adalah variable bebas parameter model (karateristik populasi)
X adlah variable predicator (variabel bebas)
𝜀 adalah suatu besaran yang membuat nilai Y menyimpang dari garis regresi
Persamaan regresi linear ganda secara garis lurus dapat dituliskan sebagai berikut:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝜀
1. Pendugaan parameter persamaan garis regresi linear
Pendugaan regresi dapat dilakukan secara manual atau dapat dilakukan
mengunakan softwere computer seperti SPSS atau minitab.
a. Model regresi linear sederhana
Model ini hanya memiliki satu variable (katakanalah X) dan satu variable tak
bebas (katakanla Y). Dengan persaman akhir 𝑌̂ = 𝑏0 + 𝑏1 𝑋
b. Model regresi linear ganda
Buku ini akan memberikan contoh-contoh pengunaan metode Doolitle serta
akan mengkonfirmasikan hasilnya dengan aoutput SPSS sehingga hasil
manual yang diproleh dengan mengunakan dengan metode Doolitle lebih
menyakinkan.
I. Pengunaan metode Doolitle
Padang kembali persamaan garis regresi
𝑌 = 𝛽0 + 𝛽1 𝑋 + 𝜀. Jika ada n pasang data pengamatan yaitu
(x1,y1),(x2,y2), … (xn, yn) dan sehingga persamaan akhir nya menjadi
𝑌𝑛 = 𝛽0 + 𝛽1 𝑋𝑛 + 𝜀𝑛
II. Contoh pengunaan metode Doolitle
Sebagaimana yang telah dikemukakan di atas, bahwa metode Dootitle
dapat digunakan untuk mencari koefisein-koefisen persamaan garis
regresi linear baik sederhana maupun ganda.

11
2. Ketepatan garis regresi
Suatu garis regresi dapat diukur ketepatanya pada identitas berikut:
𝑌𝑖 − 𝑌̂𝑖 = 𝑌𝑖 − 𝑌̅𝑖 − (𝑌̂𝑖 − 𝑌̅𝑖 )
Jumalah kuadrat di sekitar rata-rata = jumlah kuadrat akibat regresi + jumlah
kuadrat di sekitar regresi.
3. Pembacaan makna output SPSS
a. Model summary
Table ini memeberi informasi seberapa baik suatu model persamaan garis
regresi linear multiple dapat menjelaskan secara simultan hubungan antara
varibael-variable bebas dengan variable terikatnya.
4. Analisis korelasi
Analisis korelasi erat kaitanya dengan analisis regresi. Pada analisis regresi
yang dicari adalah analisis fungisional (dalam bentuk persamaan matematik)
antara dua variable atau lebih. Sedangkan pada analisis korelasi adalah derajat
tingkat keeratan hubungan variable-variable itu.
Koefisen korelasi data pada populasi biasanya dilanmabngkan dengan p
sengangkan koefesisen data pada sempel dilambangkan dengan r. Nilai p atau r
berkisar antara -1 dan 1.
5. Prediksi interpretasi korelasi
Seorang peneliti sering ingin memprediksi sesuatu dari sesuatu yang sudah
diketahui. Prediksi dan korelasi adalah topic-topik yang “saling berhubungan”
satu dengan yang lainnya.
Korelasi yang tidak nol antara variable X dan Y berakibat, jika kita tahu
tentang X maka kita tahu sesuatu tentang Y, begitu juga sebliknya. Dari diagram
pencar dapat dibuat “kurva pendekatan” permasalahan untuk mencari
permasalahan data tersebut “curva fitting”
6. Regresi linear dari y terhadp x
Diberikan titik-titik (x1,y1), (x2,y2), …. (xn,yn) pada bidang koordinat kartesius
dengan sumbu x dan sumbu y.
7. Hubungan regresi dan korelasi
Jika korelasi antara x dan y, 1 dan -1, maka regresi y terhadap x dan regresi x
terhadap y identik. Dalm hal ini akan terjadi “prediksi sempurna".
8. Kesalahan buku prediksi (estimilasi)

12
Karena 𝑆𝑌2 = 𝑆𝑌21 + 𝑆𝑌𝑋
2
.

BAB 9 ANALISI VARIANS KLASIFIKASI SATU ARAH

Analisis varians yang sering disebut dengan ANAVA atau ANOVA untuk
pertama kalinya dkemabngkan oleh R.A. Fisher yang dituangkan dalam makalah
pada tahun 1923. Analisis varians bertujuan untuk membandingkan rata-rata dari
beberapa populasi atau jika dikaitkan dengan suatu rancangan eksperimen maka
analisis varians bertujuan untuk menguji signifikasi perbedaan efek dari perlakuan-
perlakuan terhadap variable terikat.
1. Notasi untuk analisis varians satu ar
Padang suatu eksperimen dengan k perlakuan. Perlakuan dapat berupa
metode pengajaran yang berbeda, atau jenis pupuk yang berbeda, atau jenis obat
yang berbeda, dan sebaginya. Adapun pada suatu eksperimen/percobaan
terdapat k kelompok atau group dan banyaknya kelompok pada tiap group itu
adalah n1, n2, n3, … nk.
2. Pertisi jumlah kuadrat
Jumlah totol kuadrat terdiri dari jumlah dua bagian yang saling bebas yaiut
jumlah kuadrat dalam suatu kelompok dan jumlah kuadrat antar satu kelompok.
Perhatikan identitas berikut:
𝑋𝑖𝑗 − 𝑋̅ = (𝑋𝑖𝑗 − 𝑋̅𝑗 ) + (𝑋̅𝑗 − 𝑋̅)
Identitas ini menujukan dua bagian data dan deviasi rata-rata kelompok dan
rata-rata keseluruhan.
3. Pendugaan-pendugaan varians
Masing-masing jumlah kuadrat berpadaan dengan suatu derajat bebas. Total
banyakanya pengamatan adalah 𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝑘 = ∑ 𝑛𝑗 = 𝑁 jumlah
kuadarat total mempunyai N-1 derajat bebas, suatu derajat bebas karena deviasi
disekitar rata-rata keseluruhan.
4. Analisis varians dengan dua kelompok data
Apabila dua kelompok data, maka signifikan dari perbedaan rata-rata dapat
diuji dengan mengunakan uji t atau dengan analisis varians. Dua cara ini
mengahsilakan hasil yang sama. Bila k = 2 bisa ditujukan bahwa √𝐹 = 𝑡
5. Asumsi-asumsi dasar pada analisis varians

13
Pengunaan analisis varians membutuhkan asumsi-asumsi tertentu. Karena
analisis varians merupakan perluasan dar uji berbeda dua rata-rata dari dua
populasi, maka asumsi untuk analisis varians tidak berbeda dengan asumsi pada
uji beda rata-rata dua populasi. Penguanaan analaisis varians adalah tepat
terpenuhinya asumsi homogenitas varian, kenormalan, additive.
6. Perbandingan korelasi
Sebuah analisis varian satu arah memerlukan dua variable, yaitu variable
bebas (idependent) yang sering kali berupa variable nominal atau variable
terikat (depenent) yang sering kali berupa varibel interval atau rasio.
Relasi antar dua variable tersebut dapat diungkapkan dalam sebuah
perbandigna sebagai berikut :

2
𝐽𝐾(𝑎𝑛𝑡) 𝐽𝐾(𝑎𝑛𝑡)
𝜂𝑦𝑥 = =1−
𝐽𝐾(𝑡𝑜𝑡) 𝐽𝐾(𝑡𝑜𝑡)
Untuk pengujian apakah sebuah perbandignan berbeda secra signifikan dari 0,
dapat diguakan formula F rasio sebagai berikut:
2
𝜂𝑦𝑥 /(𝑘 − 1)
𝐹= 2 /(𝑁 − 𝑘)
(1 − 𝜂𝑦𝑥

BAB 10 ANALISIS VARIANS DUA ARAH

Percobaan dua arah dapat ditunjukan dengan hanya satu unit sampling dan
satu data (pengukuran) untuk masing-masing percobaan.
1. Partisi jumlah kuadrat
Jika hanya satu data (pengukuran) dalam kombinasi baris (R) dan kolom (C)
perlakuan percobaan, maka jumlah kuadrtat total (JK tot) dapat dipartisi
menjadi tiga komponen yaitu: JK antar baris, JK antar kolom, dan JK interaksi.
Pandang identias berikut:
𝑋𝑟𝑐 − 𝑋̅. . = (𝑋̅𝑟 . −𝑋̅. . ) + (𝑋̅.𝑐 − 𝑋̅. . ) + (𝑋𝑟𝑐 + 𝑋̅𝑟 + 𝑋̅.𝑐 + 𝑋̅. . )
2. Derajat bebas
Jika pada setiap sel terdapat data tunggal, n=1 dan RC = N maka banyaknya
derajat bebas yang berpadanan dengan jumlah kuadrat total adalah RC -1 = N-1.
Jika ada sejumlah n data (pengamatan) dalam setiap sel (n>1) maka total
banyaknya data (pengamatan) adalah Nrc = N.
3. Contoh terapan (quasi experiment) dalam bidang pendidikan

14
Andaikan seorang peneliti dibidang pendidikan akan mengadakan suatu
percobaan untuk meneliti pengaruh dua factor yaitu model pembelajran
(katakanlah fator I) dan dan kemampuan awal matematikas siswa (katakanlah
factor II) terhadap berfikir kritis siswa.
Degan rumus matematika
Yijk = 𝜏 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 ; 𝑖 = 1,2,3, 𝑗 = 1,2,3, 𝑘 = 1,2, … 10
4. Contoh penerapan dalam non bidang penididikan
Seorang peneliti ingin mengetahui pengaruh pemansan tiga jenis kawat
logam terhadap pertambahan panajng kawat (dalam mm) setelah pemanasan.
Dengan rumus matemtika
Yijk = 𝜏 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 ; 𝑖 = 1,2,3, 𝑗 = 1,2,3, 𝑘 = 1,2, … 10
5. Analisis varians dua arah jika banyakanya data (pengamtan) dalam taip sel tidak
sama
Pada perhitungan jumlah kuadrat baris, jumlah kuadrat kolom dan jumlah
kuadrat interaksi antara baris dan kolom pada contoh sebelumnya digunakan
rata-rata hitung. Tetapi pada contoh berikut digunkan rata-rata harmonis.
Alasan yang mendasari pengunaan rata-rata harmonis dikarnakan kuadrat dari
simpangan baku proporsional ke 1/n
6. Contoh penerapan bidang jika banyak data pada bidang sel tidak sama
Asumsi yang harus dipenuhi dan sebaliknya dijuji secarra statistic dengan
berdasarkan hipotesis sttistik.

BAB 11 ANALISIS VARIANS KLASIFIKASI TIGA ARAH

Analisis varians tiga arah melibatkan tiga factor sekaligus. Dan setiap factor
melibatkan tiga factor sekaligus. Sebagaimana pada klasifiksi satu arah, dua arah,
penurunanya terdapat pada table analisis varians dari identias matematika yang
dirancang seblelumnya kepada partisi jumlah kuadrat total menjadi jumlah kuadrat
antar baris, kolom dan seterusnya.
1. Penurunan rumus analisis varians tiga arah
Table analisis varians tiga arah mengarah kepada paritsi jumlah kuadarat total
(JKT) menjadi jumlah kuadrat baris (JKB), jumlah kuadrat kolom (JKK), jumlah
kuadrat lapisan (JKL), Jumlah kuadrat interakasi antara baris dan lapisan (JKBL),
jumlah kuadrat interaksi antara baris kolom dan lapisan (JKKL), jumlah kuadrat

15
interaksi antara baris dan kolom lapisan (JKBKL), dan jumlah kuadrat dalam
sel/galat (JKG).
Langkah 1 : membuat persamaan identitas:
𝑟 𝑐 𝑙 𝑛
∑ ∑ ∑ ∑ (𝑋𝑟𝑐𝑙𝑖 − 𝑋̅ … ) = ⋯
𝑟=1 𝑐=1 𝑙=1 𝑖=1

Langkah 2 : mengkuadaratkan ruas kiri dan kanan


Langkah 3 : menjumlahkan tiap suku yang sama
Langkah 4 : menghilankgan suku hasi kali, karena semua suku hasil kali sama
dengan nol
Langkah 5 : mengabungkan jumlah hasil kali
Langkah 6 : mengkalikan setiap jumlah suku hasil kali dengan r,c, l, dan n.

BAB 12 ANALISIS COVARIAN

Analisis covarian adalah prosedur pengolahan data statistic dengan


persyatatan memiliki variable pengiring (concomitan variable). Variable pengiring
merupakan variable yang bebas namun memiliki pengarauh yang besar tehadap
pengukuran variable respon. Model analisis covarian yang sering diterapkan adalah
analaisis covarian satu factor dalam rancangan acak lengap (RAL), Analisis covarian
lebih dari satu factor dalam rancangan acak kelompok (RAK) dan Analisis covarian
dalam rancangan busur sangkar latin (RBL).
1. Analisis covarian satu factor dalam rancangan acak lengkap (RAL)
Model matematis analisis covarian satu factor dalam rancangna lengkap
ditunjukan seperti persamaan :
Yij = 𝜏 + 𝛼1 + 𝛽(𝑋𝑖𝑗 − 𝑋̅. . ) + 𝜀𝑖𝑗 ; i = 1,2 …, j ; j = 1,2,3…nj ...
Yij adalah nilai variable tak bebas (variable respon) pada perlakuan ke-i data ke-j
𝜏 adalah nilair rata-rata sesunguhnya
𝛼1 adalah pengaruh perlakuan ke-i
𝛽 adalah koefesien regresi linear
J adalah banyaknya factor (perlakuan)
𝑋𝑖𝑗 adalah nilai variable kovariat pada perlakuan ke-I, data ke-j
𝑋̅.. adalah nilai rata-rata variable kofariat.
2. Analisis covarian dua factor dam rancangan acak kelompok (RAK)

16
Model matematik analisi covarians dua factor dengan pengiring (concomitan)
tunggal ditunjukan dengan persamaan.
Yij = 𝜏. . +𝛼1 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝛾(𝑋𝑖𝑗𝑘 − 𝑋̅ … ) + 𝜀𝑖𝑗𝑘 ; i = 1,2,…, a; j = 1,2, …, b; k =
1,2,3, … , n
𝛼1 adalah factor utama i
𝛽𝑗 adalah factor utama j
(𝛼𝛽)𝑖𝑗 adalah pengaruh interaksi factor I dan factor j terhadap Y
𝑋𝑖𝑗𝑘 adalah variable pengiring (concomitan vaiable)

BAB 13 SOAL-SOAL DAN JAWABAN

BAB 14 ANALISIS FAKTOR KONFIRMATORI

Analisis factor awalnya dikembangkan untuk mengakomondasi penelitian-


penelitian prilaku dan penelitian-penelitian social. Pada penelitian prlaku dan social
umumnya sulit diobservasi secara langsung. Ada dua tujuan utama dari analisis
factor konfirmatori yaitu (1) menduga parameter dari model factor yang
dihipotesiskan berdasarkan sempel matiks covarian yang diberikan (2) menguji
ketepatan dari model factor yang dihipotesiskan.
1. Kosep dasar analisis factor konfirmatori
Dalam analisis factor konfirmatori kita menduga parameter dari model factor
yang dihipotesiskan sampel matriks covarian.
2. Analisis factor konfirmatori satu factor
Analisis factor konfirmatori satu factor terdiri dari satu peubah laten
(variable tersembunyi). Variable x merupakan fungsi dari variable laten 𝜉 dan
eror 𝛿.
3. Analisi fator konfirmatori dua factor dengan variable berkolerasi
4. Ukuran kesesuaian model
Kriteria penentuan kesesuaian model digunakan nilai P-value, CFI, X2,
RMSEA, GFI, DAN AGFI, sebagaimana dicantumkan pada table.
Ukuran GFT Kriteria Kesesuaian model Kreteria Uji Hasil Uji
P-Value 1,00 (model fit sempurana) ≥ 0,05 Model fit
RMSEA 0,00 (model fit sempurna) ≤ 0,08 Model fit
GFI, AGFI,CFI 0,00 (tidak fit)-1,00 (fit sempurna ) ≥ 0,90 Model fit

17
BAB 15 MATERI PENDUKUNG

1. Teori peluang
Himpunan S ini disebut sebagai ruang sempel. Jikaada himpunan kejadian
lain dari kasus melambungkan dua mata dadu mata uang misalnya.
Defenisi :
Jika A adalah kejadian-kejadian dimana A ⊆ S maka 0 ≤ P(A) ≤ 1 dan P(S) = 1
2. Harapan matematik (rata-rata terboboti)
Defenisi : jika adalah suatu variable acak, maka harapan matematik E(X)
didefenisikan sebagai berikut:
∑𝑥:𝑝(𝑥)>0 𝑥𝑝(𝑥); 𝑗𝑖𝑘𝑎 𝑋 𝑑𝑖𝑠𝑡𝑟𝑖𝑘
E(X)= { +∞
∫−∞ 𝑥𝑓(𝑥)𝑑𝑥 ; 𝑗𝑖𝑘𝑎 𝑋 𝑘𝑜𝑛𝑡𝑖𝑛𝑢
3. Distribusi peluang teoritis
Pada bagian ini akan dibahas distribusi probilitas teoritis dari pristiwa-
pristiwa yang bersifat distrik.
a. Distribusi binomol
Distribusi binomial adalah salah satu distribusi peluang diskrit. Distrbusi
binomial parameter n dan p, dimana 0 ≤ p ≤ 1, dapat dinyatakan dengan p
(x) = (𝑛𝑥)𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 . rata-rata dari distribusi binomial adalah np dan
variansnya adalah np (1-p). fungsi pemabgnkit dari distribusi binomial
adalah 𝜙(𝑡) = (𝑝𝑒 𝑡 + (1 − 𝑝))𝑛 .
b. Distribusi poisson
Distribusi peluang diskrit lainnya adalah distribusi passion. Distribusi
passion dengna parameter 𝜆 > 0 mamiliki fungsi kepekatan peluang p(x) =
𝜆𝑥
𝑒 𝜆 𝑥! ; x = 0,1,2,… dan fungsi pembangkit momenya adalah 𝜙(𝑡) =
𝑒𝑥𝑝 {𝜆(𝑒 𝑡 − 1)}, dengan rata-rata 𝜆 dan varians 𝜆.
c. Distribusi geometric
Distribusi geometric juga merupakan distribusi peluang diksrit. Jika
parameternya kita misalkan p dengan 0 ≤ 𝑝 ≤ 1, maka fungsi kepekatan
peluang p(x) = p(1-p)x-1, x = 1,2,3, … dengan rata-rata 1/p dan varians 1-p/p2
sedangkan fungsi pembangkit momen dari distribusi geometric adalah
𝑝𝑒 𝑥
𝜙(𝑡) = 1−(1−𝑝)𝑒 𝑥 .
d. Distribusi seragam
Distribusi seragam (uniform distribution) adalah salah satu distribusi
peluang kontiu. Suatu distribusi dikatakan distribusi seragam dalam interval
1
,𝑎 < 𝑥 < 𝑏
(a,b) jika memiliki fungsi kepekatan pelaung F(x) = {𝑏−𝑎 dengan
0, 𝑠𝑒𝑙𝑎𝑖𝑛𝑦𝑎

18
𝑎+𝑏 (𝑏−𝑎)2
rata-rata dan varians . Sedangkan fungsi pembangkit momenya
2 12
𝑒 𝑡𝑏 −𝑒 𝑡𝑎
adalah 𝜙(𝑡) = .
𝑡(𝑏−𝑎)
e. Distribusi eksponesial
Distribusi eksponesial merupakan distribusi peluang kontiniu. Untuk
parameter 𝜆 > 0, fungsi kepekatan pelauan f(x) dari disgtribusi eksponesial
adalah: dengan rata rata 1/ 𝜆 dan varians 1/ 𝜆 2.
f. Distribusi peluang kontiniu lainya adalah distribusi gamma. Distribusi gamma
dengan parameter (n, 𝜆) dengan 𝜆 > 0 mempunyai fungsi kepekatan
peluaang.
g. Disrtibusi normal

Distribusi normal adalah salah satu distribusi peluang kontiniu yang paling
penting dan sangat banyak.

19
BAB 3

PEMBAHASAN

A. Pembahasan BAB 1 mengenai Defenisi mengenai Statistika


Menurut buku diktat karya Prof. Edi Syahputra, M.Pd menjelaskan bahwa
statistika adalah ilmu yang mempelajari tentang metode pengumpulan,
pengolahan, penafsiaran serta penarikan kesimpulan dari data yang
dikumpulkan/diperoleh. Kemudian pada buku kedua yang berjudul Statistika
Terapan karya Muhammad Farhan Qadhatullah mengatakan bahwa Statistika
adalah suatu disiplin ilmu yang mempelajari sekumpulan konsep dan metode
pengumpulan, penyajian, analisis, dan interpretasi data, sampai pada
pengambilan keputusan pada situasi di mana terdapat ketidakpastian. Lalu pada
buku ketiga yang berjudul Statistika Pendidikan karya Syarbaini Saleh, S. Sos.,
M.Si. menjelaskan bahwa kata statistik diartikan sebagai bahan keterangan atau
data, baik data kuantitatif ataupun data kualitatif yang dibutuhkan oleh suatu
negara. Dalam kamus Bahasa Indonesia, statistika diartikan dalam dua
pemaknaan. Pertama statistika sebagai “ilmu statistik” dan kedua statistika
diartikan sebagai “ukuran yang diperoleh atau berasal dari sampel”.
Berdasarkan keterangan ketiga buku diatas, maka dapat disimpukan bahwa
statistika adalah suatu disiplin limu sebagai bahan keterangan atau data baik
data kualitatif dna kuantitatif yang mempelajari tentang sekumpulan konsep dan
metode pengumpulan, penyajian, analisis atau penafsiran data, interpretasi data
hingga sampai pada penarikan kesimpulan pada situasi dimana dipeorleh suatu
kebenaran.

B. Pembahasan BAB 2 mengenai Penyajian Data


Menurut buku diktat karya Prof. Edi Syahputra, M.Pd menjelaskan bahwa
Penyajian data meurpakan suatu data statistika yang dapat disajikan dalam
bentuk tabel dan grafik. Kemudian pada buku Statistika Terapan karya
Muhammad Farhan Qadhatullah menjelaskan bahwa penyajian bukan hanya
dalam bentuk tabel dan grafik tapi juga dapat ditampilkan dalam bentuk diagram
seperti diagram lingkaran, diagram pencar, diagram gambar, diagram peta dan
sebagainya. Kemudian berdasarkan buku Statistika Pendidikan karya Syarbaini

20
Saleh, S. Sos., M.Si. menjelaskan bahwa penyajian data bisa berupa data kualitatif
dan kuantitatif serta dapat ditampilkan juga dalam bentuk poligon dan ogive.
Maka berdasarkan pernyataan diatas, maka dapat disimpulkan bahwa
Penyajian data adalah suatu rangkaian data yang dapat berupa data kualitatif
dan kuantitatif yang dapat ditampilkan dalam bentuk tabel, grafik batang
(histogram) dan grafik garis, diagram lingkaran, diagram pencar, diagram
gambar, diagram peta, poligon, dan ogive.

C. Pembahasan BAB 4 mengenai Ukuran Dispersi


Menurut buku diktat karya Prof. Edi Syahputra, M.Pd menjelaskan bahwa
Ukuran Dispersi tersebarnya data disekitar rata-rata. Ukuran disperis ada
beberaa macam antara lain, rentang atau range atau jankauan, deviasi rata-rata,
deviasi standar. Kemudian pada buku Statistika Terapan karya Muhammad
Farhan Qadhatullah menjelaskan bahwa Ukuran dispersi digunakan untuk
melihat besarnya sebaran data. Beberapa ukuran dispersi yang akan dibicarakan
yaitu breupa rentang data, deviasi rata-rata, Variansi dan deviasi standar.
Kemudian berdasarkan buku Statistika Pendidikan karya Syarbaini Saleh, S. Sos.,
M.Si. menjelaskan bahwa Ukuran dispersi merupakan ukuran tentang derajat
pemencaran (degree of catter) di mana terdapat kecenderungan bagi setiap nilai
variabel untuk berpencar di sekitar nilai rata-rata (mean). Dispersi merupakan
suatu karakteristik yang selalu harus diperhitungkan di dalam menganalisis data
alam sebuah frekuensi distribusi. Ukuran dispersi dimaksudkan untuk
mengetahui apakah pemencaran dari nilai-nilai variabel di sekitar rata-rata itu
sifatnya kompak atau menyebar.
Maka, berdasarkan keterangan di atas dapat disimpulkan bahwa Ukuran
dispersi adalah Ukuran dispersi merupakan ukuran tentang derajat pemencaran
(degree of catter) di mana terdapat kecenderungan bagi setiap nilai variabel
untuk berpencar di sekitar nilai rata-rata (mean)sehingga rata-rata tersebut
berjalan seiringan atau sebaliknya, kemudian dapat diperoleh dari deviasi rata-
rata, rentang data atau jangkauan, variansi dan deviasi standar.

21
D. Pembahasan BAB 8 mengenai Analisis Regresi
Menurut buku diktat karya Prof. Edi Syahputra, M.Pd menjelaskan bahwa
Analisis regresi merupakan suatu kajian yang mengeksplorasikan sifat-sifa dari
hubungan diantara variabel-variabel yang dapat dikategorikan menjad analisis
linier dan analisis non linier. Kemudian pada buku Statistika Terapan karya
Muhammad Farhan Qadhatullah menjelaskan bahwa merupakan alat analisis
statistic yang memanfaatkan hubungan antara dua variable atau lebih.
Tujuannya adalah membuat perkiraan (prediksi) yang dapat dipercaya untuk
nilai suatu variable (biasa disebut variable terikat atau variable dependen atau
variable respons), jika nilai variable lain yang berhubungan dengannya diketahui
biasa disebut variable bebas atau variable independent. Kemudian berdasarkan
buku Statistika Pendidikan karya Syarbaini Saleh, S. Sos., M.Si. menjelaskan
bahwa jika ditarik suatu garis lurus yang berjarak jumlah kuadrat jarak vertikal
dari setiap titik maka garis lurus inilah yang disebut dengan garis regresi.

Maka, berdasarkan keterangan di atas dapat disimpulkan bahwa Analisis


Regresi merupakan merupakan alat analisis statistic yang memanfaatkan
hubungan antara dua variable atau lebih diantara variabel-variabel lalu ditarik
suatu garis lurus yang berjarak jumlah kuadrat jarak vertikal dari setiap titik
yang dapat dikategorikan menjad analisis linier dan analisis non linier.

E. Pembahasan BAB 9 mengenai Analisis Varians


Menurut buku diktat karya Prof. Edi Syahputra, M.Pd menjelaskan bahwa
Analisis Varians merupakan partisi alat yang digunakan untuk membandingkan
rata-rata dari beberapa populasi atau jika dikaitkan dengan suatu rancangan
eksperimen serta menguji signifikani perubahan efek-efek dari berbagai
perlakuan terhadap variabel terikat. Kemudian pada buku Statistika Terapan
karya Muhammad Farhan Qadhatullah menjelaskan bahwa Analisis Varians
merupakan Konsep analisis variansi mengasumsikan datanya berasal dari
populasi berdistribusi normal dan variansinya bersifat homogen. Disebut analisis
variansi karena dalam analisisnya dilakukan pemecahan variansi, yaitu variansi
dalam sampel dan variansi antarkelompok. Kemudian berdasarkan buku
Statistika Pendidikan karya Syarbaini Saleh, S. Sos., M.Si. menjelaskan bahwa

22
Analisa varians (anava) adalah teknik statistik yang dapat digunakan untuk
membandingkan kualitas tiga kelompok sampel atau lebih yang dapat dibedakan
menjadi ANAVA satu arah dan ANAVA dua arah.

Maka, berdasarkan keterangan di atas dapat disimpulkan bahwa Analisis


Varians adalah teknik statistik yang mengasumsikan datanya berasal dari
populasi berdistribusi normal dan variansinya bersifat homogen lalu digunakan
untuk membandingkan rata-rata dari beberapa populasi atau jika dikaitkan
dengan suatu rancangan eksperimen serta menguji signifikani perubahan efek-
efek dari berbagai perlakuan terhadap variabel terikat.

KELEBIHAN DAN KELEMAHAN BUKU

A. Bila dilihat dari aspek tampilan buku (face value), ketiga buku memiliki
kualitas tampilan buku yang sama. Gambar tampilan pada ketiga buku
tersebut sangat berkaitan dengan nuansa statistika. Kemudian corak
tampilan dri ketiga buku tersebut sangat bagus dan tercetak dengan baik.
B. Bila dilihat dari aspek layout dan tata letak, serta tata tulis termasuk
penggunaan font, ketiga buku tersebut memiliki kesamaan satu sama lan.
Perbedaannya yang utama hanya pada tatapenulisannya saja. Diantaranya
yaitu tata tulis pada buku pertama lebih baik dibandingkan dengan buku
kedua dan buku ketiga. Kemudian, penulisannya sangat teratur dan jarak
kata tiap kata pada buku pertama diatur sedemikian rupa.

C. Bila dilihat dari aspek isi buku, isi buku kedua dan ketiga lebih banyak
dibandingkan dengan buku pertama. Bukan hanya itu saja, buku kedua dan
ketiga dijelaskan materi per materi beserta rumus dan contoh soal yang lebih
banyak dibandingkan dengan buku pertama.

D. Bila dilihat dari aspek tata bahasa, bahasa yang digunakan pada ketiga buku
tersebut sudah sangat baik dan teratur. Ketiga buku tersebut ditulis dengan
menggunakan landasan kebahasaan EYD sehingga pembaca dapat mengerti
dan memahami dengan baik bagaimana butir pokok yang tertera pada ketiga
buku tersebut.

23
BAB 5

KESIMPULAN DAN SARAN

A. KESIMPULAN
Berdasarkan hasil analisis yang saya peroleh dari buku tersebut, maka buku
ini masih digolongkan sebagai buku yang layak pakai. Bisa kita ketahui dengan
baik bahwa buku tersebut mengandung banyak sekali pengetahuan yang cukup
lengkap yang menjelaskan dengan baik mengenai Statistik Inferensial yang
membahas mengenai metode perhitungan matematika statistik dengan rinci.
Kemudian, penjelasan materi yang disampaikan pada buku tersebut sudah bagus
dan sistematis sesuai dengan kriteria yang telah ditentukan. Untuk melengkapi
buku tersebut, dibutuhkan referensi dari buku lain. Menutupi kekurangan dari
salah satu buku dapat kita lakukan dengan menambah referensi lain sehingga
inti materi yang terkandung dalam buku tersebut bisa diserap dengan baik dan
pastinya pembaca akan mudah mengerti dan memahami materi yang
disampaikan di buku tersebut dengan baik dan maksimal.

B. REKOMENDASI
Maka berdasarkan data yang diperoleh sebelumnya, maka dapat
disimpulkan bahwa buku ketiga lebih lengkap dan bagus dibandingkakn dengan
buku pertama dan buku kedua. Kemudian buku ketiga merupakan edisi terbaru
dibandingkan dengan buku pertama dan buku kedua.
Menyadari bahwa penulis masih jauh dari kata sempurna serta minimnya
sumber yang dimiliki oleh penulis, maka penulis akan selalu menerima kritik dan
saran yang membangun untuk menjadikan critical buku ini menjadi lebih baik.
Untuk saran bisa berisi kritik atau saran terhadap penulisan juga bisa untuk
menanggapi terhadap kesimpulan dari bahasan mengkritik buku yang telah
dijelaskan. Kemudian, pembaca dapat memperluas pengetahuan jika
menggunakan bantuan informasi dari buku lain, selain akan memperbanyak
pengetahuan mengenai teori-tori yang bisa digunakan dalam mengaplikasikan
teori belajar didalam pembelajaran di kelas kepada peserta didik. Buku ini sudah
sangat baik dan detail dalam menjelaskan materi. Namun alangkah lebih baik jika
walaupun terdapat kekurangan-kekurangan yang berbeda dan bervariasi,
terdapat juga kelebihan-kelebihan yang bervariasi pula dari ketiga buku
tersebut. Sehingga bila butir-butir materi dari ketiga buku tersebut digabungkan
maka akan memperoleh konsep yang lebih terpadu dan terinci.

24