STIKA
DESKRIPTIF
Suprih Widodo
PGPAUD UPI KAMPUS PURWAKARTA
2019
MODUL
STATISTIKA DESKRIPTIF
©Suprih Widodo
i
ii
KATA PENGANTAR
Segala puji hanyalah milik Allah. Dialah dzat Yang Maha Sempurna.
Penelitian pendidikan merupakan suatu upaya mengatasi masalah-masalah
dalam bidang pendidikan. Secara umum data penelitian pendidikan terbagi
menjadi data kuantitatif dan data kualitiatif. Modul ini menjelaskan
tentang Statistika Deskriptif yang biasa digunakan dalam analisis data
kuantitatif. Modul ini dilengkapi dengan pemanfaatan Excel dan SPSS
sebagai software yang biasa digunakan oleh para peneliti dalam
menganalisis data kuantitatif.
Buku ini adalah harapan bagi penulis untuk memberikan sedikit gambaran
dan petunjuk bagi para peneliti pemula untuk melakukan penelitian
pendidikan terutama dalam melakukan analisis data kuantitatif.
Akhirnya penulis berharap saran membangun untuk perbaikan buku ini,
dan ucapan terima kasih kepada semua pihak yang telah membantu
terwujudnya buku ini.
Purwakarta, 2019
Penulis
iii
iv
DAFTAR ISI
v
2. Skor Rata-rata Lainnya ............................................................ 63
B. Median dan Modus ...................................................................... 65
1. Median Data ............................................................................. 65
2. Modus ...................................................................................... 68
MODUL IV UKURAN LOKASI ........................................................... 72
A. Kuartil .......................................................................................... 72
1. Kuartil data tersebar ................................................................. 73
2. Kuartil data terkelompok ......................................................... 74
B. Desil ............................................................................................. 76
1. Desil data tersebar .................................................................... 76
2. Desil data terkelompok ............................................................ 77
C. Persentil........................................................................................ 79
1. Persentil data tersebar .............................................................. 80
2. Persentil data terkelompok ....................................................... 81
MODUL V UKURAN DISPERSI........................................................... 85
A. Pengertian Dispersi ...................... Error! Bookmark not defined.
B. Jenis-Jenis Ukuran Dispersi ......................................................... 85
C. Koefisien Variasi ......................................................................... 97
D. Kemencengan/Kecondongan ....................................................... 99
E. Keruncingan (Kurtosis) .............................................................. 103
MODUL VI KORELASI DAN REGRESI............................................ 110
A. Scatter Diagram ......................................................................... 111
B. Persamaan Regresi Linier .......................................................... 113
C. Standard Error Estimasi ............................................................. 116
D. Koefisien Korelasi Linier Sederhana ......................................... 118
E. Contoh Lain ............................................................................... 121
F. Menghitung Korelasi dan Regresi dengan Ms. Excel .......... Error!
Bookmark not defined.
DAFTAR PUSTAKA .............................. Error! Bookmark not defined.
vi
vii
MODUL I
DASAR STATISTIKA DESKRIPTIF
(Pertemuan 1, 2)
1
Beberapa Istilah Dalam Statistika
1. Perbedaan statistika dan statistik
Tentu pembaca sering mendengar istilah statistik atau statistika, namun
apakah keduanya merupakan hal yang sama? Jika tidak dimana letak
perbedaannya? Jika pembaca sering membaca koran atau majalah yang
didalamnya ada berita berkenaan dengan data baik yang disajikan dalam
bentuk diagram atau tabel, maka selalu dikatakan bahwa data yang
ditampilkan adalah data statistik. Contohnya adalah data statistik hasil
pemilihan umum Gubernur Jawa Barat tahun 2008, data ini dikatakan
sebagai data statistik bukan data statistika, perhatikan pula bahwa data
yang ditampilkan biasanya berhubungan dengan angka yang menyatakan
jumlah atau persentase pemilih pada calon-calon gubernur tersebut. Jika
demikian maka statistik dan statistika adalah dua hal yang berbeda,
perbedaannya akan kita lihat pada beberapa pengertian berikut ini:
1. Statistik dapat diartikan sebagai kumpulan angka-angka mengenai
suatu masalah, sehingga dapat memberikan gambaran mengenai
masalah tersebut. Berdasarkan contoh pada kasus pemilihan
gubernur di atas, kumpulan angka bisa dinyatakan melalui jumlah
pemilih setiap calon gubernur dan angka itu mewakili masalah
yang dinyatakan, yaitu hasil pemilihan gubernur Jawa Barat tahun
2008.
2. Statistik dapat diartikan sebagai suatu ukuran yang dihitung dari
sekumpulan data yang merupakan wakil dari sekumpulan data
tersebut. Contohnya, beberapa data telah dikumpulkan dari 40
orang mahasiswa di jurusan Matematika sebuah Perguruan Tinggi
pada suatu angkatan, yaitu data berat badan, tinggi badan dan nilai
2
pre test mata kuliah statistika. Berdasarkan data tersebut
didapatkan bahwa:
a. Rata-rata berat badan 40 mahasiswa di jurusan Matematika di
Perguruan Tinggi angkatan tersebut adalah 42,5 kg.
b. Dari 40 mahasiswa di jurusan Matematika di Perguruan Tinggi
tersebut kebanyakan memiliki tinggi badan antara 160-170cm.
c. Nilai pre tes mata kuliah Statistika 40 orang mahasiswa di
jurusan Matematika di Perguruan Tinggi tersebut 90% masih
belum mencapai nilai kelulusan “C”.
Kata rata-rata 42,5kg, kebanyakan(160-170cm) dan persentase
90% adalah angka yang mewakili sejumlah data yang tidak
disebutkan dalam pernyataan-pernyataan tersebut yang disebut
sebagai statistik
3. Pengertian statistik yang terakhir menunjuk pada sebuah ilmu
pengetahuan, atau suatu metode ilmiah yang sering disebut sebagai
statistika, yaitu cabang ilmu pengetahuan matematika yang
mempelajari bagaimana cara untuk mengumpulkan, mengatur,
menghitung, menggambarkan, menganalisis data, serta menarik
kesimpulan yang sah berdasarkan analisis yang dilakukan dan
pembuatan kesimpulan/keputusan yang rasional.
Statistika sendiri dibagi menjadi dua bagian, yaitu statistika deskriptif dan
statistika inferensial. Pada statistika deskriptif hanya dilakukan
penggambaran data dan analisis kelompok data tanpa melakukan
penarikan kesimpulan tentang kelompok data yang lebih besar. Sedangkan
pada statistika inferensial atau induktif, dilakukan pengambilan
kesimpulan secara sah terhadap kelompok data yang lebih besar dengan
3
memasukkan unsur peluang. Pada statistika inferensial jika kesimpulan
digeneralisasi dari data yang berdistribusi normal maka kegiatan tersebut
disebut sebagai statistika parametris sedangkan kesimpulan yang diambil
bukan berdasarkan data yang tidak berdistribusi normal maka kegiatan
seperti tersebut disebut sebagai statistika non parametris.
4
pembaca pahami, baik dari segi sifat maupun cara memperolehnya yang
akan diuraikan melalui contoh-contoh seperti berikut:
Suatu saat mungkin pembaca ingin mengetahui aktivitas siswa kelas VI
sebuah sekolah dasar pada pelajaran matematika. Jika didapatkan data
bahwa aktivitas siswa ada siswa yang aktif, kurang aktif atau pasif, maka
dilihat dari sifatnya data seperti ini dikatakan sebagai data kualitatif.
Di waktu yang lain, pembaca mungkin ingin mengetahui nilai pelajaran
matematika 40 siswa sekolah dasar pada pokok bahasan pengelolaan data.
Jika setelah dikumpulkan pembaca memperoleh data nilai yang
ditunjukkan dengan skor 4, 5, 6 dst, maka data seperti ini dilihat dari
sifatnya, disebut sebagai data kuantitatif.
5
Contoh data kualitatif yang lain adalah kualitas barang suatu
perusahaan yang bisa ditunjukkan dengan dengan baik, sangat
baik, kurang baik, rusak atau kadaluarsa.
b. Data kuantitatif adalah data yang menunjukkan kuantitas
(nilai), ditunjukkan dengan bilangan. Pada contoh di atas telah
ditunjukkan bahwa nilai ujian matematika 40 siswa sekolah
dasar pada pokok bahasan pengelolaan data adalah data
kuantitatif.
Contoh lain data kauntitatif adalah data tinggi badan siswa yang
dinyatakan dalam cm, atau berat badan yang dinyatakan dalam
kg. Data berat badan dan tinggi badan tersebut semuanya
biasanya ditunjukkan dengan kuantitas/bilangan. Data
kuantitatif dibagi menjadi dua macam yaitu data yang diskrit
dan data kontinu.
Data diskrit adalah data yang didapatkan berdasarkan hasil
membilang atau menghitung. Contohnya jumlah siswa kelas VI
sebuah sekolah dasar, jumlah ayam yang terjangkit flu burung
di sebuah kecamatan, banyaknya mahasiswa yang diterima di
jurusan Matematika sebuah perguruan tinggi di Bandung tahun
2008.
Data kontinu adalah data yang didapatkan berdasarkan hasil
mengukur, contohnya pada pengumpulan data berat badan dan
tinggi badan 40 siswa sekolah dasar, data tentang jarak yang
ditempuh oleh pesawat terbang dalam 1 hari dan lain-lain.
6
2. Macam data berdasarkan cara memperolehnya:
a. Data primer adalah data yang dikumpulkan dan diolah sendiri
oleh suatu organisasi dan diperoleh langsung dari objek yang
diteliti. Contohnya adalah ketika sebuah lembaga pendidikan
ingin mengetahui penghasilan orang tua siswa, maka lembaga
pendidikan tersebut mengirimkan petugas-petugasnya untuk
langsung mendatangi orang tua siswa dan bertanya secara
langsung pada orang tua tersebut.
b. Data sekunder adalah data yang diperoleh dalam bentuk jadi,
sudah dikumpulkan dan di olah oleh pihak lain. Contohya
pembaca mendapatkan data perusahaan yang membuang
limbah sembarangan tahun 2008 dari BPS atau jumlah siswa-
siswa SMP di jawa barat yang tidak lulus Ujian Nasional dari
organisasi lain, maka data yang diperoleh disebut sebagai data
sekunder.
7
Namun jika pembaca tidak menggunakan semua kepala keluarga
Indonesia untuk dimintai data, misalnya dari 33 provinsi yang ada
pembaca hanya akan mengambil data di 20 provinsi saja, maka subjek
penelitian yang ada di 20 provinsi tersebut disebut sebagai sampel atau
bagian dari populasi yang dapat mewakili populasi yang akan menjadi
subjek penelitian.
4. Cara mengumpulkan Data
Setelah pembaca mengenal beberapa istilah dalam statistika, berikutnya
pembaca akan mengetahui bagaimana cara untuk mendapatkan dan
mengumpulkan data. Seperti pembaca telah ketahui di atas bahwa
statistika dimulai dengan kegiatan mengumpulkan data. Kegiatan ini
sangat berhubungan erat dengan pengertian pada bagian I.1.3 di atas.
Secara umum ada dua teknik untuk mengumpulkan data yaitu sensus dan
sampling. Sensus adalah kegiatan mengumpulkan data dimana seluruh
populasi menjadi subjek yang akan diteliti, artinya semua anggota populasi
diteliti satu persatu. Contoh yang biasa terjadi adalah sensus penduduk
yang dilakukan setiap lima tahun sekali, pada sensus penduduk pemerintah
mengumpulkan data jumlah penduduk di semua provinsi, tanpa ada
penduduk Indonesia yang tidak menjadi subjek penelitian. Jumlah
kelahiran dan kematian baru dicatat sebagai data bagi pemerintah untuk
menentukan kebijakan-kebijakannya.
8
karena setiap anggota populasi (yang dalam hal ini adalah semua siswa SD
yang ada di kabupaten Purwakarta) diteliti.
10
sebanyak 300 orang, mahasiswa tigkat II berjumlah 250
orang dan mahasiswa sebanyak 320 orang. Sampel diambil
masing-masing 25% terhadap masing-masing tingkatan.
3) Non-proportionate stratified random sampling, adalah
suatu teknik sampling dimana pengambilan sampel
dilakukan pada suatu populasi yang tidak homogen tapi
tidak proporsional karena adanya suatu strata atau lebih
yang memiliki jumlah yang terlalu sedikit. Misalnya suatu
perguruan tinggi memiliki dosen yang berkuaifikasi S3
sebanyak 180 orang, S2 340 orang, S1 5 orang dan guru
besar 20 orang. Strata populasi pada S1 dan S3 diambil
selulruhnya karena jumlahnya yang terlalu kecil jika
dibandingkan dengan yang lain.
4) Cluster sampling, adalah teknik sampling yang digunakan
jika objek yang diteliti sangat luas, missal penduduk suatu
Negara, provinsi atau kabupaten. Untuk menentukan
penduduk mana yang akan dijadikan sumber data, maka
pengambilan sampelnya berdasarkan daerah populasi yang
telah ditentukan. Misalkan di Indonesia terdapat 33
provinsi, maka sampelnya diambil hanya di beberapa
propinsi. Provinsi merupakan suatu cluster/area yang
menjadi batasa pengambilan sampel.
11
bersifat subjektif. Peneliti bisa menentukan secara langsung siapa
yang akan mejadi sampel penelitiannya. Beberapa teknik
pemilihan sampelnya diantaranya adalah sampling sistematis,
sampling kuota, sampling aksidental, purposive sampling,
sampling jenuh dan snowball sampling.
1) Sampling sistematis, merupakan suatu teknik sampling
yang membatasi peluang suatu anggota populasi menjadi
sampel dengan cara yang sistematis. Misalnya setelah
populasi diberi nomor urut ditentukan bahwa sampel akan
diambil pada nomor urut yang bernomor ganjil saja, genap
saja, kelipatan tiga atau lima dan seterusnya.
2) Sampling kuota, adalah sutu teknik sampling dari populasi
yang mempunyai ciri-ciri tertentu sampai jumlah kuotanya
diinginkan. Misalnya penelitian dilakukan secara
berkelompok dengan anggotanya berjumlah 4 orang untuk
melakukan penelitian terhadap karyawan disebuah
perusahaan sebanyak 200 orang. Setiap anggota peneliti
dapat memilih sampel secara bebas sesuai dengan
karakteristik yang diinginkan masig-masing sebanyak 50
orang.
3) Sampling aksidental, adalah suatu teknik sampling dimana
sampel ditemukan karena suatu ketidaksengajaan.
4) Sampling purposive, adalah suatu teknik sampling dengan
pertimbangan/tujuan tertentu. Misalnya akan melakukan
penelitian tentang kepemimpinan maka sampel yang dipilih
adalah sejumlah kepala sekolah.
12
5) Sampling jenuh, merupakan suatu teknik penentuan sampel
dimana semua anggota populasi menjadi sampel karena
jumlahnya yang terlalu kecil. Sampling ini juga sering
disebut sensus.
6) Snowball sampling, merupakan teknik penentuan sampel
yang semula jumlahnya kecil, kemudian sampel ini diminta
memilih teman-temannya untuk dijadikan sampel dan
begitu seterusnya hingga jumlah sampel semakin banyak
seperti layaknya bola salju yang digelindingkan.
13
bisa dilakukan dengan tingkat kepercayaan yang lebih rendah misalnya
95%, antara 100% - 95% atau bahkan dibawahnya. Berikut ini adalah tabel
Krejice yang memberikan arahan pengambilan jumlah sampel untuk
tingkat kepercayaan 95%. Artinya kesimpulan yang nanti diambil dapat
dipercaya 95% terhadap jumlah populasi, dengan tingkat eror atau
kesalahan sebesar 5%.
14
bisa lebih baik dari itu atau bahkan kurang dari itu dengan menunjukkan
persentase sampel yang harus diambil. Untuk jumlah populasi yang lebih
besar penentuan jumlah sampelnya tidak akan diberikan pada buku ini.
Nomogram harry King dapat digunakan untuk menentukan jumlah sampel
penelitian dengan derajat error hingga di atas 15 %. Pada gambar terlihat
bahwa untuk jumlah populasi sebanyak 200, kita harus mengambil sampel
sebanyak sekitar 58% dari jumlah populasi, atau sekitar 116 subjek.
Nomogram ini bisa digunakan jika jumlah populasi tidak lebih dari 2000.
Dasar-dasar Analisis
Setelah pengumpulan data dilakukan sehingga didapatkan data mentah,
kegiatan berikutnya adalah mengolah data. Sebelum data diolah, pembaca
harus melakukan penyamaan persepsi dengan orang lain yang suatu saat
15
akan membaca data yang pembaca dapatkan. Dalam proses pengumpulan
data yang sifatnya kuantitatif dan kontinu sering kali didapatkan angka
yang bukan berupa bilangan bulat. Misalnya ketika mengukur tinggi dan
berat badan pembaca akan menjumpai hasil pengukuran yang mungkin
didalamnya terdapat bilangan desimal yang akan lebih mudah jika dihitung
dengan pembulatan. Hasil-hasil perhitungan selanjutnya juga akan banyak
mengandung pembulatan-pembulatan bilangan desimal seperti
menghitung rata-rata, simpangan baku dan lain-lain. Selain itu juga
perhitungan-perhitungan pada bab-bab selanjutnya akan menggunakan
banyak proses penjumlahan yang akan disingkat dengan menggunakan
notasi sigma. Oleh karena itu pada bagian ini penyamaan persepsi akan
dijelaskan dengan aturan pembulatan dan notasi sigma untuk penjumlahan.
1. Pembulatan Bilangan
Ada beberapa aturan yang harus diperhatikan ketika pembaca akan
melalukan pembulatan bilangan. 3 aturan pembulatan bilangan dijelaskan
sebagai berikut:
Aturan 1. Jika angka terkiri dari angka yang harus dihilangkan kurang
dari 5 maka angka terkanan dari angka yang mendahuluinya
tetap (tidak berubah).
Aturan 2. Jika angka terkiri dari angka yang harus dihilangkan lebih dari
lima, atau sama dengan 5 dan diikuti oleh angka-angka yang
bukan nol semua, maka angka terkanan dari angka yang
mendahuluinya bertambah satu.
Aturan 3. Jika angka terkiri dari angka yang harus dihilangkan sama
dengan 5, atau angka lima diikuti dengan angka-angka nol
semua, maka angka terkanan dari angka yang mendahuluinya
16
tetap jika angka tersebut genap, dan bertambah satu jika angka
tersebut ganjil.
Contoh-contoh:
1. Pembulatan untuk bilangan 12o,124871 hingga perseratusan
adalah 120,12. Dalam hal ini kita gunakan aturan 1. Angka terkiri
yang harus dihilangkan adalah 4 yang kurang dari lima, sehingga
angka terkanan yang mendahuluinya tetap (yaitu 2).
2. Pembulatan bilangan hingga perseratusan untuk bilangan 120,
125871 adalah 120,13. Dalam hal ini kita gunakan aturan 2. Angka
terkiri yang harus dihilangkan adalah 5 dan diikuti dengan angka
871 yang semuanya bukan angka nol semua, sehingga angka 2
(angka terkanan dari angka yang mendahuluinya) bertambah satu.
3. Pembulatan bilangan hingga persepuluhan untuk bilangan
120,1500 adalah 120, 2. Kita gunakan aturan 3 untuk
menyelesaikan masalah ini. Angka terkiri yang dihilangkan adalah
5 yang diikuti oleh angka-angka nol semua, karena angka terkanan
yang mendahuluinya adalah angka ganjil maka angka terkanan
yang mendahuluinya bertambah satu yaitu 2.
4. Pembulatan bilangan hingga persepuluhan untuk bilangan
120,2500 adalah 120, 2. Kita gunakan aturan 3 untuk
menyelesaikan masalah ini. Angka terkiri yang dihilangkan adalah
5 yang diikuti oleh angka-angka nol semua, karena angka terkanan
yang mendahuluinya adalah angka genap maka angka terkanan
yang mendahuluinya tetap yaitu 2.
5. Pembulatan bilangan 7639 hingga seratusan adalah 7600. Aturan 1
kita gunakan untuk menyelesaikan masalah ini. Angka terkiri yang
17
harus dihilangkan adalah 3 yang kurang dari 5 sehingga angka
terkanan dari angka yang mendahuluinya tetap.
2. Notasi Komputasi
Pada bagian selanjutnya dari buku ini, pembaca akan sangat banyak
menjumpai perhitungan terutama proses penjumlahan. Penjumlahan yang
hanya terdiri dari beberapa data berupa bilangan sangat gampang
dilakukan maupun dituliskan. Tapi untuk data bilangan yang jumlahnya
banyak akan sangat merepotkan jika dituliskan seluruhnya. Oleh karena itu
notasi sigma () akan digunakan selanjutnya untuk menyingkat operasi
penjumlahan pada data statistik yang diperoleh. Notasi adalah sebuah
huruf yunani yang akan digunakan sebagai operator penjumlahan dan
dibaca “jumlah dari”. Misalkan terdapat nilai 5 orang siswa yaitu 6,5 7 8,5
9 7,5 dan 10. Dalam hal ini nilai siswa dikatakan sebagai variabel, yaitu X.
dengan menggunakan simbol X1, X2, X3 X4 dan X5 untuk menyatakan
nilai 5 orang siswa tersebut, jumlah nilai dari lima siswa dapat diuliskan
dalam notasi sigma sebagai berikut:
5
Xi
i 1
Notasi di atas dibaca “penjumlahan nilai siswa X dari i=1 sampai i=5,
artinya jumlah dari 5 nilai siswa yaitu:
5
Xi
i 1 = X1+X2+X3+X4+X5
= 6,5+7+8,5+9+7,5+10
= 48,5
18
Secara umum jika terdapat n buah nilai dijumlahkan, maka notasi
komputasinya adalah:
n
Xi
i 1 = X1+X2+X3+X4+ . . . + Xn, notasi ini dapat disingkat menjadi
saja yang menunjukkan bahwa penjumlahan dilakukan pada data yang
berjumlah n buah.
n
Xi
i 1
Untuk mengoperasikan bentuk umum notasi lakukan langkah-
langkah sebagai berikut:
1. Ganti i dengan 1 sehingga diperoleh X1
2. Ganti i dengan 2 sehingga diperoleh X2
3. Ganti i dengan 3 sehingga diperoleh X3
4. Ganti i dengan 4 sehingga diperoleh X4
5. dst
6. Ganti i dengan n sehingga diperoleh Xn
XiYi
i 1 = X1Y1+X2Y2+X3Y3+X4Y4+X5Y5
5
Xi 2
i 1 = X12+X22+X32+X42+X52
5
X i Yi 2 2
i 1 = X12Y12+X22Y22+X32Y32+X42Y42+X52Y52
Indeks notasi sigma yang biasanya digunakan adalah I, j dan k.
19
Contoh-contoh:
Diketahui bahwa X1 = 6, X2 = -2 dan X3 = 1, sedangkan Y1 = 2, Y2 = -1
dan Y3 = 4. Hitunglah:
3
Xi
i 1
2
a.
3
2 XiYi
i 1
b.
3
Xi
i 1
2
2Yi
c.
3
2Xi
i 1
Yi 2
d.
Penyelesaian:
3
Xi 2
a. i 1 = X12+X22+X32
= 62+(-2)2+12
= 36+4+1
= 41
2 XiYi
i 1
b. = 2X1Y1+2X2Y2+2X3Y2
= 2.6.2+2.(-2).(-1)+2.1.4
= 24+4+8
= 36
3
Xi 2
2Yi
c. i 1 = (X12+2Y1)+(X22+2Y2)+(X32+2Y3)
20
= (62+2.2)+((-2)2+2.(-1))+(12+2.4)
= (36+4)+(4+(-2))+(1+8)
= 40+2+9
= 51
3 3
( 2 X i )( Y i 2 )
d. i 1 i 1 = (2X1+2X2+2X3)(Y12+Y22+Y32)
= (2.6+2.(-2)+2.1)(22+(-1)2+42)
= (12+(-4)+2)(4+1+16)
= 10.21
= 210
Ada beberapa dalil yang berkaitan dengan notasi sigma yang dijelaskan
seperti berikut ini:
Dalil 1. Penjumlahan dari jumlah dua atau lebih variabel sama
dengan jumlah masing-masing penjumlahan variabelnya. Jika ada tiga
buah variabel X, Y dan Z maka:
n n n n
X i Yi Zi
i 1
X i Yi Zi
i 1 i 1 i 1
=
cX i
i 1
c X i
i 1
=
Dalil 3. Jika terdapat c sebuah konstanta maka berlaku:
n
c
i 1 = nc
Bukti-bukti:
21
Dalil 1
n
X i Yi Zi
i 1 = (X1+Y1+Z1)+(X2+Y2+Z2)+(X3+Y3+Z3)+ . . .
+(Xn+Yn+Zn)
= (X1+X2+X3+ . . .+Xn)+ (X1+X2+X3+ . . .+Xn)+ (X1+X2+X3+ . .
.+Xn)
n n n n
X i Yi Zi X i Yi Zi
i 1 i 1 i 1 i 1
=
Dalil 2 dan 3 ditinggalkan kepada pembaca sebagai latihan.
Referensi
Ali, M. 1993. Strategi Penelitian Pendidikan. Bandung. Penerbit Angkasa..
Arikunto, S. 2002. Prosedur Penelitian. Jakarta PT. Rineka Cipta.. Gall,
M.D., Gall, J.P., Borg, W.R. 2003. Educational Research An
Introduction. Ablongman. Boston, New York, San Francisco,
Mexico City, Montreal, Toronto, London, Madrid, Munich, Paris,
Hong Kong, Singapore, Tokyo, Cape Town, Sydney
Hamid, dkk. 2014. Statistika Pendidikan. Tangerang: Universitas Terbuka
Krathwohl, D.R. 1998. Methods of Educational & Social Science Research
An Integrated Approach. Longman. New York; Reading
Massachusetts; Menlo Park, California; Harlow, England; Don
Mills, Ontario; Sydney; Mexico City; Madrid; Amsterdam
MCMillan, J.H dan Schumacher, S. 1997. Research in Education, a
Conceptual Introduction. New York. Longman.
Sudjana. (1983). Metode Statistika. Edisi Keempat. Bandung: Tarsito.
Sudjiono, A. (2006). Pengantar Statistik Pendidikan, PT Rajagrafindo
Persada, Jakarta.
Sukmadinata, N.S. 2004. Metode Penelitian Lanjutan. Outline. Program
Pascasarjana Universitas Pendidikan Indonesia
22
Latihan Soal
23
MODUL II
PENYAJIAN DATA
(Pertemuan 3 dan 4)
Pada bagian dua dari buku ini pembaca akan mulai mempelajari
bagaimana cara menyajikan data. Ketika seorang peneliti melakukan
penelitian terhadap suatu masalah, maka seperti telah dijelaskan pada
bagian pertama dia akan berhubungan dengan fakta-fakta yang disebut
sebagai data. Data yang diperoleh oleh peneliti jenisnya beragam dengan
jumlah yang bisa puluhan, ratusan dan bahkan jutaan atau lebih, tergantung
pada masalah yang diteliti. Untuk data yang jumlahnya tidak terlalu
banyak pihak yang membaca data atau peneliti tidak akan mengalami
kesulitan, namun untuk data yang jumlahnya banyak, maka data yang
dikumpulkan hendaknya disusun pada suatu metode atau cara, sehingga
kegiatan selanjutnya pada kegiatan menganalisis, dan menarik kesimpulan
data menjadi lebih mudah. Hal yang bisa dilakukan untuk mengelola data
tersebut adalah dengan menyajikannya dalam bentuk tabel atau diagram.
Pada bagian berikut ini pembaca akan mengetahui bagaimana langkah-
langkah dalam menyajikan data dalam bentuk tabel dan diagram serta
langkah-langkahnya dengan menggunakan aplikasi Ms. Excel.
24
Penyajian data Berbentuk Tabel
Ada beberapa jenis tabel yang akan dibahas pada bagian ini, namun
sebelum membahas jenis-jenis tabel, ada beberapa aturan ketika akan
menyajikan data dalam bentuk tabel, yaitu:
1. Judul tabel
a. Judul tabel harus ditempatkan di bagian atas tabel dan ditempatkan
dengan rata tengah
b. Judul tabel hendaknya ditulis dengan huruf capital dan diberi
nomor sesuai dengan bab tempat dimana tabel tersebut akan
ditempatkan serta nomor yag menunjukkan urutan tabel.
Contoh nama tabel:
Tabel I.2 adalah tabel yang berada di bab I dengan urutan tabek
yang kedua pada bab tersebut.
c. Judul tabel ditulis secara sigkat dan jelas meliputi masalah apa,
dimana masalah itu terjadi, kapan masalah itu terjadi dan satuan
objek yang dipermasalahkan bila ada.
d. Judul tabel dapat ditulis dalam beberapa baris dengan tiap barisnya
menunjukkan sebuah kalimat lengkap
e. Hindari pemisahan kata judul tabel pada setiap barisnya
TABEL 2.1
JUMLAH SISWA SD NEGRI KAYUAMBON
LEMBANG BANDUNG
TAHUN AJARAN 2006/2007
25
2. Judul kolom, beberapa hal yang harus diperhatikan diantaranya adalah:
a. hendaknya ditulis secara sigkat dan jelas
b. dapat ditulis dalam beberapa baris
c. sebaiknya tidak dilakukan pemisahan kata pada setiap barisnya
6. Untuk data lain yang mengandung kategori kelompok atau sifat disusun
secara beraturan menurut kebiasaan, misalnya aktif dulu kemudian sedang
dan kurang. Baik dahulu kemudian jelek, besar dahulu baru kemudian
sedag dan kecil, laki-laki dahulu baru kemudian perempuan.
26
Tabel Frekuensi
Tabel Kongtingensi
1. Tabel Frekuensi
Tabel/Daftar frekuensi adalah tabel yang terdiri dari kolom nilai data dan
frekuensi. Nilai data yag digunakan adalah nilai/jenis karakteristik data.
Daftar frekuensi digunakan jika data yang diperoleh ingin dikelompokkan
pada sejumlah grup tertentu, dan dilakukan jika jumlah jenis karakteristik
data tidak terlalu banyak. Pada daftar ini hendaknya tidak digunakan
interval kelas, karena jenis/karakteristik data sudah cukup untuk tidak
melakukan hal tersebut.
Contoh 2.1:
Diketahui nilai ujian tengah semester matematika kelas V di SD
Kayuambon yang terdiri dari 25 orang siswa sebagai berikut:
8 6 7 7 7 6 7 8 8
9 9 10 8 8 6 7 7 7
8 9 10 8 8 8 7
27
Jika data yang Anda peroleh seperti di atas maka hendaknya data tersebut
cukup dibuat daftar frekuensi saja tanpa membuat interval-interval kelas
di dalamnya karena jenis karakter pada data tersebut tidak terlalu banyak
dan berada pada rentang 5-15. Untuk membuat sebuah tabel frekuensi ikuti
langkah-langkah berikut:
1. Buatlah tabel yang terdiri dari kolom dan beberapa baris.
2. Tentukan judul kolom sesuai dengan jenis masalah
3. Buatlah tally/turus untuk membantu menentukan jumlah frekuensi
setiap nilai data sehingga dihasilkan tabel seperti berikut.
TABEL 2.1
NILAI ULANGAN MATEMATIKA 25 ORANG SISWA
KELAS V SD NEGRI KAYUAMBON
LEMBANG BANDUNG
TAHUN AJARAN 2006/2007
28
2. Tabel Baris Kolom
Tabel baris kolom adalah tabel/daftar yang terdiri dari baris dan kolom,
dimana setiap pertemuan suatu tabel dan kolom menunjukkan data yang
yang karakteristiknya ditunjukkan oleh nama baris dan kolom tersebut.
Berdasarkan daftar 2.2, Anda dapat menafsirkan data bahwa jumlah siswa
kelas 1 pada tahun 2006 adalah 25 orang yang terdiri dari 12 orang siswa
laki-laki dan 13 orang perempuan. Dan seterusnya. Perhatikan bahwa
karakteristik data yang bisa ditasirkan dari tabel tersebut dilakukan dengan
membaca judul baris dan kolom pada tabel tersebut. Penafsiran yang lain
masih bisa Anda lakukan dengan cara membaca judul baris dan kolom
pada tabel tersebut.
Contoh 2.2:
TABEL 2.2
JUMLAH SISWA SD NEGRI KAYUAMBON LEMBANG BANDUNG
TAHUN AJARAN 2006-2008
2006 2007 2008
KELAS
L P L P L P
1 12 13 11 18 13 16
2 10 23 12 13 18 18
3 14 22 10 23 12 13
4 14 21 14 22 10 23
5 17 19 14 21 14 22
6 20 16 8 29 14 21
Jumlah 87 114 69 126 81 113
29
3. Tabel Kontingensi
Pada tabel kontingensi, data dikumpulkan menjadi kontingen/kelompok
yang salah satunya bisa dilakukan berdasarkan tabel 2.2 di atas seperti
berikut:
TABEL 2.3
JUMLAH SISWA SD NEGRI KAYUAMBON LEMBANG BANDUNG
TAHUN AJARAN 2006-2008
KELAS 2006 2007 2008
1 25 29 29
2 33 25 36
3 36 34 25
4 35 36 34
5 26 35 36
6 26 37 35
Jumlah 181 196 195
30
Tabel 2.4
BENTUK UMUM
DAFTAR DISTRIBUSI FREKUENSI
31
Misalnya, a adalah ujung bawah kelas interval pertama, c adalah
ujung bawah kelas interval kedua dan seterusnya.
3. Ujung atas
Ujung bawah pada sebuah tabel distribusi frekuensi adalah angka
yang terdapat pada sebelah kanan sebuah interval kelas.
Misalnya, b adalah ujung bawah kelas interval pertama, d adalah
ujung bawah kelas interval kedua dan seterusnya.
4. Batas bawah
Batas bawah adalah bilangan yang diperoleh dari ujung bawah
kelas interval dikurangi ketelitian data yag digunakan. Jika
pencatatan data yang dilakukan adalah bilangan bulat maka
ketelitian datanya adalah 0,5, jika pencatatan data yang digunakan
hingga persepuluhan maka ketelitiannya adalah 0,05 dan
seterusnya sehingga batas bawah dari tabel di atas jika pencatatan
data yang dilakukan adalah bilangan bulat:
batas bawah kelas interval pertama adalah a – 0,5
batas bawah kelas interval kedua adalah c – 0,5
dan seterusnya
5. Batas atas
Batas bawah adalah bilangan yang diperoleh dari ujung atas kelas
interval ditambah ketelitian data yang digunakan. Sama seperti
batas atas jika pencatatan data yang dilakukan adalah bilangan
bulat maka ketelitian datanya adalah 0,5, jika pencatatan data yang
digunakan hingga persepuluhan maka ketelitiannya adalah 0,05
dan seterusnya sehingga batas bawah dari tabel di atas jika
pencatatan data yang dilakukan adalah bilangan bulat:
batas atas kelas interval pertama adalah b + 0,5
32
batas atas kelas interval kedua adalah d + 0,5
dan seterusnya
6. Tanda kelas (tengah kelas)
Tanda kelas adalah bilangan yang terletak di tengah-tengan sebuah
kelas interval. Untuk memperoleh bilangan ini hal yang dapat
dilakukan adalah dengan menjumlahkan ujung atas dan ujung
bawah kelas interval tersebut kemudian membaginya dengan 2.
Sehingga diperoleh tanda kelas pertama adalah ½ (a+b)
Tanda kelas interval kedua adalah ½ (c+d)
Dan seterusnya
7. Panjang kelas
Ada beberapa cara untuk memperoleh panjang kelas yaitu:
a. Tentukan sebuah kelas interval, lalu kurangkan batas bawah
kelas interval berikutnya dengan batas bawah kelas interval
yang ditentukan
b. Tentukan sebuah kelas interval, lalu kurangkan batas atas kelas
interval berikutnya dengan batas atas kelas interval yang
ditentukan
c. Tentukan sebuah kelas interval, lalu kurangkan batas atas
dengan batas bawahnya, kemudian tambahkan dengan dua kali
ketelitian data yang digunakan
33
antara data dengan nilai terbesar dan data dengan nilai terkecil.
Kesalahan menentukan rentang akan berakibat fatal pada daftar
distribusi frekuensi yang akan dibuat oleh karena itu Anda
hendaknya berhati-hati ketika menentukan data terbesar dan
terkecil, terutama ketika berhadapan dengan data yang tingkat
ketelitiannya beberapa angka dibelakang koma.
2. Tentukan banyak kelas yang akan digunakan. Secara umum
biasanya jumlah kelas yang digunakan berada pada kisaran 5
hingga 15, Anda dapat menentukannya langsung atau dengan
menggunakan sebuah aturan yaitu aturan Sturges dimana jumlah
kelas didefinisikan sebagai:
K = 1 + 3,3 log n
Dimana k adalah banyaknya kelas interval
Dan n adalah jumlah data yang digunakan
34
dilakukan dan dianjurkan untuk membulatkannya ke atas. Namun
hal yang harus diperhatikan adalah dengan menyesuaikan dengan
ketelitian pencatatan datanya:
a. Jika pencatatan data dilakukan hingga bilangan bulat, maka
pembulatan ke atas terhadap panjang kelas juga berupa
bilangan bulat.
b. Jika pencatatan data dilakukan hingga persepuluhan, maka
pembulatan ke atas panjang kelas juga dilakukan hingga
persepuluhan. Dan seterusnya.
4. Tentukan ujung bawah kelas interval pertama. Untuk
menentukannya Anda dapat:
a. Mengambil nilai terkecil yang ada pada data
b. Mengambil nilai yang lebih kecil dari data terkecil, namun
Anda harus pastikan bahwa nilai data terbesar akan masuk pada
kelas interval terakhir.
5. Masukakan nilai data pada kelas interval. Untuk melakukannya
Anda bisa menggunakan bantuan tally/turus dengan menambahkan
sebuah kolom pada daftar distribusi frekuensi, seperti saat
membuat daftar frekuensi.
Contoh: Diketahui nilai ujian tengah semester untuk mata kuliah statistika
80 orang mahasiswa adalah sebagai berikut:
89 58 77 58 90 45 45 90 90 90
64 64 77 92 100 82 82 45 77 64
77 89 89 89 100 77 64 64 90 100
71 83 83 83 64 45 82 90 92 77
67 73 73 83 77 64 92 77 60 89
35
92 88 83 83 60 64 80 83 83 77
82 82 45 77 64 71 83 83 83 64
45 70 70 70 72 43 55 98 55 55
Jawab:
Karena data tersebut banyak jenisnya, kita tidak mungkin menyusunnya ke
dalam tabel frekuensi, kita akan susun daftar distribusi frekuensi dengan
melakukan langkah-langkah yang telah dijelaskan sebelumnya:
1. Tentukan rentang
Berdasarkan data di atas nilai terbesar dan terkecilnya berturut-
turut adalah 45 dan 100 dengan demikian rentang = 100 – 45 = 55.
2. Tentukan jumlah kelas
Aturan sturges akan kita terapkan untuk memperoleh jumlah kelas
sehingga:
K = 1 + 3,3 log 80
K = 7,28
Pembulatan akan kita lakukan ke atas sehingga diperoleh jumlah
kelas adalah 8.
3. Tentukan panjang kelas
Panjang kelas adalah 55/8 = 6,875. Karena data dicatat dalam
bilangan bulat maka panjang kelasnya adalah 7.
4. Tentukan nilai ujung bawah kelas interval pertama
Ujung bawah kelas interval pertama yang akan diambil adalah nilai
data terkecil yaitu 45.
36
5. Masukkan nilai data pada kelas-kelas interval, sehingga dihasilkan
daftar distribusi frekuensi sebagai berikut:
Tabel 2.5
DAFTAR DISTRIBUSI FREKUENSI
NILAI UJIAN TENGAH SEMESTER MATA KULIAH STATISTIKA
80 ORANG MAHASISWA
Nilai data Frekuensi
45 - 51 7
52 - 58 5
59 - 65 12
66 - 72 7
73 - 79 12
80 - 86 17
87 - 93 16
94 - 100 4
Jumlah 80
37
f
fi
' i
n
x100%
i 1
fi
38
digunakan sebagai patokan untuk menentukan jumlah frekuensi
yang dimaksud. Bentuk umum kedua daftar tersebut disajikan
sebagai berikut:
Tabel 2.7
BENTUK UMUM
DAFTAR DISTRIBUSI FREKUENSI KUMULATIF “KURANG
DARI”
Tabel 2.8
BENTUK UMUM
DAFTAR DISTRIBUSI FREKUENSI KUMULATIF “ATAU LEBIH”
Nilai Data Frek. Kumulatif “atau lebih”
a atau lebih f1+f2+f3+f4+f5
c atau lebih f2+f3+f4+f5
e atau lebih f3+f4+f5
g atau lebih f4+f5
i atau lebih f5
k atau lebih 0
39
c. Tabel Distribusi Frekuensi Relatif Kumulatif
Tabel ini diperoleh dengan cara mengubah daftar frekuensi
kumulatif menjadi bentuk persentase. Sehingga bentuk umumnya
seperti berikut:
TABEL 2.7 BENTUK UMUM
DAFTAR DISTRIBUSI FREKUENSIRELATIF KUMULATIF
“KURANG DARI”
Nilai Data Frek. Rel. Kum. “kurang dari”
Kurang dari a 0
Kurang dari c f1’
Kurang dari e f1’+f2’
Kurang dari g f1’+f2’+f3’
Kurang dari i f1’+f2’+f3’+f4’
Kurang dari k f1’+f2’+f3’+f4’+f5’
TABEL 2.8
BENTUK UMUM
DAFTAR DISTRIBUSI FREKUENSI RELATIF
KUMULATIF “ATAU LEBIH”
40
Penyajian Data Berbentuk Diagram
Selain menyajikan data dalam bentuk tabel, Anda juga bisa menyajikan
data dalam bentuk diagram. Ada beberapa macam diagram yang akan
dibahas pada buku ini. Untuk data tersebar data akan disajikan dalam
bentuk diagram batang, garis dan titik, sedangkan untuk data terkelompok
akan digunakan histogram polygon frekuensi dan ogive. Yang disebut data
tersebar dalam buku ini adalah data yang belum dikelompokkan pada tabel
frekuensi/daftar distribusi frekuensi. Sedangkan data yang sudah dibuat
dalam daftar distribusi frekuensi disebut sebagai data terkelompok.
1. Penyajian Data Tersebar
Ada beberapa cara menyajikan data dalam bentuk diagram untuk data tidak
terkelompok/tersebar. Menyajikan data dalam bentuk diagram
dimaksudkan agar pembaca data dapat lebih memahami data yang
disajikan dan mudah dinterpretasikan. Berikut ini adalah beberapa jenis
diagram yang bisa Anda buat untuk menyajikan data tersebar.
a. Diagram Batang
Diagram batang adalah diagram yang digunakan untuk
menyajikan data yang berbentuk kategori/kualitatif. Diagram
batang terdiri dari dua buah sumbu yang saling berpotongan
tegak lurus pada skala 0. Pembagian skala pada sumbu
horizontal dan vertikal boleh tidak sama, tergantung pada
kebutuhan. Masing-masing batang diwakili oleh sebuah
persegi panjang yang menyatakan kategori tertentu dan tinggi
batang menyatakan jumlah frekuensi pada kategori tersebut.
Lebar batang setiap kategori harus sama demikian pula jarak
antara satu batang dengan batang yang lain uga harus sama.
41
Pada diagram batang, setiap persegi panjang diarsir dengan
pola/warna yang sama. Judul atau nama gambar/diagram
ditempatkan di bagian bawah dan diberi nomor seperti halnya
membuat judul tabel.
Contoh diagram batang:
Diketahui data jumlah penduduk dengan populasi tertinggi di Indonesia
pada tahun 2010 sebagai berikut:
Jawa Barat 43.1 juta
Jawa Timur 37.5 Juta
Jawa Tengah 32.4 Juta
Sumatra Utara 13.0
Banten 10.6
Untuk membuat diagram batang dengan MS. Excel atau Ms. Office yang
terintegrasi dengan Ms. Excel lakukan langkah-langkah sebagai berikut:
1. Inputkan data pada cell di Ms. Excel hingga tampak seperti berikut:
Sumatra Utara 13
Banten 10,6
42
Jumlah Penduduk (Juta)
Banten
Sumatra Utara
Jawa Tengah
Jawa Timur
Jawa Barat
0 10 20 30 40 50
Diagram batang yang lebih kompleks dengan data yang komplek dapat
pembaca lihat ada gambar di bawah ini, yaitu tentang jumlah penduduk
Indonesia tahun 2019 menurut kelompok usia dan jenis kelamin dalam
kategori seperti ditunjukkan pada gambar berikut:
43
Diagram batang juga memiliki banyak jenis pilihan yang dapat pembaca
gunakan dengan cara memilih opsi pada menu yang tersedia di Ms. Excel
seperti berikut:
b. Diagram Garis
Diagram garis adalah juga diagram yang digunakan untuk
menyajikan data yang berbentuk kategori/kualitatif. Diagram
garis terdiri dari dua buah sumbu yang saling berpotongan
tegak lurus pada skala 0. Pembagian skala pada sumbu
horizontal dan vertikal boleh tidak sama, tergantung pada
kebutuhan. Masing-masing kategori dinyatakan oleh koordinat
tertentu layaknya pada diagram cartecius, koordinat ini
44
mempertemukan kategori dengan jumlah frekuensi frekuensi
pada kategori tersebut. Koordinat-koordinat tersebut kemudian
dihubungkan satu sama lain dengan sebuah garis lurus.
Sehingga terbentuklah garis-garis yang saling berhubungan.
Sama halnya dengan diagram batang nama gambar harus
disertakan pada bagian bawah dan diberi nomor gambar seperti
halnya membuat judul tabel.
Contoh diagram garis dari data tentang penduduk dengan populasi
tertinggi di Indonesia adalah sebagai berikut:
Untuk membuat diagram ini, pilih opsi diagram garis pada menu insert
chart di Ms. Excel. Diagram garis ini juga memiliki pilihan tampilan yang
bermacam-macam yang bisa pembaca coba untuk menghasilkan diagram
garis yang menarik dan mudah dibaca.
45
c. Diagram Lingkaran
Sekumpulan data juga dapat disajikan dalam bentuk lingkara
yang disebut sebagai diagram lingkaran, dimana lingkaran
dibagi dalam juring-juring tertentu yang menyatakan besar
frekuensi relatifnya dalam satuan derajat (radian). Pada
diagram lingkaran digunakan frekuensi absolute yang harus
diubah ke dalam bentuk persentase untuk setiap kategorinya,
kemudian dirubah ke dalam satuan derajat. Buat sebuah
lingkaran, kemudian masukkan kategori pertama pada
lingkaran mulai dari titik tertinggi, kemudian masukkan
kategori berikutnya searah jarum jam. Pada diagram lingkaran
setiap juring yang menyatakan kategori diberi arsiran yang
berbeda. Identitas lain yang perlu ditambahkan pada diagram
lingkaran selain nama dan nomor diagram adalah nama
kategori disertai persentasenya atau nama keterangan corak
arsiran yang menunjukkan kategori.
Untuk membuat diagram lingkaran beberapa rumus yang digunakan untuk
menghitung besarnya bagian (juring lingkaran) adalah sebagai berikut:
𝑥 𝑥
Luas Juring = 3600 atau luas juring = 100%
𝑛 𝑛
46
JUMLAH PENDUDUK (JUTA)
Jawa Barat Jawa Timur Jawa Tengah Sumatra Utara Banten
Banten, 10.6,
8%
Sumatra Utara,
13, 9% Jawa Barat,
43.1, 32%
Jawa Tengah,
32.4, 24%
Jawa Timur,
37.5, 27%
d. Diagram Lambang
Diagram lambang adalah diagram yang digunakan untuk
menyajikan data dengan menggunakan lambang-lambang.
Lambang yang digunakan bermacam-macam sesuai dengan
objek penelitian. Jika data yang diteliti adalah manusia, maka
lambang yang digunakan biasanya berupa gambar orang.
Diagram lambang biasanya terdiri dari 3 buah kolom, dimana
kolom pertama berisi nama-nama kategori, kolom kedua berisi
lambang yang digunakan, dan kolom yang ketiga diisi dengan
jumlah frekuensi. Banyaknya lambang yang digunakan tidak
sama jumlahnya dengan frekuensi pada kategori tersebut,
karena sebuah lambang yang digunakan mewakili sejumlah
47
frekuensi tertentu, dan bilangan yang diwakilinya tidak boleh
terlalu kecil ataupun terlelu besar. Untuk itu pada bagian bawah
tabel, berikan keterangan besarnya frekuensi yang diwakili
oleh lambang yang digunakan. Juga Berikan judul dan nomor
pada bagian bawah diagram.
Contoh diagram lambang:
Tahun Lambang Jumlah siswa
2003 @@@@@@@@@@ 300
2004 @@@@@@@@ 240
2005 @@@@@@@ 210
2006 @@@@@@ 180
2007 @@@@@@@@@ 270
@ = 30 orang
Gambar 12 Diagram Lambang Jumlah Siswa SDN Kayuambon Lembang
Tahun 2003-2007
48
diagram ini berarti terlebih dahulu Anda harus memiliki daftar distribusi
frekuensi. Berikut ini adalah beberapa diagram yang bisa Anda sajikan.
a. Histogram dan Poligon Frekuensi
Histogram digunakan untuk menyajikan data terkelompok.
Dengan demikian Anda harus mempunyai terlebih dahulu
sebuah daftar distribusi frekuensi. Membuat histogram bisa
memiliki keuntungan lain, yaitu bisa sekalian membuat poligon
frekuensinya. Bentuk histogram dan cara membuatnya hampir
sama seperti Anda membuat diagram batang. Hanya saja
karena bukan berupa kategori, bagian sumbu horizontal pada
histogram ditunjukkan oleh batas bawah dan atau batas atas
interval kelas. setiap interval kelas pada histogram diwakili
batang layaknya diagram batang yang tinggi atau lebarnya
menunjukkan frekuensi absolut pada interval kelas tersebut.
Karena menggunakan batas atas dan bawah kelas interval,
maka akan terjadi dua angka sama, yaitu nilai batas bawah atas
kelas interval pertama akan sama nilainya dengan nilai batas
bawah kedua, nilai batas bawah kedua akan sama dengan nilai
batas atas ketiga dan begitu seterusnya, sehingga batang-batang
yang dibuat akan menjadi saling berhimpitan. Selain
menggunakan batas atas dan batas bawah pada bagian sumbu
horizontal Anda juga bisa tuliskan tanda kelas masing-masing
kelas interval. Berikut ini adalah contoh histogram berdasarkan
daftar distribusi frekuensi dari tabel 2.5
49
Gambar 13 Histogram Nilai Ujian Tengah Semester Mata Kuliah
Statistik 80 Orang Mahasiswa
b. Ogive
Selain disajikan dengan histogram dan poligon frekuensi, data
terkelompok dapat juga disajikan dalam bentuk ogive (ojaif).
Bentuk diagram ogive mirip seperti diagram garis yang telah
50
dibuat da dijelaskan pada bagiab sebelumnya. Untuk membuat
ogive Anda memerlukan daftar distribusi kumulatif yang telah
dijelaskan juga pada bagian sebelumnya. Karena daftar
distribusi frekuensi ada dua macam, yaitu daftar distribusi
frekuensi kumulatif “kurang dari” dan “atau lebih” maka ogive
pun ada dua macam. Ogive yang dibuat berdasarkan daftar
distribusi frekuensi kumulatif “kurang dari” dibuat menjadi
ogive positif, sedangkan ogive yang dibuat berdasarkan daftar
distribusi kumulatif “atau lebih” menjadi ogive negatif.
51
TABEL 2.10
DAFTAR DISTRIBUSI FREKUENSI KUMULATIF ”ATAU LEBIH”
NILAI UJIAN TENGAH SEMESTER MATA KULIAH STATISTIKA
80 ORANG MAHASISWA
Nilai data F. kumulatif
45 atau lebih 80
52 atau lebih 73
59 atau lebih 68
66 atau lebih 56
73 atau lebih 49
80 atau lebih 37
87 atau lebih 20
94 atau lebih 4
95 atau lebih 0
52
Referensi
Ali, M. 1993. Strategi Penelitian Pendidikan. Bandung. Penerbit Angkasa..
Arikunto, S. 2002. Prosedur Penelitian. Jakarta PT. Rineka Cipta.. Gall,
M.D., Gall, J.P., Borg, W.R. 2003. Educational Research An
Introduction. Ablongman. Boston, New York, San Francisco,
Mexico City, Montreal, Toronto, London, Madrid, Munich, Paris,
Hong Kong, Singapore, Tokyo, Cape Town, Sydney
Hamid, dkk. 2014. Statistika Pendidikan. Tangerang: Universitas Terbuka
Krathwohl, D.R. 1998. Methods of Educational & Social Science Research
An Integrated Approach. Longman. New York; Reading
Massachusetts; Menlo Park, California; Harlow, England; Don
Mills, Ontario; Sydney; Mexico City; Madrid; Amsterdam
MCMillan, J.H dan Schumacher, S. 1997. Research in Education, a
Conceptual Introduction. New York. Longman.
Sudjana. (1983). Metode Statistika. Edisi Keempat. Bandung: Tarsito.
Sudijono, A. (2006). Pengantar Statistik Pendidikan, PT Rajagrafindo
Persada, Jakarta.
Sukmadinata, N.S. 2004. Metode Penelitian Lanjutan. Outline. Program
Pascasarjana Universitas Pendidikan Indonesia
Latihan Soal
54
MODUL III
UKURAN PEMUSATAN
(Pertemuan ke 5)
Pada modul ini akan dijelaskan tentang ukuran pemusatan data tersebar
dan data terkelompok, yang mecakup mean, median dan modus. Setelah
mempelajari modul ini diharapkan mahasiswa dapat:
- menjelaskan dan melakukan pengukuran nilai tengah yang
mencakup pengertian dan perhitungan tentang Modus, Median,
Mean.
Skor Rata-rata
Setelah Anda mampu menyajikan data baik dalam bentuk bermacam-
macam tabel maupun diagram, tahapan selanjutnya sesuai degan definisi
satatistika pada bahasan terdahulu adalah pengolahan data. Bagian ini
merupakan bagian tindak lanjut dari penysuan data yang telah dibuat
melalui penyajian data dalam bentuk tabel. Ukuran pemusatan atau
tendensi sentral merupakan salah satu ukuran yang dipergunakan untuk
menafsirkan gejala dari data yang telah diperoleh. Beberapa diantaranya
adalah, nilai rata-rata, nilai tengah, nilai terbanyak serta beberapa ukuran
lokasi lainnya.
1. Skor Rata-rata Hitung
Nilai rata-rata merupakan statistik yang paling sering digunakan, nilai ini
sering digunakan untuk mewakili sekumpulan data dan juga merupakan
salah satu ukuran gejala pusat yang diperoleh dari pengukuran sampel.
Beberapa jenis nilai rata-rata adalah rata-rata hitung, rata-rata ukur dan
rata-rata harmonis.
55
a. Rata-rata Hitung Data Tersebar
Rata-rata hitung merupakan ukuran gejala pusat yang paling sering
digunakan. Untuk data tersebar rata-rata hitung didefinisikan sebagai
jumlah nilai data dibagi dengan banyaknya jumlah sampel/data yang
dihitung. Secara matematis rata-rata hitung didefinisikan:
x1 x2 x3 xn
x
n
x
x i
n
Contoh : misalkan terdapat data tersebar seperti berikut:
5 8 4 7 8 8 6
Maka rata-rata hitungnya
x
x i
x1 x 2 x3 xn 5 8 4 7 8 8 6
6,57
n n 7
Data tidak tersebar lain (yang dalam beberapa buku lain disebut
data berbobot), untuk menentukan rata-rata hitungnya digunakan
rumus:
x
fx i i
f i
56
x1 f1 f1 . x1
x2 f2 f2 . x2
x3 f3 f3 . x3
x4 f4 f4 . x4
Jumlah f i fx i i
57
x
f xi i
193
7,72
f i 25
Contoh:
Nilai data fi xi fi.xi
45 - 51 7 48 336
52 - 58 5 55 275
59 - 65 12 62 744
66 - 72 7 69 483
73 - 79 12 76 912
80 - 86 17 83 1411
87 - 93 16 90 1440
58
94 - 100 4 97 388
Jumlah 80 5989
Lalu subtitusikan pada rumus:
x
fx i i
f i
5989
x
80
x 74,86
x AM p
f .d
n
Dengan:
AM adalah asummed mean atau nilai rata-rata duga
p adalah panjang kelas
f adalah frekuensi
d adalah faktor selisih antar tanda kelas
59
dan n adalah jumlah data
60
Contoh:
Nilai data Frekuensi xi d'
45 - 51 7 48 -21
52 - 58 5 55 -14
59 - 65 12 62 -7
66 - 72 7 69 0
73 - 79 12 76 7
80 - 86 17 83 14
87 - 93 16 70 21
94 - 100 4 77 28
Jumlah 80
61
x AM p
f .d
n
67
x 69 7.
80
x 74,86
x AM p
f .d
n
93
x 83 7.
80
x 74,86
62
Anda bisa juga coba dengan menggunakan kelas-kelas interval
yang lain sebagai AM, hasilnya akan sama.
Selanjutnya,
f.d disebut sebagai faktor koreksi, karena dengan cara AM
n
Anda telah melakukan dugaan terhadap nilai rata-rata. Faktor koreksi
tersebut dipakai untuk menghasilkan nilai rata-rata yang sebenarnya.
b. Rata-rata Harmonis
Untuk sembarang data yang banyaknya adalah n, rata-rata
harmonis (H) didefinisikan sebagai berikut:
n
H
1 1 1 1
x1 x 2 x3 xn
Contoh:
63
Suatu hari Bagas berangkat dari Bandung menuju Cirebon yang
berjarak 180 Km dengan memacu mobilnya dengan rata-rata
kecepatan 80Km/Jam. Karena beberapa alasan pulangnya
bagas memacu mobilnya hanya dengan kecepatan rata-rata
70Km/Jam. Berapakah kecepatan rata-rata pergi pulang yang
ditempuh oleh Bagas?
Jawab:
Waktu yang diperlukan oleh bagas untuk berangkat adalah:
180Km
2,25Jam
80Km / Jam
Waktu yang diperlukan oleh bagas untuk pulang adalah:
180Km
2,57 Jam
70Km / Jam
64
c. Rata-rata kuadratis
Rata-rata kuadratis banyak digunakan pada ilmu teknik yang
berhubungan dengan fisika. Untuk sembarang data dengan
banyak n, rata-rata kuadratis, atau sering disebut akar rata-rata
kuadratis didefinisikan sebagai:
NRK
xi 2
65
Jumlah data di atas adalah genap sehingga nilai mediannya
merupakan nilai data yang terletak ditengah-tengah setelah
diurutkan dari nilai terendah, yaitu:
39 57 68 78 89 90 95
Data keempat adalah data yang membagi dua, menjadi dua
kelompok data, nilai median yang dimaksud adalah 78.
66
Contoh median untuk daftar distribusi pada tabel 2.5 adalah
sebagai berikut:
Nilai data Frekuensi
45 - 51 7
52 - 58 5
59 - 65 12
66 - 72 7
73 - 79 12
80 - 86 17
87 - 93 16
94 - 100 4
Jumlah 80
67
59 - 65 12
66 - 72 7
73 - 79 12 Kelas Median
80 - 86 17
87 - 93 16
94 - 100 4
Jumlah 80
2. Modus
Modus adalah statistik yang juga sering digunakan untuk mewakili
sekelompok tertentu data. Dari sekumpulan data, dengan menyebutkan
nilai atau kejadian yang paling banyak muncul, biasanya sudah merupakan
kesimpulan dari sekumpulan dat itu. Misalnya disebuah kelas banyak
mahasiswa yang menyukai Bakso, maka dapat disimpulkan bahwa
kebanyakan siswa pada kelas tersebut menyukai bakso.
68
Modus dapat diartikan sebagai peristiwa/kejadian/nilai yang paling sering
muncul. Pada data kualitatif ataupun data kuantitatif, modus dapat
ditentukan dengan melihat gejala, interval kelas yang memiliki frekuensi
kemunculan yang paling tinggi.
Untuk data kuantitatif yang terkelompok, nilai Modus dapat ditentukan
dengan formula:
b1
Mo Bb p
b1 b2
Dengan:
Mo adalah Modus
Bb adalah Batas bawah kelas Modus
P adalah panjang kelas
b1 adalah selisih frekuensi kelas modus dengan frekuensi sebelum kelas
modus.
b2 adalah selisih frekuensi kelas modus dengan frekuensi setelah kelas
modus.
Contoh:
Kita gunakan soal pada tabel 2.5 untuk mencari modus, langkah pertama
yang harus dilakukan adalah menentukan kelas modus, yaitu kelas dengan
frekuensi tertinggi, yaitu ada dikelas ke 6, kita tandai untuk mempermudah
penacrian nilai Modus
69
66 - 72 7
73 - 79 12
80 - 86 17 Kelas Modus
87 - 93 16
94 - 100 4
Jumlah 80
Referensi
Ali, M. 1993. Strategi Penelitian Pendidikan. Bandung. Penerbit Angkasa..
Arikunto, S. 2002. Prosedur Penelitian. Jakarta PT. Rineka Cipta.. Gall,
M.D., Gall, J.P., Borg, W.R. 2003. Educational Research An
Introduction. Ablongman. Boston, New York, San Francisco,
Mexico City, Montreal, Toronto, London, Madrid, Munich, Paris,
Hong Kong, Singapore, Tokyo, Cape Town, Sydney
Hamid, dkk. 2014. Statistika Pendidikan. Tangerang: Universitas Terbuka
Krathwohl, D.R. 1998. Methods of Educational & Social Science Research
An Integrated Approach. Longman. New York; Reading
Massachusetts; Menlo Park, California; Harlow, England; Don
Mills, Ontario; Sydney; Mexico City; Madrid; Amsterdam
MCMillan, J.H dan Schumacher, S. 1997. Research in Education, a
Conceptual Introduction. New York. Longman.
Sudjana. (1983). Metode Statistika. Edisi Keempat. Bandung: Tarsito.
Sudijono, A. (2006). Pengantar Statistik Pendidikan, PT Rajagrafindo
Persada, Jakarta.
Sukmadinata, N.S. 2004. Metode Penelitian Lanjutan. Outline. Program
Pascasarjana Universitas Pendidikan Indonesia
70
Latihan Soal
71
MODUL IV
UKURAN LOKASI
(Pertemuan ke 6 dan 7)
72
mengecil) dibagi menjadi empat bagian sama banyak. Bilangan pembagi
ada tiga masing masing disebut Kuartil yaitu Kuartil Pertama / Bawah
(Q1), Kuartil Kedua / Tengah (Q2) dan Kuartil Ketiga / Atas (Q3).
73
Contoh: tentukan kuartil 1, 2 dan 3 dari data sebagai berikut
2 2 3 4 5 6 6 8 9
LQ1 = 1/4 (9 + 1) = 2,5
Sehingga Q1 = skor data ke 2 + 0,5 (skor data ke 3 – data ke 2)
Q1 = 2 + 0,5 (3 – 2) = 2,5
LQ2 = 2/4 (9 + 1) = 5,0
Sehingga Q2 = skor data ke 5 + 0 (skor data ke 6 – data ke 5)
Q2 = 5
LQ3 = 3/4 (9+1) = 7,5
Sehingga Q3 = skor data ke 7 + 0,5 ( Skor data ke 8 – data ke 7)
Q3 = 6 + 0,5 (8-2) = 7
74
Tabel 4.1 Nilai Statistik 80 Mahasiswa
Nilai Frekuensi (f)
30 – 39 2
40 – 49 3
50 – 59 5
60 – 69 14 (LQ1)
70 – 79 24 (LQ2)
80 – 89 20 (LQ3)
90 – 99 12
Jumlah 80
Penyelesaian:
Untuk menyelesaikan masalah di atas, tentukan terlebih dahulu lokasi
kuartil 1, 2 dan 3.
LQ1 = ¼ (80+1) = 20,25 artinya berada pada kelas interval ke – 4
LQ2 = ½ (80+1) = 40,5 artinya berada pada kelas interval ke – 5
LQ3 = ¾ (80+1) = 60,75 artinya berada pada kelas interval ke – 6,
sehingga
𝑛
𝑖 4 − (∑ 𝑓1 )
𝑄1 = 𝐵1 + ×𝑝
𝑓𝑄1
20 − 10
= 59,5 + × 10
14
= 59,5 + 7,14 = 66,64
𝑛
2 4 − (∑ 𝑓2 )
𝑄2 = 𝐵2 + ×𝑝
𝑓𝑄2
75
40 − 24
= 69,5 + × 10
24
= 69,5 + 6,67 = 76,17
3𝑛
− (∑ 𝑓3 )
𝑄3 = 𝐵3 + 4 ×𝑝
𝑓𝑄3
60 − 48
= 79,5 + × 10
20
= 79,5 + 6 = 85,5
Desil
Desil atau disingkat dengan (Ds) adalah nilai atau angka yang membagi
data yang menjadi 10 bagian yang sama, setelah disusun dari data terkecil
sampai data terbesar atau sebaliknya. Cara mencari desil hampir sama
dengan mencari nilai kuartil, bedanya hanya pada pembagian saja. Kalau
kuartil data dibagi empat bagian yang sama, sedangkan desil data dibagi
10 bagian yang sama. Harga-harga desil ada sembilan bagian, yaitu Ds1
sampai Ds9.
(Ds) adalah titik atau skor atau nilai yang membagi seluruh distribusi
frekuensi dari data yang diselidiki ke dalam 10 bagian yang sama besar,
yang masing-masing sebesar 1/10 N (Sudijono, 2006: 117-118). Jadi,
sebanyak 9 buah titik desil, keseimbilan buah desil itu membagi seluruh
distribusi frekuensi ke dalam 10 bagian yang sama besar.
76
a. Susun data dari terkecil hingga terbesar
b. Tentukan letak kuartil dengan menggunakan rumus
LDsi = i/10 (n + 1)
LDsi = letak kuartil ke – i
n = Jumlah data
i = indeks ke 1, 2, atau 3
Jika letak Desil menunjukkan skor yang tidak bulat maka skor,
nilai Desil ditentukan dengan cara menghitung data ke (hasil
hitungan yang bulat) ditambahkan dengan sisa desimal dikalikan
dengan selisih skor dimana Desil itu berada.
77
𝑛
− (∑ 𝑓𝑖 )
𝐷𝑠𝑖 = 𝐵𝑖 + 4 ×𝑝
𝑓𝐷𝑠𝑖
Dengan:
Dsi = Desil ke-i
Bi = Batas bawah Desil ke – i
n = jumlah data
∑ 𝑓𝑖 = frekuensi kumulatif sebelum kelas Desil ke – i
P = panjang kelas
Fqi = frekuensi di kelas Desil ke - i
Contoh: Tentukan Desilk ke 1, 3 dan 7
Penyelesaian:
Untuk menyelesaikan masalah di atas, tentukan terlebih dahulu lokasi
Desil 1, 3 dan 7.
LDs1 =1/10 (80+1) = 8,1 artinya berada pada kelas interval ke – 3
LDs3 = 3/10 (80+1) = 24,3 artinya berada pada kelas interval ke – 5
78
LDs7 = 7/10 (80+1) = 56,7 artinya berada pada kelas interval ke – 6,
sehingga,
𝑛
1 10 − (∑ 𝑓1 )
𝐷𝑠1 = 𝐵1 + ×𝑝
𝑓𝑝1
8− 5
= 49,5 + × 10
5
= 49,5 + 6 = 55,5
𝑛
3 10 − (∑ 𝑓3 )
𝐷𝑠3 = 𝐵3 + ×𝑝
𝑓𝐷𝑠3
24 − 8
= 59,5 + × 10
14
= 59,5 + 11,42 = 70,97
7𝑛
− (∑ 𝑓7 )
𝐷𝑠7 = 𝐵7 + 10 ×𝑝
𝑓𝐷𝑠7
56 − 48
= 79,5 + × 10
20
= 79,5 + 4 = 83,5
Persentil
Persentil atau disingkat dengan (P) adalah nilai yang membagi data
menjadi 100 bagian yang sama, setelah disusun dari data terkecil sampai
data terbesar atau sebaliknya. Cara mencari Persentil hampir sama dengan
mencari nilai Desil. Bedanya kalau Desil data dibagi 10 bagian yang sama,
79
sedangkan Persentil data dibagi 100 bagian yang sama. Harga-harga
Persentil ada 99 bagian, yaitu P1, sampai P99.
Persentil adalah titik atau nilai yang membagi suatu distrubusi data
menjadi seratus bagian yang sama besar (Sudijono, 2006: 99). Karena
perrsentil sering disebut “ukuran per-ratus-an”. Titik yang membagi
distribusi data ke dalam seratus bagian yang sama besar ialah titik-titik:
P1, P2, P3, P4, P5, P6, . . . dan seterusnya, sampai dengan P99. Jadi didapat
sebanyak 99 titik pesenti yang membagi seluruh distribusi data ke dalam
seratus bagian yang sama besar, masing-masing sebesar 1/100 atau 1%.
80
LP10 = 10/100 (9 + 1) = 1
Sehingga LP10 = skor data ke 1
LP10 = 2
LP40 = 40/100 (9 + 1) = 4
Sehingga LP40 = skor data ke 4
LP40 = 4
81
30 – 39 2
40 – 49 3
50 – 59 5 (LP10)
60 – 69 14 (LP30)
70 – 79 24
80 – 89 20 (LP70)
90 – 99 12
Jumlah 80
Penyelesaian:
Untuk menyelesaikan masalah di atas, tentukan terlebih dahulu lokasi
Persentil 10, 30 dan 70.
LP10 =10/100 (80+1) = 8,1 artinya berada pada kelas interval ke – 3
LP30 = 30/100 (80+1) = 24,3 artinya berada pada kelas interval ke – 5
LP70 = 70/100 (80+1) = 56,7 artinya berada pada kelas interval ke –
6, sehingga
𝑛
10 100 − (∑ 𝑓1 )
𝑃1 = 𝐵1 + ×𝑝
𝑓𝐷𝑠1
8− 5
= 49,5 + × 10
5
= 49,5 + 6 = 55,5
𝑛
30 100 − (∑ 𝑓3 )
𝑃3 = 𝐵3 + ×𝑝
𝑓𝐷𝑠3
24 − 8
= 59,5 + × 10
14
82
= 59,5 + 11,42 = 70,97
70𝑛
− (∑ 𝑓7 )
𝑃7 = 𝐵7 + 100 ×𝑝
𝑓𝐷𝑠7
56 − 48
= 79,5 + × 10
20
= 79,5 + 4 = 83,5
Referensi
Ali, M. 1993. Strategi Penelitian Pendidikan. Bandung. Penerbit Angkasa..
Arikunto, S. 2002. Prosedur Penelitian. Jakarta PT. Rineka Cipta.. Gall,
M.D., Gall, J.P., Borg, W.R. 2003. Educational Research An
Introduction. Ablongman. Boston, New York, San Francisco,
Mexico City, Montreal, Toronto, London, Madrid, Munich, Paris,
Hong Kong, Singapore, Tokyo, Cape Town, Sydney
Hamid, dkk. 2014. Statistika Pendidikan. Tangerang: Universitas Terbuka
Krathwohl, D.R. 1998. Methods of Educational & Social Science Research
An Integrated Approach. Longman. New York; Reading
Massachusetts; Menlo Park, California; Harlow, England; Don
Mills, Ontario; Sydney; Mexico City; Madrid; Amsterdam
MCMillan, J.H dan Schumacher, S. 1997. Research in Education, a
Conceptual Introduction. New York. Longman.
Sudjana. (1983). Metode Statistika. Edisi Keempat. Bandung: Tarsito.
Sudijono, A. (2006). Pengantar Statistik Pendidikan, PT Rajagrafindo
Persada, Jakarta.
Sukmadinata, N.S. 2004. Metode Penelitian Lanjutan. Outline. Program
Pascasarjana Universitas Pendidikan Indonesia
Latihan Soal
83
15 20 19 16 14
17 14 12 16 19
18 15 20 16 18
a. Tentukan Kuartil 1, Kuartil 2 dan Kuartil 3 data tersebut!
b. Tentukan Desil 1, Desil 4, dan Desil 6
c. Tentukan Persentil 10, Persentil 40, Persentil 70 dan
Pesrsentil 90ya!
84
MODUL V
UKURAN DISPERSI
(Pertemuan ke 9 dan 10)
1 . Rentang/Jangkauan (Range, R )
Jangkauan atau ukuran jarak adalah selisih nilai terbesar
data dengan nilai terkecil data. Cara mencari jangkauan dibedakan
antara data tunggal dan data berkelompok.
a. Rentang data tunggal
Bila ada sekumpulan data tunggal X 1 , X2 . . ., Xn maka
jangkauannya adalah
𝐽𝑎𝑛𝑔𝑘𝑎𝑢𝑎𝑛 = 𝑋𝑛 − 1
85
Contoh soal:
Tentukan jangkauan data: 1, 4, 7, 8, 9, 11!
Penyelesaian:
X6 = 11 dan X1 = 1
Jangkauan = X6 – X1 = 11 – 1 = 10
86
Penyelesaian:
Dari Tabel 5.1 terlihat:
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Batas bawah kelas terendah = 139,5
Batas atas kelas tertinggi = 174,5
Jangkauan = 172 – 142 = 30
Jangkauan = 174,5 – 139,5 = 35
87
1
𝑄𝑑 = (𝑄 − 𝑄1 )
2 3
Rumus-rumus di atas berlaku untuk data tunggal dan data
berkelompok.
Contoh Soal:
a. Tentukan jangkauan antar kuartil dan jangkauan semi
interkuartil dari data berikut:
2, 4, 6, 8, 10, 12, 14
Penyelesaian:
Q1 = 4 dan Q3 = 12
JK = Q3 – Q1
= 12 – 4 = 8
Qd = ½ (12 – 4) = 4
b. Tentukan jangkauan antarkuartil dan jangkauan semi
interkuartil distribusi frekuensi berikut :
Tabel 5.2 Nilai Statistik 80 Mahasiswa
Nilai Frekuensi (f)
30 – 39 2
40 – 49 3
50 – 59 5
60 – 69 14
70 – 79 24
80 – 89 20
90 – 99 12
Jumlah 80
Penyelesaian:
88
𝑛
− (∑ 𝑓1 )𝑜
𝑄1 = 𝐵1 + 4 ×𝐶
𝑓𝑄1
20 − 10
= 59,5 + × 10
14
= 59,5 + 7,14 = 66,64
3𝑛
− (∑ 𝑓3 )𝑜
𝑄3 = 𝐵3 + 4 ×𝐶
𝑓𝑄3
60 − 48
= 79,5 + × 10
20
= 79,5 + 6 = 85,5
𝐽𝐾 = 85,5 − 66,64 = 85,5
1
𝑄𝑑 = (85,5 − 66,64) = 9,43
2
Jangkauan antar kuartil (JK) dapat digunakan untuk
menemukan adanya data pencilan, yaitu data yang berada diluar
pagar dalam dan pagar luar. Data pencilan ini dapat terjadi karena
ada kesalahan dari pencatatan atau salah ukur atau berasal dari
kasus yang menyimpang.
𝐿 = 1,5 × 𝐽𝐾
𝑃𝐷 = 𝑄1 − 𝐿
𝑃𝐿 = 𝑄3 + 𝐿
Keterangan :
L = satu langkah
PD = pagar dalam
PL = pagar luar
Contoh soal:
Selidiki apakah terdapat data pencilan dari data dibawah ini
89
15, 33, 42, 50, 51, 51, 53, 55, 62, 64, 65, 68, 79, 85, 97
Penyelesaian :
𝑄1 = 50 𝑑𝑎𝑛 𝑄3 = 68
𝐽𝐾 = 68 − 50
𝐿 = 1,5 × 18 = 27
𝑃𝐷 = 50 − 27 = 23
𝑃𝐿 = 68 + 27 = 95
Contoh soal:
Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11
90
Penyelesaian :
2 + 3 + 6 + 8 + 11
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑖𝑡𝑢𝑛𝑔 = 𝑋̅ = =6
5
∑|𝑋𝑖 − 𝑋̅| = |2 − 6 | + |3 − 6| + |6 − 6| + |8 − 6|
+ |11 − 6| = 14
∑|𝑋𝑖− 𝑋̅| 14
𝐷𝑅 = = = 2,8
𝑛 5
Contoh Soal:
Tentukan deviasi rata-rata dari distribusi frekuensi pada tabel
berikut:
Tabel 5.3 Temperatur selama sebulan adalah:
Interval Frekuensi F.Xi
X |𝑋 − 𝑋̅| f |𝑋 − 𝑋̅|
Temperatur oF (hari)
-50 sd -45,1 4 -47,55 -190,2 11,3 45,2
-45 sd -40,1 10 -42,55 -425,5 6,3 63
-40 sd -35,1 15 -37,55 -563,25 1,3 19,5
-35 sd -30,1 11 -32,55 -358,05 3,7 40,7
-30 sd -25,1 10 -27,55 -275,5 8,7 87
50 -1812,5 255,4
91
∑ 𝑓𝑖 𝑋𝑖 −1812,5
𝑋̅ = = = −36,25
𝑛 50
∑ 𝑓 |𝑋 − 𝑋̅|
𝐷𝑅 =
𝑛
255,4
= = 5,108
50
4. Varians
Varians adalah nilai tengah kuadrat simpangan dari nilai
tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya
(varians sampel) disimbolkan dengan s2. Untuk populasi,
2
∑(𝑋 − 𝑋̅)2
𝑠 =
𝑛
2) Untuk sampel kecil (n ≤ 30)
2
∑(𝑋 − 𝑋̅)2
𝑠 =
𝑛−1
Contoh soal:
Tentukan varians dari data 2, 3, 6, 8, 11 !
Penyelesaian :
n =5
92
2 + 3 + 6 + 8 + 11
𝑋̅ = =6
5
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 X2
2 -4 16 4
3 -3 9 9
6 0 0 36
8 2 4 64
11 5 25 121
30 54 234
∑(𝑋 − 𝑋̅)2
𝑠2 =
𝑛−1
54
= = 13,5
5−1
2
∑ 𝑓(𝑋 − 𝑋̅)2
𝑠 =
𝑛
2) Untuk sampel kecil (n ≤ 30)
2
∑ 𝑓(𝑋 − 𝑋̅)2
𝑠 =
𝑛−1
Contoh soal:
Tentukan varians dari distribusi frekuensi berikut:
Tabel 4.4 Pengukuran Diameter Pipa
Diameter Frekuensi
65 – 67 2
93
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 – 82 2
Jumlah 40
Penyelesaian:
𝑋̅ = 73,425
Diameter f X 𝑋 − 𝑋̅ (𝑋 𝑓(𝑋
− 𝑋̅)2 − 𝑋̅)2
65 – 67 2 66 -7,425 55,131 110,262
68 – 70 5 69 -4,425 19,581 97,905
71 – 73 13 72 -1,425 2,031 26,403
74 – 76 14 75 1,575 2,481 34,734
77 – 79 4 78 4,575 20,931 83,724
80 – 82 2 81 7,575 57,381 114,762
Jumlah 40 - - - 467,790
∑ 𝑓(𝑋 − 𝑋̅)2
𝑠2 =
𝑛
467,790
𝑠2 = = 11,694
40
5. Simpangan Baku (Standar Deviasi)
Simpangan baku adalah akar dari tengah kuadrat
simpangan dari nilai tengah atau akar simpangan rata-rata kuadrat.
Untuk sampel, simpangan bakunya (simpangan baku sampel)
94
disimbolkan dengan s. Untuk populasi, simpangan bakunya
(simpangan baku populasi) disimbolkan (dibaca sigma).
Variansnya tentulah s2 untuk sampel dan 𝜎 2 untuk varians
populasi. Jelasnya s dan s2 merupakan statistik sedangkan dan 𝜎 2
merupakan parameter. Untuk nentukan nilai simpangan baku,
caranya:
𝑠 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑠
∑(𝑋 − 𝑋̅)2
𝑠= √
𝑛
∑(𝑋 − 𝑋̅)2
𝑠= √
𝑛−1
Contoh soal:
Diberikan sampel dengan data: 8, 7, 10, 11, 4
Tentukan simpangan bakunya.
Xi 𝑋𝑖 − 𝑋̅ (𝑋𝑖 − 𝑋̅)2
8 0 0
7 -1 1
10 2 4
11 3 9
95
4 -4 16
∑(𝑥𝑖 – 𝑥̅ ) = 0 ∑(𝑥𝑖 – 𝑥̅ )2= 30
Rata – rata 𝑋̅ = 8
30
𝑠 = √ = √7,5 = 2,74
4
Contoh soal;
Tentukan simpangan baku
Tabel 4.5 Nilai ujian statistik 100 orang mahasiswa
Niali ujian Frekuensi
40 – 44 8
45 – 49 12
50 – 54 19
55 – 59 31
60 – 64 20
65 – 69 6
70 – 74 4
96
Jumlah 100
Penyelesaian:
Nilai f X fX 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 𝑓(𝑋 − 𝑋̅)2
40 – 44 8 42 336 -13,85 191,8225 1534,58
45 – 49 12 47 564 -8,85 78,3225 939,87
50 – 54 19 52 988 -3,85 14,8225 281,63
55 – 59 31 57 1767 1,15 1,3225 40,99
60 – 64 20 62 1240 6,15 37,8225 756,45
65 – 69 6 67 402 11,15 124,3225 745,94
70 – 74 4 72 288 16,15 260,8225 1043,29
Jumlah 100 5585 5342,75
∑ 𝑓𝑋 5585
𝑋̅ = = = 55,85
∑𝑓 100
2
∑ 𝑓(𝑋 − 𝑋̅) 5342,75
𝑠= √ = √ = 7,31
𝑛 100
Koefisien Variasi
Untuk membandingkan dispersi atau variasi dari beberapa
kumpulan data digunakan istilah dispersi relatif, yaitu perbandingan
antara dispersi absolut dan rata-ratanya. Dispersi relatif dirumuskan:
𝐷𝑖𝑠𝑝𝑒𝑟𝑠𝑖 𝑎𝑏𝑠𝑜𝑙𝑢𝑡
𝐷𝑖𝑠𝑝𝑒𝑟𝑠𝑖 𝑟𝑒𝑙𝑎𝑡𝑖𝑓 =
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
97
Koefisien Variasi (KV)
Jika dispersi absolut digantikan dengan simpangan bakunya
maka dispersi relatifnya disebut koefisien variasi ( K V ) Koefisien
variasi dirumuskan:
𝑠
𝐾𝑉 = × 100%
𝑋̅
Keterangan:
KV = Koefisien variasi
s = simpangan baku
𝑋̅ = rata-rata
Contoh soal:
Dari hasil sampling terhadap kandungan Ag dengan menggunakan
channel sampling dan bulk sampling diperoleh data sebagai berikut:
Bulk sampling:
𝑆̅ = 57,99 g/t 𝑋̅ = 78,274
Channel sampling :
𝑆̅ = 69,99 g/t 𝑋̅ = 88,584
a. Tentukan koefisien variasi masing-masing
b. Metode sampling yang mana sebaiknya dilalakukan
Penyelesaian:
Bulk sampling
𝑆 57,99
𝐾𝑉 = × 100% = × 100% = 74,085 %
𝑋̅ 78,274
Channel sampling
98
𝑆 69,99
𝐾𝑉 = × 100% = × 100% = 79,01 %
𝑋̅ 88,584
a. Jadi variasi kadar Ag dengan menggunakan Channel sampling
lebih besar daripada variasi kadar Ag dengan menggunakan Bulk
Sampling
b. Sebaiknya menggunakan channel sampling untuk pengambilan
sampel.
Kemencengan/Kecondongan
Kemencengan atau kecondongan (skewness) adalah tingkat
ketidaksimetrisan atau kejauhan simetri dari sebuah distribusi.
Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada
yang ke kiri maka distribusi disebut menceng ke kanan atau memiliki
kemencengan positif. Sebaliknya, jika distribusi memiliki ekor yang
lebih panjang ke kiri daripada yang ke kanan maka distribusi disebut
menceng ke kiri atau memiliki kemencengan negatif.
Berikut ini gambar kurva dari distribusi yang menceng ke kanan
(menceng/condong positif) dan menceng ke kiri (menceng/condong
negatif).
99
Gambar 16 Kemencengan distribusi (a) Menceng/condong ke kiri (b)
menceng/condong ke kanan
Untuk mengetahui bahwa konsentrasi distribusi menceng ke
kanan atau menceng ke kiri, dapat digunakan menggunakan metode
koefisien kemencengan/kecondongan Person
100
3 ) sk < 0 —> nilai-nilai terkonsentrasi pada sisi sebelah kiri ( X
terletak d i
sebelah kiri M o ) , sehingga kurva memiliki ekor
memanjang ke kiri, kurva menceng ke kiri atau
menceng negatif.
Contoh soal:
Berikut ini adalah frekuensi debit air sungai
Tabel 4.6 frekuensi debit sungai
Penyelesaian:
101
31 – 40 35,5 44 142142 -32
-32 1024
1024 40964096
41 – 50 45,5 33 136,5
136,5 -22
-22 484
484 14521452
51 – 60 55,5 55 277,5
277,5 -12
-12 144
144 720 720
61 –70 65,5 88 524524 -2
-2 44 32 32
71 – 80 75,5 1111 830,5
830,5 88 64 704 704
81 – 90 85,5 77 598,5
598,5 18 324
324 22682268
91 – 100 95,5 22 191191 28 784
784 15681568
Jumlah 40 2700 10840
∑ 𝑓𝑋 2700
𝑋̅ = = = 67,5
∑𝑓 40
2
√ ∑ 𝑓(𝑋 − 𝑋̅) 10840
𝑠 = =√ = 16,672
𝑛−1 39
1 1
𝑛 − (∑ 𝑓2)𝑜 (40) − 12
𝑀𝑒 = 𝐵 + 2 𝐶 = 60,5 + 2 × 10
𝑓𝑀𝑒 8
= 60,5 + 10 = 70,5
𝑑1 4
𝑀𝑜 = 𝐿 + 𝐶 = 70,5 + × 10 = 70,5 + 4,44
𝑑1 + 𝑑2 4+5
= 74,94
𝑋̅ – 𝑀𝑜 67,5 − 74,94
𝑎. 𝑠𝑘 = = = −0,446
𝑠 16,672
Dari hasil perhitungan diperoleh nilai sk -0,446, yaitu negative
maka kurvanya menceng ke kiri atau menceng 102eptokur.
b. Gambar kurva:
102
12
10
0
35.5 45.5 55.5 65.5 75.5 85.5 95.5
Keruncingan (Kurtosis)
Keruncingan atau kurtosis adalah tingkat kepuncakan dari
sebuah distribusi yang biasanya diambil secara relatif terhadap suatu
distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan
atas tiga macam, yaitu sebagai berikut.
1. Leptokurtik
Leptokurtik merupakan distribusi yang memiliki puncak relatif
tinggi.
2. Platikurtik
Platikurtik merupakan distribusi yang memiliki puncak hampir
mendatar.
3. Mesokurtik
Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi
dan tidak mendatar.
103
Bila distribusinya merupakan distribusi simetris maka
distribusi mesokurtik dianggap sebagai distribusi normal.
Koefisien Keruncingan
Koefisien keruncingan atau koefisien kurtosis
dilambangkan dengan 4. (alpha 4). Jika hasil perhitungan
koefisien keruncingan diperoleh:
a. nilai lebih kecil dari 3 (<3) maka distribusinya adalah
distribusi platikurtik:
b. nilai lebih besar dari 3 (>3) maka distribusinya adalah
distribusi 104eptokurtic.
104
c. nilai yang sama dengan 3 (= 3) maka distribusinya adalah
distribusi mesokurtik.
Penyelesaian:
X 𝑋 − 𝑋̅ (𝑋 − 𝑋̅)2 (𝑋 − 𝑋̅)4
5,2 -8,82 77,7924 6051,65
1,5 1,5 2,25 7
35,9 35,9 1288,81 5,0625
9,8 9,8 96,04 166103
17,7 17,7 313,29 1
105
9223,68
2
98150,6
2
70,1 14,02 1778,1824 1774462
∑𝑥 70,1
𝑥̅ = = = 14,02
𝑛 5
1 1
∑(X − ̅
X )4 × 1774462 354892,4
α4 = n = 5 = = 1,796
s4 (21,084)4 197611,4
Karena nilainya lebih kecil dari pada 3 yaitu 1,796 maka
distribusi platikurtik.
106
65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 – 82 2
Jumlah 40
Penyelesaian:
Dari perhitungan diperoleh s = 3,42
Diameter f X 𝑋 (𝑋 − 𝑋̅)4 𝑓(𝑋 − 𝑋̅)4
− 𝑋̅
65 – 67 2 66 - 3039,386 6078,772
68 – 70 5 69 7,425 383,4009 1917,004
71 – 73 13 72 - 4,123438 53,60469
74 – 76 14 75 4,425 6,1535 86,14901
77 – 79 4 78 - 438,0911 1752,364
80 – 82 2 81 1,425 3292,536 6585,072
1,575
4,575
7,575
Jumlah 40 - - - 16472,97
107
1 1
∑(𝑋 − 𝑋̅)4 𝑓 × 16.472,97 411,824
𝑎. 𝛼4 = 𝑛 = 40 =
𝑠4 (3,42)4 136,806
= 3,01
Karena nilai keruncingannya adalah 3,01 maka bentuk
kurva tersebut adalah mesokurtik
b. Grafik:
16
14
12
10
0
66 69 72 75 78 81
Referensi
Latihan Soal
108
a. Negatif
b. Positif
3. Jelaskan bagaimana sifat data akan berkumpul jika lengkungannya:
a. Leptokurtik
b. Platikutik
4. Diketahui data curah hujan rata-rata setiap bulan selama tahun 2012
adalah sebagai berikut :
Bulan Jan Feb Mar Apr Mei Juni
mm/ bulan 554,X 261,X 176,X 297,X 264,X 122,X
Bulan Juli Agus Sept Okt Nov Des
mm/ bulan 232,X 122,X 84,X 73,X 285,X 380,X
a. Deviasi rata-rata
b. Hitung varians dan simpangan bakunya
109
MODUL VI
KORELASI DAN REGRESI
(Pertemuan ke 11, 12 dan 13)
110
Setelah mempelajari modul ini mahasiswa diharapkan dapat:
- Mahasiswa menjelaskan dan melakukan pengukuran korelasi yang
mencakup Hubungan antar Dua Variabel, Koefisien korelasi,
Karakteristik Koefisien Korelasi, Menghitung koefisien korelasi,
Kuadrat Korelasi dan Korelasi Spearman: Mencakup Koefisien
kuadrat korelasi dan Koefisien korelasi Spearman Brown
- menjelaskan dan melakukan pengukuran regresi linier sederhana
yang mencakup Menetapkan hubungan antar variabel, Melakukan
prediksi Y berdasar X, Melakukan prediksi dengan menggunakan
Regresi Linier
Scatter Diagram
Bila dua variabel X dan Y berhubungan sebab akibat, dengan variabel X
sebagai variabel independent (variabel bebas, variabel yang nilainya
mempengaruhi nilai variabel tak bebas) dan variabel Y sebagai variabel
dependent (variabel tak bebas, variabel yang nilainya dipengaruhi oleh
variabel bebas), maka bila nilai variabel X diketahui, nilai tersebut dapat
dipergunakan untuk memperkirakan nilai variabel Y jika bentuk hubungan
kedua variabel tersebut diketahui. Untuk mengethaui pola hubungan yang
mungkin terbentuk dari dua variabel X dan Y dapat dipergunakan Scatter
diagram (diagram pencar).
111
informasi tentang bentuk hubungan antara dua variabel X dan Y dengan
melihat macam pola yang terbentuk. Selain memberikan informasi tentang
bentuk hubungan dari kedua variabel, polayang terbentuk juga dapat
menggambarkan keeratan hubungan dari kedua variabel tersebut.
4.00
3.75
3.50
3.00
2.75
2.50
2.25
50 55 60 65 70 75 80 85 90 95
112
a. Hubungan kedua variabel tersebut adalah positif karena
peningkatan nilai X juga diikuti peningkatan nilai Y (searah)
b. Derajat atau tingkat hubungan kedua variabel X dan Y sangat erat
(titik-titik yang menunjukkan pertemuan nilai X dan Y mendekati
garis lurus)
c. Hubungan kedua variabel adalah linier, karena titik-titik yang
menunjukkan pertemuan nilai X dan Y tersebut dapat
menggambarkan garis lurus.
d. Berdasarkan pola hubungan natara X dan Y yang diperoleh dari
scatter diagram maka secara garis besar sifat hubungan antara
variabel independent (X) dan variabel dependent (Y) dapat
diklasifikasikan sebagai hubungan linier dan hubungan nonlinier.
Persamaan Regresi Linier
Y’ = a + bX
Y’ = nilai Y prediksi
Y = Variabel terikat
a = nilai rata-rata Y prediksi jika X = 0
b = rata-rata perubahan pada Y jika X berubah 1 satuan
X = Variabel bebas
Untuk menghitung koefisien a dan b pada persamaan diatas digunakan
rumus :
Y b X n XY X Y
a b
n
n X 2 X
2
Contoh :
Berikut data hasil test karyawan dengan unit penjualan perminggu :
Salesman Hasil Test (X) Penjualan (Y)
A 4 5
113
B 7 12
C 3 4
D 6 8
E 10 11
Tentukan persamaan regresi linier sederhana data diatas
Hitunglah nilai penjualan, apabila salesman memiliki hasil test sebesar 8
Jawab
X Y X2 XY Y2
4 5 16 20 25
7 12 49 84 144
3 4 9 12 16
6 8 36 48 64
10 11 100 110 121
30 40 210 274 370
Y’ = a + b X
n XY X Y 5(274) (30)(40) 1370 1200
b 1.133
n X 2 X
2
5(210) (30) 2 1050 900
Y b X 40 (1.133)(30)
a 1.202
n 5
Y = 1.202 + 1.133
Jika X = 8 Y = 1.202 + 1.133 (8)
= 1.202 + 9.1
= 10.302 10
Contoh :
114
Seorang pengusaha usaha transportasi ingin mengetahui hubungan antara
umur kendaraan dengan biaya perawatannya. Setelah dilakukan
pengamatan, diketahui hubungan antara umur kendaraan dengan biaya
perawatan sebagai berikut :
Tabel 2. Biaya Perawatran Kendaraan
No Kendaraan Umur Kendaraan (tahun) (X) Biaya Reparasi (Rp. juta) (Y)
H 101 CC 5 3.1
H 104 CC 11 4
H 207 CC 4 3
H 532 CC 5 3.4
H 227 CC 3 2.5
H 438 CC 2 2
Berdasarkan informasi tersebut diatas dapat dilakukan, estimasi garis
regresi berdasarkan metode kuadrat terkecil sebagai berikut :
No. Umur Biaya Perawatan XY X2 Y2
(X) (Y)
1 5 3.1 15.5 25 9.61
2 11 4 44.0 121 16
3 4 3 12.0 16 9
4 5 3.4 17.0 25 11.56
5 3 2.5 7.5 9 6.25
6 2 2 4 4 4
X = 30 Y = 18 XY = X2 = Y2 =
100 200 56.42
Y = a + bX
115
n XY X Y 6(100) (30)(18) 600 540 60
b 0.2
2
n X X
2
6(200) (30) 2
1200 900 300
Y b X 18 (0.2)(30) 18 6
a 2
n 6 6
Y = 2 + 0.2X
Jika X = 8
Y = 2 + 0.2 (8) = 3.6
116
(a) (b)
Garis Regresi ini lebih tepat Garis Regresi ini kurang
sebagai estimasi dari sebagai estimatr dari
hubungan X dan Y hubungan X dan Y
(Y Y ' ) 2
Se atau
n2
Y 2 a( Y ) b( XY )
Se
n2
Contoh :
Kembali pada pemilik usaha angkutan yang berupaya mengadakan
prediksi terhadap biaya perawatan tiap mobil dengan melihat masa
pakainya, telah ditemukan persamaan estimasi :
Y’ = 2 + 0.2X
Y 2 a( Y ) b( XY )
Se
n2
117
56.42 2(18) 0.2(100) 56.42 36 20 0.42
Se 0.324
62 4 4
Se Y = a + bX
3 Se (99.7%)
2 Se (95.5%)
1 Se (68%)
118
tertentu, analisis korelasi berusaha meghitung arah dan kekuatan hubungan
antara variabel Y dan variabel X.
Perbedaan utama regresi dengan korelasi adalah jika pada analisis regresi
terdapat hubungan sebab akibat, pada analisis korelasi hubungan semacam
ini tidak ada. Artinya korelasi antara Y dengan X akan sama dengan
korelasi antara X dengan Y.
Kekuatan dan arah hubungan antara 2 variabel diukur dengan koefisien
korelasi. Koefisien korelasi bertanda + (positif) atau – (negatif), dengan
angka yang berkisar dari –1 hingga +1.
-1 +1
119
Apa yang dimaksud dengan korelasi positif dan negatif? Jika 2 variabel
berkorelasi positif, kenaikan variabel satu akan diikuti kenaikan variabel
lain dan penurunan variabel satu diikuti dengan penurunan variabel lain.
Sedangkan korelasi negatif menunjukkan jika satu variabel naik, variabel
lain akan turun. Perhatikan gambar berikut :
Y
II I II I
0 +
III IV X
0
III IV
Contoh :
Mencari koefisien korelasi antara variabel penjualan dengan variabel hasil
test.
Salinan Hasil Test Penjualan X2 XY Y2
(X) (Y)
A 4 5 16 20 25
B 7 12 49 84 144
C 3 4 9 12 16
120
D 6 8 36 48 64
E 10 11 100 110 120
30 40 210 274 370
n. XY X . Y
r
n. X ( X ) 2 n. Y 2 ( Y ) 2
2
5(274) (30)(40)
r 0.87
5(210) (30) 2 5.(370) (40) 2
artinya antara hasil test dengan penjualan memiliki hubungan yang positif
dan cukup kuat.
Contoh Lain
Tabel dibawah ini, menunjukan data curah hujan (Xi) dalam satuan mm
dari DPS Cimanuk-Leuwigoong dan debit alirannya (Yi) dalam m3/det,
pada rata-rata bulanan dari tahun 1978-1982. Tentukan:
121
1. Januari 229 32
2. Februari 205 31
3. Maret 271 38
4. April 304 40
5. Mei 145 28
6. Juni 154 24
7. Juli 98 21
8. Agustus 69 13
9. September 71 14
10. Oktober 96 12
11. November 184 28
12. Desember 280 37
Jawab.
Dengan menggunakan calculator Casio fx-3600 misalnya, didapat:
X 175,5 , X 2106 , X 2
445942 , S X2 6939,91
Y 26,5 , Y 318 , Y 2
9492 , S y2 = 96,82 dan XY 64510
sehingga:
a Y b X =26,5-(0,113)(175,5)=6,669
122
Koefsien arah (b) menyatakan perubahan rata-rata variabel Y untuk setiap
perubahan variabel X sebesar satu satuan. Dengan demikian dapat
dikatakan, bahwa terjadi perubahan curah hujan satu satuan, maka
diharapkan terjadi perubahan debit rata-rata bulanan sebesar 0,113 m3/det.
Bila data curah hujan pada Range data di atas ( 69 X 304 ), maka dapat
diramalkan debit di antara kedua batas tersebut, disebut dengan interpolasi
debit. Sebaliknya, jika mensubstitusikan variabel X di luar Range data
tersebut, misalnya X=500 mm maka didapat Y=74,46 m3/det, disebut
ekstrapolasi debit.
Korelasi positif (R=0,9649) antara debit (Y) dengan curah hujan (X),
berarti semakin besar curah hujan semakin besar pula debit DPS Cimanuk-
Leuwigoong.
123
Referensi
Ali, M. 1993. Strategi Penelitian Pendidikan. Bandung. Penerbit Angkasa..
Arikunto, S. 2002. Prosedur Penelitian. Jakarta PT. Rineka Cipta.. Gall,
M.D., Gall, J.P., Borg, W.R. 2003. Educational Research An
Introduction. Ablongman. Boston, New York, San Francisco,
Mexico City, Montreal, Toronto, London, Madrid, Munich, Paris,
Hong Kong, Singapore, Tokyo, Cape Town, Sydney
Hamid, dkk. 2014. Statistika Pendidikan. Tangerang: Universitas Terbuka
Krathwohl, D.R. 1998. Methods of Educational & Social Science Research
An Integrated Approach. Longman. New York; Reading
Massachusetts; Menlo Park, California; Harlow, England; Don
Mills, Ontario; Sydney; Mexico City; Madrid; Amsterdam
MCMillan, J.H dan Schumacher, S. 1997. Research in Education, a
Conceptual Introduction. New York. Longman.
Sudjana. (1983). Metode Statistika. Edisi Keempat. Bandung: Tarsito.
Sudijono, A. (2006). Pengantar Statistik Pendidikan, PT Rajagrafindo
Persada, Jakarta.
Sukmadinata, N.S. 2004. Metode Penelitian Lanjutan. Outline. Program
Pascasarjana Universitas Pendidikan Indonesia
Latihan Soal
1. Suatu penelitian dilakukan utk mengetahui seberapa besar
pengaruh pemberian pupuk N terhadap berat kering tanaman
tertentu.
Untuk keperluan penelitian ini dilakukan percobaan dgn
memberikan pupuk N kepada tanaman tersebut dengan dosis
N/Tan :
X : 0 10 20 30 40 50 60
Dari hasil penelitian yang dilakukan diperoleh data berat kering
tanaman (gr/Tan) sebagai berikut :
Y = 2,1 57 2,482 2,740 2,835 3,277 3,415 3,762
Dari data tersebut diatas :
a.Tentukanlah persamaan regresi liniernya
b.Hitunglah koefisien korelasinya, jelaskan apa artinya.
c.Uji apakah r signifikan pada tingkat kesalahan () = 5 %
d.Uji apakah pupuk N berpengaruh terhadap berat kering tanaman
124
2. Seorang mahasiswa melakukan survai untuk meneliti apakah ada
korelasi antara nilai statistik dengan nilai ekonometrika, untuk
kepentingan penelitian tersebut diambil 10 mahasiswa yang telah
menempuh mata kuliah statistika dan ekonometrik. Sebaran data
diperoleh sebagai berikut :
3.
Statistik 9 6 5 7 4 3 2 8 7 6
Ekonometrik 8 7 6 8 5 4 2 9 8 6
125
126
127