Disusun Oleh:
Sr. M. Huberta Tamba FSE
032017101
Puji dan syukur saya haturkan kehadirat Tuhan Yang Maha Esa, karena atas berkat dan
rahmat-Nya yang berlimpah kita telah mampu menyelesaikan makalah ini dengan judul
Statistik Inferensial
Makalah yang tersusun ini adalah hasil maksimal yang dapat saya sajikan. Saya yakin
makalah ini masih jauh dari kesempurnaaan, karena saya menyadari bahwa saya masih
kurang berpengetahuan dalam menyajikan makalah baik dari segi penyusunan, pengolahan
maupun bahasa. Untuk menyempurnakan makalah ini kami mengharapkan kritik dan saran
yang membangun dari pembaca kepada saying sagar dalam penulisan makalah selanjutnya
bisa lebih baik.
Dalam rangka menyusun makalah ini saya sampaikan ucapan terima kasih kepada
teman – teman yang telah meluangkan waktu untuk bekerjasama demi tersusunnya makalah
ini, dengan semangat yang tinggi serta keinginan yang keras akhirnya dapat mengatasi
kesulitan – kesulitan dan terwujudlah makalah yang sederhana ini.
Penyusun
Kata Pengantar…………………………………………………..…….......2
Daftar Isi………………………………………………………………..….3
BAB 2 Kasus....................................................................................7
BAB 3 Pembahasan...........................................................................9
DAFTAR PUSTAKA.........................................................................10
BAB 1
MATERI
data kuantitatif yang diperoleh dari sampel penelitian. Penarikan kesimpulan mengenai
karakteristik populasi berdasarkan data sampel yang diambil dari populasinya disebut
generalisasi atau induksi. Karena itu statistik inferensial juga dikenal sebagai induktif
Ruang lingkup kajian pada analisis statistik inferensialf dijelaskan Djarwanto dan Subagyo
(1998) yaitu:
a. Probabilitas.
b. Distribusi teoritis.
Selanjutnya Supardi (2013) menjelaskan ruang lingkup kajian statistik inferensial sebagai
berikut:
a. Uji persyaratan analisis (uji pelanggaran klasik) seperti uji normalitas, uji
b. Uji hipotesis asosiasi seperti uji korelasi, uji regresi, uji analisis jalur dan uji
kanonikal.
c. Uji hipotesis komparasi, seperti uji t, uji beda 2 kelompok data, uji Tucket, analisis
kovarians
bagian, yaitu statistik parametrik dan statistik non parametrik. Statistik parametrik adalah
teknik analisis data yang menghendaki asumsi atau pengujian karakteristik populasi, seperti
normalitas distribusi, dan homogenitas data. Sedangkan statistik non parametrik adalah teknik
analisis data kuantitatif yang tidak menghendaki pengujian karakteristik populasi (tidak
memper-masalahkan parameternya).
Dalam hal ini Sugiyono (2004) menjelaskan penggunaanstatistik parametrik dan
nonparametrik tergantung pada asumsi dan jenis data yang akan dianalisis. Statistik
parametrik memerlukan terpenuhi banyak asumsi. Asumsi yang utama adalah data yang akan
dianalisis harus berdistribusi normal. Selanjutnya dalam penggunaan salah satu instrumen
mengharuskan data dua kelompok atau lebih yang diuji harus homogen, dalam regresi harus
terpenuhi asumsi linieritas. Statistik nonparametrik tidak menuntut terpenuhi banyak asumsi,
untuk menganalisis data interval atau rasio yangdiambil dari populasi yang berdistribusi
datanominal atau ordinal dari populasi yang bebas distribusi (tidak harusnormal).Ditinjau dari
tujuan penelitian analisis data kuantitatif dapatdibedakan menjadi dua yaitu analisis data
bertujuan untukmengetahui hubungan antar variabel, dan analisis data yang bertujuan untuk
mengetahui perbedaan dua kelompok sampel ataulebih. Untuk mengetahui hubungan antar
juga dengan istilah ekses (excess) dari sebuah distribusi. Sesungguhnya kurtosis dapat
dianggap sebagai suatu distorsi dari kurva normal. Kurtosis pada umumnya diukur dengan
cara membandingkan bentuk peruncingan kurvanya dengan kurva normal. Jika bagian tengah
dari kurva frekuensi memiliki puncak (peak) yang lebih runcing dari pada yang dimiliki
Sedangkan jika bagian tengah kurva distribusi frekuensi memiliki puncak yang lebih datar
dari pada yang dimiliki oleh kurva normal, maka distribusinya dinamakan distribusi
platikurtik (platykurtic). Distribusi normal atau disebut dengan distribusi mesokurtik
Ukuran keruncingan atau yang disebut juga kurtosis adalah suatu bilangan yang
Kurva yanglebih lebih runcing dari distribusi normal dinamakan leptokurtik, yang lebih datar
platikurtik dandistribusi normal disebut mesokurtik. Kurtosis dihitung dari momen keempat
Secara teoritis, pengukuran kurtosis sebuah distribusi dapat dilakukan dengan menggunakan
Distribusi yang sangat meruncing akan memiliki á4 yang tinggi, sedangkan distribusi dengan
puncak yang datar akan menghasilkan á4 yang rendah. Saat ini statistisi mengetahui bahwa
bentuk keruncingan (kurtosis) distribusi sebenarnya tidak berkaitan dengan nilai á4. Dua
buah distribusi yang berbeda dapat memiliki á4 yang sama. Pada hakekatnya sebuah kurtosis
distribusi jarang sekali dihitung. Pengukurankurtosis sendiri sebetulnya penting sekali dalam
distribusi student dan distribusi normal. Penerapan kurva frekuensi teoritis dapat dibenarkan
jika kurtosis kurva frekuensi tidak berbeda secara mencolok dari kurtosis distribusinya
sendiri.m Misalnya jika taksiran kurtosis populasi adalah sebesar –0,104 maka bagi sebuah
kurva normal, nilai kurtosis di atas seharusnya menjadi nol. Bagi distribusi Poisson dengan l
yang besar sekali, kurtosis seharusnya mendekati nol sehingga distribusinya dapat diterapkan
Skewness atau disebut juga ukuran kemiringan yaitu suatu bilangan yang dapat
menunjukan miring atau tidaknya bentuk kurva suatu distribusi frekuensi. Skewness adalah
derajat ketidaksimetrisan suatu distribusi. Jika kurva frekuensi suatu distribusi memiliki ekor
yang lebihmemanjang ke kanan (dilihat dari meannya) maka dikatakan menceng kanan
(positif) dan jikasebaliknya maka menceng kiri (negatif). Secara perhitungan, skewness
adalah momen ketigaterhadap mean. Distribusi normal (dan distribusi simetris lainnya,
0,1 ≤ | Sk = α3 | < 0,3 artinya bentuk kurva DF miring ke kiri atau kanan.
Rumus Skewness :
Pearson
Bowley
Sk = α3 = Q3 – 2Q3 + Q1 / Q3-Q1
Matematis / Moment
populasi : Sk = α3 = Σf(x-µ)3 / N – 3
Sampel : Sk = α3 = Σf(x-)3 / N – S
Dimana
sk = kemencengan
X = rata-rata hitung
mo= modus
s = deviasi standard
BAB II
KASUS
1. Contoh:
Sebuah sebaran frekuensi memiliki rata-rata hitung 45, median 47, mode 49 dan simpangan
PEMBAHASAN
1. Penyelesaian:
Koefisien kemencengan Pearson akan positif apabila ratarata hitung lebih besar dari
median dan mode, dan akan negatif apabila rata-rata hitung lebih kecil dari median
dan modus.
DAFTAR PUSTAKA
Nuryadi ,dkk.2017. Dasar-Dasar Statistik Penelitian.Sibuku Media. Cetakan Ke-1: Januari
2017. ISBN: 978-602-6558-04-6. Hal 56
Rusydi & Muhammad. 2018. Statistika Pendidikan (Teori dan Praktek dalam Pendidikan). Cv
Widya Puspita.Medan. Vol. 11, Issue 3
Yuantari, C., & Handayani, S. (2017). Buku Ajar Statistik Deskriptif & Inferensial.
https://doi.org/10.1111/j.1467-8683.2009.00753.x(Yuantari & Handayani, 2017)