TUGAS STATISTIKA

Membahas Konsep - Konsep Dasar Statistika Deskriptif dan Statistika Inferensial

DOSEN PEMBIMBING

Dr. Hj Ine Rahayu Purnamaningsih

DISUSUN OLEH

Rosita Oktaviani Siswanti

UNIVERSITAS SINGAPERBANGSA KARAWANG

FAKULTAS KEGURUAN DAN ILMU PENGETAHUAN

PENDIDIKAN BAHASA DAN SASTRA INDONESIA

2019/2020
 KATA PENGANTAR

Alhamdulillah hirabil'alamin puji syukur pada Allah SWT karena berkat limpahan rahmat dan
hidah-Nya, sehingga saya bisa menyelesaikan bahan kuliah ini guna memenuhi tugas untuk
mata kuliah statistika yaitu membahas konsep - konsep dasar statistika deskriptif dan statistika
inferensial.

Tugas ini telah saya susun semaksimal mungkin dan berkat bantuan dari berbagai sumber dan
bantuan dari berbagai pihak sehingga dapat memperlancar dalam proses pengerjaannya, untuk
itu saya begitu berterimakasih pada berbagai pihak yang telah membantu dan berkontribusi
dalam tugas ini.

Terlepas dari semua itu saya menyadari masih banyak kekurangan baik dalam segi susunan
maupun tata bahasa. Oleh karena itu dengan tangan terbuka saya menerima segala kritik dan
masukan dari pembaca agar saya dapat memperbaiki tugas ini.

Akhir kata sekali lagi saya ucapkan terimakasih semoga tugas yang saya susun ini dapat
bermanfaat bagi pembaca.

Karawang, 13 September 2019

Penyusun

Rosita Oktaviani Siswanti

 DAFTAR ISI

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

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

Bab 1 Pengertian ..………………………………………………........................................................ 1

Definisi ..……………………………………………….............................................................. 1

Terminologi …………………………………………………...................................................... 1

Fungsi ..………………………………………………............................................................... 1

Pembagian Statistika ..………………………………………………...................................... 1

Peristilahan Umum ..……………………………………………….......................................... 1

Bab 2 Data Statistik ..………………………………………………..................................................... 1

Pengertian ..………………………………………………......................................................... 1

Nilai Data ..………………………………………………............................................................ 1

Skala Pengukuran ..…………………………….................................................................. 1

Bab 3 Penyajian Data ..….………………………………………......................................................... 1

Distribusi Frekuensi Tunggal …………………….......................................................... 1

Distribusi Frekuensi Bergolong ..……………….......................................................... 1

Grafik ( Histogram, Poligon, Ogive, dan Lingkaran ............................................ 1

Bab 4 Ukuran Kecenderungan Pusat ………………............................................................. 1

Bab 5 Ukuran Letak ..……………………………………...................................................................1

Bab 6 Ukuran Variasi dan Korelasi ..……….......….............................................................1

Bab 7 Teori Peluang dan Jenis Distribusi ..……….......…...................................................1

Bab 8 Konsep Dasar Statistika ..……….......…....................................................................1

 Pengujian Kesamaan Dua Rata - Rata ..……….......…..............................................1

Varians ..……….......…................................................................................................1

Pengujian Sampel Tunggal ..……….......…...............................................................1

Pengujian Dua Sampel Independen ..……….......…..................................................1

Dua Sampel Berhubungan ..……….......….................................................................1

Pengujian Tiga Sampel ..……….......…......................................................................1

Bab 9 Penggunaan Kalkulator dan Komputer ..……….......…............................................1

Microsoft Excel ..……….......…..................................................................................1

SPPS 17 ..……….......…..............................................................................................1

Daftar Pustaka ..……….......…......................................................................................................1

 BAB 1

Pengertian

Definisi

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis,

menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan
dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda dengan 'statistik' (statistic). Statistika
merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil
penerapan algoritme statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk
menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif.

Secara Terminologi

Dalam Istilah “statistik’’ itu terkandung berbagai macam pengertian diantaranya :

a.) Istilah “statistik’’ terkadang diberi pengertian “data statistik’’. Data statistic adalah kumpulan bahan
keterangan yang berupa angka atau bilangan. Atau dengan istilah lain berarti “deretan atau kumpulan
angka yang menunjukan keterangan mengenai cabang kegiatan hidup tertentu’’. Misalnya: statistic
penduduk. Dengan demikian istilah statistic dalam arti data kuantitatif/data statistic adalah data angka
yang dapat memberikan gambaran mengenai keadaan, peristiwa tertentu.

b.) Istilah “statistik’’ diberi pengertian sebagai kegiatan pertatistikan. Dapat dilihat dari UU No.7 Tahun 60
bahwa kegiatan statistik mencakup 4 hal, yaitu (1) pengumpulan data. (2) penyusunan data, (3)
pengumuman dan pelaporan data, dan (4) analisis data.

c.) Istilah statistik mengandung pengertian sebagai “metode statistik”, yaitu cara-cara tertentu yang perlu
ditempuh dalam rangka mengumpulkan, menyusun, menyajikan, menganalisis, dan memberikan
interpretasi terhadap kumpulan bahan keterangan yang berupa angka sehingga kumpulan keterangan
angka tersebut dapat memberikan makna tertentu.

d.) Istilah statistik diberi pengertian sebagai “ilmu statistik’’. Ilmu statistik adalah ilmu yang membahas
dan mengembangkan secara ilmiah tahap-tahap yang ada dalam kegiatan statistik.

Fungsi & kegunaan statistik dalam pendidikan

1. Gambaran tentang suatu gejala atau peristiwa

2. Mengikuti perkembangan tentang suatu gejala atau peristiwa dari waktu ke waktu
3. Melakukan pengujian
4. Mengetahu hubungan antar gejala
5. Sebagai alat bantu :
6. Menyusun laporan (data kuantitatif)
7. Menarik kesimpulan

Pembagian Statistika

Statistika dibagi menjadi menjadi dua bagian, yaitu : statistika deskriptif dan statistika inferensial.
a.) Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan dideskripsikan) atau
disimpulkan, baik secara numerik (misalnya menghitung rata-rata dan deviasi standar) atau secara grafis
(dalam bentuk tabel atau grafik), untuk mendapatkan gambaran sekilas mengenai data tersebut,
sehingga lebih mudah dibaca dan bermakna.

b.) Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan keputusan
berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi
pengamatan masa mendatang (estimasi atau prediksi), membuat permodelan
hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.

Peristilahan Umum

Beberapa istilah yang sering digunakan dalam statistika antara lain:

 Frekuensi (f) : Jumlah Individu yang mendapatkan skor/nilai tertentu dalam suatu kelompok data
 Jumlah Frekuensi (n) : Jumlah individu dari suatu perangkat data
 Frekuensi Kumulatif (fcum) : Banyaknya data yang berada di bawah atau di atas skor / nilai
tertentu
 Frekuensi Relatif (frel) atau f(%) : Persentase dari fcum
 Kelas Interval (ci) : Sekelompok skor pada tiap-tiap kelas
 Banyak kelas interval : jumlah kelas interval yang diperlukan untuk mengelompokkan suatu
perangkat data, 1 + 3,3 log.n
 Rentang/Range ( R ) : Selisih antara skor tertinggi dengan skor terendah dari suatu perangkat
data.
 Panjang Kelas Interval (p) : Jarak/banyaknya skor atau nilai yang tercakup dalam tiap-tiap kelas
interval.
 Ujung Kelas Bawah (Bb) (lower limit) : Skor/nilai terendah pada kelas ybs
 Ujung Kelas Atas (Ba) (upper limit) : Skor/nilai tertinggi pada kelas ybs
 Batas Kelas/Batas nyata /real limit Bawah : Batas bawah kelas ybs dikurangi setengah dari satuan
terkecil data yang dicatat (0,5; 0,05)
 Batas Kelas/Batas nyata /real limit Atas : Batas Atas kelas ybs ditambah setengah dari satuan
terkecil data yang dicatat (0,5; 0,05)
 Tanda Kelas/Midpoint/Titik tengah (xi) : Nilai yang membagi kelas ybs menjadi dua bagian yang
sama besar, X ½ (Bb+Ba)2. Data Statistik

BAB 2

Data Statistik

Pengertian
Data adalah keterangan atau ilustrasi sesuatu hal berupa kategori atau bilangan. Dalam sebuah
penelitian, maka kita pasti menentukan terlebih dahulu variabel penelitian, yang berarti variabel apa
yang akan diukur. Data statistik : Kumpulan bahan keterangan yang berupa angka atau bilangan yang
merupakan kumpulan angka yang menunjukkan keterangan mengenai cabang kegiatan hidup tertentu

Nilai Data

Data Value (Nilai Data) : Data Value adalah data aktual atau informasi yang disimpan pada tiap data,
elemen, atau atribut. Atribut nama pegawai menunjukan tempat dimana informasi nama karyawan
disimpan, nilai datanya misalnya adalah Anjang, Arif, Suryo, dan lain-lain yang merupakan isi data nama
pegawai tersebut.

Skala Pengukuran

Skala pengukuran adalah sebuah acuan yang digunakan untuk menentukan panjang pendeknya interval
yang ada dalam satuan alat ukur. Dengan menggunakan skala pengukuran, maka alat ukur yang
digunakan akan menghasilkan data kuantitatif. Setelah proses pengukuran yang menghasilkan data
kuantitatif yang berupa angka-angka tersebut baru lah kemudian ditentukan analisis statistik yang cocok
untuk digunakan.

Di dalam ilmu statistik, skala pengukuran dibagi menjadi 4, yaitu sebagai berikut:

a.) Skala Nominal

Skala nominal merupakan skala pengukuran paling sederhana atau tingkatannya paling rendah di dalam
suatu penelitian. Skala ini hanya digunakan untuk memberikan kategori saja. Misalnya digunakan untuk
memberi label, simbol, lambang, atau nama pada sebuah kategori sehingga akan mempermudah
pengelompokan data menurut kategorinya. Pada skala nominal ini, peneliti akan mengelompokkan
objek, baik individu atau pun kelompok kedalam kategori tertentu dan disimbolkan dengan label atau
kode tertentu. Kemudian, angka yang diberikan kepada objek hanya memiliki arti sebagai label atau
pembeda saja dan bukan untuk menunjukkan adanya tingkatan.

Berikut ini ciri-ciri dari skala nominal :

 Kategori data bersifat mutually exclusive (setiap objek hanya memiliki satu kategori saja).
 Kategori data tidak memiliki aturan yang logis (bisa sembarang).

Contoh skala nominal yang paling umum digunakan yaitu variabel jenis kelamin. Jenis kelamin akan
dibedakan menjadi Laki-laki dan Perempuan. Dalam hal ini, hasil pengukuran tidak memiliki tingkatan
tertentu. Artinya laki-laki tidak lebih tinggi daripada perempuan, atau sebaliknya. Di dalam sebuah
penelitian, biasanya akan diberi simbol angka sebagai pembeda, misal jenis kelamin laki-laki diberi
simbol angka 1, jenis kelamin perempuan diberi simbol 0. Simbol angka disini hanya untuk membedakan
saja, tidak menunjukkan bahwa 1 lebih besar dari 0 dan sebagainya.

b.) Skala Ordinal

Skala ordinal merupakan skala pengukuran yang sudah menyatakan peringkat antar tingkatan. Jarak atau
interval antar tingkatan juga tidak harus sama. Skala ordinal ini memiliki tingkatan yang lebih tinggi
daripada skala nominal, karena skala ini tidak hanya menunjukkan kategori saja tetapi juga menunjukkan
peringkat. Di dalam skala ordinal, objek atau kategorinya disusun berdasarkan urutan tingkatannya, dari
tingkat terendah ke tingkat tertinggi atau sebaliknya.

Berikut ini ciri-ciri dari skala ordinal :

 Kategori data saling memisah.

 Kategori data ditentukan berdasarkan jumlah karakteristik khusus yang dimilikinya.
 Kategori data dapat disusun sesuai dengan besarnya karakteristik yang dimiliki.

Contoh : Variabel sikap seseorang terhadap suatu pernyataan, sikap tersebut berupa sangat setuju,
setuju, biasa saja, tidak setuju, sangat tidak setuju. Pada variabel sikap ini dari sangat setuju ke sangat
tidak setuju menunjukkan kategori dan memiliki tingkatan. Di dalam sebuah penelitian, kategori tersebut
bisa disimbolkan dengan angka, misal angka 5 untuk sangat setuju, angka 4 untuk setuju, angka 3 untuk
biasa saja, angka 2 untuk tidak setuju, dan angka 1 untuk sangat tidak setuju.

c.) Skala Interval

Skala Interval merupakan skala pengukuran yang bisas digunakan untuk menyatakan peringkat untuk
antar tingkatan. Jarak atau interval antar tingkatan pun sudah jelas, hanya saja tidak memiliki nilai 0 (nol)
mutlak. Skala interval ini bisa dikatakan berada diatas skala ordinal dan nominal. Besar interval atau jarak
satu data dengan data yang lainnya memiliki bobot nilai yang sama. Besar interval ini bisa saja di tambah
atau dikurang.

Berikut ini adalah ciri-ciri dari skala interval :

 Kategori data memiliki sifat saling memisah.

 Kategori data memiliki aturan yang logis.
 Kategori data ditentukan skalanya berdasarkan jumlah karaaktristik khusus yang dimilikinya.
 Perbedaan karakteristik yang sama tergambar dalam perbedaan yang sama dalam jumlah yang
dikenakan pada kategori.
 Angka nol hanya menggambarkan satu titik dalam skala (tidak memiliki nilai nol absolut).

Contoh Skala Interval

Contoh yang paling umum pada skala interval adalah suhu. Misalkan suatu ruangan memiliki suhu 0°C,
ini bukan berarti bahwa ruangan tersebut tidak ada suhunya. Angka 0°C disini merupakan suhu, hal ini
dikarena pada skala interval 0 (nol) bukanlah nilai yang mutlak.

d.) Skala Rasio

Skala rasio adalah skala pengukuran yang ditujukan pada hasil pengukuran yang bisa dibedakan,
diurutkan, memiliki jarak tertentu, dan bisa dibandingkan. Skala rasio merupakan tingkatan skala paling
tinggi dan paling lengkap dibanding skala-skala lainnya. Jarak atau interval antar tingkatan sudah jelas,
dan memiliki nilai 0 (nol) yang mutlak. Nilai nol mutlak berarti benar-benar menyatakan tidak ada.
Contoh Skala Rasio, misal tinggi badan Agung adalah 190 cm sedangkan tinggi badan Vatinson adalah 95
cm. Pada situasi ini dapat dikatakan bahwa jarak tinggi badan Vatinson dengan Agung adalah 95 cm. Bisa
juga dikatakan bahwa tinggi badan Agung 2 kali tinggi badan Vatinson.

BAB 3

Penyajian Data

Daftar Distribusi Frekuensi

Distribusi frekuensi merupakan sebuah tabel yang dibuat untuk menunjukkan seberapa sering
munculnya atau terjadinya suatu skor atau suatu kelompok skor (Mistar, 2010:2). Oleh karena itu,
distribusi frekuensi ini mampu memberikan informasi kepada peneliti tentang angka (data) yang sering
muncul dalam penelitiannya. Hal ini penting untuk diketahui oleh peneliti karena data ini mampu
menunjukkan tendensi data.

Distribusi Frekuensi Tunggal

Data tunggal seringkali dinyatakan dalam bentuk daftar bilangan, namun kadangkala dinyatakan dalam
bentuk tabel distribusi frekuensi. Tabel distribusi frekuensi tunggal merupakan cara untuk menyusun
data yang relatif sedikit. Perhatikan contoh data berikut :

5, 4, 6, 7, 8, 8, 6, 4, 8, 6, 4, 6, 6, 7, 5, 5, 3, 4, 6, 6

8, 7, 8, 7, 5, 4, 9, 10, 5, 6, 7, 6, 4, 5, 7, 7, 4, 8, 7, 6

Dari data di atas tidak tampak adanya pola yang tertentu maka agar mudah dianalisis, data tersebut
disajikan dalam tabel seperti di bawah ini.

kelas 11

Daftar di atas sering disebut sebagai distribusi frekuensi dan karena datanya tunggal maka disebut
distribusi frekuensi tunggal.

Distribusi Frekuensi Bergolong

Tabel distribusi frekuensi bergolong biasa digunakan untuk

menyusun data yang memiliki kuantitas yang besar dengan
mengelompokkan kedalam interval-interval kelas yang sama
panjang. Menurut Viska (2012), langkah-langkah membuat
data distribusi bergolong sebagai berikut :

1.) Urutkan dahulu data, dari data yang terkecil sampai terbesar.
Temukan data terkecil dan data terbesarnya.

2.) Hitung Jarak atau Rentangan (R)

R = Data terbesar - Data terkecil

3.) Hitung Jumlah Kelas (K) dengan aturan Sturges

K = 1 + 3,3 log n
Keterangan
n = jumlah data

4.) Hitung Panjang Kelas Interval (P)

P = Rentangan (R) : Jumlah Kelas (K)
5.) Tentukan Batas data terendah atau ujung bawah interval kelas pertama, lalu hitung kelas intervalnya
dengan cara:

Ujung Bawah Kelas + Panjang Kelas (P) - 1

6.) Kalau sudah, lalu buat tabelnya dengan cara memasukkan nilai interval kelas yang sudah dihitung
pada langkah ke-5, dan cari berapa banyak data atau nilai yang sesuai dengan interval kelas tersebut, lalu
banyaknya data atau nilai tersebut dimasukkan ke dalam kolom Frekuensi.

Contoh : Hasil Tugas Matematika dari 40 siswa kelas XI ,berikut ini:

66 75 74 72 79 78 75 75 79 71

75 76 74 73 71 72 74 74 71 70

74 77 73 73 70 74 72 72 80 70

73 67 72 72 75 74 74 68 69 80

Dari data hasil tugas siswa kelas XI, dapat disajikan sebagai berikut :

Menurut Hernadi (2009), beberapa istilah yang banyak digunakan dalam pembahasan distribusi
frekuensi bergolong antara lain:

a) Interval Kelas

Interval kelas adalah interval yang diberikan

untuk menetapkan kelas-kelas dalam
distribusi. Pada table hasil tugas siswa di
atas, interval kelasnya adalah 65-67, 68-70, 71-
73, 74-76, 77-79, 80-82. Interval kelas 65-67
secara matematis merupakan interval
tertutup [66, 68], memuat semua bilangan dari 66 sampai dengan 68 sejalan dengan hal itu, interval 65-
67 disebut interval kelas pertama, interval 68-70 disebut interval kelas kedua dan seterusnya (Soedyarto
dan Maryanto, 2008:13).

b) Batas Kelas

Batas kelas adalah bilangan terkecil dan terbesar yang masuk dalam kelas interval tertentu.
Berdasarkan table distribusi frekuensi di atas, angka 65, 68, 71, 74, 77, dan 80 merupakan batas bawah
dari tiap-tiap kelas, sedangkan yang merupakan batas atas dari tiap-tiap kelas ditunjukkan oleh angka 67,
70, 73, 76, 79, 82.
 c) Tepi Kelas (Batas Nyata Kelas)

Untuk mencari tepi kelas menurut Soedyarto dan

Maryanto (2009:13) dapat menggunakan rumus berikut ini:

Tepi Bawah = Batas Bawah - 0,5

Tepi Atas = Batas Atas + 0,5

Dari table distribusi frekuensi di atas, maka tepi bawah

kelas pertama 64.5 dan tepi atas kelas kedua 67.5, tepi bawah kelas kedua 67.5, dan tepi atasnya 70.5,
dan seterusnya.

d) Lebar Interval Kelas

Untuk mencari labar interval kelas menurutdapat menggunakan rumus berikut ini (Soedyarto dan
Maryanto,2008:13).

Lebar Kelas = Tepi Atas - Tepi Bawah

Jadi, lebar interval kelas dari table distribusi frekuensi di atas adalah 67.5 – 64.5 = 3

e) Titik Tengah

Untuk mencari titik tengah dapat dipakai rumus:

Titik Tengah = 1/2 ( Batas Atas + Batas Bawah )

Dari tabel di atas:

Titik tengah kelas pertama =

Titik tengah kelas kedua = (70+68) = 69, dan seterusnya.

Penyajian Data Grafik

a.) Histogram

Histogram adalah grafik berbentuk batang yang digunakan untuk menggambarkan bentuk distribusi
frekuensi. Histogram merupakan diagram balok, karena frekuensi disajikan dalam bentuk balok.
Histogram menghubungkan antara tepi kelas interval pada sumbu horizontal (X) dan frekuensi setiap
kelas pada sumbu vertical (Y).
Berikut ini langkah-langkah penyajian data dalam bentuk histogram:

1) Gambarkan garis horizontal (sumbu x) sebagai sumbu “skor”, dan berilah angka-angka yang
sesuai dengan skor-skor yang ada;

2) Gambarkan garis vertikal (sumbu y) sebagai sumbu “frekuensi”, dan berilah angka-angka yang
menunjukkan frekuensi;

3) Gambarkan garis horizontal yang sejajar dengan sumbu x pada ketinggian frekuensi untuk
masing-masing skor dan hubungkan kedua ujung garis tersebut pada sumbu x dengan garis
vertikal yang menyentuh pada real limit skor tersebut;

4) Berilah judul.

b.) Polygon

Polygon
hampir
sama
dengan

histogram , perbedaanya histogram

menggunakan balok, sedangkan polygon menggunakan garis yang menghubungkan titik-titik yang
merupakan koordinat antara niali tengah kelas dengan jumlah frekuensi pada kelas tersebut. Titik tengah
kelas merupakan representasi dari karakter kelas dan nilai tengah ini menggantikan posisi interval kelas
pada diagram histogram.

Pada grafik polygon , sumbu horizontal merupakan nilai tengah kelas dan sumbu vertical adalah jumlah
frekuensi setiap kelas.
c.) Kurva Ogive

Kurva ogive merupakan diagram garis yang menunjukkan kombinasi antara interval kelas dengan
frekuensi kumulatif. Kurva ogif menunjukkan frekuensi kumulatif pada setiap tingkat atau kategori.
Sumbu horizontal pada kurva ogif menunjukkan tepi interval kelas dan sumbu vertical menunjukkan
frekuensi kumulatif. Kurva ogif memudahkan kita untuk melihat frekuensi kumulatif baik dalam bentuk
nilai absolute maupun nilai relative pada tingkat atau interval tertentu.

Kurva ogive ada dua macam diantaranya, ogive naik yaitu ogive akan naik, apabila grafik disusun
berdasarkan distribusi frekuensi kumulatif kurang dari. Selama ogive turun yaitu ogive akan turun,
apabila grafik disusun berdasarkan distribusi frekuensi kumulatif lebih dari.

d.) Diagram Lingkaran

Diagram lingkaran sering digunakan untuk mengetahui perbandingan dari Total Jumlah yang sesuai
dengan pembahasannya. Dalam diagram batang juga digunakan untuk menggambarkan sebuah
Persentase Data, Menentukan Statistik, dan lain-lainnya, sesuai dengan pembahasan yang dilakukan.
Untuk mengetahui Pembesaran Daerah atau Pembatasan Daerah yang berada pada diagram lingkaran
ini, dalam pembahasan suatu data.

Tergantung dengan Jumlah Data & Masing-Masing Data yang menjadi pembahasannya. Pada diagram
lingkaran memiliki 3 bentuk diagram yang biasa digunakan, yaitu :

1.) Diagram Lingkaran Biasa (Dalam bentuk angka)

2.) Diagram Lingkaran Derajat (Dalam bentuk °)
3.) Diagram Lingkaran Persen (Dalam bentuk %)

BAB 4
 Ukuran Kecenderungan Pusat

Ukuran gejala pusat adalah suatu ukuran yang

digunakan untuk mengetahui kumpulan data
mengenai sampel atau populasi yang disajikan
dalam tabel atau diagram, yang dapat mewakili
sampel atau populasi. Ada beberapa macam
ukuran tendensi sentral, yaitu rata-rata (mean),
median, modus, kuartil, desil dan persentil. Gejala pusat sebagai nilai rata-rata yang mempunyai
kecenderungan memusat, sehingga sering disebut ukuran kecenderungan memusat (measures of central
tendency). Beberapa jenis rata-rata yang sering digunakan adalah rata-rata hitung (arithmetic mean atau
sering disingkat mean saja), lalu rata-rata ukur (geometric mean), kemudian rata-rata harmonis
(harmonic mean). Dan umumnya terdapat istilah mean ,median, dan modus.

a.) Rata-rata Hitung (Mean)

Statistik yang paling banyak digunakan ukuran gejala pusat adalah Rata-rata hitung (Mean). Rata-rata
hitung didefinisikan sebagai jumlah semua skor untuk variabel dan kemudian dibagi dengan jumlah
pengamatan. Oleh karena itu, rumus untuk rata-rata hitung adalah sebagai berikut:

Keterangan :

ΣX = Jumlah seluruh data

n = Banyak data

Sebagai contoh, mengambil data yang disajikan dalam Tabel :

Jumlah pengamatan (ΣX) adalah 1 + 5 + 7 + 2 + 10 + 4 + 6 + 5 + 4 + 6 = 50. Lalu, kita membagi nilai ini
dengan n, yang pada contoh ini adalah 10 karena kita memiliki 10 pengamatan. Jadi, 50/10 = 5. Rata-rata
hitung untuk set pengamatan ini adalah 5. Software statistik SPSS menyediakan beberapa cara untuk
menghitung rata-rata untuk sebuah variabel. Perintah Mean dapat ditemukan di bawah Descriptives,
kemudian Frequencies, Explore, dan akhirnya Mean. Selain itu, rata-rata dapat menjadi tambahkan
output untuk perhitungan lainnya,seperti regresi ganda. Output untuk mean Descriptives disajikan pada
Gambar :
B. Modus

Dalam data berbentuk kuantitatif, modus sangat mudah untuk dideteksi. Dengan melihat data kita
tinggal menentukan angka berapa yang paling sering muncul. Angka yang sering muncul itulah yang kita
sebut dengan modus.

Pada data nilai siswa pada mata pelajaran sejarah kebudayaan Islam di atas terlihat bahwa angka yang
paling sering muncul adalah 67 yang muncul sebanyak tiga kali dan tidak ada yang muncul sebanyak itu
dari data yang lain. Akan tetapi pada data yang telah tersusun dalam tabel frekuensi, modus dapat di cari
dengan menggunakan rumus :

Keterangan:

b = batas bawah kelas modus yaitu kelas yang memiliki frekuensi terbanyak

p = panjang kelas modus

b1 = frekuensi kelas modus dikurangi frekuensi kelas interval dengan tanda kelas yang lebih kecil
sebelum tanda kelas modus.

b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas yang lebih besar
sesudah tanda kelas modus.

Mislalnya dari tabel frekuensi di atas kita dapat menghitung

modusnya. Dengan memperhatikan tabel kita akan menemukan :

b = 70,5

p = 10

b1 = 7 – 5 = 2
b2 = 7 – 3 = 4

Dengan memasukkan data tersebut ke dalam rumus akan kita dapatkan

BAB 5

Ukuran Letak
Ukuran letak dinyatakan dalam fraktil. Fraktil adalah nilai yang menbagi data yang berurutan menjadi
beberapa bagian, diantaranya kuartil, desil, persentil.

a.) Kuartil

Kuartil merupakan ukuran letak yang membagi data yang sudah diurutkan menjadi empat bagian sama
banyak, masing-masing bagian mempunyai 25% data.

Kelompok data memiliki 3 kuartil yakni kuartil bawah (Q1), kuartil tengah atau median (Q2), Quartil atas
(Q3).

X min Q1 Q2 Q3 Xmax

Langkah-Langkah menghitung nilai kuartil data tunggal adalah sebagai berikut :

1. Mengurutkan data dari yang terkecil hingga terbesar

2. Menentukan letak kuartil.

Letak kaurtil bisa dihitung sebagai berikut :

Q1 terletak pada data ke ¼ (n+1)

Q2 terletak pada data ke ½ (n+1)

Q3 terletak pada data ke ¾ (n+1)

Untuk menghitung data kelompok bisa dihitung :

Qi = kuartil ke i, (i = 1, 2, 3)

Tb = Tepi bawah kelas Qi

n = jumlah data

fki = Frekuensi komulatif kurang darikelas yang memuat Qi

fi = Frekuensi pada kelas yg memuat kuarti Qi

I = Interval

b.) Desil
Desil merupakan ukuran letak yang membagi data yang sudah diurutkan dari terkecil hingga terbesar
menjadi sepuluh bagian sama banyak. Jadi masing-masing bagian memiliki 10% data keseluruhan dan
memiliki 9 nilai desil.

Langkah-langkah menentukan desil adalah sebagai berikut :

D1 letaknya pada data ke 1/10 (n+1)

D2 letaknya pada data ke 2/10 (n+1)

D3 letaknya pada data ke 3/10 (n+1)

dan seterusnya sampai D9

Sedangkan rumus desil adalah :

Di = Desil ke-i (i = 1, 2, 3, ...9

Tb = Tepi bawah

n = banyaknya data

fki = frekuensi kumulatif sebelum kelas yang memuat desil

fi = frekuensi kelas yang memuat desil

I = interval

c.) Persentil

Persentil adalah ukuran letak yang membagi kumpulan data yang sudah diurutkan menjadi 100 bagian
sama banyak dan tiap persentil memiliki bagian 1% data serta sekumpulan data terdapat 99 buah
persentil.

Langkah-langkah menentukan persentil adalah sebagai berikut :

P1 letaknya pada data ke 1/100 (n+1)

P2 letaknya pada data ke 2/100 (n+1)

P3 letaknya pada data ke 3/100 (n+1)

dan seterusnya sampai

P99 letaknya pada data ke 99/100(n+1)

Sedangkan rumus persentil adalah :

Pi = Persentil ke-i (i = 1, 2, 3, ...99)

Tb = Tepi bawah

n = banyaknya data

fki = frekuensi kumulatif sebelum kelas yang memuat persentil

fi = frekuensi kelas yang memuat persentil

I = interval
 BAB 6

Ukuran Variasi dan Korelasi

Ukuran Variasi

Ukuran Variasi adalah ukuran yang menyatakan seberap jauh penyimpangan nilai-nilai data dari nilai
pusatnya atau yang menyatakan seberapa banyak nilai-nilai data yang berbeda dengan nilai pusatnya.

Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam menggambarkan
sekumpulan data. Jadi, dengan adanya ukuran dispersi maka penggambaran sekumpulan data akan
menjadi lebih jelas dan tepat. Ada beberapa macam ukuran variasi atau dispersi, yaitu :

- nilai jarak (range),

- simpangan rata rata (mean deviation),
- simpangan baku (standard deviation),
- koefisien variasi (coefficient of variation),
- ukuran kemiringan kurva (skewness),
- ukuran keruncingan kurva (kurtosis).

Terdapat 3 kondisi variasi data, yaitu data yang homogen (tidak bervariasi), data heterogen (sangat
bervariasi), dan data yang relatif homogen (tidak begitu bervariasi). Ilustrasinya sebagai berikut:

Data homogen: 50 50 50 50 50 -> rata-rata hitung=5

Data relatif homogen: 50 40 30 60 70 -> rata-rata hitung=50
Data heterogen: 100 40 80 20 10 -> rata-rata hitung=50

Bila kita perhatikan, ketiga kondisi di atas memberikan nilai rata-rata hitung yang sama, yaitu sebesar 50.
Namun, kenyataannya rata-rata hitung pada data yang homogen dapat dengan baik mewakili himpunan
data keseluruhan. Rata-rata hitung pada data yang relatif homogen cukup baik mewakili himpunan
datanya. Sedangkan, rata-rata hitung pada data yangheterogen tidak dapat mewakili dengan baik
himpunan data secara keseluruhan.

Pengukuran Dispersi Variasi

1.) Jarak (Range)

Diantara ukuran variasi yang paling sederhana dan paling mudah dihitung adalah nilai jarak (range). Jika
suatu himpunan data sudah disusun menurut urutan yang terkecil (X1) sampai dengan yang terbesar
(Xn), maka untuk menghitung range pada data tidak berkelompol dapat digunakan rumus berikut:

Range = Xn - X1

Untuk data berkelompok, range dapat dihitung dengan dua cara yaitu:
Range = Nilai Tengah Kelas Akhir - Nilai Tengah Kelas Pertama
atau:
Range = Tepi Atas Kelas Akhir - Tepi Bawah Kelas Pertama

Kedua cara di atas akan memberikan hasil yang berbeda. Cara pertama cenderung menghilangkan kasus-
kasus ekstrim.

Simpangan Rata - Rata (Mean Deviation)

Simpangan rata-rata atau deviasi mean disingkat MD (mean deviation) dari himpunan data didefinisikan
sebagai nilai rata-rata hitung dari harga mutlak simpangan-simpangannya. Cara mencari deviasi rata-rata,
dibedakan antara data tunggal dan data berkelompok.

2.) Simpangan Baku

Simpangan baku merupakan akar kuadrat positif dari varians. Diantara ukuran dispersi atau variasi,
simpangan baku adalah yang paling banyak digunakan sebab memiliki sifat-sifat matematis yang sangat
penting dan berguna sekali untuk pembahasan teori dan analisis. Simpangan baku digunakan untuk
mengukur penyimpangan atau deviasi masing-masing nilai individu dari suatu himpunan data terhadap
rata-rata hitungnya. Satuan simpangan baku mengikuti data aslinya. Seperti pada varians, simpangan
baku juga dibagi menjadi simpangan baku populasi dan simpangan baku sampel.

3.) Koefisien Korelasi

Untuk keperluan perbandingan dua kelompok nilai yang berbeda satuan, digunakan ukuran Koefisien
Variasi (KV), yang bebas dari satuan data asli. Suatu kelompok data dikatakan lebih homogen daripada
kelompok data lainnya apabila nilai koefisien variasinya lebih kecil. Sebaliknya, suatu kelompok data
dikatakan lebih bervariasi (heterogen) daripada kelompok data lainnya apabila nilai koefisien variasinya
lebih besar.

4.) Ukuran Kemiringan Kurva (Skewness)

Kemiringan atau kecondongan (skewness) adalah tingkat ketidaksimetrisan atau kejauhan simetri dari
sebuah distribusi. Sebuah distribusi yang tidak simetris akan memiliki rata-rata, median, dan modus yang
tidak sama besarnya sehingga distribusi akan terkonsentrasi pada salah satu sisi dan kurvanya akan
miring. Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada yang ke kiri maka distribusi
disebut miring ke kanan atau memiliki kemiringan positif. Sebaliknya, jika distribusi memiliki ekor yang
lebih panjang ke kiri daripada yang ke kanan maka distribusi disebut miring ke kiri atau memiliki
kemiringan negatif.

5.) Ukuran Keruncingan Kurva (Kurtosis)

Keruncingan atau kurrtosis adalah tingkat kepuncakan dari sebuah distribusi yang biasanya diambil
secararelatif terhadap suatu distribusi normal.Berdasarkan keruncingannya, kurva distribusi dapat
dibedakan atas tiga macam, yaitu sebagai berikut :

1) Leptokurtik
Merupakan distribusi yang memiliki puncak relatif tinggi.

2) Platikurtik
Merupakan distribusi yang memiliki puncak hampir mendatar

3) Mesokurtik
Merupakan distribusi yang memiliki puncak tidak tinggi dan tidak mendatar. Bila distribusi merupakan
distribusi simetris maka distribusi mesokurtik dianggap sebagai distribusi normal.

Ukuran Korelasi

Secara sederhana, korelasi dapat diartikan sebagai hubungan. Namun ketika dikembangkan lebih jauh,
korelasi tidak hanya dapat dipahami sebatas pengertian tersebut. Korelasi merupakan salah satu teknik
analisis dalam statistik yang digunakan untuk mencari hubungan antara dua variabel yang bersifat
kuantitatif. Hubungan dua variabel tersebut dapat terjadi karena adanya hubungan sebab akibat atau
dapat pula terjadi karena kebetulan saja. Dua variabel dikatakan berkolerasi apabila perubahan pada
variabel yang satu akan diikuti perubahan pada variabel yang lain secara teratur dengan arah yang sama
(korelasi positif) atau berlawanan (korelasi negatif).

Macam - Macam Korelasi

Korelasi sebagai sebuah analisis memiliki berbagai jenis menurut tingkatannya. Beberapa tingkatan
korelasi yang telah dikenal selama ini antara lain adalah korelasi sederhana, korelasi parsial, dan korelasi
ganda. Berikut ini adalah penjelasan dari masing-masing korelasi dan bagaimana cara menghitung
hubungan dari masing-masing korelasi tersebut.

1. Korelasi Sederhana

Korelasi Sederhana merupakan suatu teknik statistik yang dipergunakan untuk mengukur kekuatan
hubungan antara 2 variabel dan juga untuk dapat mengetahui bentuk hubungan keduanya dengan hasil
yang bersifat kuantitatif. Kekuatan hubungan antara 2 variabel yang dimaksud adalah apakah hubungan
tersebut erat, lemah, ataupun tidak erat. Sedangkan bentuk hubungannya adalah apakah bentuk
korelasinya linear positifataupun linear negatif.

2. Korelasi Parsial

Korelasi parsial adalah suatu metode pengukuran keeratan hubungan (korelasi) antara variabel bebas
dan variabel tak bebas dengan mengontrol salah satu variabel bebas untuk melihat korelasi natural
antara variabel yang tidak terkontrol. Analisis korelasi parsial (partial correlation) melibatkan dua
variabel. Satu buah variabel yang dianggap berpengaruh akan dikendalikan atau dibuat tetap (sebagai
variabel kontrol).

Data yang digunakan dalam korelasi parsial biasanya memiliki skala interval atau rasio. Berikut adalah
pedoman untuk memberikan interpretasi serta analisis bagi koefisien korelasi menurut Sugiyono:

0.00 - 0,199 = sangat rendah

0,20 - 0,3999 = rendah
0,40 - 0,5999 = sedang
0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat
3. Korelasi Ganda

Korelasi ganda adalah bentuk korelasi yang digunakan untuk melihat hubungan antara tiga atau lebih
variabel (dua atau lebih variabel independen dan satu variabel dependent. Korelasi ganda berkaitan
dengan interkorelasi variabel-variabel independen sebagaimana korelasi mereka dengan variabel
dependen.

Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau
lebih secara bersama-sama dengan variabel lain. Korelasi ganda merupakan korelasi yang terdiri dari dua
atau lebih variabel bebas (X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya
terdiri dari tiga masalah, maka hubungan antara masing-masing variabel dilakukan dengan cara
perhitungan korelasi sederhana.

Korelasi ganda memiliki koefisien korelasi, yakni besar kecilnya hubungan antara dua variabel yang
dinyatakan dalam bilangan. Koefisien Korelasi disimbolkan dengan huruf R. Besarnya Koefisien Korelasi
adalah antara -1; 0; dan +1.

Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua variabel atau lebih
namun arahnya terbalik, +1 adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah
hubungan di antara dua variabel atau lebih tersebut, sedangkan koefisien korelasi 0 dianggap tidak
terdapat hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak ada
hubungan sama sekali.

BAB 7

Teori Peluang dan Jenis Distribusi

Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan
pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah terjadi.

Probabilitas suatu kejadian adalah angka yang menunjukkan kemungkinan terjadinya suatu kejadian.
Nilainya di antara 0 dan 1. Kejadian yang mempunyai nilai probabilitas 1 adalah kejadian yang pasti
terjadi atau sesuatu yang telah terjadi[1]. Misalnya matahari yang masih terbit di timur sampai sekarang.
 Sedangkan suatu kejadian yang
mempunyai nilai probabilitas 0 adalah
kejadian yang mustahil atau tidak mungkin
terjadi.

Distribusi peluang adalah sebuah daftar dari semua hasil yang mungkin muncul dari sebuah percobaan
dan peluang yang berhubungan dengan setiap hasil. Ada 2 macam
distribusi peluang yaitu distribusi peluang diskrit dan distribusi peluang
kontinu.

1. Distribusi Peluang Diskrit hanya dapat bernilai tertentu. Ciri-ciri utamannya adalah :

 Jumlah total peluangnya sama dengan 1

 Peluang dari suatu hasil adalah antara 0 sampai 1
 Hasilnya tidak terikat satu sama lain
Distribusi peluang diskrit adalah suatu tabel atau rumus yang mencantumkan semuakemungkinan nilai
suatu pengubah acak diskrit (ruang contoh diskrit mangandung jumlah titik yang terhingga) dan juga
peluangnya. Adapun macam-macam distribusi diskrit adalah sebagaiberikut

1. Distribusi Binomial

Setiap hasil diklasifikasikan ke dalam satu dari dua kategori yang tidak terikat satu sama lain. Distribusi ini
dihasilkan dari perhitungan jumlah sukses dari sejumlah percobaan. Peluang sebuah sukses tetap sama
dari satu percobaan ke percobaan lain. Setiap percobaannya saling bebas.

Peluang Binomial dengan p = Peluang suskes dihitung dengan rumus sbb:

Nilai Rata-rata nya :

2. Distribusi Hipergeometris

Distribusi ini hanya memiliki dua hasil yang mungkin muncul. Peluang sebuah sukses tidak sama untuk
setiap percobaan. Distribusi ini digunakan ketika pengambilan sampel dilakukan tanpa pengembalian.
Sebuah Peluang Hipergeometris dihitung dengan
menggunakan rumus sebagai berikut :

3. Distribusi Poisson
Distribusi ini menjelaskan jumlah kejadian dari suatu peristiwa selama interval tertentu. Peluang sebuah
sukses terjadi secara proporsional dengan panjang intervalnya Interval-interval yang tidak saling
tumpang tindih bersifat saling bebas Distribusi Poisson dihitung dengan rumus sbb :

Rumus Menghitung Variansi :

4. Distribusi Multinominal

Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan peluang P1,P2,…,Pk maka
distribusi peluang dari peubah acak X1,X2,…,Xk yang menyatakan banyak terjadinya E1,E2,…Ek dalam n
usaha yang independen adalah:

4. Distribusi Hipergeometrik

Distribusi hipergeometrik mempunyai sifat-

sifat sebagai berikut:

1. Secara acak diambil sebanyak n tanpa

dikembalikan dari N benda.

2. k dari N benda diklasifikasikan sukses dan N -k diklasifikasikan gagal

Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak hipergeometrik.

Distribusi peluang dari peubah acak hipergeometrik disebut dengan distribusi hipergeometrik, dan
nilainya dinotasikan dengan:

Distribusi peluang dari peubah acak hipergeometrik X,yaitu jumlah sukses dari sampel acak berukuran
n yang diambil dari N benda, di mana terdapat k jumlah sukses dan N-k jumlah gagal adalah:
Rataan dan variansi dari distribusi hipergeometrik adalah

5.Distribusi Poisson

Eksperimen Poisson adalah eksperimen

yang menghasilkan nilai numerik dari peubah
acak X pada selang waktu yang tertentu atau
daerah tertentu.

Contoh:

1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis

2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya hujan selama musim hujan

3) banyaknya tikus dalams atu hektar sawah

4) banyaknya salah ketik dalam satu halaman

Sifat-sifat proses Poisson:

1. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu adalah independen terhadap
hasil yang terjadi pada selang atau daerah lain. Proses Poisson dikatakan tidak mempunyai ingatan.

2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat pendek atau daerah yang
sangat waktu yang sangat pendek atau daerah yang sangat kecil sebanding dengan panjang selang waktu
atau besarnya daerah dan tidak bergantung pada banyaknya hasil yang terjadi di luar selang atau daerah
tersebut.

3. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang pendek dapat diabaikan.

Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses yang terjadi dalam selang
waktu atau daerah tertentu –dinotasikan dengan t — adalah:

di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu atau daerah, dan e=
2.71828…

Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.

2. Distribusi Peluang Kontinu

dapat bernilai tak hingga dalam suatu jangkauan yang spesifik. Nilai rata-rata dan variansi dari sebuah
distribusi peluang dapat dihitung sebagai berikut :

Rumus Menghitung Rata-rata :

BAB 8

Konsep Dasar Statistika Inferensial

Pengujian Kesamaan Dua Rata - Rata

Uji hipotesis dua rata-rata digunakan untuk mengetahui ada atau tidak adanya perbedaan (kesamaan)
antara dua buah data. Salah satu teknik analisis statistik untuk menguji hipotesis dua rata-rata ini ialah uji
t (t test) karena rumus yang digunakan disebut rumus t. Rumus t sendiri banyak ragamnya dan
pemakaiannya disesuaikan dengan karakteristik kedua data yang akan dibedakan. Ada beberapa
persyaratan yang harus dipenuhi sebelum uji t dilakukan. Persyaratannya adalah:

a Data masing-masing berdistribusi normal

b. Data dipilih secara acak

c. Data masing-masing homogen

Langkah-Langkah Uji Kesamaan Dua Rata-Rata (Usman & Akbar, 2009)

1. Uji atau asumsikan bahwa data dipilih secara acak

2. Uji atau asumsikan bahwa data berdistribusi normal

3. Asumsikan bahwa kedua variansnya homogen

4. Tulis Ha dan H0 dalam bentuk kalimat

5. Tulis Ha dan H0 dalam bentuk statistik

6. Cari thitung atau zhitung dengan rumus tertentu

7. Tentukan taraf signifikan (α)

8. Cari t tabel dengan pengujian dua pihak dimana dk = n1 + n2 – 2 dan dengan menggunakan tabel
t didapat nilai t tabel.

9. Tentukan kriteria pengujian, yaitu: Jika –t tabel ≤ thitung ≤ +ttabel, maka H0 diterima

10. Bandingkan thitung dengan ttabel atau zhitung dengan ztabel

11. Buatlah kesimpulannya

Perumusan hipotesisnya adalah sebagai berikut:

Varians

Dalam teori probabilitas dan

statistika, varians (dari bahasa
Inggris: variance) atau ragam suatu
peubah acak (atau distribusi
probabilitas) adalah ukuran seberapa
jauh sebuah kumpulan bilangan tersebar. Varians nol mengindikasikan bahwa semua nilai sama. Varians
selalu bernilai non-negatif: varians yang rendah mengindikasikan bahwa titik
data condong sangat dekat dengan nilai rerata (nilai ekspektasi) dan antara
satu sama lainnya, sementara varians yang tinggi mengindikasikan bahwa
titik data sangat tersebar disekitar rerata dan dari satu sama lainnya.

Pengukuran yang sama yaitu akar kuadrat dari varians, disebut juga simpangan baku. Simpangan baku
memiliki dimensi dan data yang sama, oleh karena itu bisa dibandingkan dengan deviasi dari rerata.

Varians adalah salah satu pendeskripsi dari sebuah distribusi probabilitas. Pada khususnya, varians
adalah salah satu momen dari sebuah distribusi. Dalam konteks tersebut, ia menjadi bagian dari
pendekatan sistematis sebagai pembeda antara distribusi probabilitas. Walau pendekatan lain telah
dikembangkan, yang berbasis momen lebih menguntungkan dalam kemudahan secara matematis dan
penghitungan.

Varians adalah salah satu parameter yang menjelaskan, antara lain, distribusi probabilitas sebenarnya
dari suatu populasi bilangan yang diobservasi, atau distribusi probabilitas teoretis dari sebuah populasi
yang tidak secara penuh diobservasi di mana sebuah bilangan sampel diambil. Pada kasus terakhir,
sebuah sampel data dari distribusi dapat digunakan untuk membentuk sebuah estimasi varians dari
distribusi yang mendasarinya; pada kasus sederhana estimasi ini bisa menjadi varians sampel.

Istilah varians pertama kali diperkenalkan oleh Ronald Fisher dalam makalahnya pada tahun 1918 yang
berjudul The Correlation Between Relatives on the Supposition of Mendelian Inheritance ("Korelasi di
Antara Kerabat dalam Kerangka Pewarisan Mendel").

Pengujian Sampel Tunggal

Uji t untuk satu sampel dalam istilah lain biasanya disebut dengan One Sample t-test Method,
merupakan prosedur uji t untuk sampel tunggal jika rata-rata suatu variabel tunggal dibandingkan
dengan suatu nilai konstanta tertentu. Uji t dipakai jika jumlah data sampel di bawah 30.

Syarat uji t satu sampel :

 Data merupakan data kuantitatif

 Memenuhi asumsi berdistribusi normal

 Hipotesis

Hipotesis
Statistik Uji

Uji Data Dua Sampel Independen

Uji t untuk sampel independen merupakan prosedur uji t untuk sampel bebas
dengan membandingkan rata-rata dua kelompok kasus. Kasus yang diuji
bersifat acak. Pengujian hipotesis dengan distribusi t adalah pengujian
hipotesis yang menggunakan distribusi t sebagai uji statistik. Tabel pengujian disebut tabel t-student.

Kriteria data untuk uji t sampel independen :

 Data untuk dua sampel bersifat independen

 Sampel acak dari distribusi normal

Fungsi pengujian uji t :

 Untuk memperkirakan interval rata-rata.

 Untuk menguji hipotesis tentang rata-rata suatu sampel.

 Untuk mengetahui batas penerimaan suatu hipotesis.

 Untuk menguji layak tidaknya sebuah pernyataan dapat dipercaya atau tidak.

Contoh uji t sample independen

Seorang Kepala Puskesmas menyatakan bahwa jumlah rata-rata kunjungan pasien di puskesmas X adalah
20 orang. Untuk membuktikan benar tidaknya pernyataan tersebut, maka diambil sampel secara random
(acak) sebanyak 20 hari kerja dan diperoleh rata-rata 23 orang dengan standar deviasi 6 orang.

Jawab :

H0 = 20 (Tidak ada perbedaan kunjungan pasien tahun lalu dengan saat ini)

Ha ? 20 (Ada perbedaan kunjungan pasien tahun lalu dengan saat ini)

Titik kritis t pada a = 0,05 dan df = 19 ? t tabel = 2,093

H0 ditolak bila t -hitung > t ?tabel = 2,093

H0 diterima bila t -hitung < t ? tabel = 2,093

Uji -t

t -hitung = (x - u) / (s / ? n)

t -hitung = (23 -20) / (6 / ? 20)

t -hitung = 3 / 1,341

t -hitung = 2,24

Karena nilai t - hitung = 2,24 > t ? tabel = 2,093 ? H0 ditolak

Kesimpulan : ada perbedaan kunjungan pasien tahun lalu dengan saat ini.

Uji Dua Sampel Berhubungan

Dependent sample t-test atau sering diistilakan dengan Paired Sampel t-Test, adalah jenis uji statistika
yang bertujuan untuk membandingkan rata-rata dua grup yang saling berpasangan. Sampel berpasangan
dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun mengalami 2 perlakuan atau
pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah dilakukan sebuah treatment.

Syarat jenis uji ini adalah:

1. Data berdistribusi normal;

2. Kedua kelompok data adalah dependen (saling berhubungan/berpasangan);

3. Jenis data yang digunakan adalah numeric dan kategorik (dua kelompok).

Rumus t-test yang digunakan untuk sampel berpasangan (paired) adalah:

Pengujian Tiga Sampel

Kegunaan

Menguji perbedaan tiga kelompok atau lebih

alternaif pengganti uji anova ketika persyaratan
homogenitas variannya tidak terpenuhi.
 Keterangan :

R=Jumlah ranking per kondisi /

perlakuan

nj=Banyaknya kasus per j

t=banyaknya observasi berangka sama dalam data.

N=Banyaknya kasus

BAB 9
 Penggunaan Kalkulator dan Komputer

Penggunaan Kalkulator

Calculator CASIO fx-991ES PLUS / Kalkulator CASIO fx-991ES PLUS

1. Mean

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 2 (x)

 Tekan =

2. Median

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 1 (n)

 Tekan =

 Jika data aneh:

 Tekan ans
  Tekan tanda + (tanda tambah)

 Tekan angka 1

 Tekan =

 Tekan ans

 Tekan:: tanda terbagi)

 Tekan angka 2

 Tekan =

 Mode pencarian data sesuai dengan hasil perhitungan

 Jika datanya genap:

 Tekan ans

 Tekan:: tanda terbagi)

 Tekan angka 2

 Tekan =

 Mode pencarian data sesuai dengan hasil perhitungan

 Tekan mode

 Pilih 1 (comp)

 Data tengah ditambahkan, lalu dibagi 2

 Modean =

3. Mode

 Lihat data yang sering muncul

4. Max

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift
  Tekan 1 (stat)

 Pilih 6 (minmax)

 Pilih 2 (maks.)

 Tekan =

5. Min

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 6 (minmax)

 Pilih 1 (minx)

 Tekan =

6. kisaran (Range)

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 6 (minmax)

 Pilih 2 (maks.)

 Tekan =

 Tekan ans
  Tekan - (tanda minus)

 Tekan shift

 Tekan 1 (stat)

 Pilih 6 (minmax)

 Pilih 1 (minx)

 Tekan =

7. varian

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 4 (sx)

 Tekan =

 Tekan ans

 Tekan x2

 Tekan =

8. standar deviasi

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift
  Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 4 (sx)

 Tekan =

9. koefisien variasi

 Tekan mode

 Pilih 3 (stat)

 Pilih 1 (1-var)

 Isi kolom dengan data, tekan = (masukkan) masing-masing untuk memasukkan data berikutnya

 Tekan ac

 Tekan shift

 Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 4 (sx)

 Tekan =

 Tekan ans

 Tekan:: tanda terbagi)

 Tekan shift

 Tekan 1 (stat)

 Pilih 4 (var)

 Pilih 2 (x)

 Tekan =

 Pilih ans

 Tekan x (tanda berlipat ganda)

 Tekan angka 100

 Tekan =
SPSS (Statistical Product and Service Solutions)

Adalah suatu program komputer statistik yang mampu mengolah/memproses data statistik secara cepat
dan tepat, untuk mendapatkan berbagai hasil/keluaran yang dikehendaki para pengambil keputusan.

Komponen SPSS

1. Data Collection, mengumpulkan data untuk pengolahan data

2. Data Preparation, persiapan data untuk pengolahan data lebih lanjut

3. Data analysis & Data mining, menyediakan berbagai perhitungan statistik untuk pengolahan data

4. Data deployment, mendistribusikan hasil pengolahan data (informasi)

Cara Kerja SPSS (analogi dengan proses komputer)

Pada Komputer

Data Input Data Output Proses Komputer

Pada Statistik

Data Input Proses Statistik Data Output

Window Pada SPSS

1. Data Editor

– File, Edit, View, Data, Transform, Analize, Graphs, Utilities,

– Window, Help

2. Menu Output Navigator

Insert, Format

3. Menu Pivot Table Editor

4. Menu Chart Editor

Gallery, Chart, Series

5. Menu Text Output Editor

6. Menu Syntax Editor

7. Menu Script Editor

Bagian SPSS yang berhubungan dengan statistik deskriptif

1. Frequencies.
– Membahas beberapa penjabaran ukuran statistik deskriptif seperti

Mean, Median, Kuartil, Persentil, Standar Deviasi dll

2. Descriptive

– Berfungsi untuk mengetahui skor z dari suatu distribusi data dan menguji menguji apakah data
berdistribusi berdistribusi normal atau tidak

3. Explore

– Berfungsi untuk memeriksa lebih teliti terhadap sekelompok data dengan Box-Plot dan Steam and Leaf
Plot, selain beberapa uji tambahan untuk menguji apakah data berasal dari distribusi normal.

4. Crosstab

– Digunakan untuk menyajikan deskripsi data dalam bentuk tabel silang. Menu ini juga dilengkapi
dengan analisis hubungan di antara baris dan kolom, seperti independensi antara mereka, besar
hubungannya dsb

5. Case Summaries

– Digunakan untuk melihat lebih jauh isi statistik

Penggunaan Penggunaan Regresi Regresi dengan SPSS.

1. Pilih menu Analyze – Regression – Linear

2. Tentukan var bergantung dan var bebas

3. Tentukan Metode yang digunakan (Enter, Stepwise, Forward, Backward)

4. Tentukan perhitungan statistik yang diperlukan

5. Tentukan jenis plot yang diperlukan

6. Tentukan harga F testnya

Daftar Pustaka

Statistika Dasar: Luhut P.Panggabean

Metode Statistik: Sudjana

Introduction to Statistics : Wallpole

Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, edisi-4 Ronald E Walpole & Raymond H Myers

Sudijono, Anas. 2012. Pengantar Statistik Pendidikan. Jakarta: RajaGrafindo Persada. Halaman 1-
4.Pembagian Statistika

http://julanhernadi.files.wordpress.com/2009/03/stat_das-bab-ii1.pdf

http://idalydiati.files.wordpress.com/2010/05/statiska.pdf

http://ryena.files.wordpress.com/2009/01/tabel-distribusi-frekuensi-dan-histogram1.pdf

http://viska.web.id/wp-content/uploads/2012/03/Statistika_TI_Pertemuan-4-6.pdf
Bungin, Burhan. 2006. Metode Penelitian Kuantitatif Komunikasi, Ekonomi, dan Kebijakan Publik serta
Ilmu-ilmu Sosial Lainnya. Jakarta. Prenada Media Group.

Hadi, S. 1995. Statistik 1, 2, 3, Yogyakarta. Andi Offset

Nazir, Mohamad. 1983. Metode Penelitian. Jakarta. Ghalia Indonesia.

Sudjana. 1992. Metoda Statistika (Edisi ke 5). Bandung: Tarsito

Sugiyono. 2003. Statistika untuk Penelitian, Bandung. Alfabeta

Susetyo, Budi. 2010. Statistika Untuk Analisis Data Penelitian. Bandung. PT. Refika Aditama.

Walpole, R.E. 1992. Pengantar Statistika. Jakarta. PT Gramedia Pustaka Utama.

Perpustakaan Nasional RI: Data Katalog dalam Terbitan (KDT)

HARI PRASTYO Statistik Dasar: Sebuah Panduan untuk Peneliti

Pemula/Penyusun, Hari Prastyo. -- Mojokerto: Lembaga Pendidikan dan Pelatihan International English
Institute of Indonesia, 2017.xii – 28 hlm; 21 cmISBN : 978-602-61737-0-61. Statistik, Dasar – Penelitian. I.
Judul II. Lembaga Pendidikan dan Pelatihan International English Institute of Indonesia. Cetakan Pertama:
Mei 2017

Suharyadi, dan S. K. Purwanto,2009, Statistika: Untuk Ekonomi dan Keuangan Modern, Edisi 2, Buku 1,
Penerbit Salemba Empat, Jakarta. Halaman 25-39.