BAB I

PENDAHULUAN

1.1  Latar Belakang
Penelitian merupakan kegiatan yang terencana untuk mencari jawaban
yang obyektif atas permasalahan manusia melalui prosedur ilmiah. Untuk itu
didalam suatu penelitian dibutuhkan suatu proses analisis data yang berguna
untuk menganalisis data-data yang telah terkumpul. Data yang sudah
terkumpul namun belum dianalisis merupakan data mentah. Dalam kegiatan
penelitian, data mentah akan memberi arti bila dianalisis dan ditafsirkan.
Sehingga analisis data sangat memegang peranan penting dalam
penelitian. Data yang dapat dikumpulkan banyak sekali seperti catatan di
lapangan, gambar, foto, dokumen, laporan, biografi, artikel, dan sebagainya.
Pekerjaan analisis data dalam hal ini ialah mengatur, mengurutkan,
mengelompokkan, memberikan kode, dan mengategorikannya.
Pengorganisasian dan pengelolaan data tersebut bertujuan menemukan tema
dan hipotesis kerja yang akhirnya diangkat menjadi teori substantif oleh
karena itu, analisis data  merupakan bagian yang amat penting karena dengan
analisislah suatu data dapat diberi arti dan makna yang berguna
untuk  masalah penelitian. Data yang telah dikumpulkan oleh peneliti tidak
akan ada gunanya apabila tidak dianalisis terlebih dahulu. Dalam proses
analisis data dimulai dengan menelaah seluruh data yang tersedia dari
berbagai sumber, yaitu dari wawancara, pengamatan yang sudah dituliskan
dalam catatan lapangan, dokumen pribadi, dokumen resmi, gambar, foto, dan
sebagainya (Moleong, 2007 dalam Wahyulis, 2010).
Walaupun begitu penting dalam dunia pendidikan, analisis data
merupakan suatu kegiatan yang membutuhkan kemampuan dan pemahaman
tertentu untuk dapat menyelesaikannya. Menurut Nasution (dalam Sugiyono,
2010: 88) “melakukan analisis adalah pekerjaan yang sulit, memerlukan kerja
keras. Analisis memerlukan daya kreatif serta kemampuan intelektual yang
tinggi.tidak ada cara tertentu yang dapat diikuti untuk mengadakan analisis,
sehingga setiap peneliti harus mencari sendiri metode yang dirasakan cocok

1
 dengan sifat penelitinya. Bahan yang sama bisa diklasifikasikan lain oleh
peneliti yang berbeda”. Dari paparan diatas, dapat dikatakan bahwa analisis
data memang memerlukan kemampuan khusus dalam melaksanakannya.
Tidak semua orang dapat melakukan penganalisisan data dengan baik.
Tergantung tingkat pemahaman dan kemampuan intelegensi yang dimilikinya.
Melihat kondisi ini, selaku mahasiswa yang nantinya akan bermuara
pada kegiatan penelitian yang akan dilakukan, tentu menjadi hal yang penting
dalam memahami konsep analisis data. Konsep ini dapat dijadikan pedoman
mahasiswa dalam melakukan penelitian dalam pendididkan khususnya bagi
mahasiswa jurusan Pendidikan Guru Sekolah Dasar FIP
UNDIKSHA. Menyimak lebih dalam mengenai hal yang dipaparkan diatas,
penulis bermaksud memberikan sebuah gagasan berupa pembuatan karya tulis
(makalah) yang berjudul “Analisis Data”. Karya tulis ini diharapkan mampu
memeberikan tambahan informasi kepada pembaca khususnya mahasiswa
Jurusan Pendidikan Guru Sekolah Dasar mengenai pengertian, analisis data,
bentuk data yang dianalisis, teknik yang digunakan, langkah-langkah
penganalisisan serta bagaimana bentuk interprentasi data hasil analisis
untuk dilakukan implementasi dalam konteks belajar mengajar di bangku
perkuliahan.

1.2  Rumusan Masalah
Berdasarkan uraian latar belakang diatas, maka dapat diuraikan rumusan
masalah sebagai berikut.
1. Bagaimanakah teknik analisis data?
2. Bagaimanakah lagkah-langkah analisis data?
3. Bagaimanakah penginterprentasi data hasil analisis?
4. Bagaimana matematika distribusi frekuensi ?

1.3  Tujuan
Berdasarkan uraian rumusan masalah diatas, maka dapat diuraikan
tujuan yang ingin dicapai dalam pembuatan karya tulis ini sebagai berikut.
1. Mendeskripsikan teknik analisis data.

2
 2. Mendeskripsikan lagkah-langkah analisis data.
3. Mendeskripsikan penginterprentasi data hasil analisis.
4. Mendeskripsikan matematika distribusi frekuensi

1.4  Manfaat
Manfaat yang diharapkan dari luaran karya tulis ini sebagai berikut.
1. Bagi Mahasiswa
Mampu dipahaminya pengertian dan deskripsi mengenai analisis data,
bentuk data yang dianalisis, teknik yang digunakan, langkah-langkah
penganalisisan serta bagaimana bentuk interprentasi data hasil analisis.
Sehingga mampu menciptakan pemahaman yang lebih mendalam
mengenai teknik analisis data dalam penelitian.
2. Bagi Penulis
Menambah pemahaman mengenai pengertian, analisis data, bentuk data
yang dianalisis, teknik yang digunakan, langkah-langkah penganalisisan serta
bagaimana bentuk interprentasi data hasil analisis untuk dilakukan
implementasi dalam konteks belajar mengajar di bangku perkuliahan.
3. Bagi Pembaca
Menambah wawasan baru mengenai pengertian analisis data, bentuk
data yang dianalisis, teknik yang digunakan, langkah-langkah penganalisisan
serta bagaimana bentuk interprentasi data hasil analisis dalam kehidupan
sehari-hari yang berkaitan dengan penganalisisan data.

3
 BAB  II
PEMBAHASAN

2.1 Pengertian Analisis Data

Susan Stainback (dalam Sugiyono, 2006: 88) mengemukakan bahwa
“Data analysis is critical to the qualitative research process. It is to
recognition, study, and understanding of interrelationshp and concept in your
data that hypotheses and assertions can be developed and evaluated” Analisis
data merupakan hal yang kritis dalam proses penelitian kualitatif, data
sehingga hipotesis dapat dikembangkan dan dievaluasi. Selain itu, Spradley
(dalam Sugiyono, 2006: 89) menyatakan bahwa analsis dalam penelitian jenis
apapun, adalah merupakan cara berfikir kritis. Hal itu berkaitan dengan
pengujian secara sistematis terhadap sesuatu untuk menentukan bagian,
hubungan antar bagian, dan hubungannya dengan keseluruhan. Analisis adalah
untuk mencari pola. Selanjutnya Sugiyono mendefinisikan pengertian analisis
data adalah proses mencari dan menyusun secara sistematis data yang
diperoleh dari hasil wawancara, catatan lapangan, dan dokumentasi, dengan
cara mengorganisasikan data ke dalam katagori, menjabarkan ke dalam unit-
unit, melakukan sintesa, menyusun kedalam pola, memilih mana yang penting
dan mana yang akan dipelajari, dan membuat kesimpulan sehingga mudah
dipahami oleh sendiri maupun orang lain.
Berdasarkan paparan para ahli diatas, dapat ditarik kesimpulan bahwa
analisis data dapat diartikan sebagai suatu bentuk pola pikir
untuk melaksanakan mengolah data, dengan tujuan menjadikan data
tersebut sebagai suatu informasi, sehingga karakteristik atau sifat-sifat datanya
dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-
masalah yang berkaitan dengan kegiatan penelitian. Analisis data merupakan
salah satu langkah penting dalam rangka memproleh temuan-temuan hasil
penelitian. Hal ini disebabkan data akan menuntun kita kearah temuan ilmiah,
bila dianalisis dengan teknik-teknk yang tepat. Data yang belum dianalisis
merupakan data mentah. Dalam kegiatan penelitian, data mentah akan
memberi arti bila dianalisis dan ditafsirkan. Sehingga analisis data sangat

4
 memegang peranan penting dalam penelitian. Dalam rangka analisis dan
interpretasi data, perlu dipahami tentang keberadaan data itu sendiri. Secara
garis besar, keberadaan data dapat digolongkan ke dalam dua jenis, yaitu data
bermuatan kualitatif dan data bermuatan kuantitatif yang akan dijelaskan pada
sub bab selanjutnya.

2.2 Jenis Data yang Dianalisis

Seperti yang diketahui bahwa, penelitian dilakukan untuk mendapatkan
data. Data yang didapatkan peneliti beragam. Macam-macam data yang
dimaksud oleh Sugiyono (2011: 5-8) dijelaskan dalam gambar sebagai berikut.

Gambar 1. Macam Data Penelitian

            
Berdasarkan gambar diatas dapat dikatakan bahwa secara garis besar
jenis data dibedakan atas data kualitatif dan data kuantitatif. Data kualitatif
merupakan data yang berbentuk kata, kalimat, gerak tubuh, ekspresi wajah,
bagan, gambar dan foto (Sugiyono, 2011: 7). Data bermuatan kualitatif
disebut juga dengan data lunak. Data semacam ini diperoleh melalui penelitian
yang menggunakan pendekatan kualitatif, atau penilaian kualitatif.
Keberadaan data bermuatan kualitatif adalah catatan lapangan yang
berupa catatan atau rekaman kata-kata, kalimat, atau paragraf yang diperoleh
dari wawancara menggunakan pertanyaan terbuka, observasi partisipan, atau
pemaknaan peneliti terhadap dokumen atau peninggalan. Sedangkan
kuantitatif adalah data yang berbentuk angka. Keberadaan data bermuatan
kuantitatif adalah angka-angka (kuantitas), baik diperoleh dari jumlah suatu

5
 penggabungan ataupun pengukuran. Data bermuatan kuantitatif yang
diperoleh dari jumlah suatu penggabungan selalu menggunakan bilangan
cacah. Contoh data seperti ini adalah angka-angka hasil sensus, angka-angka
hasil tabulasi terhadap jawaban terhadap angket atau wawancara terstruktur.
Adapun data bermuatan kuantitatif hasil pengukuran adalah skor-skor yang
diperoleh melalui pengukuran, seperti skor tes prestasi belajar, skor skala
motivasi, skor timbangan, dan semacamnya. Selanjutnya data kualitatif
dibedakan atas data kualitatif emperis dan data kualitatif bermakna. Dimana
data kualitatif emperis merupakan data sebagaimana adanya (tidak diberi
makna) dan data kualitatif bermakna adalah data dibalik fakta yang tampak.
Selanjutnya yaitu data kuantitaif yang dibedakan atas data diskrit dan data
kontinum. Data diskrit atau data nominal merupakan data kualitatif yang satu
sama lain terpisah, tidak dalam satu garis kontinum. Sedangkan data kontinum
merupakan data kualitatif yang satu sama lainnya saling berkesinambungan
dalam satu garis. Kemudian data kontinum dijabarkan kembali menjadi data
ordinal, interval dan ratio. Data ordinal merupakan data kualitatif yang
berbentuk peringkat/ranking. Kemudian data interval merupakan data
kualitatif kontinum yang jaraknya sama, tetapi tidak mempunyai nilai nol
absolut. Dan data ratio merupakan data kualitatif kontinum yang jaraknya
sama dan mempunyai nilai nol absolut/mutlak.

2.3 Teknik-teknik Analisis Data

Teknik analisis data ada dua, yaitu teknik analisis data kuantitatif dan
teknik analisis data kualitatif. Bagi data yang bersifat kuantitatif (numerical)
tentu saja analisis data yang digunakan adalah analisis kuantitatif dengan
ukuran-ukuran statistik (Wina, 2002: 296). Untuk analisis data kuantitatif
dalam penggunaan statistik deskriptif dapat disesuaikan dengan ruang lingkup
yang hendak dicapai. Apakah mengharuskan data untuk memiliki normalitas,
homogenitas atau syarat lainnya. Wina menyebutkan pula, untuk
mempermudah kerja dalam penganalisisan data, sudah terdapat perangkat
lunak komputer berupa SPSS. Perangkat ini dapat membantu mempercepat
kegiatan penganalisisan data yang dikehendaki. Teknik analisis data

6
kuantitatif berbeda dengan kualitatif. Dalam teknik analisis data menggunakan
statistik, terdapat dua macam statistik yang digunakan pada data kuantitatif,
yaitu statistik deskriptif dan inferensial.
a. Deskriptif
 Mengukur tedensi sentral
Mean
Median
Modus
 Mengukur variabilitas
Quartil
Desil
Persentil
Standar deviasi
Varian
 Penyajian data
Tabel, Diagram, Grafik
b. Inferensial
 Parametrik
Statistik parametrik adalah cabang ilmu statistik inferensial yang
digunakan untuk menganalisis data-data yang memiliki sebaran normal saja.
Diartikan pula ilmu statistik yang berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal (Asep, tt). Statistik parametrik
tidak dapat dipergunakan sebagai metode statistik apabila data yang akan
dianalisis tidak menyebar secara normal. Dengan kata lain, data yang ingin di
analisis harus ditransformasikan terlebih dahulu. Transformasi yang dimaksud
adalah data ubah mengikuti sebaran normal. Transformasi dapat dilakukan
dengan mengubah data ke dalam bentuk logaritma natural, menggunakan
operasi matematik (membagi, menambah, atau mengali dengan bilangan
tertentu), dan mengubah skala data dari nominal menjadi interval. Spesifikasi
ini disebabkan karena metode statistik parametrik memiliki tingkat akurasi
ketepatan yang lebih tinggi dibandingkan statistik non parametrik (akan

7
dijelaskan selanjutnya). Untuk itulah penyajian data dengan sebaran normal
harus dilakukan untuk mendapatkan analisis data yang akurat. Contoh statistik
parametrik yaitu Normalitas, Homogenitas, Uji T, dan Anava.
 Non-parametrik
Statistik nonparametrik disebut juga statistik bebas sebaran. Statistik
nonparametrik tidak mensyaratkan bentuk sebaran parameter populasi.
Statistik nonparametrik dapat digunakan pada data yang memiliki sebaran
normal atau tidak. Statistik nonparametrik biasanya digunakan untuk
melakukan analisis pada data nominal atau ordinal. Keunggulan dari
statistik nonparametrik yaitu, tidak membutuhkan asumsi normalitas; secara
umum metode statistik non-parametrik lebih mudah dikerjakan dan lebih
mudah dimengerti jika dibandingkan dengan statistik parametrik  karena
ststistika non-parametrik tidak membutuhkan perhitungan matematik yang
rumit seperti halnya statistik parametrik; statistik non-parametrik dapat
digantikan data numerik (nominal) dengan jenjang (ordinal); kadang-kadang
pada statistik non-parametrik tidak dibutuhkan urutan atau jenjang secara
formal karena sering dijumpai hasil pengamatan yang dinyatakan dalam data
kualitatif; pengujian hipotesis pada statistik non-parametrik dilakukan secara
langsung pada pengamatan yang nyata. Walaupun pada statistik non-
parametrik tidak terikat pada distribusi normal populasi, tetapi dapat
digunakan pada populasi berdistribusi normal. Contoh statistik nonparametrik
yaitu Kolerasi Spearman (Spearman Rank Order Correlation) dan Chi Square.
Berbeda halnya dengan analisis data kualitatif. Menurut Sugiyono
(2010) analisis data dalam penelitian kualitatif dilakukan  sejak sebelum
memasuki lapangan, selama di lapangan dan setelah selesai di lapangan.
a. Analisis Sebelum di Lapangan
Penelitian kualitatif telah melakukan analisis data sebelum peneliti
memasuki lapangan. Analisis dilakukan terhadap data hasil studi pendahuluan
yang akan digunakan untuk menentukan fokus penelitian. Fokus penelitian ini
masih bersifat sementara dan berkembang setelah memasuki dan selama di
lapangan.

8
b.    Analisis Selama di Lapangan dan Setelah Selesai di Lapangan
Analisis data dalam penelitian kualitatif, dilakukan pada saat
pengumpulan data berlangsung dan setelah selesai pengumpulan data dalam
periode tertentu. Pada saat wawancara, peneliti sudah melakukan analisis
terhadap jawaban yang diwawancarai. Bila jawaban yang diwawancarai
setelah dianalisis terasa belum memuaskan, maka peneiti akan melanjutkan
pertanyaan lagi, sampai tahap tertentu sihingga dipeoleh data yang dianggap
kredibel. Miles and Huberman (dalam, Sugiyono 2010), mengemukakan
bahwa aktivitas dalam analisis data kualitatif dilakukan secara interaktif dan
berlangsung secara terus menerus sampai tuntas, sehingga datanya sudah
jenuh. Analisis data dilakukan melalui 3 tahap, yaitu data reduction (reduksi
data), data display (penyajian data), dan Conclusion Drawing / Verification.
 Data Reduction (Reduksi Data)
Reduksi data berarti merangkum, memilih hal yang pokok,
memfokuskan pada hal yang penting, dicari pola dan temanya. Misalkan pada
bidang pendidikan, setelah peneliti memasuki setting sekolah sebagai tempat
penelitian, maka dalam meraduksi data peneliti akan memfokuskan pada
murid yang memiliki kecerdasan tinggi dengan mengkatagorikan pada aspek
gaya belajar, perilaku social, interalsi dengan keluarga dan lingkungan.
 Data Display (penyajian data)
Data display berarti mendisplay data yaitu menyajikan data dalam
bentuk uraian singkat, bagan, hubungan antar katagori, dsb. Menyajikan data
yang sering digunakan dalam penelitian kualitatif adalah bersifat naratif. Ini
dimaksudkan untuk memahami apa yangterjadi, merencanakan kerja
selanjutnya berdasarkan apa yang dipahami.
 Conclusion Drawing / Verification
Langkah terakhir dari model ini adalah penarikan kesimpulan dan
verifikasi. Kesimpulan dalam penelitian mungkin dapat menjawab rumusan
masalah yang dirumuskan sejak awal namun juga tidak, karena masalah dan
rumusan masalah dalam penelitian kualitatif masih bersifat sementara dan
berkembang setelah peneliti ada di lapangan. Kesimpulan penelitian kualitatif
merupakan temuan baru yang sebelumnya belum ada yang berupa deskripsi

9
 atau gambaran yang sebelumnya belum jelas menjadi jelas dapat berupa
hubungan kausal / interaktif dan hipotesis / teori.

2.4 Langkah-langkah Analisis Data

Menurut Sukardi (2003), ada beberapa langkah yang perlu dilalui agar
proses analisis menjadi lebih terarah, yakni skoring, tabulasi, mendeskripsikan
data, dan melakukan uji statistika.
a. Skoring
Skoring adalah pemberian nilai pada setiap jawaban yang dikumpulkan
peneliti dari instrumen yang telah disebarkan. Setiap item pertanyaan  yang
dimunculkan pada instrumen dikuantifikasikan dalam bentuk angka.
Misalnya, pada saat angket disebarkan aternatif jawaban yang
diberikan  masih berupa kualitatif, maka pada tahap ini harus
dikuantifikasikan. Pada tahap ini peneliti memberikan nilai atau bobot pada
setiap alternatif jawaban.
Contoh alternatif jawaban pada angket.
·  Selalu              : 3
·  Belum tentu    : 2
·  Tidak               : 1
b. Tabulasi
Setelah tahap skoring, hasilnya ditransfer dalam bentuk yang lebih
ringkas dan mudah dilihat. Mencatat skor secara sistematis akan memudahkan
pengamatan data yang diperoleh. Apabila analisis data membandingkan dua
kelompok, maka data ditempatkan dalam kolom yang berbeda. Dengan
menggunakan prinsip tabulasi ini, seorang peneliti akan dapat menentukan
arah selanjutnya teknik analisis apa yang diperlukan, tergantung pada tujuan
analisis data yang hendak dicapai.
c. Mendeskripsikan data
Mendeskripsikan data adalah menggambarkan data yang ada guna
memperoleh bentuk nyata dari responden, sehingga lebih dimengerti oleh
peneliti atau seseorang yang tertarik dengan hasil penelitian yang dilakukan.
Analisis data yang paling sederhana dan sering digunakan oleh peneliti atau

10
 pengembang adalah mmenganalisis data yang ada dengan menggunakan
prinsip-prinsip deskriptif. Dengan menganalisis secara deskriptif dapat
mendeskripsikan data secara lebih ringkas, sederhana, dan lebih mudah
dimengerti. Yang termasuk analisis deskriptif antara lain mean, median,
modus, quartil, desil, persentil, standar deviasi, dan varian.
d. Melakukan uji statistika
Uji statistika atau analisis inferensial merupakan pengolahan data yang
diperoleh dengan menggunakan rumus-rumus atau aturan-aturan
yang berlaku, sesuai dengan pendekatan penelitian atau desain yang diambil.
Penggunaan rumus atau aturan-aturan tersebut hendaknya mampu mengukur
dan sesuai dengan tujuan atau hasil penelitian yang ingin peneliti capai.

2.5 Menginterprestasikan
Penafsiran atau interpretasi tidak lain dari pencarian pengertian yang
lebih luas tentang penemuan-penemuan. Penafsiran data tidak dapat
dipisahkan dari analisis, sehingga sebenarnya penafsiran merupakan aspek
tertentu dari analisis, dan bukan merupakan bagian dari analisis. Interpretasi
data perlu dilakukan untuk memberikan arti mengenai hasil dari analisis data
yang telah dilakukan sebelumnya. Menurut Moh.Nazir (dalam, Wahyulis
2010) ada beberapa pengertian penafsiran data adalah sebagai berikut.
a. Penafsiran adalah penjelasan yang terperinci tentang arti yang sebenarnya
dari materi yang dipaparkan. Data yang telah dalam bentuk tabel, perlu
diberikan penjelasan tang terperinci dengan tujuan untuk untuk
menegakkan keseimbangan suatu penelitian, dalam pengertian
menghubungkan hasil suatu penelitan dengan penemuan penelitian
lainnya, Untuk membuat atau menghasilkan suatu konsep yang bersifat
menerangkan atau menjelaskan.
b. Penafsiran dapat menghubungkan suatu penemuan studi exsploratif
menjadi suatu hipotesis untuk suatu percobaan yang lebih teliti
lainnya. Misalnya, seorang peneliti sesang mempelajari sikap dari para
transmigran yang berasal dari Jawa Timur, Bali terhadap penduduk
setempat di Aceh, maka dari data penelitian di Aceh perlu dibuat

11
 penafsiran untuk menyajikan kesinambungan penemuan tentang pengaruh
pergaulan pribadi antara anggota transmigran dari kelompok sosial yang
berbeda tersebut di daerah lain, misalnya di Sulawesi dengan penemuan di
Aceh.
Untuk itu, penafsiran data sangat penting kedudukannya dalam proses
analisis data penelitian karena kualitas analisis dari suatu peneliti sangat
tergantung dari kualitas penafsiran yang diturunkan oleh peneliti terhadap
data.
Stringer (dalam, Wahyulis 2010) mengemukakan beberapa teknik
menginterpretasikan hasil analisis data kualitatif adalah sebgai berikut.
a. Memperluas analisis dengan mengajukan pertanyaan. Hasil analisis
mungkin masih miskin dengan makna, dengan pengajuan beberapa
pertanyaan hasil tesebut bisa dilihat maknanya. Pertanyaan dapat
berkenaan dengan hubungan atau perbedaan antara hasil analisis,
penyebab, aplikasi dan implikasi dari hasil analisis.
b. Hubungan temuan dengan pengalaman pribadi. Penelitian tindakan sangat
erat kaitanya dengan pribadi peneliti. Temuan hasil analisis bisa
dihubungkan dengan pengalaman-pengalaman pribadi peneliti yang cukup
kaya.
c. Minat nasihat dari teman yang kritis. Bila mengalami kesulitan dalam
menginterpretasikan hasil analisis, mintalah pandangan kepada teman
yang seprofesi dan memiliki pandangan yang kritis.
d. Hubungkan hasil-hasil analisis dengan literatur. Factor eksternal yang
mempunyai kekuatan dalam memberikan interpretasi selain teman, atau
kalau mungkin ahli adalah literature. Apakah makna dari temuan
penelitian menurut pandangan para ahli, para peneliti dalam berbagai
literature.
e. Kembalikan pada teori. Cara lain utuk menginterpretasikan hasil dari
analisis data adalah hubungkan atau tinjaulah dari teori yang relevan
dengan permasalahan yang dihadapi.

12
2.6 Matematika Distribusi Frekuensi
1. Probabilitas
Probabilitas adalah sekumpulan kemungkinan-kemungkinan yang dapat
berubah pada proses produksi di dunia industri secara kasar mempunyai efek
yang sama terhadap keragaman suu cadang seperti halnya faktor peluang.
Maka kesamaan ini bahwa ukuran secara aljabar yang dikembangkan dalam
bidang probabilitas dapat menganalisis distribusi frekuensi industrial.
2. Ukuran secara aljabar dari distribusi frekuensi
a. Mean (rata-rata)
Rata-rata hitung atau arithmetic mean atau sering disebut dengan
istilah mean saja merupakan metode yang paling banyak digunakan untuk
menggambarkan ukuran tendensi sentral. Mean dihitung dengan
menjumlahkan semua nilai data pengamatan kemudian dibagi dengan
banyaknya data. Definisi tersebut dapat di nyatakan dengan persamaan
berikut:
Sampel:

Populasi:

Keterangan:
∑ = lambang penjumlahan semua gugus data pengamatan
n = banyaknya sampel data
N = banyaknya data populasi
 = nilai rata-rata sampel
μ = nilai rata-rata populasi
Mean dilambangkan dengan   (dibaca “x-bar”) jika kumpulan data ini
merupakan contoh (sampel) dari populasi, sedangkan jika semua data berasal
dari populasi, mean dilambangkan dengan μ (huruf kecil Yunani mu).

13
b. Median
Median adalah datum yang membagi data menjadi dua kelompok, 50
persen data kurang dari nilai median dan 50 persen data lebih besar dari
median. Pada data tunggal, pencarian nilai median dilakukan dengan cara
mengurutkan data dari nilai terkecil ke nilai terbesar. Kemudian nilai tengah
data yang telah diurutkan itu merupakan nilai median.
Bagaimana menentukan nilai median dari data berkelompok? Bagaimana
penurunan formula nilai median untuk data berkelompok hingga menjadi
rumus sebagai berikut:

di mana:
Lo  = tepi bawah dari kelas limit yang mengandung median,
Me = nilai median,
n = banyaknya data,
Fk = frekuensi kumulatif sebelum kelas yang memuat median,
f0 = frekuensi kelas yang memuat median,
c = panjang intreval kelas.

c. Modus
Modus adalah data yang frekuensinya paling sering muncul. Sebagai
contoh, modus untuk data 5 4 6 8 5 1 3 5 7 adalah 5 karena kemunculan 5 dari
data tersebut yang paling sering.

d. Standar Deviasi
Standar deviasi adalah ukuran penyebaran yang paling banyak
digunakan. Semua gugus data dipertimbangkan sehingga lebih stabil
dibandingkan dengan ukuran lainnya. Namun, apabila dalam gugus data
tersebut terdapat nilai ekstrem, standar deviasi menjadi tidak sensitif lagi,
samahalnya seperti mean.

14
Berikut terdapat empat (4) rumus dalam standar deviasi, diantaranya:
 Rumus Standar Deviasi Data Tunggal

 Rumus Standar Deviasi Data Populasi

 Rumus Standar Deviasi Data Kelompok untuk Sampel

 Rumus Standar Deviasi Data Kelompok untuk Populasi

Keterangan:
 σ2 = varians atau ragam untuk populasi
 S2 = varians atau ragam untuk sampel
 fi = Frekuensi
 xi = Titiktengah
 x¯ = Rata-rata (mean) sampel dan   μ = rata-rata populasi

15
 n =  Jumlah data

e. Kurva Normal
Distribusi Normal atau Kurva Normal (Distribusi GAUSSE) adalah
Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan
peristiwa-peristiwa yang lebih luas. Suatu data membentuk distribusi normal
bila jumlah data di atas dan di bawah mean adalah sama.
Ciri-ciri kurva normal
1. Bentuk Kurva Normal
Bentuk kurva normal menyerupai bentuk genta (bel). Kurva normal
merupakan suatu poligon yang dilicinkan yang mana ordinatnya memuat
frekuensi dan absisnya memuat nilai variabel. Bentuk kurva normal adalah
simetris, sehingga luas rata-rata (mean) ke kanan dan ke kiri masing-masing
mendekati 50 %. Memiliki satu modus, jadi kurva unimodal.

2. Daerah Kurva Normal

Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah
kurva normal. Luas daerah kurva normal biasa dinyatakan dalam persen atau
proporsi. Dengan kata lain luas daerah kurva normal adalah seratus per sen,

16
apabila dinyatakan dalam persen, dan apabila dinyatakan dengan proporsi,
luas daerah kurva normal adalah satu.

17
 BAB III
PENUTUP

3.1 Kesimpulan
Dalam rangka analisis dan interpretasi data, perlu dipahami tentang
keberadaan data itu sendiri. Secara garis besar, keberadaan data dapat
digolongkan ke dalam dua jenis, yaitu : data bermuatan kualitatif dan data
bermuatan kuantitatif
Teknik analisis data ada dua, yaitu teknik analisis data kuantitatif dan
teknik analisis data kualitatif yaitu teknik analisis data kuantitatif dengan
menggunakan statistik, meliputi statistik deskriptif dan inferensial. Statistik
inferensial meliputi statistik parametris dan non parametris. Teknik analisis
data kualitatif dilakukan dari sebelum penelitian, selama penelitian, dan
sesudah penelitian yang meliputi analisis sebelum di lapangan, teknik analisis
selama di lapangan model Miles dan Huberman dan teknik analisis data
menurut Spradley.
Secara garis besar, analisis data meliputi 4 langkah, yaitu :
Persiapan (scoring), tabulasi, mendesktripsikan datadan melakukan uji
statistika. Penafsiran data sangat penting kedudukannya dalam proses analisis
data penelitian karena kualitas analisis dari suatu peneliti sangat tergantung
dari kualitas penafsiran yang diturunkan oleh peneliti terhadap data.

3.2 Saran
Menyadari bahwa penulis masih jauh dari kata sempurna, kedepannya
penulis akan lebih fokus dan details dalam menjelaskan tentang makalah di
atas dengan sumber-sumber yang lebih banyak yang tentunya dapat di
pertanggungjawabkan. Untuk saran bisa berisi kritik atau saran terhadap
penulisan juga bisa untuk menanggapi terhadap kesimpulan dari bahasan
makalah yang telah di jelaskan.

18
 DAFTAR PUSTAKA

Prihanto, Asep. tt.  Pengantar Statistik Non Parametrik. Bandung: Universitas

Brawijaya.
Sanjaya, Wina. 2002. Penelitian Pendidikan. Jakarta: Kencana Prenada Media
Group
Sugiyono. 2006. Memahami Penelitian Kuantitatif. Bandung: Alfabeta
Sugiyono. 2011. Metode Penelitian Kombinasi. Bandung: Alfabeta
Sukardi. 2003. Metodelogi Penelitian Pendidikan. Jakarta: Bumi Aksara
Wahyulis, Tri. 2010. Analisis Data. Malang: Tidak diterbitkan

19