CARA PENYAJIAN DATA

a) Mengadakan penelitian langsung ke lapangan atau laboratorium terhadap

obyek yang diteliti, hasilnya dicatat dan dianalisis.
b) Mengambil atau menggunakan sebagian atau seluruhnya dari
sekumpulan data yang telah dicatat atau dilaporkan oleh badan atau orang
lain.
c) Mengadakan angket (Quesioner), yaitu cara pengumpulan data dengan
menggunakan daftar isian atau daftar pertanyaan yang telah disiapkan dan
disusun sedemikian rupa sehingga calon responden hanya tinggal mengisi
atau menandainya dengan mudah dan cepat.
Penyajian Data
1. Dalam bentuk tabel/daftar
2. Grafik/diagram
a. Diagram Batang
b. Diagram garis
c. Diagram lingkaran
a. Diagram Batang
Penyajian data dengan
menggunakan gambar yang
berbentuk batang atau kotak
disebut diagram batang.
Diagram batang dapat digambar
vertikal maupun horisontal.

b. Diagram Lingkaran

1
 Penyajian data dengan menggunakan gambar yang berbentuk
daerah lingkaran disebut diagram lingkaran. Daerah lingkaran dibagi ke
dalam sektor-sektor atau juring-juring.

.
c. Diagram Garis
Penyajian data dengan diagram garis biasanya digunakan untuk
menunjukkan perubahan sepanjang periode tertentu. Contoh : Data
lulusan SMK Nusantara yang bekerja sesuai dengan bidangnya dari tahun
2003 sampai tahun 2007 sebagai berikut. Buatlah diagram garisnya.

2
Ukuran Gejala Pusat dan Ukuran Letak
1) Ukuran gejala pusat : rata-rata dan modus
2) Ukuran letak : median, kuartil, desil dan presentil
1. Ukuran gejala pusat : rata-rata dan modus
a. Rata-rata : Ukuran pemusatan data adalah nilai tunggal dari
data yang dapat memberikan gambaran yang lebih jelas dan
singkat tentang disekitar mana data itu memusat, serta
dianggap mewakili seluruh data.
b. Modus : Modus dari sekumpulan bilangan adalah bilangan
yang paling sering muncul atau nilai yang memiliki frekuensi
terbanyak.
2. Ukuran letak : median, kuartil, desil dan presentil
a. Median : Median dari sekumpulan bilangan adalah bilangan
yang ditengahtengah setelah bilangan-bilangan itu diurutkan
dari yang terkecil sampai yang terbesar.
b. Kuartil : Jika sekumpulan data dibagi menjadi 4 bagian sama
banyak, sesudah disusun menurut urutan nilainya, maka
bilangan pembaginya disebut Kuartil • Ada 3 buah kuartil
yaitu kuartil pertama, kuartil kedua, kuartil ketiga (K1 , K2 ,
K3 ).
c. Desil : Desil adalah bilangan yang membagi data menjadi 10
bagian yang sama.
d. Persentil : Persentil adalah bilangan yang membagi data
menjadi 100 bagian yang sama. Dalam sekelompok data ada
9 desil dan 99 persentil. Cara mencari desil dan persentil
sama dengan cara mencari median dan kuartil, yang berbeda
hanya letaknya saja.

3
 JENIS-JENIS DATA DAN INTERPRETASI

1. Data Nominal
Data nominal adalah sebagai pengganti nama atau sebutan suatu gejala
dengan angka. Skala ini juga disebut skala kategorial. Angka disini hanya
bersifat lambang dari sebuah benda, nama, jenis, orang dan lain-lain,
misalnya:
1=laki–laki
2= perempuan
Bisa juga dibalik. Sedangkan metode yang digunakan adalah modus.
2. Data Ordinal
Data ordinal adalah sebagai pengganti sebuah gajala dengan angka akan
tetapi yang memiliki peringkat yang besarnya (tinggi rendah) tidak
diketahui misal a > b > c > dimana a lebih besar dari b dan b lebih besar dari
c dll. Atau misal lebih senang, lebh rajin dan lainya.
3. Data interval
Data interval adalah data ordinal yang jaraknya diketahui. Memiliki jarak
yang pasti atau bersifat linier/ jarak yang bisa dihitung intervalnya. Dan
mengenal bilangan negative. Misal dengan skala baik sekali 3, cukup 2, dan
tidak baik 3 dan lain-lain.
4. Data Rasio
Data rasio adalah data interval yang tidak mengenal nilai negatif. Semua
teknik dapat dipakai pada data rasio.
Penyajian data
Agar data yang tidak beraturan / skor kasar dapat memiliki makna, maka
diperlukan penyajian data yang sisitematis. Beberapa model penyajian data
antara lain adalah distribusi frekuensi, tabel silang, dan Grafik frekuensi.
1. Pembuatan distribusi frekuensi
Disribusi frekuensi adalah penyajian data dalam bentuk tabel dari tinggi ke
rendah atau sebaliknya secara urut dan dihitung interval skor – skornya atau
frenkuensi setiap skor. Jenis distribusi frekuensi antra lain : Distribusi
tunggal, distribusi bergolong, distribusi silang.

4
a. Distribusi Tunggal
Menampilkan data dalam bentuk tabel secara tunggal secara urut dari
data paling tinggi ke rendah. Distribusi tunggal disajikan jika jarak
sebaran (range) nya rendah / biasanya maksimal 15.
Rumus jarak Sebaran ada dua (bisa gunakan salah satu)
Jarak sebaran = Skor tertinggi – Skor terendah + 1
Jarak sebaran = Skor tertinggi – Skor terendah (tanpa +1)
b. Distribusi Bergolong
Adalah menampilkan data dalam bentuk tabel secara urutu dari tinggi
ke rendah yang datanya dikelompokan dalam kelas interval tertentu
sesuai kebutuhan misal jaraknya 5 atau 7 atau 11 umumnya ganjil untuk
memudahkan menentukan titik tengah (median) agar mudah dalam
perhitungan. Distribusi berogolong digunakan untuk data yang rangenya
relatif tinggi / lebih dari 15.
Penentuan besarnya kelas adalah pengelompokan kelas skor sebagai
batas atas dan bawah. Misalkan saja skor 50 hingga 54 (50 -54)
dikelompokkan dalam satu kelas interval. Maka skor 50 – 54 masuk
masuk kedalam kelompok skor tersebut. Maka intervalnya adalah 5.
Penentuan besarnya interval. Dalam penentuan kelas interval sebaiknya
ganjil bisa 2, 2, 5, 7, 11. Dalam penentuan interval ini sebaiknya tidak
terlalu besar untuk menghidari kaburnya informasi.
Rumus Jarak Interval
Interval : Jarak sebaran / Kelas
Keterangan :
Jarak sebaran = Skor tertinggi – Skor Terendah + 1
Kelas : Jumlah kelompok Skor yang akan di buat
Misal : Interaval : (79 – 25) + 1 / 11 = 5
Sehingga di dapat interval = 5 dengan jumlah kelas 11, maka dibuat
tabel dengan besarnya kelas sebanyak 11 dengan interval 5.
c. Frekuensi Kumulatif
Untuk menghitung semua frekuensi diatas dan dibawah suatu kelas dan
menghitung persen frekuensinya. Tentunya dalam menghitung

5
 frekuensi dan presentase kumulatif melanjutkan presentase pada tabel
data sebelumnya.
Rumus Frekuensi kumulatif:
Frekuensi kumulatif = Jumlah Frekuensi dibawahnya + Frekuensi yang
bersangkutan.
Sehingga perhitungan frekuensi mulai dari yang paling bawah karena
harus menghitung Jumlah Frekuensi dibawahnya.
Rumus Presentate kumulatif
Presentase frekuensi kumulatif = Frekuensi kumulatif x 100 / jumlah
frekuensi.
d. Tingka persentil
Tingkat persentil berfungsi untuk mengetahui tingkat kedudukan sebuah
skor didalam kelompoknya. Sehingga dapat diketahui berapa skor yang
ada diatas atau dibawahnya. Hal ini akan dapat mengetahui
“kemampuan” seorang siswa diantara kelompoknya.
Rumus Tingkat Persentil pada data distribusi tunggal
TP = Fb x 100 / N
TP : Tingkat persentil
Fb : Frekuensi kumulatif dibawahnya
N : jumlah subjek / frekuensi
Rumus Tingkat Persentil pada distribusi bergolong
TP= Fb + (0,5 x Fp) / N x 100
TP : Tingkat Persentil
Fb : Frekuensi kumulatif dibawahnya
Fp : Frekuensi
N : Jumlah subjek / frekuensi
Membaca hasil Tingkat Perentil
Misalkan skor seorang siswa 67 dari jumlah siswa sebanyak 40 orang
dan ada hasil tingkat persentil 60 / 60 persen. Maka dapat disimpulkan
bahwa 24 siswa ada dibawah siswa tersebut (60 x 40 / 100 = 24 siswa).
Dan 40 persen (100% – 60%= 40%) atau sebanyak 16 siswa (40 x 40 /
100 = 16 siswa) berada diatasnya.

6
2. Tabel Silang
Penyajian data dalam bentuk tabel umumnya dari data nominal. Dalam
penyusunn tabel data silang bisa menggunakan satu variabel atau dua
varibel. Biasanya kolom untuk variable bebas, sedangkan baris (row) untuk
variabel tergantung (dependent).
3. Penyajian data dalam bentuk grafik frekuensi
Grafik atau grafik frekuensi memiliki beberapa jenis, dengan penggunakan
grafik frekuensi, data akan lebih menarik karena dapat disajikan dalam
bentuk visual:
a) Historgram : deretan kolom persegi Panjang
b) Poligon : berdasarkan histogram lalu menghubungkan titik –titik
tengah kolom dengan menarik garis atau titik-titik.
c) Kurve : berdasarkan polygon dengan melalukan perataan /
penghalusan garis poligon.

Cara penyajian data penelitian dilakukan melalui berbagai bentuk. Pada

umumnya dikelompokkan menjadi 3, yakni penyajian dalam bentuk teks
(textular), penyajian dalam bentuk tabel dan penyajian dalam bentuk grafik.
Secara umum, penggunaan ketiga bentuk penyajian ini berbeda. Penyajian
secara textular biasanya digunakan untuk penelitian atau data kualitatif,
panyajian dengan tabel digunakan untuk data yang sudah diklarifikasikan
dan ditabulasi. Tetapi apabila data akan diperlihatkan atau dibandingkan
secara kuantitatif maka disajikan dalam bentuk grafik. Meskipun demikian
pada prakteknya ketiga bentuk penyajian ini dipakai secara bersama-sama
karena memang saling melengkapi.

Hal yang perlu diperhatikan ketika membuat grafik :

1. Menentukan sumbu absis (X) dan ordinat Y). Sumbu absis

mencantumkan nilai dan sumbu ordinat mewakili frekuensi.

2. Menentukan perbandingan antara X dan Y. Lazimnya sumbu X dibuat

tebih panjang.

3. Pemberian nama pada tiap sumbu.

4. Pemberian nama pada grafik.

Jenis Grafik, Bagan dan Diagram:.

1. Histogram

7
Grafik ini disebut juga Bar diagram yakni grafik berbentuk segi empat.
Dasar pembuatan dengan menggunakan batas nyata atau titik tengah.

2. Poligon

Grafik ini juga populer dengan sebutan poligon frekuensi. Dibuat dengan
menghubungkan titik tengah dalam bentuk garis (kurve), Grafik ini
mendasarkan pada titik tengah dalam pembuatannya.

3. Grafik Ogive

Disebut juga grafik frekuensi meningkat, karena cara pembuatannya dengan

menjumlah frekuensi pada tiap nilai variabel.

4. Bagan melingkar/ grafik melingkar

Yaitu gratik atau bagan berupa lingkaran yang telah dibagi menjadi
beberapa bagian sesuai dengan proporsi data. Biasanya dinyatakan dalam
persen.

5. Grafik batang atau balok

Yaitu grafik yang berbentuk persegi panjang yang lebarnya sama dan
dilengkapi dengan skala atau ukuran sesuai data yang bersangkutan. Setiap
batang tidak boleh saling melekat atau menempel dan jarak tiap batang harus
sama. Susunan graflk ini boleh tegak atau mendatar.

6. Kartogram atau peta statistik

Yaitu grafik data berupa peta yang menunjukkan kondisi data dan diwakili
oleh lambang tertentu dalam sebuah peta. Biasanya untuk menggambarkan
kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan, hasil
pertambangan dan sebagainya.

7. Piktogram

Yaitu grafik data yang menggunakan gambar atau lambang dalam

penyajiannya. Satu lambang bisa mewakili jumlah tertentu.

8. Grafik garis

Yaitu grafik data berupa garis yang diperoleh dan ruas garis yang
menghubungkan titik-titik pada bilangan. Grafik ini dibuat dengan 2 sumbu
yakni sumbu X menunjukkan bilangan yang sifatnya tetap, seperti tahun,
ukuran dan sebagainya. Sedangkan pada sumbu Y ditempatkan bilangan
yang sifatnya berubah-ubah seperti, harga, biaya dan jumlah.

8
 PERBEDAAN TABEL DAN GRAFIK

1. Grafik Histogram
Histogram merupakan grafik dari distribusi frekuensi suatu
variabel. Tampilan histogram berupa petak-petak empat persegi panjang.
Sebagai sumbu horizontal (absis, sumbu x) boleh memakai tepi-tepi kelas,
batas-batas kelas atau nilai-nilai variabel yang diobservasi, sedang sumbu
vertikal (ordinat, sumbu y) menunjukan frekuensi. Untuk distribusi
bergolong/ kelompok yang menjadi absis adalah nilai tengah dari masing-
masing kelas (Somantri, 2006).

Histogram adalah bagian dari grafik batang di mana skala horisontal

mewakili nilai- nilai data kelas dan skala vertikal mewakili nilai
frekuensinya. Histogram dibuat setelah tabel distribusi frekuensi data
pengamatan dibuat. Untuk memberikan gambaran nilai yang terbesar
dengan frekuensinya. Sebaliknya dapat pula mengamati nilai terkecil
dengan frekuensi (Hasan, 2009).

Menurut Hasan (2009) menyatakan histogram merupakan grafik

batang dari distribusi frekuensi. Histogram adalah diagram kotak yang
lebarnya menunjukkan interval kelas, sedangkan batas-batas tepi kotak
merupakan tepi bawah dan tepi atas kelas, dan tingginya menunjukkan
frekuensi pada kelas tersebut.

Jadi histogram adalah diagram kotak yang lebarnya menunjukkan

interval kelas, sedangkan batas-batas tepi kotak merupakan tepi bawah dan
tepi atas kelas, dan tingginya menunjukkan frekuensi pada kelas tersebut.

Histogram adalah bentuk diagram batang yang menyajikan daftar

distribusi kelompok. Data yang digunakan untuk membuat histogram
adalah data pengukuran yang berbentuk numerik. Langkah-langkah untuk
membuat histogram suatu data berkelompok adalah sebagai berikut :
(Hasan, 2009)

9
1. Menggambar sumbu horizontal (untuk nilai) dan sumbu vertical (untuk
frekuensi).
2. Menggambar persegi panjang untuk setiap interval. Alas persegi
panjang menunjukkan panjang kelas (c), yaitu dari tepi bawah kelas
sampai tepi atas kelas, sedangkan tinggi persegi panjang menunjukkan
frekuensinya.
3. Diatas tiap persegi panjang dapat ditulis frekuensi masing-masing agar
histogram mudah dibaca.
Contoh Grafik Histogram

Gambar 1.1 (Nilai Ulangan 40 siswa di SMAN 1 Banjarbaru)

Dari 40 siswa di SMAN 1 Banjarbaru dengan standar nilai 65,00

terdapat <20 mahasiswa yang tidak lulus ulangan sedangkan >20 siswa lulus
dengan nilai yang memuaskan.

10
 Menurut Akbar (2006), kelebihan dan kekurangan dari grafik
histogram yaitu :

Kelebihan dari grafik histogram :

 Paling sederhana dan paling umum digunakan, memudahkan dalam

membaca data
 Penjelasan lebih praktis tanpa harus menggunakan banyak kalimat
Kekurangan dari grafik histogram :

 Tidak dapat menampilkan data dari tiap orang atau individu

 Hanya menyajikan data yang telah dikelompokkan menurut kategori

2. Grafik Ogive
Ogive adalah grafik garis yang menggambarkan frekuensi
kumulatif, seperti daftar distribusi frekuensi kumulatif. Perhatikan bahwa
batas-batas kelas dihubungkan oleh segmen garis yang dimulai dari batas
bawah kelas pertama dan berakhir pada batas atas dari kelas terakhir. Ogive
berguna untuk menentukan jumlah nilai di bawah nilai tertentu. Adapun
tujuan ogive adalah untuk mempermudah dalam penyajian data dalam
bentuk tabel atau kurva (Siregar, 2010).

Menurut Siregar (2010), untuk membuat grafik ogive terlebih

dahulu mencari nilai frekuensi kumulatif. Grafik ogive dibuat dari daftar
sebaran frekuensi kumulatif kurang dari dan frekuensi kumulatif lebih dari.
Data yang digunakan untuk membuat grafik ogive adalah data pengukuran
yang berbentuk numerik. Langkah-langkah membuat grafik ogive antara
lain:

1. Menentukan nilai frekuensi kumulatif.

2. Menghitung frekuensi kumulatif positif dan negatif.
Ogive adalah grafik yang digambarkan berdasarkan data yang
sudah disusun dalam bentuk tabel distribusi frekuensi kumulatif. Untuk
data yang disusun dalam bentuk tabel distribusi frekuensi kumulatif
kurang dari, grafiknya berupa ogive positif, sedangkan untuk data yang

11
disusun dalam bentuk tabel distribusi frekuensi kumulatif lebih dari,
grafiknya berupa ogive negatif (Siregar, 2010).

Contoh Grafik Ogive

Upah Karyawan

Grafik Ogive (Kumulatif Kurang Dari)

Gambar 1.2 Nilai Kumulatif 20 Mahasiswa PAT Biostatistik

Sebagai contoh, pada gambar 1.2 menunjukkan bahwa 20

mahasiswa mendapatkan nilai kurang dari 90.5 tidak ada perbedaan antara
jenis laki-laki dan perempuan.

Menurut Akbar (2006), kelebihan dan kekurangan dari ogive yaitu :

Kelebihan ogive :

 Digunakan untuk menyajikan perbandingan data terhadap keseluruhan

data
 Digunakan untuk data yang berkesinambungan.

12
 Digunakan untuk menyajikan data frekuensi kumulatif dalam bentuk
nilai kurang dari dan lebih dari.
 Digunakan untuk menyajikan perbandingan data terhadap keseluruhan
data.
 Untuk memperkirakan median, kuartil bawah, dan kuartil atas.

Kekurangan ogive :

 Hanya digunakan untuk data yang berkesinambungan

 Perlu ketelitian dalam membaca grafik ini.

3. Grafik Poligon
Poligon Frekuensi menggunakan segmen garis yang terhubung ke
titik yang terletak tepat di atas nilai-nilai titik tengah kelas. Ketinggian
dari titik-titik sesuai dengan frekuensi kelas, dan segmen garis diperluas
ke kanan dan kiri sehingga grafik dimulai dan berakhir pada sumbu
horizontal (Riduwan, 2003).
Jika titik-titik tengah dari sisi atas tiap persegi panjang yang
berdekatan pada histogram dihubungkan, maka akan diperoleh grafik garis
yang disebut poligon distribusi frekuensi. Poligon frekuensi ialah grafik
garis yang menghubungkan nilai tengah tiap sisi atas yang berdekatan
dengan nilai tengah jarak frekuensi mutlak masing-masing (Riduwan,
2003).

Poligon frekuensi merupakan grafik garis dari distribusi frekuensi.

Tampilan poligon berupa garis-garis patah yang diperoleh dengan cara
menghubungkan puncak dari masing-masing nilai tengah kelas (Hasan,
2009).

Menurut Somantri (2006) poligon frekuensi merupakan grafik dari

distribusi frekuensi bergolong suatu variabel. Tampilan poligon berupa
garis-garis patah yang diperoleh. Data yang digunakan untuk membuat
poligon adalah data pengukuran yang berbentuk numerik. Jadi poligon

13
frekuensi adalah titik-titik tengah sisi atas dari histogram yang dihubungkan
satu sama lain oleh ruas-ruas garis.

Contoh Grafik Poligon

Gambar 1.3 Nilai Ujian Mahasiswa PSIK FK Unlam Blok Reproduksi

2

Dari 20 Mahasiswa, 14 mahasiswa lulus blok reproduksi 2

sedangkan 6 mahasiswa lain tidak lulus dengan nilai dibawah 60 dan harus
mengulang ujian kembali.

Menurut Akbar (2006), kelebihan dan kekurangan grafik poligon yaitu :

Kelebihan dari grafik poligon :

 Biasa digunakan untuk memperkirakan pola yang telah diperoleh

Kekurangan dari grafik poligon :

 Harus sangat teliti dalam membaca grafik

14
Perbedaan antara histogram, ogive dan poligon yaitu : (Hasan, 2009)
 Histogram menggunakan batas kelas yang berwujud segi empat atau
menyerupai diagram batang
 Ogive menggunakan nilai kumulatif kurang dari (ogive positif) dan nilai
kumulatif lebih dari (ogive negatif). Ogive positif dibentuk dengan
menghubungkan titik-titik dengan tepi atas sebagai absis dan frekuensi
kumulatif sebagai ordinat. Sedangkan ogive negatif dibentuk dengan
menghubungkan titik-titik dengan tepi bawah sebagai absis dan frekuensi
kumulatif sebagai ordinat.
 Poligon menggunakan titik tengah yang berwujud garis atau kurva yang
saling berhubungan satu sama lain.

Pengertian Tabel
Tabel adalah daftar yang berisi sejumlah informasi berupa kata-kata dan
bilangan, yang tersusun berturut ke bawah dalam kolom dan baris tertentu.
Untuk menjelaskan isi tabel kita perlu membekali diri dengan pengetahuan
yang berkaitan dengan informasi yang disusun dalam baris dan kolom.
Tujuan dibuat tabel :
1. Dapat memberikan banyak informasi secara ringkas
2. Mempermudah pembaca dalam memahami bacaan

Hal – hal yang perlu diperhatikan dalam menafsir tabel :

1. Mencermati bagian-bagian tabel
2. Membaca informasi di sekitar tabel
3. Mengajukan pertanyaan tentang isi tabel
4. Menafsirkan angka-angka atau data
5. Mengaitkan antardata dengan tabel
6. Mengambil kesimpulan

15
 UJI NORMALITAS DAN APLIKASI SPSS

1. Uji Normalitas
Pengujian normalitas dilakukan untuk mengetahui normal tidaknya suatu
distribusi data. Hal ini penting diketahui berkaitan dengan ketepatan
pemilihan uji statistic yang akan digunakan. Uji parametric misalnya,
mengisyaratkan data harus berdistribusi normal. Apabila distribusi data
tidak normal maka disarankan untuk menggunakan uji nonparametrik. Uji
normalitas merupakan suatu pengujian sekelompok data untuk mengetahui
apakah distribusi data tersebut membentuk kurva normal atau tidak.
(Soematri, 2006)
Pengujian normalitas ini harus dilakukan apabila belum ada teori yang
menyatakan bahwa variabel yang diteliti adalah normal. Dengan kata lain,
apabila ada teori yang menyatakan bahwa suatu variabel yang sedang diteliti
normal, maka tidak diperlukan lagi pengujian normalitas data. (Yusri, 2013)
Dalam melakukan uji normalitas untuk mengetahui distribusi data dapat
dilakukan dengan beberapa cara, namun dalam hal ini hanya dibatasi pada
tiga cara, yaitu dengan menggunakan kertas peluang normal, dengan
menggunakan rumus chi kuadrat, dan dengan menggunakan uji liliefors.

Uji Normalitas dengan Liliefors test

Uji Liliefors adalah uji normalitas secara nonparametrik. Uji normalitas ini
bertujuan untuk mengetahui bentuk distribusi populasi berdasarkan sampel
yang diambil secara acak. Hipotesis yang diajukan adalah sampel penelitian
berasal dari populasi berdistribusi normal (H0) melawan tandingan bahwa
distribusi tidak normal (H1).

Kelebihan Liliefors test adalah penggunaan atau perhitungannya yang

sederhana, serta cukup kuat sekalipun dengan ukuran sampel yang kecil (n
= 4) (Ating Soemantri, 2006). Proses pengujian Liliefors test dapat
dilakukan dengan langkah-langkah sebagai berikut:

16
 1. Susunlah data dari terkecil sampai yang terbesar. Setiap data ditulis
sekali, meskipun ada beberapa data.
2. Periksa data, berapa kali munculnya bilangan-bilangan itu (frekuensi
harus ditulis).
3. Dari frekuensi susun frekuensi kumulatifnya.
4. Hitung Proporsi empiric (observasi) berdasarkan frekuensi kumulatif.
5. Hitung nilai z untuk mengetahui theoretical proportion pada tabel z.
6. Menghitung theoretical proportion.
7. Bandingkan empirical propotion dengan theoretical proportion,
kemudian carilah selisih terbesar di dalam titik observasi antara kedua
proporsi tadi.
8. Carilah selisih terbesar di luar titik observasi.

Uji Normalitas dengan Kertas Peluang Normal

Pengujian normalitas dengan kertas peluang normal dapat dilakukan dengan

membuat grafik data pada suatu kertas peluang normal dengan skala tertentu
yang telah tertera dalam kertas tersebut. Untuk sumbu mendatar, skala
berbentuk linier dan dipergunakan untuk mendapatkan skor batas atas skala
interval. Sedangkan sumbu tegak yang mempunyai skala tidak linier tetapi
sesuai dengan distribusi kurva normal diberikan angka frekuensi kumulatif
relative dari kelas interval tersebut (Yusri, 2013).

Sehubungan dengan letak titik-titik pada garis lurus atau mendekati pada
garis lurus sehingga dapat disimpulkan berdistribusi normal maka ada dua
hal yang perlu diperhatikan, yaitu sebgai berikut:

1. Mengenai data itu sendiri

Dikatakan bahwa data itu berdistribusi normal atau hampir berdistribusi
normal, atau dapat didekati dengan teknik-teknik untuk data berdistribusi
normal.
2. Mengenai populasi darimana itu diambil

17
 Dikatakan bahwa populasi dari mana sampel diambil ternyata berdistribusi
normal atau hampir berdistribusi normal, atau dapat didekati oleh distribusi
normal (Yusri, 2013).

Uji Normalitas dengan Menggunakan Rumus Chi-Kuadrat

Uji normalitas dengan menggunakan rumus Chi-Kuadrat juga melalui

penyusunan data dalam daftar distribusi frekuensi. Adapun rumus Chi-
Kuadrat yang digunakan dalam uji normalitas adalah:

Keterangan:
x2 = Chi-Kuadrat
f0 = frekuensi yang ada hasil observasi (keadaan data)
fh = frekuensi yang diharapkan
dk = derajat kebebasan = (k – 3)
k = banyak kelas interval

Sebelum rumus Chi-Kuadrat digunakan untuk uji normalitas, terlebih

dahulu ada beberapa besaran yang harus dihitung. Adapun langkah-langkah
menggunakan rumus Chi-Kuadrat untuk uji normalitas sebagai berikut:

1. Susun data ke dalam daftar distribusi frekuensi

2. Kemudian, hitung harga rata-rata dan simpangan.
3. Tentukan batas kelas atas dan batas kelas bawah setiap kelas interval.
4. Hitung skor z berdasarkan harga rata-rata, simpangan baku, dan batas
kelas interval.
5. Berikutnya tentukan luas di bawah kurva untuk setiap batas kelas
interval dan berdasarkan luas dihitung selisih luas batas interval yang
terdekat dan dikalikan dengan angka 100 untuk memperoleh frekuensi
harapan.
6. Selanjutnya, barulah dapat dihitung harga Chi-Kuadrat.

. Uji Normalitas dengan Uji Shapiro-Wilk

T3= dengan D =

Keterangan:

18
 D = Berdasarkan rumus di bawaha = Koefisient test Shapiro Wilk
X n-i+1 = Angka ke n – i + 1 pada data
Xi = Angka ke i pada data
Keterangan:

G = Identik dengan nilai Z distribusi normal

T3 = Berdasarkan rumus di atas bn, cn, dn = Konversi Statistik
Shapiro-Wilk Pendekatan Distribusi Normal
PERSYARATAN

a. Data berskala interval atau ratio (kuantitatif)

b. Data tunggal / belum dikelompokkan pada tabel distribusi frekuensi
c. Data dari sampel random

Uji Normalitas dengan Uji Kologrov-Sminorv

Metode Kolmogorov-Smirnov tidak jauh beda dengan metode Lilierof.

Uji Kolmogorov Smirnov digunakan untuk menguji apakah data itu
berdistribusi normal atau tidak.Langkah-langkah penyelesaian dan
penggunaan rumus sama, namun pada signifikansi yang berbeda.
Signifikansi metode Kolmogorov-Smirnov menggunakan tabel
pembanding Kolmogorov-Smirnov, sedangkan metode Lilliefors
menggunakan tabel pembanding metode Lilliefors.

1. Pengertian SPSS
SPSS adalah aplikasi yang digunakan untuk melakukan analisis statistika
tingkat lanjut, analisis data dengan algoritma machine learning, analisis
string, serta analisis big data yang dapat diintegrasikan untuk membangun
platform data analisis. SPSS adalah kependekan dari Statistical Package
for the Social Sciences. SPSS sangat populer di kalangan peneliti dan
statistikawan untuk membantu melakukan perhitungan terkait analisis
data. SPSS menyediakan library untuk perhitungan statistika dengan
antarmuka interaktif yang menjadikannya sebagai software analisis data
tingkat lanjut paling populer di berbagai universitas, instansi, dan
perusahaan.

19
Pengembangan SPSS
SPSS dirilis pertama kali pada tahun 1998. Kemudian sejak tahun 2009
SPSS telah diakuisisi oleh IBM Corporation sebagai software IBM
Analytic. Selanjutnya perangkat lunak ini disebut IBM SPSS Statistics.
Software ini dikembangkan dengan bahasa pemrograman Java. SPSS
tersedia untuk platform sistem operasi Microsoft Windows, Linux dan
Mac OS. SPSS juga dapat diintegrasikan dengan bahasa pemrograman R,
Microsoft.NET dan Python untuk penggunaan lebih lanjut.

Penggunaan SPSS
SPSS digunakan oleh berbagai universitas, institusi, dan perusahaan untuk
melakukan analisis data. Berikut beberapa contoh penggunaan SPSS:
1. Melakukan riset pemasaran (market research).
2. Analisis data survey atau kuesioner.
3. Populer digunakan untuk penelitian akademik mahasiswa.
4. Populer digunakan oleh keperluan pemerintahan seperti lembaga
BPS.
5. Data Mining.
6. Membantu untuk pengambilan keputusan suatu perusahaan.
7. Penelitian kesehatan masyarakat.
8. Mendokumentasikan data.
9. Representasi data statistik.

Fitur Dasar SPSS

Berikut fitur dasar yang disediakan perangkat lunak SPSS:
1. Statistika deskriptif
Statistika deskriptif adalah metode-metode yang berkaitan dalam hal
pengumpulan data dan penyajian data sehingga dapat diperoleh suatu
informasi dari data tersebut. Beberapa contoh statistika deskriptif yang
sering digunakan seperti rataan hitung (mean), nilai tengah (median),
nilai yang sering muncul (modus), standar deviasi, ragam, dan lain-
lain.

20
2. Statistika bivariat
Statistika bivariat adalah analisis yang dilakukan secara simultan untuk
melakukan pengujian antar 2 variabel. Beberapa contoh statistika
bivariat adalah uji t, ANOVA, uji non parametrik, teorema bayes, dan
lain-lain.
3. Regresi linear
Regresi linear adalah suatu alat ukur yang digunakan untuk mengukur
hubungan suatu linear variabel independen dengan variabel
independent.
4. Identifikasi kelompok
Beberapa metode untuk mengidentifikasi kelompok: Analisis faktor,
analisis klaster (two-step, K-means, hierarchical), dan Discriminant.
5. Analisis spasial
Analisis spasial adalah metode-metode yang digunakan dalam
pengolahan data Geographic Information System (GIS).
6. R Extension
R Extension SPSS adalah aplikasi berupa plugin yang dapat dipasang
(install) untuk melakukan implementasi algoritma yang dimasukkan
pengguna dengan bahasa pemrograman R.

21
 DAFTAR PUSTAKA

Pangestu Subagyo, (2008), Statistik Deskriptif, Yogyakarta: BPFE.

Musafaah, Fakhriadi Rudi, Rizany Ichsan. 2018. Modul Praktikum Biostatistik.

Banjarbaru: Program Studi Ilmu Keperawatan Fakultas Kedokteran
Universitas Lambung Mangkurat.

Akbar, Purnomo Setiady dan Husaini Usman. 2006. Pengantar Statistika Edisi
Kedua. Jakarta : PT Bumi Aksara

Hasan, M. Iqbal. 2009. Pokok–Pokok Materi Statistika 1 (Statistik Deskriptif).

Jakarta: Bumi Aksara.

Riduwan. 2003. Dasar-Dasar Statistika. Bandung: Alfabeta.

Siregar, Syofian. 2010. Statistika Deskriptif untuk Penelitian Dilengkapi

Perhitungan Manual dan Aplikasi SPSS Versi 17. Jakarta: Rajawali Pers.

Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi Statistika dalam
Penelitian. Bandung: Pustaka Ceria.

Soemantri, A., & Muhidin, S. A. (2006). Aplikasi Statistika Dalam

Penelitian. Bandung: Pustaka Setia.

Yusri. (2013). Statistika Sosial Aplikasi dan Interpretasi.Yogyakarta: Graha Ilmu.

22