TUGAS STATISTIKA PENDIDIKAN

OLEH

I Gusti Ayu Agung Mas Rosmita

(1713031013)

PROGRAM STUDI PENDIDIKAN KIMIA

JURUSAN KIMIA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PENDIDIKAN GANESHA
2020
Statistika dan Peranannya dalam Penelitian
Peranan Statistika
Dalam paradigma dan proses penelitian, peran statistika dalam penelitian antara
lain adalah sebagai berikut.
a) Alat untuk menghitung besarnya anggota sampel yang diambil dari suatu
populasi. Dengan demikian jumlah sampel yang diperlukan lebih dapat
dipertanggungjawabkan.
b) Alat untuk menguji validitas dan reliabilitas instrument. Sebelum instrument
digunakan untuk penelitian, maka harus diuji validitas dan reliabilitasnya
terlebih dahulu.
c) Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif.
Teknik-teknik penyajian data ini antara lain: tabel, grafik, dan diagram.
d) Alat untuk analisis data seperti menguji hipotesis penelitian yang diajukan.
Dalam hal ini statistik yang digunakan antara lain: t-test, anava, chi-kuadrat,
korelasi, dan regresi. (Sudiana, 2004)

Statistik dan Statistika

Statistik adalah kumpulan data, disajikan dalam bentuk table/daftar,
gambar, diagram atau ukuran-ukuran tertentu. Misalnya, statistic penduduk,
statistic kelahiran, statistic pertumbuhan ekonomi, statistic pendidikan, dan lain-
lain. Statistika, adalah pengetahuan mengenai pengumpulan data, klasifikasi data,
pengolahan data, penarikan kesimpulan dan pengambilan keputusan berdasarkan
alasan yang cukup kuat. (Koyan, 2012)

Penelitian dan Statistika

Dalam proses penelitian, dimulai dengan adanya masalah. Masalah tersebut
kemudian akan dipecahkan melalui penelitian. Supaya arah penelitian tersebut
jelas, maka peneliti perlu berteori sesuai dengan lingkup permasalahannya. Dengan
berteori tersebut, peneliti akan mendapatkan jawaban sementara (hipotesis)
terhadap permasalahan yang diangkat. Untuk membuktikan hipotesis, peneliti harus
mengumpulkan data pada objek tertentu. Karena objek sebagai populasi terlalu
luas, maka peneliti menggunakan sampel yang diambil dari populasi itu. Sampel
yang diambil dari populasi itu harus sampel yang representatif. Untuk keperluan ini
maka teknik statistik diperlukan untuk menentukan jumlah sampel.
Langkah selanjutnya peneliti harus mengumpulkan data dari objek. Untuk
dapat mengumpulkan data, maka peneliti harus menggunakan instrumen penelitian
(alat ukur). Instrumen yang baik adalah instrumen yang valid dan reliabel. Untuk
keperluan ini maka diperlukan teknik statistik yang dapat digunakan untuk menguji
validitas dan reliabelitas instrumen. Selanjutnya peneliti mendeskripsikan data
yang dikumpulakn melalui penyajian data. Untuk keperluan penyajian data ini,
maka diperlukan Teknik statistik yaitu statistik deskriptif. Kegiatan selanjutnya
adalah melakukan analisis data. Analisis data dilakukan terutama untuk menjawab
rumusan masalah dan menguji hipotesis. Untuk keperluan pengujian hipotesis
penelitian dan statistik maka diperlukan teknik statistik. Setelah analisis data
dilakukan, langkah selanjutnya yaitu memberikan pembahasan. Pembahasan
merupakan “pencandraan” terhadap hasil penelitian maupun analisis dengan
menggunakan berbagai referensi, sehingga hasil penelitian maupun analisisnya
akan lebih dapat diyakini oleh pihak lain. Langkah akhir dari kegiatan penelitian
adalah membuat kesimpulan dan memberikan saran-saran. Kesimpulan ini
merupakan jawaban terhadap rumusan masalah penelitian dengan menggunakan
data yang diperoleh (bukan hanya teori). Selanjutnya berdasarkan kesimpulan itu,
peneliti memberikan saran-saran. Saran-saran yang diberikan harus betul-betul dari
hasil penelitian, bukan pemikiran. (Sudiana, 2004)

Gambar 1. Proses Penelitian dan Statistik yang Diperlukan

Macam-macam Statistik
Statistik dapat dibagi atas beberapa macam yang didasarkan atas keriteria-kriteria
tertentu, seperti cara pengolahan data, ruang lingkup penggunaan atau disiplin
ilmu yang menggunakannya, dan bentuk parameternya.
a) Berdasarkan Cara Pengolahan Data
1) Statistik Deskriptif
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik yang
mempelajari cara pengumpulan dan penyajian data sehingga mudah
dipahami. Statistik deskriptif hanya berhubungan dengan hal menguraikan
atau memberikan keterangan-keterangan mengenai suatu data atau
keadaan atau fenomena. Penarikan kesimpulan pada statistik deskriptif
(jika ada) hanya ditunjukkan pada kumpulan data yang ada. Didasarkan
atas ruang lingkup bahasannya, statistik deskriptif mencakup hal berikut.
 Distribusi frekuensi beserta bagian-bagiannya, seperti:
 Grafik distribusi (histogram, polygon, frekuensi, dan ogif)
 Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan
sebagainya).
  Ukuran disperse (jangkauan, simpangan rata-rata, variasi, simpangan
baku, dan sebagainya).
 Keruncingan kurva
 Angka indeks
 Time series/data berkala
 Korelasi dan regresi sederhana
2) Statistik Interferensi
Statistik interferensi atau statistik induktif adalah bagian dari statistik
yang mempelajari mengani penafsiran dan penarikan kesimpulan yang
berlaku secara umum dari data yang telah tersedia. Statistik interferensi
berhubungan dengan pendugaan populasi dan pengujian hipotesis dari suatu
data. Dengan kata lain, statistik interferensi berfungsi meramalkan dan
mengontrol keadaan atau kejadian. Penarikan kesimpulan pada statistik
interferensi ini merupakan generalisasi dari suatu populasi berdasarkan data
(sampel) yang ada. Didasarkan atas ruang lingkup bahasannya, maka statistik
interferensi mencakup:
 Probabilitas atau teori kemungkinan,
 Distribusi teoretis,
 Sampling dan distribusi sampling,
 Pendugaan populasi atau teori populasi,
 Uji hipotesis,
 Analisis korelasi dan uji signifikansi, dan
 Analisis regresi untuk peramalan.
Dengan demikian, statistik interferensi sebenarnya merupakan kelanjutan dari
statistik deskriptif. Berikut ini disajikan diagram alur mengenai statistik
deskriptif dan statistik interferensi serta hubungannya.
 Gambar 2. Diagram Alur Statistik Deskriptif dan
Interferensi Serta Hubungannya

b) Berdasarkan Ruang Lingkup Penggunaannya

Berdasarkan atas ruang lingkuo penggunaannya atau disiplin ilmu yang
menggunakannya, statistik dapat dibagi atas beberapa macam sebagai berikut.
Statistik sosial
Statistik sosial adalah statistik yang diterapkan atau digunakan dalam ilmu-ilmu
sosial.
 Statistik Pendidikan
Statistik pendidikan adalah statistik yang diterapkan atau digunakan dalam
ilmu dan bidang Pendidikan.
 Statistik ekonomi
Statistik ekonomi adalah statistik yang diterapkan atau digunakan dalam
ilmu-ilmu ekonomi.
 Statistik perusahaan
Statistik perusahaan adalah statistik yang diterapkan atau digunakan dalam
bidang perusahaan.
 Statistik pertanian
Statistik pertanian adalah statistik yang digunakan atau diterapkan dalam
ilmu-ilmu pertanian.
  Statistik kesehatan
Statistik kesehatan adalah statistik yang digunakan atau diterapkan dalam
bidang kesehatan.
c) Berdasarkan Bentuk Parameternya
Berdasarkan bentuk parameternya (data yang sebenarnya), statistik dapat dibagi
dua yaitu statistik parametrik dan statistik nonparametrik.
 Statistik Parametrik
Statistik parametrik adalah bagian statistik yang parameter dari populasinya
mengikuti suatu distribusi tertentu, seperti distribusi normal, dan memiliki
varians yang homogen.
 Statistik nonparametrik
Statistik nonparametrik adalah bagian statistik yang parameter dari
populasinya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi
yang bebas dari persyaratan, dan variansnya tidak perlu homogen. (Hasan,
2008)
d) Berdarkan Tingkat Eksplanasinya
a. Statistik Deskriptif
Statistika deskriptif adalah bagian dari statistika yang mempelajari alat,
teknik, atau prosedur yang digunakan untuk menggambarkan atau
mendeskripsikan kumpulan data atau hasil pengamatan yang telah dilakukan.
Kegiatan – kegiatan tersebut antara lain adalah kegiatan pengumpulan data,
pengelompokkan data, penentuan nilai dan fungsi statistik, serta pembuatan
grafik, diagram dan gambar.
Adapun analisis statistika deskriptif ini memiliki tujuan untuk
memberikan gambaran (deskripsi) mengenai suatu data agar data yang tersaji
menjadi mudah dipahami dan informatif bagiorang yang membacanya.
Statistika deskriptif menjelaskan berbagai karakteristik data seperti rata-rata
(mean), jumlah (sum) simpangan baku (standard deviation), varians
(variance), rentang (range), nilai minimum dan maximum dan sebagainya.
b. Statistik Komparatif
Analisis komparatif adalah teknik analisis yang dilakukan dengan cara
membuat perbandingan antar elemen (laporan keuangan) yang sama untuk
beberapa periode yang berurutan. Perbandingan dapat dilakukan dengan dua
pendekatan, yaitu Year-to-year Changes Analysis dan Index-Number Trend
Series Analysis. Dalam pendekatan year-to-year changes analysis,
perbandingan dibuat dengan cara menghitung perubahan absolut dan
perubahan relatif (persentase) dari tahun ke tahun setiap elemen laporan
keuangan. Perubahan absolut diperlukan untuk memperoleh perspektif yang
tepat dan kesimpulan yang valid tentang perubahan yang terjadi. Perubahan
relatif (persentase) diperlukan untuk menentukan berarti tidaknya
(signifikansi) dari setiap perubahan yang terjadi.
Tujuan analisis komparatif adalah untuk memperoleh gambaran tentang arah
dan kecenderungan (tendensi) tentang perubahan yang mungkin akan terjadi
pada setiap elemen laporan keuangan di masa yang akan datang. Informasi
 hasil analisis komparatif bermanfaat untuk memperediksi tentang
kemungkinan yang akan terjadi pada setiap elemen laporan keuangan di masa
yang akan datang.
c. Statistik Asosiatif
Penelitian asosiatif adalah penelitian yang mencari hubungan antara dua
variabel atau lebih. Dimana dari hasil studi tersebut diharapkan dapat
dibangun sebuah landasan pemahaman yang dapat memberikan penjelasan,
peramalan, dan pengendalian atau kontrol terhadap suatu fenomena.
Hubungannya bisa simetris, kausal, atau interaktif. Hubungan simetris adalah
hubungan anatara dua variabel yang bersifat sejajar. Hubungan kausal adalah
hubungan yang bersifat sebab-akibat. Salah satu variabel (independen)
mempengaruhi variabel yang lain (dependen). Hubungan interaktif adalah
hubungan antar variabel yang saling mempengaruhi.

Berbagai Macam Data Penelitian

Data hasil penelitian dapat dikelompokkan menjadi dua, yaitu data kualitatif dan
data kuantitatif. Data kualitatif adalah data yang berbentuk kalimat, kata atau gambar.
Sedangkan data kuantitatif adalah data yang berbentuk angka, atau data kualitatif yang
diangkakan (skoring). Data kuantitatif dapat dikelompokkan menjadi dua besar yaitu data
diskrit dan data kontinum. Data diskrit adalah data yang diperoleh dari data hasil
menghitung atau membilang (bukan mengukur). Data ini sering juga disebut dengan data
nominal. Data kontinum adalah data yang diperoleh dari hasil pengukuran. Data
kontinum dapat dikelompokkan menjadi tiga yaitu: data Ordinal, Interval, dan Rasio.
(Sudiana, 2004)
Data Nominal merupakan data yang paling sederhana disusun menurut jenis
(kategorinya) atau fungsi bilangan hanya sebagai simbol untuk membedakan sebuah
karakteristik dengan karakteristik lainnya.
Data Ordinal adalah data yang mempunyai klasifikasi dan tingkatan atau ranking yang
diurutkan dari jenjang yang lebih tinggi sampai jenjang terendah atau sebaliknya serta
tidak mempunyai interval yang tetap. Data ordinal memiliki ciri, yaitu klasifikasi dan
tingkatan yang jaraknya tidak sama.
Data Interval adalah data yang menunjukkan jarak antara satu data dengan data yang
lain dan mempunyai bobot yang sama. Data interval memiliki ciri, yaitu klasifikasi,
tingkatan, dan unit-unit yang sama dan mempunyai jarak yang sama tetapi tidak memiliki
angka nol mutlak.
Data Rasio adalah data yang menyajikan tingkat pengukuran yang paling tinggi dan
paling cermat. Contohnya ukuran panjang, ukuran berat, umur, ukuran isi, dan ukuran
lainnya yang sejenis
 Gambar 3. Bermacam-macam Data Penelitian (Skala Pengukuran)

Pedoman Umum Memilih Teknik Statistik

Terdapat bermacam-macam teknik statistik yang dapat digunakan dalam penelitian
khususnya dalam pengujian hipotesis. Pedoman ini ditunjukkan pada tabel 1. Teknik
statistik mana yang akan digunakan untuk pengujian tergantung pada interaksi dua hal
yaitu macam data yang akan dianalisis, dan bentuk hipotesisnya. Seperti dalam jenis
penilaian “tingkat eksplanasinya” maka bentuk hipotesis ada tiga, yaitu hipotesis
deskriptif, komparatif, dan asosiatif. Hipotesis komparatif ada dua macam yaitu komparatif
dua sampel dan lebih dari dua sampel. Untuk masing-masing hipotesis komparatif dibagi
menjadi dua yaitu sampel related (berpasangan) dan sampel yang independen.

Bentuk Hipotesis
Macam Deskriptif Komparatif (lebih dari dua Asosiatif
Komparatif (dua sampel)
Data (satu sampel) (hubungan)
variabel) Related Independen Related Independen
Nominal Binomial Mc Nemar Fiher Exact χ2 for K χ2 for K Contingency
Probability sample sample Coeffcient C
χ2 One Cochran Q
sample χ2 Two
sample
Ordinal Run Test Sign test Median Test Friedman Median Spearman
Two-Way extension Rank
Wilcoxon Mann- Anova Correlation
matched Whitney U Kruskal-
pairs test Wallis One Kendal Tau
Way Anova
Kolmogorov-
Smirnov

Wald-
Woldfowitz
Interval t-test* t-test of* t-test of* One-Way One-Way Pearson
Rasio Related Independen Anova* Anova* Product
Moment*
Two-Way Two-Way
Anova* Anova* Partial
Correlation*

Multiple
Correlation*
Tabel 1. Penggunaan Statistik Parametrik dan Non-Parametrik Untuk Mengetahui
Hipotesis

Aturan Angka Penting dan Teori Pembulatan

Penulisan Angka Penting
Penulisan angka nol pada angka penting, ternyata memberikan implikasi yang amat
berharga.
Untuk mengidentifikasi apakah suatu angka tertentu termasuk angka penting atau bukan,
dapat diikuti beberapa kriteria di bawah ini:
 Semua angka bukan nol termasuk angka penting. Contoh: 2,45 memiliki 3 angka
penting.
 Semua angka nol yang tertulis setelah titik desimal termasuk angka penting.
Contoh: 2,60 memiliki 3 angka penting 16,00 memiliki 4 angka penting.
 Angka nol yang tertulis di antara angka-angka penting (angka-angka bukan nol),
juga termasuk angka penting. Contoh: 305 memiliki 3 angka penting. 20,60 memiliki 4
angka penting.
 Angka nol yang tertulis sebelum angka bukan nol dan hanya berfungsi sebagai
penunjuk titik desimal, tidak termasuk angka penting. Contoh: 0,5 memiliki 1 angka
penting. 0,0860 memiliki 3 angka penting.
 Hasil pengukuran 186.000 meter. Angka 6 mungkin angka taksiran dan tiga angka
nol di belakangnya menunjukkan titik desimal. Tetapi dapat pula semua angka tersebut
merupakan hasil pengukuran. Ada dua cara untuk memecahkan kesulitan ini. Pertama:
titik desimal diubah menjadi satuan, diperoleh 186 km (terdiri 3 angka penting) atau
186,000 km (terdiri 6 angka penting). Kedua: ditulis dalam bentuk notasi baku, yaitu 1,86
x 105  m (terdiri 3 angka penting) atau 1,86000 x 105 m (terdiri 6 angka penting).
Jumlah angka penting dalam penulisan hasil pengukuran dapat dijadikan indikator 
tingkat  ketelitian  pengukuran  yang dilakukan.  Semakin banyak angka penting yang
dituliskan, berarti pengukuran yang dilakukan semakin teliti. Berikut beberapa contoh
penulisan hasil pengukuran dengan memperhatikan angka penting:
1. Satu angka penting : 2, 0,1 0,002 0,01   x 10-2
1. Dua angka penting : 2,6 1,0 0,010 0,10   x 10-2
1. Tiga angka penting : 20,1 1,25 0,062 3,01   x 10-2
1
1. Empat angka penting : 20,12 1,000 0,102 1,001 x 10-2
0
 Teori Pembulatan
Teori pembulatan adakah teori yang mengurangi cacah bilangan namun nilainya hampir
sama. Hasil yang diperoleh menjadi kurang akurat, tetapi akan lebih mudah digunakan.
Adapun aturan teori pembulatan adalah sebagai berikut.
• Jika angka terkiri dari angka yang harus dihilangkan kurang dari 5, maka angka terkanan
dari angka yang mendahuluinya tetap (tidak berubah) Contoh: 50,16482 ton akan
dibulatkan hingga dua angka di belakang koma menjadi 50,16 ton 
• Jika angka terkiri dari angka yang harus dihilangkan lebih dari 5 atau angka 5 diikuti oleh
angka-angka bukan nol semua, maka angka terkanan dari angka yang mendahuluinya
bertambah dengan satu. Contoh: 50,14652 akan dibulatkan hingga dua angka di belakang
koma menjadi 50,15
• Jika angka terkiri dari angka yang harus dihilangkan sama dengan 5 atau angka 5 diikuti
oleh angka-angka nol semua, maka angka terkanan dari angka yang mendahuluinya tetap
jika angka tsb genap, dan bertambah satu jika angka tsb ganjil. 50,13500 akan dibulatkan
hingga dua angka di belakang koma menjadi 50,14

Penyajian Data
Tabel (Sudiana, 2004)
1. Tabel Biasa
Tingkat Pendidikan Jml
No
Bagian S3 S2 S SM SMU SM SMP SD
.
1 K
1 Keuanga 25 90 45 156 12 3 331
n
2 Umum 5 6 6 8 4 1 30
3 Penjualan 7 65 37 5 114
4 Litbang 1 8 35 44
Jumlah 1 8 72 96 51 229 53 9 519

2. Tabel Distribusi Frekuensi

Tabel distribusi frekuensi disusun bila data yang akan disajikan cukup banyak,
sehingga kalau disajikan dalam tabel biasa menjadi tidak efisien dan kurang
komunikatif. Selain itu, tabel ini dapat digunakan sebagai persiapan untuk
pengujian terhadap normalitas data yang menggunakan kertas Peluang Normal.
Dalam tabel distribusi frekuensi, banyak objek dikumpulkan dalam kelompok-
kelompok berbentuk a – b, yang disebut kelas interval. Ke dalam kelas interval a –
b dimasukkan semua data yang bernilai mulai dari a sampai dengan b.
Nilai Ujian Statistika Untuk 80 Mahasiswa
Nilai Ujian Banyak Mahasiswa (f)
31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
 91 – 100 12
Jumlah 80

3. Tabel Distribusi Frekuensi Kumulatif

Tabel ini merupakan pengembangan dari tabel distribusi frekuensi. Distribusi
kumulatif adalah tabel yang menunjukkan jumlah observasi yang menyatakan
kurang dari nilai tertentu. Untuk memulai pernyataan “kurang dari” digunakan
ujung bawah dari kelas interval ke 2. Selanjutnya frekuensi kumulatif adalah
merupakan penjumlahan frekuensi dari setiap kelas interval, sehingga jumlah
frekuensi terakshir jumlahnya sama dengan jumlah data observasi.
Tabel Frekuensi Nilai Statistik 150 Mahasiswa
No. Kelas Kelas Interval Frekuensi (f)
1 10 – 19 1
2 20 – 29 6
3 30 – 39 9
4 40 – 49 31
5 50 – 59 42
6 60 – 69 32
7 70 – 79 17
8 80 – 89 10
9 90 - 100 2
Jumlah 150

Tabel Distribusi Frekuensi Kumulatif Nilai Statistik 150 Mahasiswa

Kurang dari Frekuensi Kumulatif
Kurang dari 20 1
Kurang dari 30 7
Kurang dari 40 16
Kurang dari 50 47
Kurang dari 60 89
Kurang dari 70 121
Kurang dari 80 138
Kurang dari 90 148
Kurang dari 101 150

4. Tabel Distribusi Frekuensi Relatif

Penyajian data yang mengubah frekuensi menjadi persen, dinamakan tabel
Distribusi Frekuensi Relatif. Cara pembuatannya adalah dengan mengubah
frekuensi menjadi persen. Penyajian didasarkan pada perhitungan, misalnya
frekuensi 1 dapat diubah menjadi 1:150 x 100% = 0,65.

Tabel Distribusi Frekuensi Relatif Nilai Statistik 150 Mahasiswa

No. Kelas Kelas Interval Frekuensi (f)
1 10 – 19 0,67
 2 20 – 29 4,00
3 30 – 39 6,00
4 40 – 49 20,66
5 50 – 59 28,00
6 60 – 69 21,33
7 70 – 79 11,33
8 80 – 89 6,66
9 90 - 100 1,33

5. Tabel Distribusi Frekuensi Relatif Kumulatif

Tabel Distribusi Frekuensi Kumulatif Relatif Nilai Statistik 150 Mahasiswa
Kurang dari Frekuensi Kumulatif
Kurang dari 20 0,67%
Kurang dari 30 4,67%
Kurang dari 40 10,67%
Kurang dari 50 31,33%
Kurang dari 60 59,33%
Kurang dari 70 80,67%
Kurang dari 80 92,00%
Kurang dari 90 98,67%
Kurang dari 101 100%

Tabel (Hasan, 2008)

Dalam penyusunan tabel, ada beberapa hal yang perlu diperhatikan, yaitu sebagai
berikut.
 Judul tabel dibuat singkat dan jelas.
 Judul atau kepala kolom dibuat ringkas.
 Jika dianggap perlu, data dikelompok-kelompokkan.
 Keterangan di bawah (foot note) dimuat untuk memberi penjelasan mengenai judul,
kepala kolom, atau angka-angka dalam tabel.
 Sumber data dicantumkan untuk mengetahui darimana data yang bersangkutan
diperolehdan jika perlu dapat diadakan pengecekan dari sumber aslinya.

1. Tabel Frekuensi
Tabel frekuensi adalah tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.
Nilai Ujian Statistik 80 Mahasiswa

Nilai Ujian Banyak Mahasiswa (f)

31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
 91 – 100 12
Jumlah 80

2. Tebel Klasifikasi
Tabel klasifikasi adalah tabel yang menunjukkan atau memuat pengelompokan data.
Jumlah Kambing di Kota X Tahun 1990 Menurut Jenisnya
Jenis Jumlah (Ekor)
Jantan 57
Betina 345
Jumlah 402

3. Tabel Kontingensi
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuai dengan
rinciannya. Apabila bagian baris tabel tabel berisikan m baris dan bagian kolom tabel
berisikan n kolom maka didapatkan tabel kontingensi berukuran m x n.
Tabel Produksi Minyak Mentah OPEC, Uni Soviet, dan Dunia Tahun 1975 – 1979
Tahun OPEC Uni Soviet Dunia Jumlah
1975 9.934 3.600 20.174 33.708
1976 11.240 3.822 21.831 36.893
1977 11.468 4.013 22.672 38.153
1978 10.914 4.204 22.897 38.015
1979 11.205 4.307 23.666 39.178
Jumlah 54.761 19.946 111.240 185.947

4. Tabel korelasi
Tabel korelasi adalah tabel yang menunjukkan atau memuat adanya korelasi
(hubungann) antara data yang disajikan.
Hasil Ujian Statistik dan Akuntansi 100 Mahasiswa di Suatu Akademi
Nilai Nilai Statistik
Akuntansi 40 – 50 – 60 – 70 – 80 – 90 –
49 59 69 79 89 99
90 – 99 2 4 4
80 – 89 1 4 6 5
70 – 79 5 10 8 1
60 – 69 1 4 9 5 2
50 – 59 3 6 6 2
40 – 49 3 5 4

Histogram, poligon, dan kurve frekuensi

 Histogram (Usman, 2015)

Histogram adalah penyajian data distribusi frekuensi yang diubah menjadi
diagram batang. Untuk menggambarkan histogram dipakai sumbu mendatar
 yang menyatakan batas-batas kelas interval dan sumbu tegak yang menyatakan
frekuensi absolut atau frekuensi relatif.

Gambar 4. Histogram DP3

 Polygon Frekuensi
Polygon frekuensi ialah gambar garis yang menghubungkan tengah-tengah tiap
sisi atas yang berdekatan dengan tengah-tengah jaak frekuensi absolut masing-
masing. Jika daftar distribusi frekuensi mempunyai kelas-kelas interval yang
berbeda, maka tinggi diagram tiap kelas harus disesuaikan. Untuk ini, ambil
Panjang kelas yang sama yang terbanyak terjadi sebagai satuan pokok. Tinggi
untuk kelas-kelas lainnya digambarkan sebagai kebalikan dari Panjang kelas
dikalikan dengan frekuensi yang diberikan.

Gambar 5. Poligon Frekuensi DP3

 Ogive (Ozaiv) atau Kurve Frekuensi

Ogive ialah distribusi frekuensi kumulatif yang digambarkan diagramnya
dalam sumbu tegak dan mendatar. Ogive “kurang dari” ialah diagram dari
distribusi frekuensi kumulatif kurang dari. Dan ogive “atau lebih” ialah
diagram dari distribusi frekuensi kumulatif atau lebih.
 Gambar 6. Ogive “kurang dari”

Gambar 7. Ogive “atau lebih”

 Diagram lingkar (Piechart), diagram batang

Diagram Lingkar (Piechart)
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran atau pie chart. Diagram lingkaran digunakan untuk
membandingkan data dari berbagai kelompok. Gambar 13 berikut adalah
contoh penyajian data dengan diagram lingkaran. Data yang disajikan
adalah presentase KB aktif yang menggunakan kontrasepsi dari tahun 1984
– 1985.
Data yang diberikan : jumlah yang memakai pil = 53,9 %
: jumlah yang memakai kondom = 4,4 %
: jumlah yang memakai suntik = 11,1 %
: jumlah yang memakai IUD = 27 %
: jumlah yang memakai lain-lain = 2,9 %
Cara membuat diagram lingkaran adalah:
a) Buatlah lingkaran dengan jari-jari disesuaikan dengan kebutuhan.
b) Untuk kepentingan ini, data telah dinyatakan dalam prosen, oleh
karena itu setiap 1% akan memerlukan 360° : 100 = 3,6°.
 c) Menghitung luas yang diperlukan oleh sekelompok data dalam
lingkaran. Dalam hal ini terdapat lima luas yang jumlah
keseluruhan akan sama dengan lingkaran.
d) Selanjutnya luas-luas kelompok data digambarkan dalam
lingkaran, dengan menggunakan busur derjat bisa mulai dari
sembarang titik. Jangan sampai terdapat sisa lingkaran.
e) Contoh diagram lingkaran adalah sebagai berikut

Gambar 8. Diagram Lingkaran Persentase KB Aktif Menurut

Metode Kontrasepsi

Diagram Batang
Kegunaan diagram batang adalah untuk menyajikan data yang
bersifat kategori atau data distribusi. Cara menggambarkan diagram batang
yaitu diperlukan sumbu tegak dan sumbu mendatar yang berpotongan tegak
lurus. Sumbu tegak, maupun sumbu mendatar dibagi beberapa bagian
dengan skala nilai yang sama.
 Gambar 9. Diagram Batang

Ukuran Gejala Pusat dan Variansi Kelompok

Ukuran gejala pusat (Central Tendency)
Pengertian Nilai Pusat
Ukuran nilai pusat merupakan ukuran yang dapat mewakili data secara
keseluruhan. Artinya, jika keseluruhan nilai yang ada dalam data tersebut
diurutkan besarnya dan selanjutya dimasukkan nilai rata-rata ke dalamnya, nilai
rata-rata tersebut memiliki kecendrungan (tendensi) terletak di urutan paling
tengah atau pusat. (Hasan, 2008)
Beberapa teknik penjelasan kelompok yang telah diobservasi dengan data
kuantitatif, selain dapat dijelaskan dengan menggunakan tabel dan diagram, dapat
juga dijelaskan dengan menggunakan teknik statistik yang disebut modus,
median, dan mean. Modus, Median, dan Mean merupakan teknik statistik yang
digunakan untuk menjelaskan kelompok, yang didasarkan atas gejala pusat
(central tendency) dari kelompok tersebut, namun dari tiga macam Teknik
tersebut, yang menjadi ukuran gejala pusatnya berbeda-beda. Masing-masing
gejala pusat tersebut mempunyai penggunaan yang cocok untuk skala (data)
tertentu; Modus cocok untuk data nominal, Median untuk data ordinal dan Mean
untuk data interval dan rasio.
1) Modus
Modus merupakan teknik penjelasan kelompok yang didasarkan atas
nilai yang sedang popular (yang menjadi mode) atau yang sering muncul
dalam kelompok tersebut. Mode tidak diperoleh melalui perhitungan;
diperoleh dengan melihat (mengobservasi) nilai yang paling sering muncul.
Mode merupakan alat yang cepat untuk menaksir tendensi sentral suatu
distribusi. Namun mode merupakan alat penaksir yang kurang akurat;
kelompok nilai mungkin mempunyai dua mode atau mungkin lebih. Lagi
pula mode tidak terpengaruh oleh nilai yang ekstrim. Oleh karena itu, mode
cocok untuk tendensi sentral data nominal.
2) Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan
atas nilai tengah dari kelompok data yang telah disusun urutannya dari yang
terkecil sampai yang terbesar, atau sebaliknya dari yang terbesar sampai yang
terkecil.

3) Mean
Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai
rata-rata dari kelompok tersebut. Rata-rata (mean) ini didapat dengan
menjumlahkan data seluruh individu dalam kelompok tersebut. Hal ini dapat
dirumuskan seperti rumus berikut.
 Me=
∑ Xi
n
Dimana: Me = Mean (rata-rata)
∑❑ = Epsilon (jumlah)
Xi = Nilai X ke i sampai ke n
n = Jumlah individu

Cara Menghitung Modus, Median, Mean Untuk Data Bergolong

1) Menghitung Modus
Untuk menghitung modus data yang telah disusun ke dalam distribusi
frekuensi/data bergolong, dapat digunakan rumus sebagai berikut.
b1
Mo=b+ p ( )
b 1 + b2
Dimana:
Mo = Modus
b = Batas bawah kelas interval dengan frekuensi terbanyak
p = Panjang kelas interval dengan frekuensi terbanyak
b1 = Frekuensi pada kelas modus (frekuensi pada kelas interval
yang terbanyak) dikurangi frekuensi kelas interval terdekat
sebelumnya.
b2 = Frekuensi kelas modus dikurangi frekuensi kelas interval
berikutnya.

2) Menghitung Median
Untuk menghitung median rumus yang digunakan adalah:
1
Mo=b+ p
2
( )
n−F
f
Dimana:
Md = Median
b = Batas bawah kelas interval, dimana median akan terletak
n = Banyak data/jumlah sampel
F = Jumlah semua frekuensi sebelum kelas media
f = Frekuensi kelas median

3) Menghitung Mean
Rumus untuk menghitung mean dari data bergolong adalah:

Me=
∑ fiXi
∑ fi
Dimana:
Me = Mean untuk data bergolong
fi = Jumlah data/sampel
 fiXi = Produk perkalian antara fi pada tiap interval data dengan
tanda kelas (Xi). Tanda kelas Xi adalah rata-rata dari ujung
bawah dan ujung atas pada setiap kelas interval data.
Sumber: Sudiana, 2004.

Variasi Kelompok
Untuk menjelaskan keadaan kelompok, dapat juga didasarkan pada
tingkat variasi data yang terjadi pada kelompok tersebut. Untuk mengetahui
tingkat variasi kelompok data dapat dilakukan dengan melihat rentang data
dan standar deviasi atau simpangan baku dari kelompok data yang telah
diketahui.
1) Rentang Data
Rentang data (range) dapat diketahui dengan jalan mengurangi
data yang terbesar dengan data terkecil yang ada pada kelompok itu.
Rumusnya adalah:
Rt = Xt – Xr
Dimana:
Rt = Rentang
Xt = Data terbesar dalam kelompok
Xr = Data terkecil dalam kelompok

2) Varians
Salah satu teknik statistik yang digunakan untuk menjelaskan
homogenitas kelompok adalah dengan varians. Varians merupakan
jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata
kelompok. Akar varians disebut standar deviasi atau simpangan baku.
Varians populasi diberi simbol σ 2 dan standar deviasi adalah σ .
Sedangkan varians untuk sampel diberi simbol s2 dan standar deviasi
sampel diberi simbol s. varians dari sekelompok data dari suatu
variabel tertentu dapat dirumuskan menjadi:
σ 2=∑ ¿ ¿ ¿ ¿
Sedangkan standar deviasinya adalah:
σ =√ ∑ ¿ ¿ ¿ ¿ ¿
Rumus tersebut digunakan data populasi, sedangkan untuk data
sampel rumusnya tidak hanya dibagi dengan n saja, tetapi dibagi
dengan n – 1. (n – 1) adalah derajat kebebasan.
s2=∑ ¿ ¿¿ ¿ sehingga s= √∑ ¿¿ ¿ ¿ ¿
Dimana:
σ 2 = Varians populasi
σ = Simpangan baku populasi
s2 = Varians sampel
s = Simpangan baku sampel
n = Jumlah sampel
 Sampel
3) Menghitung Standar Deviasi Untuk Data Bergolong
Standar deviasi dari data yang telah disusun dalam tabel distribusi
frekuensi/data bergolong, dapat dihitung dengan rumus sebagai
berikut:
s= √∑ f i ¿ ¿ ¿¿ ¿
Sumber: Sudiana, 2004

Sampling dan sample size

 Menurut Sudjana (2005:6): sebagian dari jumlah dan karakteristik dari populasi.
 Menurut Suharyadi dan Purwanto (2009:12): Sampel adalah suatu bagian dari
populasi tertentu yang menjadi perhatian.
 Menurut Spiegel dan Stephens (2007:1): seseorang dapat melakukan pengamatan
tersebut hanya pada sebagian kecil dari kelompok yang disebut sebagai sampel.
Jadi, sampel adalah sebagian kecil atau perwakilan dari sebuah populasi yang
akan dijadikan sebagai pengamatan.

Teknik sampling
Langkah-langkah dalam sampling adalah sebagai berikut. (Maolani, 2015)
1. Identifikasi populasi yang harus diwakili dalam suatu penelitian, yang disebut
populasi target.
2. Identifikasi bagian dari populasi yang dapat terjangkau, disebut populasi
terjangkau.
3. Dari populasi terjangkau tersebut dipilih sampel sedemikian rupa sehingga
mewakili populasi.
Alur pengambilan sampel dari suatu populasi dapat digambarkan
sebagai berikut.

Populasi Target Populasi Terjangkau

Apabila suatu sampel telah terpilih, sehingga merupakan wakil dari

populasi terjangkau, maka penemuan-penemuan dari sampel dapat
digeneralisasikan kepada populasi tersebut. Tetapi generalisasi dari
polulasi terjangkau ke populasi target mempunyai resiko yang lebih
besar; tergantung pada kesamaan-kesamaan populasi terjangkau dengan
populasi target.

Kriteria yang perlu diperhatikan dalam mengambil sampel adalah

sebagai berikut. (Usman, 2015)
1. Tentukan dulu daerah generalisasinya
2. Berilah batas-batas yang tegas tentang sifat populasi.
3. Tentukan sumber-sumber informasi tentang populasi.
 4. Pilihlah Teknik sampling dan hitunglah besar anggota sampel yang
sesuai dengan tujuan penelitiannya.
5. Rumuskan persoalan yang akan diteliti.
6. Tentukan/cari keterangan mengenai populasi yang akan diteliti.
7. Defnisikan unit-unit, istilah yang diperlukan.
8. Tentukan unit sampling yang diperlukan.
9. Tentukan skala pengukuran yang akan dipergunakan.
10.Cari keterangan yang ada kaitannya dengan permasalahan yang akan
dibahas.
11.Tentukan ukuran sampel yang akan dianalisis.
12.Tentukan prosedur sampling apa yang akan dipergunakan.
13.Tentukan Teknik pengumpulan data apa yang akan dipergunakan.
14.Tentukan metode analisis apa yang akan dipergunakan.
15.Sediakan sarana dan prasarana yang diperlukan untuk penelitian.

Probability Sampling merupakan teknik sampling yang memberikan peluang yang

sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.
Teknik ini meliputi:
a. Simple Random Sampling
Teknik pengambilan sampel dari populasi dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi itu. Cara demikian
dilakukan bila anggota populasi dianggap homogen. Pengambilan sampel
acak sederhana dapat dilakukan dengan cara undian dan memilih bilangan
dari daftar bilangan secara acak.
b. Proportionate Stratified Random Sampling
Teknik pengambilan sampel yang digunakan bila populasi mempunyai
anggota/unsur yang tidak homogen dan berstrata secara proporsional. Suatu
organisasi yang mempunyai pegawai dari latar belakang pendidikan yang
berstrata, maka populasi pegawai itu berstrata. Misalnya jumlah pegawai
yang lulus S1= 45, S2= 30, STM= 800, ST= 900, SMEA= 400, SD= 300.
Jumlah sampel yang harus diambil meliputi strata pendidikan tersebut.
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi
berstrata tetapi kurang proporsional. Misalnya pegawai dari unit kerja
tertentu mempunyai 3 orang lulusan S3, 4 orang lulusan S2, 90 orang S1,
800 orang SMU, 700 orang SMP, maka tiga orang lulusan S3 dan empat
orang S2 itu diambil semuanya sebagai sampel karena dua kelompok ini
terlalu kecil bila dibandingkan dengan kelompok S1, SMU, dan SMP.
d. Cluster Sampling
Teknik sampling daerah digunakan untuk menentukan sampel bila obyek
yang akan diteliti atau sumber data sangat luas. Misalnya penduduk dari
suatu negara, propinsi atau kabupaten. Untuk menentukan penduduk mana
yang akan dijadikan sumber data, maka pengambilan sampel ditetapkan
secara bertahap dari wilayah yang luas (negara) sampai ke wilayah terkecil
 (kabupaten). Setelah terpilih sampel terkecil, kemudian baru dipilih sampel
secara acak. Teknik sampling daerah sering digunakan melalui dua tahap,
yaitu tahap pertama menentukan sampel daerah dan tahap berikutnya
menentukan orang-orang yang ada pada daerah itu secarasampling juga.

Non Probability Sampling merupakan teknik yang tidak memberi

peluang/kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih
menjadi sampel. Teknik sampel ini meliputi:
a) Sampling Sistematis
Teknik pengambilan sampel berdasarkan urutan dari anggota populasi yang
telah diberi nomor urut. Misalnya anggota populasi yang terdiri dari 100 orang.
Dari semua anggota itu diberi nomor urut, yaitu nomor 1 sampai dengan nomor
100. Pengambilan sampel dapat dilakukan dengan mengambil nomor ganjil
saja, genap saja atau kelipatan dari bilangan tertentu, seperti kelipatan dari
bilangan lima. Untuk ini maka yang diambil sebagai sampel adalah nomor 1, 5,
10, 15, 20 dan seterusnya sampai 100.
b) Sampling Kuota
Teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri
tertentu sampai jumlah (kuota) yang diinginkan. Sebagai contoh, akan
melakukan penelitian tentang pendapat masyarakat terhadap pelayanan
masyarakat dalam urusan Ijin Mendirikan Bangunan (IMB). Jumlah sampel
yang ditentukan 500 orang. Kalau pengumpulan data belum memenuhi kuota
500 orang tersebut, maka penelitian dipandang belum selesai.
c) Sampling Insidental
Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang secara
kebetulan/insidental bertemu dengan peneliti dapat digunakan sebagai sampel,
bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.
d) Sampling Purposive
Teknik penentuan sampel dengan pertimbangan tertentu. Misalnya akan
melakukan penelitian tentang kualitas makanan, maka sampel sumber datanya
adalah orang yang ahli makanan. Sampel ini lebih cocok digunakan untuk
penelitian kualitatif atau penelitian-penelitian yang tidak melakukan
generalisasi.
e) Sampling Total
Teknik penentuan sampel bila semua anggota populasi digunakan sebagai
sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil, kurang dari
30 orang atau penelitian yang ingin membuat generalisasi dengan kesalahan
yang sangat kecil. Istilah lain sampel total adalah sensus dimana semua
anggota populasi dijadikan sampel.
f) Snowball Sampling
Teknik penentuan sampel yang mula-mula jumlahnya kecil, kemudian
membesar. Dalam penentuan sampel, pertama-tama dipilih satu atau dua
orang, tetapi karena dengan dua orang ini belum merasa lengkap terhadap data
yang diberikan, maka peneliti mencari orang lain yang dipandang lebih tahu
 dan dapat melengkapi data yang diberikan oleh dua orang sebelumnya. Begitu
seterusnya, sehingga jumlah sampel semakin banyak. Sampling ini cocok
digunakan untuk penelitian kualitatif. o Sampel Representatif Sampel
representatif adalah sampel yang karakteristiknya hampir sama dengan yang
dimiliki oleh populasi yang berarti item-item yang dijadikan sampel populasi
serupa dengan item-item yang tidak dijadikan sampel. Salah satu cara untuk
mengetahui apakah suatu sampel bersifat representatif adalah dengan
melakukan audit lebih lanjut atas populasi secara keseluruhan.

Sampel size
Ukuran sampel (sample size) adalah banyaknya individu, subyek atau elemen
dari populasi yang diambil sebagai sampel. Penentuan sampel size dipengaruhi oleh
faktor utama yaitu variasi dari nilai-nilai variabel yang berada pada populasi.
Variasi ini biasanya dinyatakan oleh nilai standar deviasi, dimana untuk
menentukan sample size, biasanya ditentukan dulu standar deviasi dan tingkat
kepercayaan yang diinginkan dalam penyelidikan. Semakin kecil variasi, atau
semakin populasi menunjukkan homogenitas diantara sampelnya, maka akan
semakin kecil sample size yang diperlukan. Sebaliknya, jika semakin banyak
sampel atau semakin banyak penelitian yang dilakukan berulang-ulang terhadap
populasi yang sama, maka akan semakin akurat penelitian tersebut.
Faktor-faktor kualitatif yang penting dipertimbangkan dalam penentuan ukuran
sampel adalah:
a. Pentingnya keputusan.
b. Sifat dari penelitian.
c. Jumlah variabel
d. Sifat dari analisa.
e. Ukuran sample dalam penelitian sejenis
f. Tingkat luasnya akibat.
g. Tingkat penyelesaian.
h. Keterbatasan sumber.
Umumnya, untuk keputusan yang lebih penting, banyak informasi yang diperlukan,
dan informasi yang akan diperoleh sangat tepat. Sifat dari penelitian juga
mempengaruhi ukuran sample. Untuk explaratory research design, seperti yang
digunakan dalam riset kualitatif, ukuran sample adalah khusus kecil.
Untuk conclusive research, seperti survey deskriptif, sample besar yang akan
digunakan.

Sampel representatif
Sampel representatif adalah sampel yang karakteristiknya hampir sama dengan
yang dimiliki populasi. Kita dapat menggunakan ciri-ciri suatu sampel yang
diobservasi sebagai indikator untuk memperkirakan ciri-ciri dari suatu populasi.
Untuk itu sampel yang diambil dari populasi harus betul-betul representatif
(mewakili). Kriteria sampel representatif adalah sebagai berikut.
1. Akurasi, sejauh mana statistik sampel dapat mengestimasi parameter populasi
yang tepat.
2. Presisi, sejauh mana hasil penelitian berdasarkan sampel dapat merefleksi
realitas populasinya dengan teliti.

Uji Prasyarat Analisis

Homogenitas
Uji homogenitas merupakan uji perbedan antara dua atau lebih populasi. Semua
karakteristik populasi dapat bervariasi antara satu populasi dengan yang lain. Dua di
antaranya adalah mean dan varian (selain itu masih ada bentuk distribusi, median,
modus, range, dll). Penelitian yang selama ini baru menggunakan mean sebagai tolak
ukur perbedaan antara dua populasi.

Uji homogenitas bertujuan untuk mengetahui apakah varians skor yang diukur
pada kedua sampel memiliki varians yang sama atau tidak. Populasi-populasi dengan
varians yang sama besar dinamakan populasi dengan varians yang homogen,
sedangkan populasi-populasi dengan varians yang tidak sama besar dinamakan
populasi dengan varians yang heterogen.

Faktor-faktor yang menyebabkan sampel atau populasi tidak homogen adalah

proses sampling yang salah, penyebaran yang kurang baik, bahan yang sulit untuk
homogen, atau alat untuk uji homogenitas rusak. Apabila sampel uji tidak homogen
maka sampel tidak bisa digunakan dan perlu dievaluasi kembali mulai dari proses
sampling sampai penyebaran bahkan bila memungkinkan harus diulangi sehingga
mendapatkan sampel uji yang homogen.

Menguji Homogenitas Varians Populasi

Perhatikan data nilai matematika siswa kelas A dan kelas B berikut ini:

Nilai
No
Kelas A Kelas B
1 5 5
2 6 5
3 9 9
4 8 6
5 10 10
6 9 6
7 8 9
8 9 9
 9 9 9
10 10 10
11 10 10
12 8 8
13 10 10
14 6 2
15 7 6
16 9 10
17 9 9
18 8 10
19 9 9
20 10 10
21 9 10
22 10 10
23 9 10
24 7 6
25 8 10
26 9 10
27 10 9
28 5 3
29 8 8
30 9 9
Untuk melakukan uji homogenitas data tersebut. Ada dua macam uji homogenitas untuk
menguji kehomogenan dua atau lebih variansi yaitu:

1. Uji Harley Pearson

Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama (n yang sama )
untuk tiap kelompok, misalkan kita mempunyai dua populasi normal dengan varians

σ 12 dan σ 22, akan diuji mengenai uji dua pihak untuk pasangan hipotesis nol H 0 dan
tandingannya H 1 :

H0 : σ 21=σ 22
{H1 : σ 21 ≠ σ

Berdasarkan sampel acak yang masing-masing secara independen diambil dari

populasi tersebut. Jika sampel dari populasi kesatu berukuran n 1dengan varians s21 dan

sampel dari populasi kedua berukuran n 2dengan varians s22 maka untuk menguji
hipotesis di atas digunakan statistik

s 21
F= 2
s2

Kriteria pengujian adalah : diterima hipotesis H 0 jika

F( 1−α )(n −1) < F < F 1

1 α (n1−1 ,n2−1)
2

untuk taraf nyata α, dimana F β (m ,n) didapat dari daftar distribusi F dengan peluang β,
dk pembilang = m dan dk penyebut = n.
dalam hal lainnya H 0 ditolak.
Statistik lain yang digunakan untuk menguji hipotesis H 0adalah

Varians terbesar
F=
Varians terkecil

Prosedur pengujian hipotesis:

1) Menentukan formulasi hipotesis

H0 : σ 21=σ 22
{H1 : σ 21 ≠ σ
 2) Menentukan taraf nyata (α) dan Ftabel

Ftabel ditentukan dengan α , derajat bebas pembilang ( n1−1), dan derajat penyebut

( n2−1) dengan rumus Ftabel =F 1 α(n −1 ,n −1)

1 2
2

3) Menentukan kriteria pengujian:

Ho diterima jika F( 1−α )(n −1) < F < F 1 α (n −1 ,n −1)

1
1 2
2

Ho ditolak jika F( 1−α )(n −1) ≤ F = F 1 α (n −1, n −1) atau F( 1−α )(n −1) ≥ F = F 1 α (n −1 ,n −1)
1
1 2
1
1 2
2 2

4) Menentukan uji statistik

s 21
F= 2
s2

Varians terbesar
F=
Varians ter k ecil

5) Menarik kesimpulan

Contoh soal:
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
1. Hipotesis
H 0 :σ 21=σ 22 (homogen)
H 1 :σ 21 ≠ σ 22 (tidak homogen)

2. Menentukan taraf nyata (α) dan Ftabel

Ftabel ditentukan dengan α = 5% , derajat bebas pembilang ( n1−1 ) =34 , dan derajat

penyebut ( n2−1 ) =34 dengan rumus Ftabel =F 1 α (n −1 ,n −1) =F0,05 (34,34) =1,77
1 2
2

3. Kriteria pengujian:

Ho diterima jika F( 1−α )(n −1) < F < F 1 α (n −1 ,n −1)

1
1 2
2

Ho ditolak jika F( 1−α )(n −1) ≤ F = F 1 α (n −1, n −1) atau F( 1−α )(n −1) ≥ F = F 1 α (n −1 ,n −1)
1
1 2
1
1 2
2 2
 4. Uji statistik
s 21 5,878992
F = 2= =2,780604
s 2 2,114268
5. Kesimpulan
Karena Fhitung = 2,780604 ≥ 1,77 ¿ F tabel maka H0 ditolak. Jadi data tidak berasal
dari populasi yang homogen dalam taraf nyata 0,05. Jadi kedua sampel memiliki
varians tidak homogen sehingga kedua sampel tersebut tidak homogen.
2. Uji Bartlett
Uji ini digunakan untuk menguji ukuran dengan cuplikan yang sama maupun tidak
sama (n yang sama maupun n yang berbeda) untuk tiap kelompok.
Untuk menguji kesamaan beberapa buah rata-rata, dimisalkan populasinya
mempunyai varians yang homogen, yaitu σ 12=σ 22=…=σ 2k . Demikian untuk menguji

kesamaan dua rata-rata, telah dimisalkan σ 12=σ 22, akan diuraikan perluasannya yaitu
untuk menguji kesamaan k buah (k≥2) buah populasi berdistribusi independen dan
normal masing-masing dengan varians σ 12 , σ 21 , … , σ 2k . Akan diuji hipotesis:

H 0 : σ 21=σ 22=…=σ 2k
{
H 1 : paling sedikit satu tanda sama dengan tidak berlaku

Berdasarkan sampel-sampel acak yang masing-masing diambil dari setiap populasi.

Metode yang akan digunakan untuk melakukan pengujian ini adalah dengan uji
Bartlett. Kita misalkan masing-masing sampel berukuran n 1 , n1 , … , n k dengan data
Y ij (i=1,2 , … , k dan j=1,2 , … , n k ) dan hasil pengamatan telah disusun dalam daftar :

DARI POPULASI KE
1 2 … k selanjutnya, dari sampel-sampel itu akan
Data hasil Y 11 Y 21 … . Y k 1
kita pengamata Y12 Y22 … . Yk 2 hitung variansnya masing-masing adalah
n … … …
Y 1n Y 2 n … . Y k n .
1 2 k s21=s 22=…=s 2k

Untuk memudahkan perhitungan, satuan-satuan yang diperlukan untuk uji Bartlett lebih baik
disusun dalam sebuah daftar seperti:

Sampe dk 1 s21 Log s21 (dk) log s21

l ke dk
 1 n 1−1 1 s21 Log s21 (n 1−1 ¿ log s 21
¿
(n 1−1 ¿
2 n2 −1 1 s22 Log s22 (n 2−1 ¿ log s 2k
. . (n 2−1 . . .
. . . .
. . . .
k n k −1 1
¿ s2k Log s2k (n k −1 ¿ log s 2k
(n k −1 ¿
jumlah ∑ n k −1 1 ∑ (n k−1¿ log s2k ¿
∑ (n −1¿ ¿ … …
k

Dari daftar ini kita hitung harga-harga yang diperlukan, yakni:

2 (∑ ( n1−1 ) s2i )
s=
∑ ( ni−1 )
Harga satuan B dengan rumus:

B=¿

Untuk uji Bartlet digunakan statistik chi-kuadrat.

x 2=¿

Dengan ln 10 = 2,3026, disebut logaritma asli dari bilangan 10.

2 2 2
Dengan taraf nyata α, kita tolak hipotesis H 0 jika x ≥ x (1−α )(k−1), dimana x (1−α ) (k−1)
didapat dari daftar distribusi chi-kuadrat dengan peluang (1-α) dan dk = ( k-1).

Jika harga x 2 yang dihitung dengan rumus di atas ada di atas harga x 2 dari daftar dan
cukup dekat kepada harga tersebut, biasanya dilakukan koreksi terhadap rumus
dengan menggunakan faktor koreksi K sebagai berikut :

k
1 1 1
K=1+
3( k−1) { ( )
∑
i=1
−
ni −1 ∑ ni−1 }
Dengan faktor koreksi ini, statistik x 2 yang dipakai sekarang ialah :

1 2
x 2K =( )x
K
 Dengan x 2 di ruas kanan dihitung dengan rumus . dalam hal ini, hipotesis H 0 ditolak
2 2
jika x K ≥ x (1−α )(k−1)

Prosedur pengujian hipotesis :

1) Menentukan formulasi hipotesis

H 0 : σ 21=σ 22=…=σ 2k
{ H 1 : paling sedikit satu tanda sama dengan tidak berlaku

2) Menentukan taraf nyata (α) dan x 2tabel

2
x 2tabel dimana x 2tabel=¿ x (1−α ) (k−1) didapat dari daftar distribusi chi-kuadrat dengan
peluang (1-α) dan dk = ( k-1).

3) Menentukan kriteria pengujian:

2 2
Ho diterima jika x < x( 1−α )(k−1)

2 2
Ho ditolak jika x ≥ x (1−α )(k−1)

4) Menentukan uji statistik

x 2=¿
5) Menarik kesimpulan

Contoh soal:
Perhatikan data nilai matematika siswa kelas A dan kelas B di atas.
2
∑ x 2i (∑ x i )
Dengan rumus varians 2
s=
i −
ni −1 n i (n i−1)
Dari data diperoleh:
s21=¿ 2,114286

s22=¿ 5,878992

1. H 0 :σ 21=σ 22 (homogen)
H1 :σ 21 ≠ σ 22 (tidak homogen)
2. Taraf nyata (α=5%) dan x 2 tabel
x 2 tabel = x 2 ( 1−α ) ( k −1 )
¿ x 2 ( 1−0,05 )( 1 )
 ¿ x 2 ( 0,95 ) ( 1 )
¿ 3,81
3. Kriteria pengujian
H 0 diterima, jika x 2 hitung< x 2 tabel
H 0 ditolak, jika x 2 hitung ≥ x 2 tabel
4. Menentukan uji statistik
Uji statistik :
a. Varians gabungan dari semua sampel

s2=
∑ ( n i−1 ) s i2
∑ ( ni−1 )
34 ( 2,114286 ) +34 (5,878992 )
¿
34+34
71,88571+199,8857
¿
68
271,7715
¿
68

= 3,996639

b. Harga satuan B
Log s2=log 3,996639
= 0,601695
2
2
B=( log s ) ∑ (¿ n i−1)=40,91525 ¿
i=1

c. Harga X2
x 2 hitung=¿
¿ 2,3026 ( 40,91525−37,21186 )

¿ 2,3026 ( 3,703388 )=8,527437

d. Kesimpulan
Karena x 2 hitung=8,527437 ≥ 3,81=x 2 tabel maka H0 ditolak. Jadi data tidak
berasal dari populasi yang homogen dalam taraf nyata 0,05. Jadi kedua sampel
memiliki varians tidak homogen sehingga kedua sampel tersebut tidak
homogen.

Normalitas
 Pengujian normalitas adalah pengujian tentang kenormalan distribusi data. Uji ini
merupakan pengujian yang paling banyak dilakukan untuk analisis statistik parametrik.
Karena data yang berdistribusi normal merupakan syarat dilakukannya tes parametrik.
Sedangkan untuk data yang tidak mempunyai distribusi normal, maka analisisnya
menggunakan tes non parametric.
Data yang mempunyai distribusi yang normal berarti mempunyai sebaran yang
normal pula. Dengan profit data semacam ini maka data tersebut dianggap bisa mewakili
populasi. Normal disini dalam arti mempunyai distribusi data normal. Normal atau
tidaknya berdasarkan patokan distribusi normal dari data dengan mean dan standar deviasi
yang sama. Jadi uji normalitas pada dasarnya melakukan perbandingan antara data yang
kita miliki dengan data berdistribusi normal yang memiliki mean dan standar deviasi yang
sama dengan data kita.
Untuk mengetahui bentuk distribusi data dapat digunakan grafik distribusi dan
analisis statistik. Penggunaan grafik distribusi merupakan cara yang paling gampang dan
sederhana. Cara ini dilakukan karena bentuk data yang terdistribusi secara normal akan
mengikuti pola distribusi normal di mana bentuk grafiknya mengikuti bentuk lonceng
(atau bentuk gunung). Sedangkan analisis statistik menggunakan analisis keruncingan dan
kemencengan kurva dengan menggunakan indikator keruncingan dan kemencengan.
Terdapat 4 cara untuk menentukan apakah data diatas tersebut berasal dari populasi yang
berdistribusi normal atau tidak. Empat cara pengujian normalitas data sebagai berikut:
1. Kertas Probabilitas Normal
Apabila dari penelitian sudah terkumpul data lengkap, maka untuk pengujian
normalitas dilalui langkah-langkah sebagai berikut.
a. Membuat tabel distribusi frekuensi.
b. Menentukan batas nyata tiap-tiap kelas interval.
c. Mencari frekuensi kumulatif dan frekuensi kumulatif relative (dalam persen).
d. Dengan skala sumbu mendatar dan sumbu menegak, menggambarkan grafik dengan data
yang ada, pada kertas probabilitas normal.
e. Dengan angka-angka yang ada pada tabel distribusi diletakkan titik-titik frekuensi
kumulatif relative pada kertas probabilitas yang telah disediakan pada buku-buku statistic.
Jika letak titik-titik berada pada garis lurus atau hampir lurus, maka dapat disimpulkan dua
hal:
 Mengenai data itu sendiri
 Dikatakan bahwa data itu terdistribusi normal atau hampir normal (atau dapat didekati
oleh distribusi normal).
 Mengenai populasi dari mana data sampel diambil.
Dikatakan bahwa populasi dari mana data sampel itu diambil ternyata berdistribusi normal
atau hampir terdistribusi normal, atau dapat didekati oleh distribusi normal. Jika titik-titik
yang diletakkan tidak menunjukkan terletak pada garis lurus maka dapat disimpulkan
bahwa data atau sampel yang diambil tidak berasal dari populasi normal.

2. Uji Chi Kuadrat

Menurut Prof. DR.Sugiono (2005, dalam buku “ Statistika untuk Penelitian “),
salah satu uji normalitas data yaitu chi kuadrat ( x 2 ) merupakan pengujian hipotesis yang
dilakukandengan cara membandingkan kurve normal yang terbentuk dari data yang telah
terkumpul (B) dengan kurve normal baku atau standar (A). Jadi membandingkan antara
(B/A). Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang
berdistribusi normal.
Ho:data berasal dari populasi yang berdistribusi normal
H1:data tidak berasal dari populasi yang berdistribusi normal
Grafik distribusi chi kuadrat ( x 2 ) umumnya merupakan kurve positif , yaitu miring
ke kanan. Kemiringan ini makin berkuran jika derajat kebebasan (dk) makin besar.

Langkah-Langkah Menguji Data Normalitas dengan Chi Kuadrat:

1. Menentukan Mean/ Rata-Rata

x=
∑ f xi
n
2. Menentukan Simpangan Baku

∑ f ( x i−x )2
S=
√ n−1

3. Membuat daftar distribusi frekuensi yang diharapkan

 Menentukan batas kelas
 Mencari nilai Z skor untuk batas kelas interval
 Mencari luas 0 – Z dari tabel kurva normal
 Mencari luas tiap kelas interval
  Mencari frekuensi yang diharapkan (Ei)
4. Merumuskan formula hipotesis
Ho:data berasal dari populasi yang berdistribusi normal.

H1:data tidak berasal dari populasi yang berdistribusi normal.

5. Menentukan taraf nyata (a)

Untuk mendapatkan nilai chi-square tabel

dk = k – 1
dk = Derajat kebebasan
k = banyak kelas interval
6. Menentukan Nilai Uji Statistik

Keterangan:
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i
7. Menentukan Kriteria Pengujian Hipotesis

8. Memberi Kesimpulan
 Perhatikah data hasil belajar siswa kelas 2 SMP pada mata pelajaran matematika di
atas. Kita akan melakukan uji normalitas data dengan chi kuadrat.
1. Kita siapkan terlebih dahulu tabel distribusi frekuensi:
Interval prestasi Frekuensi

45-54 1
55-64 4
65-74 16
75-84 7
85-94 2

Jumlah 30

2. Mencari Mean dan Simpangan Baku

f
( x ¿¿ i−x) ¿
Interval Prestasi F xi fxi x i−x ( x i−x )2 ^2
45-54 1 49,5 49,5 -21,6667 469,4444 469,4444
55-64 4 59,5 238 -11,6667 136,1111 544,4444
65-74 16 69,5 1112 -1,66667 2,777778 44,44444
75-84 7 79,5 556,5 8,333333 69,44444 486,1111
85-94 2 89,5 179 18,33333 336,1111 672,2222
Jumlah 2135 2216,667

∑ f ( x i−x )2 = 2216,667 =8,74

S=
√ n−1 29

x=
∑ fxi = 2135 =71,16
∑ f 30
3. Membuat daftar distribusi frekuensi yang diharapkan
 Menentukan Batas Kelas
Angka skor kiri pada kelas interval dikurangi 0,5
Angka skor kanan pada kelas interval ditambah 0,5
Sehingga diperoleh batas kelas sbb:

Batas Kelas
44,5
54,5
64,5
 74,5
84,5
94,5

 Mencari nilai Z skor untuk batas kelas interval

bataskelas−mean
Z=
simpangan baku
Sehingga diperoleh:

Z
-3,050343249
-1,9061785
-0,7620137
0,382151
1,5263158
2,6704805

 Mencari luas 0 – Z dari tabel kurva normal

Luas 0-Z pada tabel
0,4989
0,4713
0,2764
0,148
0,4357
0,4962

 Mencari luas tiap kelas interval

Yaitu angka baris pertama dikurangi baris kedua, angka baris kedua dikurangi
baris ketiga, dst. Kecuali untuk angka pada baris paling tengah ditambahkan
dengan angka pada baris berikutnya. Sehingga diperoleh hassil sbb:
Luas Tiap Interval Kelas
0,0276
0,1949
0,4244
0,2877
0,0605

 Mencari frekuensi yang diharapkan (E)

Dengan cara mengalikan luas tiap interval dengan jumlah responden (n = 30).
Diperoleh:
 E
0,828
5,847
12,732
8,631
1,815
Tabel Frekuensi yang Diharapkan dan Pengamatan
Luas 0-Z Luas Tiap
Batas (f −E)2
Z pada Interval E F f-E ( f −E)2
Interval E
tabel Kelas
0,82 0,17 0,02958 0,03572946
44,5 -3,050343249 0,4989 0,0271 8 1 2 4 9
5,84 3,41140
54,5 -1,9061785 0,4713 0,1949 7 4 -1,8 9 0,583446
12,7 1 10,6798
64,5 -0,7620137 0,2764 0,4244 3 6 3,27 2 0,838817
8,63 2,66016
74,5 0,382151 0,148 0,2877 1 7 -1,6 1 0,30821
1,81 0,03422
84,5 1,5263158 0,4357 0,0605 5 2 0,19 5 0,018857
1,78505946
94,5 2,6704805 0,4962 9

4. Menentukan taraf nyata dan chi-kuadrat tabel

X 2tabel = X 21−∝, dk =X 20,95,4 =9,49
Karena X 2hitung < X 2tabel=1,79< 9,49
Maka H 0 berasal dari populasi data yang berdistribusi normal sehingga H 0 dapat
diterima. Data berdistribusi normal.

3. Uji Lilliefors
Menurut Sudjana (1996: 466), uji normalitas data dilakukan dengan menggunakan
uji Liliefors (Lo) dilakukan dengan langkah-langkah berikut.  Diawali dengan penentuan
taraf sigifikansi, yaitu pada taraf signifikasi 5% (0,05) dengan hipotesis yang diajukan
adalah sebagai berikut :
H0 : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal
Dengan kriteria pengujian :
 Jika Lhitung < Ltabel terima H0, dan
Jika Lhitung ≥ Ltabel tolak H0
Adapun langkah-langkah pengujian normalitas adalah :
1. Data pengamatan x1, x2 , x3, ….., xn dijadikan bilangan baku z1, z2 , z3, ….., zn

xi −x́
dengan menggunakan rumus  (dengan x́ dan s masing-masing merupakan
s
rata-rata dan simpangan baku)
2. Untuk setiap bilangan baku ini dengan menggunakan daftar distribusi normal
baku, kemudian dihitung peluang F(zi) = P(z < zi).
3. Selanjutnya dihitung proporsi z1, z2 , z3, ….., zn yang lebih kecil atau sama dengan
zi. Jika proporsi ini dinyatakan oleh S(zi) maka:

banyaknya z 1 , z 2 , … , z n yang ≤z
S ( z i )= i

4. Hitung selisih F(zi) – S(zi), kemudian tentukan harga mutlaknya.

5. Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut,
misal harga tersebut L0.
Untuk menerima atau menolak hipotesis nol (H0), dilakukan dengan cara
membandigkan L0 ini dengan nilai kritis L yang terdapat dalam tabel untuk taraf nyata
yang dipilih .
Contoh pengujian normalitas data dengan uji liliefors:
Uji Normalitas Data Hasil Belajar Matematika Siswa
H0 : Sampel berasal dari populasi yang berdistribusi normal
H1 : Sampel tidak berasal dari populasi yang berdistribusi normal

No

1 45 -3,1987 0,001 0,03333 0,0323

2 62 -1,0604 0,1446 0,06667 0,07793
3 63 -0,9346 0,1762 0,1 0,0762
4 64 -0,8088 0,2119 0,13333 0,07857
5 64 -0,8088 0,2119 0,16667 0,04523
6 65 -0,683 0,2483 0,2 0,0483
7 65 -0,683 0,2483 0,23333 0,01497
8 67 -0,4314 0,3336 0,26667 0,06693
9 67 -0,4314 0,3336 0,3 0,0336
10 67 -0,4314 0,3336 0,33333 0,00027
11 67 -0,4314 0,3336 0,36667 0,0331
12 68 -0,3057 0,3821 0,4 0,0179
13 68 -0,3057 0,3821 0,43333 0,0512
14 68 -0,3057 0,3821 0,46667 0,0846
15 69 -0,1799 0,4325 0,5 0,0675
16 69 -0,1799 0,4325 0,53333 0,1008
17 71 0,0717 0,5279 0,56667 0,0388
0,1974
18 72 0,5745 0,6 0,0255
8
0,3232
19 73 0,6255 0,63333 0,0078
7
0,4490
20 74 0,676 0,66667 0,00933
6
0,4490
21 74 0,676 0,7 0,024
6
0,5748
22 75 0,7157 0,73333 0,0176
4
0,5748
23 75 0,7157 0,76667 0,051
4
0,7006
24 76 0,758 0,8 0,042
3
0,7006
25 76 0,758 0,83333 0,0753
3
26 78 0,9522 0,8289 0,86667 0,0378
27 78 0,9522 0,8289 0,9 0,0711
1,3295
28 81 0,9049 0,93333 0,0284
6
29 85 1,8327 0,9664 0,96667 0,0003
2,0842
30 87 0,9812 1 0,0188
8

Rata-rata:

Σ x i 2113
x́= = =70,43.
n 30

Standar Deviasi:

SD=
√ ( xi −x́ )
n−1
=
√ 1835,367
29
=√ 63,28852=7,95.
 Dari kolom terakhir dalam tabel di atas didapat L0 = 0,1008 dengan n = 30 dan
taraf nyata α = 0,05. Dari tabel Nilai Kritis L untuk Uji Liliefors di dapat L = 0,161 yang
lebih besar dari L0 = 0,1008 sehingga hipotesis H0 diterima.
Simpulan:
Data berasal dari populasi yang berdistribusi normal.

4. Uji Kolmogorov Smirnov

Fungsi dan Dasar Pemikiran
Tes satu sampel Kolmogorov-Smirnov adalah suatu tes goodness-of-fit. Artinya,
yang diperhatikan adalah tingkat kesesuaian antara distribusi teoritis tertentu. Tes ini
menetapkan apakah skor-skor dalam sampel dapat secara masuk akal dianggap berasal
dari suatu populasi dengan distributive tertentu itu.
Jadi, tes mencakup perhitungan distribusi frekuensi kumulatif yang akan terjadi
dibawah distribusi teoritisnya, serta membandingan distribusi frekuensi itu dengan
distribusi frekuensi kumulatif hasil observasi. Distribusi teoriti tersebut merupakan
representasi dari apa yang diharapkan dibawah H0. Tes Ini menerapkan suatu titik
dimana kedua distribusi itu-yakni yang teoritis dan yang terobservasi-memiliki
perbedaan terbesar. Dengan melihat distribusi samplingnya dapat kita ketahui apakah
perbedaan yang besar itu mungkin terjadi hanya karena kebetulan saja. Artinya distribusi
sampling itu menunjukan apakah perbedaan besar yang diamati itu mungkin terjadi
apabila observasi-observasi itu benar-benar suatu sampel random dari distribusi teoritis
itu.
Metode
Misalkan suatu F0(X) = suatu fungsi distribusi frekuensi kumulatif yang
sepenuhnya ditentukan, yakni distribusi kumulatif teoritis di bawah H0. Artinya untuk
harga N yang sembarang besarnya, Harga F0(X) adalah proporsi kasus yang diharapkan
mempunyai skor yang sama atau kurang daripada X.
Misalkan SN(X) = distribusi frekuensi kumulatif yang diobservasi dari suatu
sampel random dengan N observasi. Dimana X adalah sembarang skor yang mungkin,
SN(X) = k/N, dimana k = banyak observasi yang sama atau kurang dari X.
Di bawah Hopotesis-nol bahwa sampel itu telah ditarik dari distribusi teoritis
tertentu, maka diharapkan bahwa untuk setiap harga X, S N(X) harus jelas mendekati
F0(X). Artinya di bawah H0 kita akan mengharapkan selisih antara S N(X) dan F0(X)
adalah kecil, dan ada dalam batas-batas kesalahan random. Tes Kolmogorov-Smirnov
 memusatkan perhatian pada penyimpangan (deviasi) terbesar. Harga F0(X) -SN(X)
terbesar dinamakan deviasi maksimum.

D = maksimum | F0(X) - SN(X)|

Distribusi sampling D di bawah H0 diketahui. Tabel E pada lampiran memberikan
harga-harga kritis tertentu distribusi sampling itu. Perhatikanlah bahwa signifikasi suatu
harga D tertentu adalah bergantung pada N. Harga-harga kritis untuk tes-tes satu sisi
belum ditabelkan secara memadai.
Prosedur pengujian Kolmogorov-Smirnov ini dilakukan dengan blangkah-langkah
sebagai berikut:
1. Tetapkanlah fungsi kumulatif teoritisnya, yakni distribusi kumulatif yang
diharapkan di bawah H0.
2. Aturlah skor-skor yang diobservasi dalam suatu distribusi kumulatif dengan
memasangkan setiap interval SN(X) dengan interval F0(X) yang sebanding.
3. Untuk tiap-tiap jenjang pada distribusi kumulatif, kurangilah F0(X) dengan SN(X).
4. Dengan memakai rumus carilah D.
5. Lihat table E untuk menemukan kemungkinan (dua sisi) yang dikaitkan dengan
munculnya harga-harga sebesar harga D observasi di bawah H0 Jika p sama atau
kurang dari α, tolaklah H0.
Kekuatan
Tes satu sampel Kolmogorov-Smirnov ini memperlihatkan den menggarap suatu
observasi terpisah dari yang lain. Dengan demikian, lain dengan tes X2 untuk satu sampel.
Tes Kolmogorov-Smirnov tidak perlu kehilangan informasi karena digabungkannya
kategori-kategori. Bila sampel kecil dan oleh karenanya kategori-kategori yang
berhampiran harus digabungkan sebelum X2 dapat dihitung secara selayaknya, tes X2 jelas
lebih kecil kekuatannya disbanding dengan tes Kolmogorov-Smirnov ini. Dan untuk
sampel yang sangat kecil tes X2 sama sekali tidak dapat dijalankan, sedangkan tes
Kolmogorof-Smirnov dapat. Fakta ini menunjukan bahwa tes Kolmogorov-Smirnov
mungkin lebih besar kekuatannya dalam semua kasus, jika dibandingkan dengan tes
lainnya yakni tes X2.

Uji Linieritas
Tujuan uji linieritas adalah untuk mengetahui apakah antara variable tak bebas (X) dan
variable bebas (Y) mempunyai hubungan linier. Uji ini biasanya digunakan sebagai prasyarat
dalam penerapan regresi linier.
Prosedur Uji Linieritas
a. Membuat hipotesis dalam uraian kalimat
Ho: data kelompok A dan kelompok B tidak berpola linier
Ha: Data kelompok A dengan kelompok B berpola linier
b. Menentukan risiko kesalahan
Pada tahap ini kita menentukan seberapa besar peluang membuat risiko
kesalahan dalam mengambil keputusan menolak hipotesis yang benar. Biasanya
dilambangkan dengan yang disebut dengan taraf signifikan
c. Kriteria pengujian signifikan
Jika: Fhitung < Ftabel, maka Ho diterima
Jika: Fhitung>Ftabel, maka Ho ditolak
d. Menentukan nilai Fhitung dan nilai Ftabel
1. Langkah-langkah menghitung Fhitung
a) membuat table penolong
No X Y XY X2 Y2
1 …… …… …… …… ……
2 …… …… …… …… ……
3 …… …… …… …… ……
4 …… …… …… …… ……
. …… …… …… …… ……
N …… …… …… …… ……
X Y XY X2 Y2

b) Hitung jumlah kuadrat regersi [JKreg(a)]

(Ʃ Y 2 )
JKreg(a)=
n

c) Menghitung nilai konstanta b

n . Ʃ XY − ƩX . ƩY
b=
n . Ʃ X 2−¿ ¿

d) Hitung jumlah regresi [JKreg a(b/a)]

ƩX , ƩY
(
[JKreg a(b/a)]= b ƩXY −
n )
 e) Menghitung jumlah kuadrat residu [RJKres]
JKres = ƩY2 – (JKreg a(b/a) + JKreg(a))

f) Menghitung rata-rata jumlah kuadrat

RJK reg(a) = JKreg(a)

g) Menghitung rata-rata jumlah kuadrat regersi RJKreg b/a

RJK reg(b/a) = JKreg(b/a)

h) Menghitung jumlah rata-rata kuadrat residu [RJKres]

J K res
RJKres =
n−2

i) Menghitung F hitung
RJ K reg(b/ a)
Fhitung =
RJ K res

2. Menentukan nilai Ftabel

nilai Ftabel pada table F dengan ketentuan
Ftabel = F{{(1-α)(dk Reg[b/a],(dk Res)}
F{(1-0,05)dkReg[b/a][=1), (dk Res)}
F {(1-0,05)(dk Re, dk Res)}

e. Membandingkan Fhitung dan Ftabel

f. Membuat keputusan apakah Ha dan Ho yang diterima

Konsep Dasar Pengujian Hipotesis

Statistik dan penelitian
Dalam statistik, hipotesis dapat diartikan sebagai pernyataan statistik tentang
parameter populasi. Statistik adalah ukuran-ukuran yang dikenakan pada sampel (x́ =
rata-rata; s = simpangan baku; s2 = vaians; r = koefisien korelasi), dan parameter
adalah ukuran-ukuran yang dikenakan pada populasi (µ = rata-rata, σ = simpangan
baku, σ2 = varians, ρ = koefisien korelasi).
 Gambar 15. Hipotesis Statistik

Terdapat perbedaan mendasar pengertian hipotesis menurut statistik dan

penelitian. Dalam penelitian, hipotesis diartikan sebagai jawaban sementara terhadap
rumusan masalah penelitian. Deskriptif dalam statistik adalah penelitian yang
didasarkan pada populasi (tidak ada sampel), sedangkan deskriptif dalam penelitian
menunjukkan tingkat eksplanasi yaitu menyatakan tentang variabel mandiri (tidak
dihubungkan dan dibandingkan).
Dalam statistik dan penelitian, terdapat dua macam hipotesis, yaitu hipotesis nol
dan alternative. Pada statistik hipotesis nol diartikan sebagai tidak adanya perbedaan
antara parameter dan statistik, atau tidak adanya perbedaan antara ukuran populasi
dan ukuran sampel. Dengan demikian hipotesis yang diuji adalah hipotesis nol, karena
memang peneliti tidak mengharapkan adanya perbedaan data populasi dengan sampel.
Kemudian hipotesis alternatif adalah lawan dari hipotesis nol yang berbunyi adanya
perbedaan antara data populasi dengan data sampel.

Bentuk-bentuk rumusan hipotesis

Hipotesis merupakan jawaban sementara terhadap rumusan masalah. Hipotesis
dibedakan menjadi dua yaitu hipotesis penelitian dan hipotesis statistik.
a) Hipotesis Penelitian
Hipotesis penelitian berfungsi untuk memberikan jawaban sementara terhadap
rumusan masalah. Pada umumnya jumlahnya sama banyaknya dengan jumlah
rumusan masalah yang ditetapkan. Dilihat dari posisinya, biasanya ditempatkan
pada bab kedua setelah landasan teori atau setelah kerangka berpikir. Hipotesis
penelitian umumnya tidak diuji dengan Teknik statistika, karena berfungsi untuk
memberikan jawaban sementara sebagai rambu tindakan selanjutnya di lapangan.
b) Hipotesis Statistik
Hipotesis Statistik adalah pernyataan khusus mengenai populasi dan sampel.
Hipotesis ini strukturnya merupakan rangkaian dua atau lebih variabel yang
hendak diteliti oleh peneliti. Pengujian ini dilakukan dengan dengan
membandingkan hasil perhitungan data dengan kriteria tertentu. Ada dua
hipotesis yang digunakan dalam pengujian dengan hipotesis statistik yaitu
hipotesis nol (H0) dan hipotesis alternatif/hipotesis kerja (Ha). Ha adalah lawan
dari H0 dimana Ha cenderung dinyatakan dalam kalimat positif dan H0 dinyatakan
dalam kalimat negatif. Berikut ini contoh hipotesis dalam bentuk kalimat yang
diubah menjadi hipotesis statistik.
Ha : Terdapat perbedaaan motivasi kerja antara pria dengan wanita
H0 : Tidak terdapat perbedaaan motivasi kerja antara pria dengan wanita
Bentuk hipotesis statistiknya adalah sebagai berikut.
Ha : µpria ≠ µwanita
H0 : µpria = µwanita

Menurut tingkat eksplanasinya, hipotesis statistik dapat dikelompokkan

menjadi tiga macam yaitu hipotesis deskriptif, komaparatif, dan asosiatif.
1) Hipotesis Deskriptif
Hipotesis deskriptif adalah dugaan mengenai nilai suatu variabel mandiri,
tidak membuat perbandingan atau hubungan.
Contoh: Rumusan masalah
- Seberapa tinggi produktivitas kerja karyawan instansi X?
- Seberapa baik gaya kepemimpinan di organisasi A?
Hipotesis :
- Produktivitas kerja karyawan instansi X 1000/minggu
- Gaya kepemimpinan di organisasi A telah mencapai 70 % dari
yang diharapkan
Berikut ini contoh pernyataan yang dapat dirumuskan hipotesis deskriptif-
statistiknya.
Suatu bimbingan tes menyatakan bahwa murid yang dibimbing di lembaga
itu, paling sedikit 90% dapat diterima di perguruan tinggi negeri. Rumusan
hipotesis statistiknya adalah:
H0 : µ ≥ 0,90
Ha : µ < 0,90

2) Hipotesis Komparatif
Hipotesis komparatif adalah pernyataan yang menunjukkan dugaan nilai
dalam satu variabel atau lebih pada sampel yang berbeda.
Contoh:
Rumusan masalah:
a. Adakah perbedaan daya tahan lampu merk A dan B?
b. Adakah perbedaan produktivitas kerja antara pegawai Golongan I,
II, III?
Rumusan hipotesis:
1. Untuk rumusan masalah a:
- Tidak terdapat perbedaan daya tahan lampu merk A dan B
- Daya tahan lampu merk B paling kecil sama dengan lampu
merk A
- Daya tahan lampu merk B paling tinggi sama dengan lampu
merk A
Hipotesis statistiknya adalah:
- Rumusan uji hipotesis dua pihak
H0 : µ1 = µ2
 Ha : µ1 ≠ µ2
- Rumusan uji hipotesis pihak kiri
H0 : µ1 ≥ µ2
Ha : µ1 < µ2
- Rumusan uji hipotesis pihak kanan
H0 : µ1 ≤ µ2
Ha : µ1 > µ2
2. Untuk rumusan masalah b:
- Tidak perbedaan produktivitas kerja antara pegawai
Golongan I, II, III
Hipotesis statistiknya:
H0 : µ1 = µ2 = µ3
Ha : µ1 ≠ µ2 = µ3 (salah satu berbeda sudah merupakan Ha)

3) Hipotesis Asosiatif
Hipotesis asosiatif adalah suatu pernyataan yang menunjukkan dugaan
tentang hubungan antara dua variabel atau lebih.
Contoh:
Rumusan masalah: Adakah hubungan antara gaya kepemimpinan dengan
efektivitas kerja?
Hipotesis:
Ho : tidak ada hubungan antara gaya kepemimpinan dengan efektivitas
kerja
Ha : ada hubungan gaya kepemimpinan dengan efektivitas kerja
Hipotesis statistiknya:
H0 : ρ = 0
Ha : ρ ≠ 0

Taraf kesalahan dalam pengujian hipotesis

Kesalahan tipe I disebut dengan kesalahan α, dan kesalahan tipe II disebut
kesalahan β. α disebut juga taraf signifikansi, taraf arti, taraf nyata atau
probability = p, taraf kesalahan, dan taraf kekeliruan.
Taraf kesalahan dinyatakan dalam dua atau tiga desimal atau dalam persen.
Lawan dari taraf kesalahan adalah taraf kepercayaan. Jika taraf kesalahan = 1%, maka
taraf kepercayaannya adalah 99%. Arti α = 1% atau 0,01 adalah kira-kira 1 dari 100
kesimpulan akan menolak hipotesis yang seharusnya diterima. Atau kira-kira 99%
percaya bahwa kita telah membuat kesimpulan yang benar.
Asumsi-asumsi yang diperlukan sebelum pengujian hipotesis adalah:
 Nyatakan dengan tegas bahwa data yang akan diuji berasal dari sampel atau
populasi. Jika menggunakan data sampel, maka rata-ratanya adalah µ. Dan
jika menggunakan data populasi, maka rata-ratanya adalah σ.
 Data yang diuji berdistribusi normal.

Dua tipe kesalahan dalam pengujian hipotesis

Dalam menaksir parameter populasi berdasarkan data sampel, kemungkinan akan
terdapat dua kesalahan yaitu:
 Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (H0) yang
benar (seharusnya diterima). Dalam hal ini tingkat kesalahan yang dinyatakan
dengan α.
  Kesalahan Tipe II adalah kesalahan bila menerima hipotesis nol (H 0) yang salah
(seharusnya ditolak). Tingkat kesalahan untuk ini dinyatakan dengan β.
Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau
menerima hipotesis dapat digambarkan seperti dibawah ini.
Tabel 2. Dua Tipe Kesalahan dalam Hipotesis
Keadaan sebenarnya
Keputusan
H0 benar H0 salah
Benar Kesalahan tipe II
Menerima H0
(1-α) (β)
Kesalahan tipe I Benar
Menolak H0
(α) (1-β)

 Pengujian Hipotesis
Pengujian hipotesis ada tiga macam, yaitu:
1. Uji dua pihak
2. Uji satu pihak, yaitu pihak kanan
3. Uji satu pihak, yaitu pihak kiri
Dalam pengujian hipotesis, yang diuji apakah H0 ditolak atau diterima. Untuk
menentukan H0 diterima atau ditolak, maka diperlukan kriteria tertentu dengan nilai
tertentu baik dari hasil perhitungan maupun hasil dari tabel. Berikut ini penentuan
kriteria pengujian dan nilai kritis digambarkan seperti tabel berikut.

Tabel 3. Pengujian Hipotesis

UJI DUA PIHAK
Hipotesis statistiknya:
Ha : µ1 ≠ µ0
H0 : µ1 = µ0
Kriteria Pengujian:
Jika -ttabel ≤ thitung ≤ +ttabel
Maka H0 diterima.
UJI SATU PIHAK (KANAN)
Hipotesis statistiknya:
Ha : µ1 ≥ µ0
H0 : µ1 ≤ µ0
Kriteria Pengujian:
Jika thitung ≤ +ttabel
Maka H0 diterima.
UJI SATU PIHAK (KIRI)
Hipotesis statistiknya:
Ha : µ1 ≤ µ0
H0 : µ1 ≥ µ0
Kriteria Pengujian:
Jika thitung ≥ -ttabel
Maka H0 diterima.

Langkah-langkah pengujian hipotesis

 1. Tulis Ha dan H0 dalam bentuk kalimat.
2. Tulis Ha dan H0 dalam bentuk statistik.
3. Hitung thitung atau zhitung (salah satu tergantung σ tak diketahui atau diketahui).
Jika σ tidak diketahui, maka thitung adalah:
x́ −μ 0
t hitung =
s
√n
Dimana: x́ = rata-rata data yang ada
µ0 = rata-rata sekarang
s = simpangan baku
n = jumlah data sampel

Jika σ diketahui, maka zhitung adalah:

x́−μ0
z hitung =
σ
√n
Dimana: x́ = rata-rata data yang ada
µ0 = rata-rata sekarang
σ = simpangan baku
n = jumlah data sampel
4. Tentukan taraf signifikansi/taraf kesalahan (α).
5. Cari ttabel dengan ketentuan:
α seperti langkah 4,
dk = n – 1
dua pihak atau pihak kanan atau pihak kiri tergantung bunyi H0. Dengan
menggunakan tabel t diperoleh ttabel atau ztabel.
6. Tentukan kriteria pengujian.
7. Bandingkan thitung dengan ttabel atau zhitung dengan ztabel.
8. Buatlah kesimpulannya.

Pengujian hipotesis: deskriptif, komparatif, asosiatif

1) Pengujian Hipotesis Deskriptif

Pengujian hipotesis deskriptif pada dasarnya merupakan proses pengujian
generalisasi hasil penelitian yang didasarkan pada satu sampel. Kesimpulan
yang dihasilkan nanti adalah apakah hipotesis yang diuji itu dapat
digeneralisasikan atau tidak. Bila H0 diterima berarti dapat digeneralisasikan.
Dalam pengujian ini variabel penelitiannya bersifat mandiri, dan sampelnya
hanya 1, oleh karena itu hipotesis penelitian tidak berbentuk perbandingan
ataupun hubungan antar dua variabel atau lebih.
Terdapat beberapa macam teknik statistik yang dapat digunakan untuk
menguji hipotesis tersebut adalah sebagai berikut.

Tabel 4. Teknik Pengujian Hipotesis Deskriptif

Jenis data Teknik statistik yg digunakan untuk pengujian
Nominal 1. Test Binomial
2. Chi kuadrat (1 sampel)
Ordinal Run test
Interval/ratio t-test (1 sampel)
2) Pengujian Hipotesis Komparatif
Pengujian hipotesis komparatif berarti menguji parameter populasi yang
berbentuk perbandingan melalui ukuran sampel yang juga berbentuk
perbandingan. Hal ini juga dapat berarti menguji kemampuan generalisasi
(signifikansi hasil penelitian) yang berupa perbandingan keadaan variabel dari
dua sampel atau lebih. Bila H0 dalam pengujian diterima berarti nilai
perbandingan dua sampel atau lebih tersebut dapat digeneralisasikan untuk
seluruh populasi dimana sampel-sampel diambil dengan taraf kesalahan
tertentu.
Terdapat dua model komparasi, yaitu komparasi antara dua sampel dan
komparasi antara lebih dari dua sampel yang sering disebut komparasi k sampel.
Teknik statistik yang akan digunakan tergantung pada bentuk komparasi dan
jenis data. Untuk data interval dan rasio digunakan statistik parametrik dan
untuk data nominal/diskrit dapat digunakan statistik non-parametrik. Tabel
berikut dapat digunakan sebagai pedoman untuk memilih teknik statistik yang
sesuai.

Tabel 5. Teknik Pengujian Hipotesis Komparatif

Bentuk Komparasi
Macam Data Dua sampel k sampel
Korelasi Independen Korelasi Independen
Interval/rati t-test (2 t-test (2 sampel) One way One way
o sampel) Anova Anova

Two Way Two Way

Anova Anova
Nominal Mc Nemar Fisher Exact Chi Kuadrat Chi Kuadrat
(k sampel) (k sampel)
Chi Kuadrat Coxhran Q
(2 sampel)
Ordinal Sign test Median test Median
Friedman Extension
Wilcoxon Mann-Whitney
Matched U test Two Way Kruskal-Walls
Pairs Kolmogorof Anova One Way
Smirnov Anova
Wald-Wofowitz

3) Pengujian Hipotesis Asosiatif

Pengujian hipotesis asosiatif adalah pengujian koefisien korelasi yang ada
pada sampel untuk diberlakukan pada seluruh populasi dimana sampel diambil.
Terdapat tiga macam bentuk hubungan antar variabel yaitu hubungan simteris,
sebab-akibat, dan interaktif. Untuk mencari hubungan antara dua variabel atau
lebih dilakukan dilakukan dengan menghitung korelasi antar variabel yang akan
dicari hubungannya. Korelasi merupakan angka yang menunjukkan arah dan
kuatnya hubungan antar dua variabel atau lebih. Arah dinyatakan dalam bentuk
 hubungan positif atau negatif, sedangkan kuatnya hubungan dinyatakan dalam
besarnya koefisien korelasi.
Terdapat bermacam-macam teknik statistik korelasi yang dapat digunakan
untuk menguji hipotesis asosiatif. Teknik koefisien mana yang akan dipakai
tergantung pada jenis data yang akan dianalisis. Berikut ini dikemukakan
berbagai teknik statistik korelasi yang digunakan untuk menguji hipotesis
asosiatif.

Tabel 6. Teknik Pengujian Hipotesis Asosiatif

Jenis Data Teknik Korelasi Yang digunakan
Nominal Koefisien Kontingency
Ordinal 1. Spearman Rank
2. Kendal tau
Interval/ratio 1. Pearson Product Moment
2. Korelasi Ganda
3. Korelasi Parsial

Referensi

Hasan, Iqbal. 2008. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta: Bumi
Aksara
Koyan, I Wayan. 2012. Statistika Teknik Analisis Data Kuantitatif. Singaraja: Universitas
Pendidikan Ganesha
Maolani, Rukaesih dan Cahyana, Ucu. 2015. Metodologi Penelitian Pendidikan. Jakarta:
Raja Grafindo Persada.
Sudiana, I Ketut dan Simamora, Maruli. 2004. Statistika Dasar. Singaraja: IKIP Negeri
Singaraja
Sudijono, Anas. 2014. Pengantar Statistik Pendidikan. Depok: Raja Grafindo Persada
Sukardi. 2003. Metodologi Penelitian Pendidikan. Jakarta: Bumi Aksara.
Usman, Husaini dan Akbar, Purnomo Setiady. 2015. Pengantar Statistika. Jakarta: Bumi
Aksara