Pengantar Statistik PDF
Pengantar Statistik PDF
Jenis Statistik
METODE ILMIAH :
Adalah cara mencari kebenaran dengan resiko keliru paling kecil.
5. Mengambil kesimpulan
INSTRUMEN
SAMPEL
SIFAT DATA
PERAN STATISTIKA
VARIABEL
METODE ANALISIS
3. Data
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan, DATA
status marital, tingkat
kepuasan kerja
PENGOLAHAN DATA :
A. PARAMETER :
B. JUMLAH VARIABEL :
TABEL
Tabe l 1.1 Bidang Pekerjaan berdasarkan Latar Be lakang Pe ndidikan
Count
pendidikan
SMU Akademi Sarjana Jumlah
bidang administrasi 1 8 6 15
pekerjaan personalia 1 7 8
produksi 4 3 5 12
marketing 2 14 11 27
keuangan 3 4 6 13
Jumlah 10 30 35 75
GRAFIK
9. Membuat Grafik
GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.
Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
Jenis Grafik :
4
• Grafik Batang (Bar)
Sumbu tegak
3
• Grafik Garis (line)
2
• Grafik Lingkaran (Pie)
1
• Grafik Interaksi (Interactive)
0
1 2 3 4
Titik
pangkal Sumbu datar
10. Jenis Grafik
20 20
10 10
Jumlah
Count
0 0
administrasi personalia produksi marketing keuangan administrasi personalia produksi marketing keuangan
keuangan
administrasi
700000
600000
personalia
Mean gaji perbulan 500000
Jenis kelamin
400000
marketing
laki-laki
produksi
300000 w anita
sangat jelek jelek cukup baik baik sangat baik
prestasi kerja
11. Frekuensi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2
Pendidikan Frekuensi
Kelompok ke-3 f3
Kelompok ke-i fi
S1 34
Kelompok ke-k fk
S2 29
k
n = Σ fi S3 37
i=1 100
k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1
12. Distribusi Frekuensi
22-23 17 22,5
24-25 14 24,5
26-27 12 26,5
28-29 7 28,5
30-31 18 30,5
32-33 5 32,5
34-35 1 34,5
14. Grafik
Histogram
22-23 17 21,5-23,5
24-25 14 23,5-25,5
26-27 12 25,5-27,5
28-29 7 27,5-29,5
30-31 18 29,5-31,5
32-33 5 31,5-33,5
34-35 1 33,5-35,5
13. Ukuran Tendensi Sentral
a. Mean
RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan
RATA-RATA HITUNG (RERATA/mean) : jumlah bilangan dibagi banyaknya
X + X2 + X3 + … + Xn n
X= 1 Σ Xi
n i =1
n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1
f1 + f 2 + f 3 + … + f k i =1
k
Σ fi
Cara menghitung : i =1
MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
memperjelas kedudukan suatu data.
Contoh : diketahui rata-rata hitung/mean nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?
Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
c. Modus
1/4
N
1/4
N
Qn = l + n/4N – fkb
1/4
N 1/4
N
fi
Q1 Q2 Q3
Qn = l + n/4N – fkb X i
fi
1/1
0N
Untuk data tunggal
Dn = l + n/10N – fkb
fi
D2
D1 D3 D4 D5 D6 D7 D8 D9
Dn = l + n/10N – fkb X i
fi
Pn = l + n/100N – fkb
fi
P1 P25 P50 P75 P100
Pn = l + n/100N – fkb X i
fi
Contoh : A : 100 90 80 70 60 50 40 30 20 10
X = 55
B : 100 100 100 100 100 10 10 10 10 10
r = 100 – 10 = 90
C : 100 100 100 90 80 30 20 10 10 10
Rata-rata
17. Deviasi rata-rata
Deviasi Rata-rata : penyebaran
Berdasarkan harga mutlak simpangan Kelompok A Kelompok B
bilangan-bilangan terhadap rata- Nilai X X - X |X – X| Nilai X X - X |X – X|
ratanya. 100 45 45 100 45 45
90 35 35 100 45 45
80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25
Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10
n
|Xi – X|
Rata-rata DR = Σ
n
i=1
8250 15850
n s= √ 9 = 30.28 s= √ 9 = 41.97
√ Σ (Xi – X)
2
s=
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
19. Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
5% 2.5% 2.5%
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.
Contoh :
Peneliti ingin mengetahui apakah guru yang bekerja selama 8 tahun memang berbeda
dibandingkan dengan guru lainnya.
Ho : p1 = p2
Diperoleh rata2 = 17.26 ; std. Dev = 7.6 ; df = 89 ; t hitung = 11.55
α
Berdasarkan tabel df=89 dan = 0.05 diperoleh t tabel = 1.987
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
guru yang bekerja selama 8 tahun secara signifikan berbeda dengan
guru lainnya
23. Uji t
2. Uji t dua sampel bebas
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara
guru yang lulusan S1 dengan yang lulusan S3
Ho : Pb = Pk
Diperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369
α
Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan
penghasilan guru yang S3
24. Uji t
D
t= s Di mana D = rata-rata selisih skor pasangan
D
ΣD2 – (ΣD)2
sD =
√ Σ d2
N(N-1)
Σ d2 =
N
Contoh :
Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai
pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua
kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan
adanya perbedaan rata-rata tes pertama dengan kedua.
Ho : Nd = Nc
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
α
Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Terdapat perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif
meningkatkan hasil belajar siswanya
25. Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
Ulangan korelasi positif Ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua variabel
contoh : pandai matematika dan jago olah raga ; pandai
matematika dan tidak bisa olah raga ; tidak pandai
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
26. Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
Siswa X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
27. Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2