Anda di halaman 1dari 37

TUGAS BIOSTATISTIKA

METODE DESKRIPTIF DAN UJI NORMALITAS

OLEH :
KELOMPOK 1

1. DESAK NYOMAN RISKA KRISMAYANTI 193223110


2. GABRIELA ANGELINA PALABI 193223115
3. I GEDE PUTRA SAINAN JAYA 193223116
4. I GUSTI AYU TRISNADEWI 193223117
5. I KOMANG PRAYOGA 193223118
6. IKE SRI WULANDARI 193223124
7. MERLIANA SOFIANI 193223130
8. NANIK EKA PURNAWATI 193223131
9. NI KADEK SUKRAENI PEBREYANTI 193223135
10. NI WAYAN SUKRIMI 193223154

SEKOLAH TINGGI ILMU KESEHATAN

WIRA MEDIKA PPNI BALI

2020
KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Ida Sang Hyang widhi Wasa karena
kami dapat menyelesaikan makalah yang berjudul “Metode Deskriptif dan Uji
Normalitas” tepat pada waktunya.
Dalam Penulisan makalah ini kami merasa masih banyak kekurangan, baik
pada teknis penulisan maupun materi, mengingat akan kemampuan yang kami
miliki. Untuk itu kritik dan saran dari semua pihak sangat penulis harapkan demi
penyempurnaan pembuatan makalah ini.
Dalam penyusunan makalah ini saya menyampaikan ucapan terima kasih
kepada pihak-pihak yang membantu dalam menyelesaikan makalah ini.Semoga
makalah ini bermanfaat bagi pembaca, oleh karena itu kritik dan saran dari semua
pihak yang bersifat membangun penulis harapkan demi mencapai kesempurnaan
makalah berikutnya.
Sekian penulis sampaikan terimakasih kepada semua pihak yang telah
membantu.Semoga Ida Sang Hyang Widhi Wasa senantiasa melancarkan segala
usaha kita.

Denpasar, 22 Februari 2020

Penulis

ii
DAFTAR ISI

KATA PENGANTAR.............................................................................................ii
DAFTAR ISI..........................................................................................................iii
BAB I PENDAHULUAN........................................................................................4
A. LATAR BELAKANG.........................................................................................4
B. RUMUSAN MASALAH....................................................................................4
C. TUJUAN...............................................................................................................5
D. MANFAAT...........................................................................................................5
BAB II PEMBAHASAN.........................................................................................6
A. METODE DESKRIPTIF ( DISTRIBUSI FREKUENSI TEDENSI
SENTRAL)...........................................................................................................6
1. Distribusi Frekuensi.................................................................................6
2. Ukuran Tedensi Sentral.........................................................................13
3. Kuartil, Desil Dan Presentil...................................................................19
B. UJI NORMALITAS DATA..............................................................................28
1. Uji Asumsi Klasik (Uji Normalitas)......................................................28
2. Analisis Varian......................................................................................30
BAB III PENUTUP...............................................................................................33
A. SIMPULAN........................................................................................................33
B. SARAN...............................................................................................................33
DAFTAR PUSTAKA............................................................................................34

iii
BAB I

PENDAHULUAN

A. LATAR BELAKANG

Salah satu Tri Darma Perguruan Tinggi adalah penelitian. Oleh karena
itu, banyak dosen ataupun mahasiswa yang melakukan penelitian dalam
pendidikan. Penelitian itu ada yang bersifat mandiri maupun yang bersifat
proyek. Penelitian dipandang sebagai kegiatan yang dilakukan secara
sistematis untuk menguji jawaban-jawaban sementara (hipotesis) tentang
permasalahan yang diteliti melalui pengukuran yang cermat terhadap fakta-
fakta secara empiris konsep penelitian tersebut lambat laun dapat pula
diterima atau diterapkan dalam ilmu-ilmu sosial sekalipun pengukurannya
dalam ilmu-ilmu kealaman.

Sebagai suatu ilmu, kedudukan statistika merupakan salah satu cabang


dari ilmu matematika terapan. Oleh karena itu untuk memahami statistika pada
tingkat yang tinggi, terebih dahulu diperlukan pemahaman ilmu matematika.
Secara etimologis kata statistic berasal dari kata status (bahasa latin) yang
mempunyai persamaan arti dengan kata state (bahasa inggris) atau kata staat
(bahasa belanda), dan yang dalam bahasa indonesia diterjemahkan menjadi
negara. Pada mulanya, kata statistic diartikan sebagai kumpulan bahan
keterangan (data), baik yang berwujud angka (data kuantitatif) maupun yang
tidak berwujud angka (data kualitatif), yang mempunyai arti penting dan
kegunaan yang besar bagi suatu Negara.

Namun, pada perkembangan selanjutnya, arti kata statistik hanya di batasi


pada kumpulan bahan keterangan yang berwujud angka (data kuantitatif) dan
yang tidak berwujud angka (data kualitatif).

4
Dari latar belakang di atas, penulis akan mencoba memaparkan sebuah
makalah yang berjudul “Metode Deskriptif dan Uji Normalitas”.

B. RUMUSAN MASALAH
1. Apakah yang dimaksud dengan metode deskriptif ?
2. Apakah yang dimaksud dengan uji normalitas ?

C. TUJUAN

1. Untuk mengetahui mengenai metode deskriptif


2. Untuk mengetahui mengenai uji normalitas

D. MANFAAT

Manfaat yang diperoleh melalui penulisan makalah ini adalah mahasiswa


mampu menganalisis tentang metode deskriptif dan uji normalitas guna
meningkatkan pengetahuan.

5
BAB II

PEMBAHASAN

A. METODE DESKRIPTIF ( DISTRIBUSI FREKUENSI TEDENSI


SENTRAL)
Metode deskriptif dapat diartikan sebagai prosedur pemecahan masalah
yang diselidiki dengan menggambarkan keadaan subyek atau obyek dalam
penelitian berdasarkan fakta yang tampak apa adanya. Metode deskriptif atau
statistic deskriptif memberikan informasi hanya mengenai data yang ada dan
sama sekali tidak menarik iferensia atau kesimpulan apapun tentang data
tersebut. Penyajian data kategori deskriptif dapat berbentuk grafis dan
numerik, yaitu :
1. Penyajian data dalam bentuk numerik dapat digunakan untuk menghitung
nilai statistic dari sekumpulan data seperti mean dan standar
deviasi.statistik ini memberikan informasi rinci tentang distribusi data.
Contoh : central tedensi, dispersion/ pencaran, fraktile, skewness,
pengukuran keruncingan.
2. Penyajian data dalam bentuk grafis untuk mengidentifikasi pola-pola
tertentu dalam data. Disatu sisi pendekatan numerik lebih tepat dan
obyektif sehingga kombinasi dari kedua pendekatan ini akan saling
melengkapi. contoh : histogram, pie chart, polygon, ogive, dan diagram
batang daun (stem and leaf).

6
Terdapat tiga karakteristik utama dari variabel tunggal yaitu :
 Distribusi data ( distribusi frekuensi)
 Ukuran pemusatan / tendensi sentral
 Ukuran penyebaran (dispersion)

1. Distribusi Frekuensi
Distribusi frekuensi didefinisikan sebagai daftar sebaran data ( baik
data tunggal maupun data kelompok) yang disertai dengan nilai
frekuensinya. Data dikelompokkkan dalam beberapa kelas sehingga ciri-
ciri penting dari data tersebut dapat segera terlihat. Frekuensi
menunjukkan banyaknya kejadian/ kemunculan nilai data dengan kategori
tertentu. Distribusi data yang sudah diatur tersebut disebut distribusi data.
Distribusi frekuensi dapat digambarkan dalam dua cara yaitu sebagai tabel
atau sebagai grafik. Distribusi juga dapat ditampilkan dengan
menggunakan nilai persentase.
Daftar distribusi frekuensi adalah penyusunan urutan data ke dalam
kelas-kelas interval, untuk kemudian ditentukan jumlah frekuensinya
berdasarkan data yang sesuai dengan batas-batas interval kelasnya.
Distribusi frekuensi ada bermacam-macam, di antaranya :
Ditinjau dari nyata tidaknya frekuensi
a. Distribusi Frekuensi Absolut
Distribusi frekuensi absolut adalah suatu jumlah bilangan yang
menyatakan banyaknya data pada suatu kelompok tertentu. Distribusi
ini disusun berdasar apa adanya, sehingga tidak menyukarkan peneliti
dalam membuat distribusi ini.
b. Distribusi Frekuensi Relatif
Merupakan suatu jumlah persentase yang menyatakan banyaknya
data pada suatu kelompok tertentu.
Tahap penyusunan data menjadi daftar distribusi frekuensi antara lain
adalah:
 Menghitung jumlah data
 Mencari data tertinggi dan terendah

7
 Menetapkan range

  
 Merencanakan jumlah kelas
Jumlah kelas dihitung dengan menggunakan kaedah Sturges:

dimana n adalah jumlah data


 Menentukan panjang kelas
Panjang kelas ditentukan dengan persamaan berikut:

 Menentukan ujung bawah pada kelas interval


Ujung bawah kelas interval ditentukan dengan cara menjumlahkan data
terkecil yang ditetapkan sebagai ujung bawah kelas interval pertama
dengan nilai panjang kelas (p).
 Menetapkan nilai ujung atas kelas interval
Ujung atas kelas interval dimulai dengan interval kelas pertama sampai
dengan kelas terakhir. Beberapa kriteria yaitu:
1) Jika ujung-ujung bawah adalah bilangan bulat, maka nilai-nilai dari
ujung atas pada interval kelas pertama, kedua dan seterusnya
mempunyai selisih 1 dengan nilai ujung bawah berikutnya.
2) Jika ujung-ujung bawah adalah bilangan 1 desimal, maka nilai
ujung-ujung atas pada interval kelas pertama, kedua dan seterusnya
mempunyai seliisih 0,1 dengan nilai ujung bawah berikutnya.
 Menentukan batas bawah dan batas atas kelas interval
 Menentukan nilai tengah
Nilai tengah dapat ditentuan sebagai berikut:

Banyak data dalam setiap interval kelas yang diperoleh dari


himpunan data disesuaikan dengan batas-batas interval kelas.

8
Adapun macam-macam distribusi frekuensi adalah:

a. Distribusi frekuensi relatif


Distribusi frekuensi relatif dapat dinyatakan dalam bentuk relatif
(persentase). Frekuensi relatif kadang-kadang dinyatakan dalam bentuk
perbandingan ataupun desimal.
Contoh :

Misalkan jumlah seluruh data adalah 125, maka diperolehdiperoleh


tabel distribusi berikut ini :

b. Distribusi frekuensi kumulatif


Distribusi frekuensi kumulatif adalah distribusi yang berisikan
frekuensi kumulatif. Frekuensi kumulatif adalah frekuensi yang
dijumlahkan. Ada dua macam distribusi frekuensi kumulatif, yaitu
distribusi frekuensi kumulatif kurang dari dan lebih dari.
1) Distribusi Frekuensi Kumulatif kurang dari, adalah distribusi
frekuensi yang memuat jumlah frekuensi yang memiliki nilai
kurang dari nilai batas kelas suatu interval tertentu.
2) Distribusi Frekuensi Kumulatif lebih dari, adalah distribusi
frekuensi yang memuat jumlah frekuensi yang memiliki nilai lebih
dari nilai batas kelas suatu interval tertentu.
Contoh :
Berikut ini adalah data 50 mahasiswa dalam perolehan nilai
statistik pada Prodi Pendidikan Olaharaga dan Kesehatan pada
Universitas “T” semester V tahun 2015:

9
Nyatakan data-data tersebut ke dalam bentuk tabel distribusi
frekuensi kurang dari dan lebih dari!
Penyelesaian :
Tabel distribusi frekuensi kurang dari dan lebih dari
a) Tabel distribusi frekuensi kumulatif kurang dari

b) Tabel distribusi frekuensi kumulatif lebih dari

Penyajian Data
Secara garis besar ada dua cara penyajian data yaitu dengan tabel dan grafik.
Dua cara penyajian data ini saling berkaitan karena pada dasarnya sebelum dibuat
grafik data tersebut berupa tabel. Penyajian data berupa grafik lebih komunikatif.

1. Penyajian data dengan tabel


Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori
atau karakteristik data sehingga memudahkan untuk analisis data.

10
Ada tiga jenis tabel yaitu :

a. Tabel satu arah atau satu komponen 


Adalah tabel yang hanya terdiri atas satu kategori atau karakteristik data.
Tabel berikut ini adalah contoh tabel satu arah.
Banyaknya Pegawai Negeri Sipil Menurut Golongan Tahun 1990

Sumber : BAKN, dlm Statistik Indonesia, 1986


b. Tabel dua arah atau dua komponen
Adalah tabel yang menunjukkan dua kategori atau dua karakteristik. Tabel
berikut ini adalah contoh tabel dua arah.
Jumlah Mahasiswa UNP menurut Fakultas dan Kewarganegaraan
1995

Sumber : BAAK UNP, 2010

c. Tabel tiga arah atau tiga komponen


Adalah tabel yang menunjukkan tiga kategori atau tiga karakteristik.
Contoh tabel berikut ini.
Jumlah Pegawai Menurut Golongan, Umur dan Pendidikan pada
Departeman A Tahun 2000

11
Sumber : Data Buatan

2. Penyajian data dengan grafik/diagram


Penyajian distribusi frekuensi biasanya dalam bentuk grafik. Grafik
merupakan gambar-gambar yang menunjukkan data secara visual yang
biasanya dibuat berdasarkan nilai pengamatan aslinya ataupun dari tabel-tabel
sebelumnya. Keuntungan menggunakan grafik yaitu :
a. Grafik lebih mudah diingat daripada tabel
b. Grafik menarik bagi orang-orang tertentu yang tidak menyukai angka dan
tabel
c. Dapat diperoleh informasi secara visual dan juga dapat digunakan untuk
membandingkan secara visual pula
d. Dapat menunjukkan perubahan hubungan satu bagian dalam rangka data
dengan bagian yang lainnya.

Terdapat beberapa jenis grafik yaitu :

a. Grafik garis (line chart)


Grafik garis atau diagram garis dipakai untuk menggambarkan data
berkala. Grafik garis dapat berupa grafik garis tunggal maupun grafik garis
berganda.

1.
2.

12
b. Grafik batang / balok (bar chart)
Grafik batang pada dasarnya sama fugsinya dengan grafik garis yaitu
untuk menggambarkan data berkala. Grafik batang juga terdiri dari grafik
batang tunggal dan grafik batang ganda.

c. Grafik lingkaran (pie chart)


Grafik lingkaran lebih cocok untuk menyajikan data cross section,
dimana data tersebut dapat dijadikan bentuk prosentase.

13
2. Ukuran Tedensi Sentral

a. Mean

Arti dari mean tidak lain adalah “angka rata-rata”. Istilah Mean
akan tetap dipakai disini oleh karena sudah lazim digunakan dalam
statistik. Dari segi aritmetik Mean adalah “Jumlah nilai-nilai dibagi
dengan jumlah individu”. Istilah mean saja merupakan metode yang
paling banyak digunakan untuk menggambarkan ukuran tendensi
sentral. Mean (rata-rata) merupakan jumlah seluruh nilai data dibagi
dengan seluruh kejadian atau nilai rata-rata dari beberapa buah data.
Untuk keperluan ini, dalam perhitungan ukuran-ukuran statistik
akan digunakan simbol-simbol. Nilai-nilai data kuantitatif akan
dinyatakan dengan x1, x2, …, xn, apabila dalam kumpulan data itu
terdapat n buah nilai. Simbol n juga digunakan untuk menyatakan
ukuran sampel, yakni banyaknya objek atau data yang diteliti dalam
sampel. Rata-rata untuk data kuantitatif yang terdapat dalam sebuah
sampel dihitung dengan jalan membagi jumlah nilai data oleh
banyaknya data.

1) Perhitungan Mean Data Yang Tidak Dikelompokkan (Ungrouped


Data)

Penggunaan data tidak dikelompokkan maupun data yang


dikelompokkan data yang dikelompokkan umumnya berkaitan dengan
jumlah data yang digunakan. Jika jumlah data yang digunakan relatif
sedikit, rata-rata data yang tidak dikelompokkan (ungrouped data)
menjadi pilihan untuk digunakan. Sebaliknya, jika jumlah data yang
digunakan relatif banyak maka penggunaan data kelompok (grouped
data) banyak dipilih.

14
2) Mean Data Tunggal

Dirumuskan dengan

ΣXi
Mean= atau lebih sederhananya ditulis;
n
Keterangan :
X1: data ke 1
X2: data ke 2
Xn: data ke-n
n: jumlah data
Simbol ∑ adalah huruf Yunani yang disebut “Sigma” dan mempunyai
arti jumlah.

3) Mean Data Kelompok

Untuk data berkelompok rumus rata-ratanya adalah jumlah hasil


kali antara frekuensi dengan nilai data dibagi jumlah frekuensi; dimana
menyatakan frekuensi untuk nilai yang bersesuaian.
Dirumuskan dengan;
Σ( f i. x i)
Mean=
Σf i
Atau :

Keterangan :
X1: data ke 1
X2: data ke 2
Xn: data ke n
f1: frekuensi data ke 1

15
f2: frekuensi data ke 2
fn: frekuensi data ke n
n: jumlah data
xi: nilai tengah
Kelebihan mean:

a) Nilai rata-rata punyai sifat objektif


b) Nilai rata-rata mudah dimengerti
c) Nilai rata-rata mudah dihitung
d) Perhitungan rata-rata didasarkan pada data keseluruhan
sehingga nilai rata-rata dapat mewakili suatu rangakaian data.
e) Nilai rata-rata mempunyai stabilitas sampel
f) Nilai rata-rata digunakan untuk perhitungan lebih lanjut

Kelemahan mean:

a) Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik


kecil maupun besar
b) Pada distribusi yang condong, nilai rata-rata kurang mewakili

b. Median

Median (nilai tengah), adalah suatu nilai yang membatasi 50%


dari frekuensi distribusi sebelah atas dan 50% frekuensi distribusi
sebelah bawah atau merupakan nilai tengah dari rangkaian data yang
telah tersusun secara teratur. Atau sebagai ukuran letak, karena median
membagi distribusi menjadi 2 bagian yang sama. Median menentukan
letak data setelah data itu disusun menurut urutan nilainya.

16
1) Perhitungan Median Data Yang Tidak Dikelompokkan
(Ungrouped Data)

Langkah-langkahnya antara lain:


a) Urutkan data dari terkecil ke terbesar atau dari terbesar ke
terkecil. Dalam pembahasan ini, urutan data selalu dimulai dari
terkecil ke terbesar.
(n+1)
b) Tentukan letak median dengan formulasi
2

c) Untuk kasus jumlah data ganjil, nilai tengah dari observasi


yang sudah di urutkan merupakan nilai median sementara
untuk kasus jumlah data genap, nilai median merupakan rata-
rata dari dua data yang berada pada letak median untuk data
yang sudah diurutkan.
2) Median Data Tunggal

Jika banyak data ganjil maka median setelah data disusun


menurut nilainya merupakan data paling tengah.
(n+ 1)
Posisi Median=
2
Keterangan :
n= Jumlah data

3) Median Data Kelompok

Keterangan :
Lm= true lower limit atau batas bawah sesungguhnya dari kelas
dengan frekuensi paling tinggi (tepi bawah kelas median)
n= Jumlah Frekuensi
∑f= Frekuensi kumulatif diatas kelas median

17
fm= Frekuensi kelas median (frekuensi tertinggi dari kelas interval)
c= interval kelas median
Median memiliki kelebihan dan kekurangan antara lain:

Kelebihan:

a) Cocok untuk data heterogen


b) Median digunakan bila terdapat data yang ekstrim dalam
sekelompok data

Kekurangan:

a) Tidak mempertimbangkan semua nilai


b) Kurang dapat menggambarkan mean populasi
c. Modus

Modus, merupakan nilai data yang memiliki frekuensi terbesar


atau dengan kata lain, nilai data yang paling sering terjadi. Ukuran
ini juga dalam keadaan tidak disadari sering dipakai untuk
menentukan rata-rata data kualitatif. Misalnya banyak kematian di
Indonesia disebakan oleh penyakit malaria, pada umumnya
kecelakaan lalulintas karena kecerobohan pengemudi, maka tidak
lain masing-masing merupakan modus penyebab kematian dan
kecelakaan lalu lintas. Cara menentukan modus amat sangat mudah
hanya dengan mengamati data yang paling sering muncul. Dalam
satu rangkaian data, kadang dijumpai adanya 1 modus, 2 modus
atau tidak ada modus.

1) Perhitungan Modus Data Yang Tidak Dikelompokkan


(Ungrouped Data)

Langkah-langkahnya sebagai berikut:

a) Urutkan data dari terkecil ke terbesar atau dari terbesar ke


terkecil

18
b) Cari modus dengan cara mencari nilai observasi yang paling
banyak muncul. Bisa terjadi dalam satu kumpulan data tidak
terdapat modus atau bahkan memiliki modus lebih dari satu.
Untuk kasus dimana ada 2 modus dikenal dengan sebutan
bimodus atau untuk yang lebih dari 3 modus dikenal dengan
multimodus.

2) Modus Data Tunggal

Dalam data tunggal, modus dapat dibatasi sebagai nilai


variabel yang mempunyai frekuensi tertinggi dalam distribusi.
Cara menentukan modus data tunggal yakni dengan mengamati
data yang paling sering muncul.
Contoh modus data tunggal:
Berapakah modus dari data berikut : 1, 2, 2, 4, 4, 4, 5, 6, 7, 8, 9.
Jawab:
Modus= 4 , karena angka 4 muncul paling banyak yaitu 3 kali.

3) Modus Data Kelompok

Untuk data  kualitatif yang telah disusun dalam tabel


distribusi frekuensi (data berkelompok), modusnya dapat
ditentukan dengan rumus:
d1
Modus=Lmo + .c
(d 1+ d 2)
Keterangan :
Lmo = Tepi bawah kelas modus
d1 = selisih antara frekuensi kelas modus dengan frekuensi
kelas sebelum modus

19
d2= selisih antara frekuensi kelas modus dengan frekuensi
kelas sesudah modus
c = interval kelas modus
Modus dibandingkan ukuran lainnya, tidak tunggal adanya.
Yang berarti sekumpulan data biasanya mempunyai lebih dari
sebuah modus.
 Kelebihan:

a) Tidak peka atau tidak terpengaruh pada nilai ekstrem


b) Cocok untuk data homogen maupun heterogen (dapat
digunakan untuk semua jenis data)

 Kekurangan:

a) Kurang menggambarkan mean populasi


b) Modus bisa lebih dari satu, atau tidak ada satu pun
c) Teknik perhitungan ukuran ini kurang memiliki ketelitian
3. Kuartil, Desil Dan Presentil

a. Kuartil

Jika sekumpulan data dibagi menjadi empat bagian yang sama


banyak, sesudah disusun menurut urutan nilainya, maka bilangan
pembaginya disebut kuartil. Ada tiga buah kuartil, yakni kuatil
pertama, kuartil kedua, dan kuartil ketiga yang masing-masing
disingkat dengan Q1, Q2, dan Q3. Pemberian nama ini dimulai dari nilai
kuartil paling kecil.
Untuk menentukan nilai kuartilnya adalah:

1) Susun data menurut urutan nilainya


2) Tentukan letak kuartil
3) Tentukan nilai kuartil

Letak kuartil ke-i, diberi lambang Qi, ditentukan oleh rumus:

20
n+1
Q1= Kuartil bawah= x ( )
4
2 ( n+1 )
Q2= Median= Kuartil Tengah= x ( )
4
3 ( n+ 1 )
Q3= Kuartil atas= x ( )
4

b. Desil

Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka


didapat sembilan pembagi dan tiap pembagi dinamakan desil.
Karenanya ada sembilan buah desil, ialah desil pertama, desil ke-dua,
…, desil ke-sembilan, yang disingkat D1, D2, …, D9.
Desil-desil ini dapat ditentukan dengan jalan :

 Susun data menurut urutan nilainya


 Tentukan letak desil
 Tentukan nilai desil

Letak desil ke-i, diberi lambang Di

1) Desil Data Tunggal

2) Desil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel


distribusi frekuensi, desil ke-i
Di (i= 1, 2, …, 9) dihitung dengan rumus:

21
Keterangan :
 i = 1, 2, …, 9.
Tb= batas bawah kelas Di , ialah kelas interval dimana Di  akan
terletak.
p = panjang kelas Di.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas
Di.
f = frekuensi kelas Di.

c. Persentil

Sekumpulan data yang dibagi menjadi 100 bagian yang sama,


akan menghasilkan 99 pembagi berturut-turut yang dinamakan
persentil pertama, persentil kedua, …, persentil ke-99. Simbol yang
digunakan berturut-turut P1, P2, …, P99. Persentil ini dapat ditentukan
dengan cara:

 Susun data menurut urutan nilainya.


 Tentukan letak presentil
 Tentukan nilai presentil

Letak presentil ke-i, diberi lambang P.

1) Persentil Data Tunggal

1 ( n+1 )
Rumus Persensil ke-i = X ( )
100

2) Persentil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel


distribusi frekuensi, persentil ke-i Pi (i = 1, 2, …, 99) dihitung
dengan rumus:

22
Dengan keterangan:
 i = 1, 2, …, 99.
Tb = batas bawah kelas Pi , ialah kelas interval dimana Pi  akan
terletak.
p = panjang kelas Pi.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda
kelas Pi.
f = frekuensi kelas Pi.

Tendensi Nilai Sentral Dalam Praktik Empiris

Pengertian Mean, Median dan Modus

Mean adalah nilai Rata-rata yang didapat dari hasil penjumlahan seluruh nilai
dari masing-masing data, kemudian dibagi dengan banyaknya data yang ada.

Median adalah nilai tengah dari kumpulan data yang telah diurutkan, jika
jumlah data Ganjil maka Nilai Median adalah satu nilai yang berada ditengah
urutan, namun jika jumlah data Genap maka Mediannya adalah hasil penjumlahan
dua nilai yang berada ditengah urutan data, kemudian hasilnya dibagi dua.

Modus adalah data atau nilai yang paling sering muncul atau yang memiliki
jumlah frekuensi terbanyak.

Contoh Soal

Hasil ulangan mata pelajaran IPA yang didapat dari salah seorang murid,
selama 1 semester, adalah : 7.5 , 8 , 7, 6.5 , 7 , 7 , 6.5 , 8 , 7.5 , 8 , 7 , 7

Berapa nilai rata-rata (Mean), Modus dan Median dari data tunggal diatas?

Jawab:

Mean (Nilai rata-rata)

23
Mean = (7.5 + 8 + 7 + 6.5 + 7 + 7 + 6.5 + 8 + 7.5 + 8 + 7 + 7) : 12

Mean = 87 : 12

Mean = 7,25

Jadi nilai rata-rata (Mean) yang didapat murid tersebut adalah: 7,25.

Median

Untuk menentukan Median, maka data diatas harus kita urutkan terlebih
dahulu dari yang terkecil sampai yang terbesar, sebagai berikut :

6.5 , 6.5 , 7 , 7 , 7 , 7 , 7 , 7.5 , 7.5 , 8 , 8 , 8

Setelah data diurutkan, maka selanjutnya kita dapat mencari Nilai tengah dari
data tersebut, dan karena banyaknya data jumlahnya Genap (12), maka nilai
tengah menjadi dua nilai, yaitu nilai 7 dan 7.

Median = (7 + 7) : 2

Median = 14 : 2

Median = 7.

Modus

Modus adalah nilai yang paling sering muncul, dan dari data diatas, didapat
bahwa data nilai yang sering muncul adalah nilai 7, sebanyak 5 kali.

24
Jadi modus = 7

Rumus Mean (Rata-rata) Data Kelompok

Nilai Frekuensi
31-40 3
41-50 5
51-60 10
61-70 11
71-80 8

25
81-90 3

Nilai mean dari data pada table tersebut adalah ..

26
Rumus Median Data Berkelompok

Keterangan :

Tb = tebi bawah kelas median

n = jumlah seluruh frekuensi

fk = jumlah frekuensi sebelum kelas median

fi = frekuensi kelas median

p = panjang kelas interval

3. Sebanyak 26 orang mahasiswa terpilih sebagai sampel dalam penelitian


kesehatan sebuah universitas. Mahasiswa yang terpilih tersebut diukur berat
badanny. Hasil pengukuran berat badan disajikan dalam bentuk data kelompok
seperti dibawah ini.

Berat Badan Frekuensi Frekuensi


(Kg) (fi) kumulatif
46 - 50 3 3
51-55 2 5
56-60 4 9
61-65 5 14
66-70 6 20
71-75 4 24
76-80 1 25
81-85 1 26

27
Jumlah data adalah 26, sehingga mediannya terletak diantara data ke 13 dan
14. Daka ke 13 dan ke 14 ini berada pada kelas interval ke-4 (61-65). Kelas
interval ke-4 ini disebut median. Melalui informasi kelas median, dapat diperoleh
batas bawah kelas median adalah 60,5. Frekuensi kumulatif sebelum kelas median
adalah 9, dan rekuensi kelas median sama dengan 5. Diketahuin juga bahwa
panjang kelas adalah 5.

Secara matematis, bisa diringkas menjadi :

Xii = 60,5

n = 26

fkii = 9

fi = 5

p =5

Maka, Median dapat ditemukan dengan cara,

Rumus Modus Data Kelompok

28
Keterangan :

Tb = tebi bawah kelas median

d1 = selisih frekuensi kelas modus dengan frekuensi sebelum kelas modus

d2 = selisih frekuensi kelas modus dengan frekuensi setelah kelas modus

p = panjang kelas interval

Nilai Frekuensi
0-9 0
10-19 2
20-29 2
30-39 5
40-49 8
50-59 14
60-69 9
70-79 6
80-89 3
90-99 1

Dari data diatas carilah Mean, Modus, dan Mediannya!

Nilai Nilai Frekuens Frekuensi Fi x Xi Tepi kelas

29
tengah i kumulatif
0-9 4.5 0 0 4.5 x 0 = 0 -0,5-9,5
10-19 14.5 2 2 14.5 x 2 = 29 9,5-19,5
20-29 24.5 2 4 24.5 x 2 = 49 19,5-29,5
30-39 34.5 5 9 34.5 x 5 = 172,5 29,5-39,5
40-49 44.5 8 17 44.5 x 8 = 356 39,5-49,5
50-59 54.5 14 31 54.5 x 14 = 763 49,5-59,5
60-69 64.5 9 40 64.5 x 9 = 580,5 59,5-69,5
70-79 74.5 6 46 74.5 x 6 = 447 69,5-79,5
80-89 84.5 3 49 84.5 x 3 = 253,5 79,5-89,5
90-99 94.5 1 50 94.5 x 1 = 94,5 89,5-99,5
total 50 2745 P=10

30
E. UJI NORMALITAS DATA
1. Uji Asumsi Klasik (Uji Normalitas)

a. Pengertian

Uji Asumsi klasik adalah analisis yang dilakukan untuk menilai


apakah di dalam sebuah model regresi linear Ordinary Least Square
(OLS) terdapat masalah-masalah asumsi klasik.

Asumsi klasik adalah syarat-syarat yang harus dipenuhi pada


model regresi linear OLS agar model tersebut menjadi valid sebagai
alat penduga.

Tujuan pengujian asumsi klasik adalah untuk memberikan


kepastian bahwa persamaan regresi yang didapatkan memiliki
ketepatan dalam estimasi, tidak bias dan konsisten

Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan


untuk menilai sebaran data pada sebuah kelompok data atau variabel,
apakah sebaran data tersebut berdistribusi normal ataukah tidak.

Berdasarkan pengalaman empiris beberapa pakar statistik, data


yang banyaknya lebih dari 30 angka (n > 30), maka sudah dapat
diasumsikan berdistribusi normal. Biasa dikatakan sebagai sampel
besar.

Namun untuk memberikan kepastian, data yang dimiliki


berdistribusi normal atau tidak, sebaiknya digunakan uji normalitas.
Karena belum tentu data yang lebih dari 30 bisa dipastikan
berdistribusi normal, demikian sebaliknya data yang banyaknya
kurang dari 30 belum tentu tidak berdistribusi normal

b. Macam-Macam Uji Normalitas


Uji normalitas yang dapat digunakan diantaranya:
1) Uji Grafik

31
Uji metode grafik adalah dengan memperhatikan penyebaran
data pada sumber diagonal pada grafik normal P-P Plot of
Regression Standardized Residual.
Data dinyatakan berdistribusi normal apabila sebaran titik-titik
berada disekitar garis dan mengikuti garis diagonal maka nilai
tersebut normal

2) Chi-Square

Metode Chi-Square atau 𝑋2 untuk Uji Goodness of fit


Distribusi Normal menggunakan pendekatan penjumlahan
penyimpangan data observasi tiap kelas dengan nilai yang
diharapkan. Persyaratan Metode Chi Square (Uji Goodness of fit
Distribusi Normal).

Data tersusun berkelompok atau dikelompokkan dalam tabel


distribusi frekuensi dan cocok untuk data dengan banyaknya
angka besar (n>30)

3) Kolmogorov Smirnov
Metode Kolmogorov-Smirnov tidak jauh beda dengan metode
Lilliefors. Langkah-langkah
Penyelesaian dan penggunaan rumus sama,namun pada
signifikansi yang berbeda. Signifikansi Metode Kolmogorov-
Smirnov menggunakan tabel pembanding Kolmogorov-Smirnov,
sedangkan Metode Lilliefors menggunakan tabel pembanding
metode Lilliefors.
Persyaratannya adalah sebagai berikut : Data berskala interval
atau ratio (kuantitatif), data tunggal/belum dikelompokkan pada
tabel distribusi frekuensi, dan dapat untuk n besar maupun kecil
4) Lilliefors
Metode Lilliefors menggunakan data dasar yang belum diolah
dalam tabel distribusi frekuensi. Data ditransformasikan dalam

32
nilai Z untuk dapat dihitung luasan kurva normal sebagai
probabilitas komulatif normal.
Persyaratan dari metode Lilliefors adalah sebagai berikut :
Data berskala interval atau ratio (kuantitatif), data tunggal/belum
dikelompokkan pada tabel distribusi frekuensi, dan dapat untuk n
besar maupun kecil
5) Shapiro Wilk
Metode Shapiro Wilk menggunakan data dasar yang belum
diolah dalam tabel distribusi frekuensi. Data diurut,kemudian
dibagi dalam dua kelompok untuk dikonversi dalam Shapiro Wilk.
Dapat juga dilanjutkan transformasi dalam nilai Z untuk dapat
dihitung luasan kurva normal.
Persyaratannya adalah : Data berskala interval atau ratio
(kuantitatif), data tunggal/belum dikelompokkan pada tabel
distribusi frekuensi, dan data dari sampel random.

4. Analisis Varian

a. Pengertian

Pada prinsipnya tes statistik analisis varians hampir sama dengan t


test yakni sebagai uji komparasi antar kelompok / grup sampel

Jika pada t test analisis hanya dilakukan terhadap 2 kelompok/ grup


sampel maka tes anava/anova diterapkan jika jumlah sampel yang
dihadapi lebih dari 2 kelompok

Tes ini digunakan dengan tujuan untuk mengetahui ada tidaknya


perbedaan antar 2 kelompok sampel atau lebih

b. Jenis-Jenis Analisis Varian (Anova)


1) Anova Satu Arah (One Way Anova)
Maksud dari kasus ini yaitu untuk menguji perbedaan rata-rata
lebih dari dua sampel dimana dalam melakukan analisis hanya bisa

33
satu arah. Maksud satu arah ini hanya bisa menguji antar kelompok
yang satu.

Berdasarkan gambar di atas terlihat bahwa ada empat metode


(kolom). Dari empat metode itu dilakukan oleh beberapa orang tapi
tiap metode dilakukan oleh orang yang berbeda. pada tabel diatas
terlihat data diperoleh dari sampel yang berbeda perlakuan antar
kelompok karena itu kita hanya bisa membandingkan antar metode
tapi tidak bisa membandingkan antar orang karena setiap orang
tidak melakukan metode yang sama. oleh karena itu dikatakan satu
arah saja.

2) Anova Dua Arah Tanpa Interaksi (Anova Two Way Withput


Interaction)
Jenis anova yang kedua yaitu anova dua arah tanpa interaksi.
Artinya bahwa bisa dilakukan interaksi antara kelompok dan
perlakuan. maksdunya bisa membandingkan antar kelompok atau
antar perlakuan.

34
Terdapat 4 metode diet dan 3 golongan usia peserta program
diet Berikut data rata-rata penurunan berat peserta keempat metode
dalam tiga kelompok umur. Berdasarkan gambat tersebut terlihat
bahwa setiap metode memiliki perlakuan yang sama sehingga bisa
dikatakan ada hubungan dua arah. tapi tidak ada interaksi.

3) Anova Dua Arah Dengan Interaksi (Anova Two Way With


Interaction)
Sebelum ini dijelaskan anova dua arah tanpa interaksi.
dikatakan anova dengan interaksi ketika setiap kolom [perlakuan]
dan blok [baris] diulang.

Terdapat 4 metode diet, 3 kelompok umur dan 3 ulangan. Berikut


adalah data rata-rata penurunan berat badan setelah 1 bulan
melakukan diet.

35
BAB III

PENUTUP

A. SIMPULAN
Metode deskriptif adalah suatu prosedur pemecahan masalah yang
berdasarkan fakta dengan menggambarkan kondisi subyek atau obyek dalam
penelitian. Terdapat tiga karakteristik utama dari variabel tunggal yaitu :
distribusi data ( distribusi frekuensi), ukuran pemusatan / tendensi sentral,
ukuran penyebaran (dispersion)
Uji Normalitas adalah sebuah uji yang dilakukan dengan tujuan untuk
menilai sebaran data pada sebuah kelompok data atau variabel, apakah sebaran
data tersebut berdistribusi normal ataukah tidak. Macam-macam uji normalitas

36
adalah Uji Grafik, Chi-Square, Kolmogorov Smirnov, Lilliefors, Shapiro
Wilk.

F. SARAN
Dengan penulisan makalah ini, diharapkan pembaca mampu memahami dan
mengaplikasikan metode deskriptif dan uji normalitas di dalam penelitian
nantinya dengan menggunakan rumus-rumus yang telah ditetapkan sehingga
menghasilkan data yang akurat

DAFTAR PUSTAKA

Saleh, Sasumbar. 1989. Statistik Terapan. Yogyakarta : BPFE


Supranto, J. 2000. Statistik Teori dan Aplikasi Jakarta : Erlangga.

37