OLEH
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
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
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
1. Tabel Frekuensi
Tabel frekuensi adalah tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.
Nilai Ujian Statistik 80 Mahasiswa
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
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.
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
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
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
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.
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 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.
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:
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
sampel dari populasi kedua berukuran n 2dengan varians s22 maka untuk menguji
hipotesis di atas digunakan statistik
s 21
F= 2
s2
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
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
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
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)
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 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
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:
2 (∑ ( n1−1 ) s2i )
s=
∑ ( ni−1 )
Harga satuan B dengan rumus:
B=¿
x 2=¿
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)
H 0 : σ 21=σ 22=…=σ 2k
{ H 1 : paling sedikit satu tanda sama dengan tidak berlaku
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).
2 2
Ho ditolak jika x ≥ x (1−α )(k−1)
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 )
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.
x=
∑ f xi
n
2. Menentukan Simpangan Baku
∑ f ( x i−x )2
S=
√ n−1
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
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
Z
-3,050343249
-1,9061785
-0,7620137
0,382151
1,5263158
2,6704805
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
No
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.
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
i) Menghitung F hitung
RJ K reg(b/ a)
Fhitung =
RJ K res
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
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.
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