NIM : 4401419016
Rombel : Pendidikan Biologi 2A
Tugas : Halaman 41
Dosen : Dr. Sigit Saptono, M.Pd.
X1
Histogram
1
Steam and leaf plot of X1
1,00 4. 9
29,00 5.
00000011111111222222333444444
22,00 5 . 5555566677777778888899
8,00 6 . 00012222
2
Boxplot
X2
Histogram
3
Steam and leaf plot of X2
7,00 0 . 7777777
16,00 0 . 8888888888899999
14,00 1 . 00000001111111
10,00 1 . 2222233333
5,00 1 . 44555
5,00 1 . 66677
3,00 1 . 888
4
Normal Q-Q Plot X2
5
Boxplot
6
X3
Histogram
5,00 2 . 11444
16,00 2 . 5556666677779999
6,00 3 . 001124
8,00 3 . 56677899
11,00 4 . 00001123444
6,00 4 . 566678
7
3,00 5 . 004
3,00 5 . 577
1,00 6. 1
1,00 6. 5
8
Boxplot
Y
9
Histogram
5,00 3 . 34444
18,00 3 . 555666788888888999
27,00 4 . 000000011111112223333333444
9,00 4 . 555567788
1,00 5. 0
10
Normal Q-Q Plot
11
Boxplot
12
A. Tendensi Sentral (Central Tendency)
Tendensi sentral adalah sering djadikan acuan memahami distribusi dari suatu data, dianggap sebagai sumber informasi
penting yang menggambarkan distribusi suatu gejala atau fenomena. Di dalam modul ini akan dijelaskan apa yang dimaksud
dengan tendensi sentral, fungsi dari tendensi sentral, cara menentukan suatu tendensi sentral, serta kapan suatu tendensi
sentral digunakan.
Distribusi Data
Dalam analisa statistika, dikenal berbagai jenis distribusi data. Beberapa contoh distribusi data ditampilkan di bawah ini.
13
14
Apa dan Mengapa Tendensi Sentral
Tendensi sentral memberikan satu nilai yang dapat mewakili/menggambarkan seluruh skor dalam kelompok, merupakan deskripsi
ringkas dari sejumlah data kuantitatif yang didapat dari sampel dengan ekonomis, praktis, dan ringkas. Dengan tendensi sentral
memungkinkan kita melakukan perbandingan antar kelompok; serta memungkinkan kita untuk melakukan proses statistik
berikutnya seperti melihat hubungan (korelasi), perbedaan (t-test) antar kelompok, dan lain sebagainya.
Dari berbagai macam pengukuran tendensi sentral, ada 3 yang paling umum dikenal, yaitu: Mean (rata-rata), Median, dan Modes
(modus). Ketiga jenis pengukuran tendensi sentral tersebut akan menjadi pokok pembahasan dalam modul ini.
Mean (Rata-rata)
Mean atau Rata-rata adalah pengukuran tendensi sentral yang paling sering digunakan. Hal ini berkaitan dengan nilai mean atau
rata-rata yang relatif dianggap lebih mudah ditemukan dengan melakukan fungsi pembagian pada hasil penjumlahan nilai-nilai
(score) yang ada pada data terhadap jumlah total frekuensi kemunculan nilai pada data tersebut. Untuk lebih mudah dipahami, nilai
mean atau rata-rata dapat dicari dengan menggunakan rumus sebagai berikut:
Keterangan:
Pengukuran Mean atau Rata-rata dari Data Tidak Terkelompok (Ungrouped data)
Pengukuran Mean atau Rata-rata pada data yang tidak berkelompok dapat langsung dilakukan dengan menggunakan rumus dasar
perhitungan mean seperti yang tertera di atas:
15
Keterangan:
CONTOH:
Hitunglah mean atau rata-rata dari data tidak berkelompok: 1,2,3,4,5
Untuk data berkelompok sederhana (bukan data dengan skala interval), mean atau rata-rata dapat dicari dengan menggunakan rumus
di bawah ini:
Keterangan:
CONTOH:
16
Tentukan mean atau rata-rata dari tabel distribusi frekuensi berikut ini:
X f fX
5 2 10
4 6 24
3 5 15
2 4 8
1 3 3
Σ 20 60
Untuk data dengan skala interval, pengukuran mean atau rata-rata dapat dilakukan dengan menggunakan mean atau rata-rata
terkaan. Rumus yang dapat digunakan yaitu:
X = Xs + (Σ fx’)
i
N
X = Rata-rata
Xs = Rata-rata Terkaan (nilai tengah dari interval kelas yang diduga
mengandung rata-rata.
Σ fx’ = frekuensi dari durasi kesalahan terkaan (x’)
i = Lebar interval kelas
N = Jumlah frekuensi
CONTOH:
17
X f Mid Point x’ f . x’
177-179 1 178 + 18 18
174-176 1 175 + 15 15
171-173 5 172 + 12 60
168-170 1 169 +9 9
165-167 10 166 +6 60
162-164 9 163 +3 27
159-161 16 160 0 0
156-158 11 157 -3 - 33
153-155 13 154 -6 - 78
150-152 7 151 -9 - 63
147-149 3 148 - 12 - 36
144-146 1 145 - 15 - 15
78
CONTOH:
Carilah mean dari sejumlah nilai mean di bawah ini:
Kelompok Ni Xi
A 60 163
B 62 163
18
C 65 165
Median
Median adalah Titik yang membagi suatu distribusi frekuensi atas dua bagian yang sama, yang masing-masing terdiri atas 50%
kasus dari seluruh distribusi (Median = P50).
Di dalam data tidak berkelompok, yang nilai-nilainya sudah diurutkan berdasarkan besarannya, Median adalah nilai (score) ke-(N +
1)/2 dalam sederetan nilai yang berurutan.
CONTOH:
Nilai median dari data: 7, 7, 8, 9, 10, 11, 12 = 9
Nilai median dari data: 7, 7, 8, 9, 10, 11 = 8,5
Untuk data yang berkelompok, pengukuran Median dapat dilakukan dengan menggunakan rumus:
19
Me = Median
fkb = Frekuensi kumulatif dibawah frekuensi kumulatif yang mengandung
Me
f = Frekuensi dari kelas yang mengandung Me
i = Lebar interval kelas yang mengandung Me
CONTOH:
Dari data berikut ini, carilah nilai mediannya:
Modes (Modus)
Modus adalah poin (titik nilai) pada skala pengukuran dengan frekuensi terbanyak pada suatu distribusi. Modus menunjukkan titik
dalam suatu penyebaran yang paling padat/tinggi konsentrasinya. Ada beberapa teknik pengukuran Modus, di antaranya:
20
Pada sekumpulan data yang tidak berkelompok, Modus adalah nilai atau (score) yang paling sering atau paling banyak muncul. Jika
ada dua skor yang sama banyak muncul, berarti modusnya ada dua, atau nilai di antara keduanya.
Data berkelompok
Pada sekumpulan data yang berkelompok, Modus adalah titik tengah kelas interval yang mempunyai frekuensi terbesar atau
terbanyak Pengukuran Modus sebenarnya (true mode)
Data tidak berkelompok
Pada data yang tidak berkelompok, pengukuran Modus sebenarnya (true mode) dapat dilakukan dengan menggunakan rumus:
Mo = 3 Median – 2 Mean
Data berkelompok
Pada data berkelompok yang memiliki skala interval (memiliki interval kelas), pengukuran modus dapat dilakukan dengan
menggunakan rumus:
M0 = Modus
Bbny = Batas bawah nyata dari kelas yang mengandung modus.
sb = Selisih frekuensi kelas yang mengandung M0 dengan frekuensi kelas dibawahnya.
sa = Selisih frekuensi kelas yang mengandung M0 dengan frekuensi kelas diatasnya.
i = Lebar interval.
CONTOH:
Dari data berkelompok berikut ini:
Nilai F
21
35 – 39 2
30 – 34 8
25 – 29 8
20 – 24 18
15 – 19 12
10 – 14 2
Σ 50
Pengukuran Mean atau Rata-rata diperlukan untuk perhitungan statistik lebih lanjut; apabila data yang dianalisa memiliki
penyebaran/distribusi frekuensi simetris dan tidak skewed; atau apabila diinginkan suatu tendensi sentral yang reliable.
Sementara, pengukuran Median diperlukan apabila ada nilai ekstrim dalam distribusi frekuensi yang mempengaruhi mean atau
apabila titik tengah dari distribusi frekuensi ingin diketahui.
Pengukuran Modus diperlukan dalam analisa statistika jika diinginkan suatu ukuran pemusatan yang dapat dihitung dengan cepat
atau apabila ingin diketahui skor yang khas.
22
B. CARA UJI NORMALITAS DENGAN SPSS
1. Merumuskan hipotesis
Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal
23
2. Menentukan nilai uji statistik
5. Memberikan kesimpulan
Penyelesaian:
Langkah 1: Merumuskan hipotesis
Ho : data berdistribusi normal
Ha : data tidak berdistribusi normal
24
Langkah 2: Menentukan nilai uji statistik
Jangkauan (J) = data terbesar – data terkecil
–> 95 – 32
–> 63
Banyak kelas (k) = 1 + 3,3 log n
–> 1 + 3,3 log 32
–> 1 + 4,97
–> 5,97 (diambil k = 6)
panjang kelas = J : k
–> 63 : 6
–> 10,5 (diambil p = 11)
Selanjutnya, data di atas digunakan untuk membuat “tabel A” di bawah ini.
25
Selanjutnya, membuat dan melengkapi “tabel B” berikut. Perhitungannya dijelaskan di bawah.
26
Kita ambil Batas Kelas (BK) pada baris pertama yaitu: 29,5 – 40,5
Lakukan seperti itu seterusnya, untuk batas-batas kelas lainnya. Dan dapatkan semua nilai Z.
Bagaimana cara mendapatkan “Luas tiap kelas interval” pada tabel B di atas ?
Baiklah, prosedur perhitungan dijelaskan di bawah tabel ini.
Jadi begini, setelah mendapatkan “nilai Z”, carilah “Luas 0 – Z” menggunakan tabel Z.
27
Untuk nilai Z = -1,98, dilihat di tabel Z didapat 0,4761.
28
Maka, Luas tiap kelas interval 0,4761 – 0,4049 = 0,0612
Ketentuan: Apabila tandanya sama maka dikurangi. Apabila tandanya berbeda maka ditambahkan.
Lanjutkan menghitung “Luas tiap kelas interval” pada baris yang selanjutnya.
Bagaimana mencari frekuensi yang diharapkan (E i ) pada tabel B di atas?
29
Tabel Chi Kuadrat Langkah 4: Menentukan kriteria pengujian hipotesis
Maka Ho diterima.
Langkah 5: Memberikan kesimpulan
Karena Ho diterima. Artinya, data skor siswa dalam menyelesaikan soal-soal try out matematika di suatu bimbingan belajar
berdistribusi normal.
30
C. UJI HOMOGENITAS
Uji homogenitas digunakan untuk mengetahui apakah beberapa varian populasi adalah sama atau tidak. Uji ini dilakukan sebagai
prasyarat dalam analisis independent sample t test dan ANOVA. Asumsi yang mendasari dalam analisis varian (ANOVA) adalah
bahwa varian dari populasi adalah sama. Sebagai kriteria pengujian, jika nilai signifikansi lebih dari 0,05 maka dapat dikatakan
bahwa varian dari dua atau lebih kelompok data adalah sama.
Contoh Kasus:
Seorang mahasiswi bernama Hanny melakukan penelitian untuk mengetahui apakah ada perbedaan pemahaman mahasiswa
jika dilihat dari tingkat prestasi. Dengan ini Hanny menggunakan kuesioner sebagai alat pengumpul data yang disebar pada 20
responden dan membuat dua variabel pertanyaan yaitu pemahaman mahasiswa dan tingkat prestasi. Pada variabel pemahaman
mahasiswa memakai skala Likert dengan pertanyaan favorabel dan unfavorabel (mengungkap dan tidak mengungkap). Pada item
favorabel skala yang dipakai 1 = sangat tidak setuju, 2 = tidak setuju, 3 = setuju, dan 4 = sangat setuju. Pada item unfavorabel
sebaliknya yaitu 1 = sangat setuju, 2 = setuju, 3 = tidak setuju, dan 4 = sangat tidak setuju. Untuk variabel tingkat prestasi
menggunakan data nominal yang dibuat tiga alternatif jawaban yaitu 1 = IPK kurang dari 2,50; 2 = IPK 2,51-3,30 dan 3 = IPK 3,31-
4,00. Data-data yang di dapat ditabulasikan sebagai berikut:
32
Klik OK, maka hasil output yang didapat pada kolom Test of Homogeneity of Variance adalah sebagai berikut:
Tabel. Hasil Uji Homogenitas
Dari hasil di atas dapat diketahui signifikansi sebesar 0,193. Karena signifikansi lebih dari 0,05 maka dapat disimpulkan
bahwa ketiga kelompok data pemahaman mahasiswa berdasar tingkat prestasi mempunyai varian sama. Angka Levene Statistic
menunjukkan semakin kecil nilainya maka semakin besar homogenitasnya. df1 = jumlah kelompok data-1 atau 3-1=2 sedangkan
df2 = jumlah data – jumlah kelompok data atau 20-3=17.
33