Anda di halaman 1dari 31

CRITICAL BOOK REPORT

CRITICAL BOOK REVIEW


STATISTIK INFERENSIAL
SKOR NILAI:

DOSEN PENGAMPU :

Prof. Dr. Edi Syahputra, M.Pd

Disusun Oleh :

Alvin Gratianus Tamba

Matematika Dik C 2017

4171111005

PRODI PENDIDIKAN MATEMATIKA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

MEDAN

2019
KATA PENGANTAR

Puji syukur saya ucapkan kepada Tuhan Yang Maha Esa yang telah melimpahkan
rahmatnya berupa kesehatan, kecerdasan, kesempatan, dan sebagainya sehingga saya
dapat menyelesaikan tugas Critical Book Report yang berjudul “Statistik Inferensial”
dengan baik tanpa kekurangan sesuatu apapun.

Makalah ini ditulis guna memenuhi tuntutan tugas Mata Kuliah Statistik
Inferensial sesuai dengan Kerangka Kualifikasi Nasional Indonesia (KKNI). Sejak awal
persiapan hingga akhir penyelesaian dari makalah Critical Book Report ini, saya
mendapat banyak dorongan, semangat, serta bantuan dari berbagai pihak dan pada
kesempatan kali ini penulis mengucapkan terima kasih dan memberikan penghargaan
yang setinggi-tingginya kepada semua pihak yang telah membantu saya. Semoga Tuhan
Yang Maha Esa memberikan balasan yang setimpal atas kebaikan tersebut. terima kasih
dan penghargaan khususnya saya sampaikan kepada:

1. Bapak Dr. Pardomuan Sitompul, M.Si selaku Kepala Jurusan Matematika,


Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan,
2. Bapak Lasker P. Sinaga, M.Si selaku Sekretaris Jurusan Matematika, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Negeri Medan,
3. Bapak Drs. Zul Amry, M.Si, Ph.D selaku Ketua Program Studi Pendidikan
Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Negeri Medan,
4. Bapak Prof. Dr. Edi Syahputra, M.Pd selaku Dosen Pengampu mata kuliah
Statistik Inferensial,
5. Orang Tua tercinta yang telah memberikan dukungan berupa doa, materi, dan
motivasi,
6. Teman-teman yang telah memberikan dukungan secara langsung maupun
tidak langsung.

Dengan segala kekurangan dan keterbatasan, semoga makalah Critical Book


Report ini dapat memberikan manfaat bagi para pembaca sehingga dapat memperkaya
pengetahuan pembaca.

Medan,17 September 2019

Penulis

i
DAFTAR ISI

KATA PENGANTAR ............................................................................................... ...................... i

DAFTAR ISI ............................................................................................................. ...................... ii

BAB I PENDAHULUAN ......................................................................................... ...................... 1

A. Rasionalitas Pentingnya CBR ........................................................................ .........................1


B. Tujuan CBR ........................................................................................................... .........................1
C. Manfaat CBR ........................................................................................................ .........................1
D. Identitas Isi Buku yang diriview .................................................................. .........................1

BAB II RINGKASAN ISI BUKU ............................................................................ ...................... 3

BAB III PEMBAHASAN ......................................................................................... ......................

BAB IV KELEBIHAN DAN KEKURANGAN .............................................................................. 84

BAB V PENUTUP .................................................................................................... ...................... 11

A. Kesimpulan .......................................................................................................... ......................... 11


B. Saran ....................................................................................................................... ......................... 11

DAFTAR PUSTAKA

ii
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

Penerbit : UNIMED PRESS

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

Tahun Terbit : 2016

ISBN : 978-602-08880-82-8

3
 Buku 2
Judul Buku : Statistika Terapan

Penerbit :

Penulis : Muhammad Farhan Qadatullah

Tahun Terbit :

ISBN :

 Buku 3
Judul Buku : Statistika Pendidikan Teori dan Praktik dalam
Pendidikan

Penerbit : CV. Widya Puspita

Penulis : Syarbaini Saleh, S.Sos., M.Si.(Ed), dkk.

Tahun Terbit : 2018

ISBN : 978-602-51022-2-6

4
5
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

6
hal yaitu menentukan sumbu mendatar, sumbu tegak, skala pada kedua sumbu
diatas.
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

7
1. Rata-rata hitung data tunggal
Dengan persamaan umum seperti berikut.
𝑥1 + 𝑥2 + 𝑥3 + ⋯ +𝑥𝑛 ∑𝑋
𝑋̅ = =
𝑛 𝑛
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

8
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
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

9
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
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

10
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 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.

11
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

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)

12
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.
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)

13
Jika 𝜎 tidak diketahui nilanya maka dapat digunakan simpangan
baku s untuk mengkontruksi suatu selang kepercayaan untuk 𝜇.
𝑋̅ −𝜇
Selang ini 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 bias s2 untuk menghitung estimilasi 𝜎 2 . Sehingga estimilasi dari 𝜎𝑋2
𝑠2 𝑆
adalah dan estimilasi dari kesalahan baku adalah 𝑠𝑋̅ =
𝑛 √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

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

14
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,
H0 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
̅̅̅̅̅̅̅̅̅̅
∑𝐷
setiap pasangan X11 – X21 sehingga rata-rata dari selisih 𝐷 = 𝑛

A. 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)

15
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.
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

16
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)
Karena 𝑆𝑌2 = 𝑆𝑌21 + 𝑆𝑌𝑋
2
.

17
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

18
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

19
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
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.

20
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 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

21
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)
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.

22
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, 0,00 (tidak fit)-1,00 (fit ≥ 0,90 Model fit
AGFI,CFI sempurna )

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

23
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
𝜆𝑥
p(x) = 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
𝑝𝑒 𝑥
adalah 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 (a,b) jika memiliki fungsi kepekatan pelaung F(x) =
1
,𝑎 < 𝑥 < 𝑏 𝑎+𝑏 (𝑏−𝑎)2
{𝑏−𝑎 dengan rata-rata 2 dan varians 12 . Sedangkan
0, 𝑠𝑒𝑙𝑎𝑖𝑛𝑦𝑎
𝑒 𝑡𝑏 −𝑒 𝑡𝑎
fungsi pembangkit momenya 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.

24
BAB 3

KELEBIHAN DAN KEKURANGAN

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

25
bentuk diagram seperti diagram lingkaran, diagram pencar, diagram
gambar, diagram peta dan sebagainya. Kemudian berdasarkan buku
Statistika Pendidikan karya Syarbaini 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

26
diperoleh dari deviasi rata-rata, rentang data atau jangkauan, variansi dan
deviasi standar.

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

27
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 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.

28
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.

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
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

29
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.

30