DOSEN PEMBIMBING
DISUSUN OLEH
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.
Penyusun
Definisi ..……………………………………………….............................................................. 1
Terminologi …………………………………………………...................................................... 1
Fungsi ..………………………………………………............................................................... 1
Pengertian ..………………………………………………......................................................... 1
Varians ..……….......…................................................................................................1
SPPS 17 ..……….......…..............................................................................................1
Pengertian
Definisi
Secara Terminologi
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.
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
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:
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.
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.
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.
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.
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.
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.
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
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.
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.
1.) Urutkan dahulu data, dari data yang terkecil sampai terbesar.
Temukan data terkecil dan data terbesarnya.
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.
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
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 labar interval kelas menurutdapat menggunakan rumus berikut ini (Soedyarto dan
Maryanto,2008:13).
Jadi, lebar interval kelas dari table distribusi frekuensi di atas adalah 67.5 – 64.5 = 3
e) Titik Tengah
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
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.
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 :
BAB 4
Ukuran Kecenderungan Pusat
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 :
n = Banyak data
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
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.
b = 70,5
p = 10
b1 = 7 – 5 = 2
b2 = 7 – 3 = 4
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
Qi = kuartil ke i, (i = 1, 2, 3)
n = jumlah data
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.
Tb = Tepi bawah
n = banyaknya data
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.
Tb = Tepi bawah
n = banyaknya data
I = interval
BAB 6
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 :
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:
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.
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 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.
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.
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.
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.
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).
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:
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
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 :
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.
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 :
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 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
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
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.
BAB 8
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
Varians
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").
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.
Hipotesis
Hipotesis
Statistik Uji
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.
Untuk menguji layak tidaknya sebuah pernyataan dapat dipercaya atau tidak.
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)
Uji -t
t -hitung = (x - u) / (s / ? n)
t -hitung = 2,24
Kesimpulan : ada perbedaan kunjungan pasien tahun lalu dengan saat ini.
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.
3. Jenis data yang digunakan adalah numeric dan kategorik (dua kelompok).
Kegunaan
N=Banyaknya kasus
BAB 9
Penggunaan Kalkulator dan Komputer
Penggunaan Kalkulator
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 =
Tekan ans
Tekan tanda + (tanda tambah)
Tekan angka 1
Tekan =
Tekan ans
Tekan angka 2
Tekan =
Tekan ans
Tekan angka 2
Tekan =
Tekan mode
Pilih 1 (comp)
Modean =
3. Mode
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 shift
Tekan 1 (stat)
Pilih 4 (var)
Pilih 2 (x)
Tekan =
Pilih ans
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
3. Data analysis & Data mining, menyediakan berbagai perhitungan statistik untuk pengolahan data
Pada Komputer
Pada Statistik
1. Data Editor
– Window, Help
Insert, Format
1. Frequencies.
– Membahas beberapa penjabaran ukuran statistik deskriptif seperti
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
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.
Susetyo, Budi. 2010. Statistika Untuk Analisis Data Penelitian. Bandung. PT. Refika Aditama.
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.