Nama : GITA FAROKA

NIM : 4401419016
Rombel : Pendidikan Biologi 2A
Tugas : Halaman 41
Dosen : Dr. Sigit Saptono, M.Pd.

 X1
 Histogram

1
  Steam and leaf plot of X1

Frequency Stem & Leaf

1,00 4. 9
29,00 5.
00000011111111222222333444444
22,00 5 . 5555566677777778888899
8,00 6 . 00012222

Stem width: 1,00

Each leaf: 1 case(s)

 Norml Q-Q Plot

 Detrended Normal Q-Q Plot

2
 Boxplot

 X2
 Histogram

3
  Steam and leaf plot of X2

Frequency Stem & Leaf

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

Stem width: 100,00

Each leaf: 1 case(s)

4
 Normal Q-Q Plot X2

 Detrended Normal Q-Q Plot

5
 Boxplot

6
  X3
 Histogram

 Steam and leaf Plot of X3

Frequency Stem & Leaf

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

Stem width: 10,00

Each leaf: 1 case(s)

 Normal Q-Q Plot

 Detrended Normal Q-Q Plot

8
 Boxplot

 Y

9
  Histogram

 Y Steam and Leaf Plot of Y

Frequency Stem & Leaf

5,00 3 . 34444
18,00 3 . 555666788888888999
27,00 4 . 000000011111112223333333444
9,00 4 . 555567788
1,00 5. 0

Stem width: 1,00

Each leaf: 1 case(s)

10
 Normal Q-Q Plot

 Detrended 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

 Pengukuran Mean atau Rata-rata dari Data Berkelompok (Grouped data)

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

X = Xs + (Σfx’) i  = 160 +  (-36) 3     = 160 – 1,38  = 158,

62
                                N                       78

 Pengukuran Mean atau Rata-rata dari sejumlah Nilai Rata-rata

BRX  = nilai rata-rata sejumlah nilai rata-rata

SNi   = jumlah frekuensi masing-masing kelompok data
Xi    = nilai rata-rata setiap kelompok

CONTOH:
Carilah mean dari sejumlah nilai mean  di bawah ini:

Kelompok Ni Xi
A 60 163
B 62 163

18
C 65 165

BRX   =   (SNiXi)  = ((60)(163)) + ((62)(163)) + ((65)(165)) = 9780 + 10.106 + 10.725

                           S Ni                                            60 + 62 + 65                                        187
                    =   30611    =  163,70
                            187
BRX   =   (SNiXi)
             S Ni

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).

 Data tidak terkelompok (Ungrouped Data)

                                                              
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

 Data berkelompok (Grouped Data)

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:

 Pengukuran Modus Kasar (crude mode)

 Data tidak berkelompok

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

Tentukan Modus sebenarnya:

1.    kelas yang mengandung M0 adalah 20 – 24 yang mempunyai f tertinggi
      yaitu 18).
2.   Bbny =  19,5.
3.   sa = 18 – 8 = 10
4.   i = 5
5.   sb = 18 – 12 = 6
6.      =   21,375

KAPAN PENGUKURAN MEAN, MEDIAN ATAU MODUS DIPERLUKAN?

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

Pengertian Uji Normalitas.

Uji normalitas data adalah bentuk pengujian tentang kenormalan distribusi data. Tujuan dari uji ini adalah untuk
mengetahui apakah data yang terambil merupakan data terdistribusi normal atau bukan.
Maksud dari terdistribusi normal adalah data akan mengikuti bentuk distribusi normal di mana data memusat pada nilai
rata-rata dan median.
Rumus yang digunakan untuk uji normalitas adalah rumus kai kuadrat (chi kuadrat).

Prosedur untuk Menghitung Uji Normalitas (5 Langkah).

1. Merumuskan hipotesis
Ho    : data berdistribusi normal
Ha    : data tidak berdistribusi normal

23
2. Menentukan nilai uji statistik

Rumus Chi Kuadrat 3. Menentukan taraf nyata (α)

Untuk mendapatkan nilai chi kuadrat tabel:

Rumus Chi Kuadrat Tabel 4. Menentukan kriteria pengujian hipotesis

5. Memberikan kesimpulan

Contoh Soal Perhitungan Uji Normalitas Data secara Manual.

Diketahui data skor 32 siswa dalam menyelesaikan soal-soal matematika pada try out di suatu bimbingan belajar.

Ujilah normalitas dari data tersebut!

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.

Selanjutnya, mencari rata-rata dan standar deviasi.

25
Selanjutnya, membuat dan melengkapi “tabel B” berikut. Perhitungannya dijelaskan di bawah.

Bagaimana cara mendapatkan “nilai Z” pada tabel B di atas?

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.

Tabel Z Untuk nilai Z = -1,31, dilihat di tabel Z didapat 0,4049.

Sekali lagi, bagaimana mencari “Luas tiap kelas interval” ?

Kita ambil “Luas 0 – Z” pada baris pertama yaitu: 0,4761 dan 0,4049.

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?

Kita ambil “Luas tiap kelas interval” pada baris pertama.

E i   = Luas tiap kelas interval × n (jumlah responden)
= 0,0612 × 32
= 1,9584
Lakukan begitu untuk baris ke-2, ke-3, dan seterusnya.
.:. Pada tahap ini, kita telah selesai membuat dan melengkapi tabel B tadi.

Langkah 3: Menentukan taraf nyata (α)

Ikuti langkah-langkah berikut:

29
Tabel Chi Kuadrat Langkah 4: Menentukan kriteria  pengujian hipotesis

Berdasarkan perhitungan pada tabel diperoleh nilai :

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:

Tabel. Tabulasi Data (Data Fiktif)

 

Pemahaman Mahasiswa Tingkat

Subjek Total
Item pertanyaan Skor Prestasi
  1 2 3 4 5 6 7 8 9 10  
1 4 4 3 4 4 2 4 3 4 4 36 3
2 4 4 4 3 4 4 3 4 4 4 38 3
3 3 3 4 2 2 1 4 2 1 3 25 1
4 3 3 4 2 2 4 1 2 3 4 28 2
5 4 4 4 2 4 3 3 3 4 3 34 3
6 2 4 2 4 1 4 4 2 2 4 29 2
7 2 4 2 4 2 2 2 4 2 4 28 2
8 4 4 4 4 4 4 3 2 4 4 37 3
9 4 4 2 4 4 4 4 4 4 4 38 3
10 2 1 4 4 3 4 3 3 2 1 27 1
31
 11 2 2 1 4 4 3 1 4 4 2 27 2
12 3 1 3 2 2 4 4 3 2 4 28 1
13 3 4 3 4 2 4 4 4 1 4 33 3
14 4 4 2 3 4 4 2 4 4 3 34 3
15 2 4 4 4 4 2 3 4 4 4 35 3
16 4 2 3 4 3 4 3 3 4 2 32 1
17 1 3 2 3 4 2 4 4 3 2 28 1
18 4 4 3 4 4 4 4 4 4 4 39 3
19 4 4 2 2 3 3 2 1 2 4 27 2
20 4 2 2 4 2 4 2 3 4 2 29 2
 
Langkah-langkah pada program SPSS

 Masuk program SPSS.

  Klik variable view pada SPSS data editor.
  Pada kolom Name ketik item1, kolom Name pada baris kedua ketik item2.
 Pada kolom Decimals untuk kolom item1 dan item2 angka ganti menjadi 0. 
  Pada kolom Label, untuk kolom pada baris pertama ketik Pemahaman Mahasiswa dan untuk kolom pada baris kedua ketik
Tingkat Prestasi.
 Untuk kolom Values, klik simbol kotak kecil pada kolom baris kedua, pada Value ketik 1 kemudian pada Value Label
ketikkan IPK kurang dari 2,50, kemudian klik Add. Kemudian pada Value ketik 2 kemudian pada Value Label ketikkan IPK
2,50-3,30, kemudian klik Add. Selanjutnya pada Value ketik 3 kemudian pada Value Label ketikkan IPK 3,31-4,00,
kemudian klik Add.
 Klik OK
 Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
 Buka data view pada SPSS data editor, maka didapat kolom variabel item1 dan item2.
 Pada kolom item1 ketikkan data total skor item, pada kolom item2 ketikkan angka-angka 1 sampai 3 yang menunjukkan
tanda nilai IPK.
 Klik Analyze - Compare Means - One Way Anova
 Klik variabel Pemahaman Mahasiswa dan masukkan ke kotak Dependent List, kemudian klik variabel Tingkat Prestasi dan
masukkan ke kotak Faktor.
 Klik Options
 Klik Homogeneity of variance, kemudian klik Continue

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