DAFTAR ISI

Bab I Pendahuluan
A. Pengertian Statistika dan Statistik...................................
B. Penggolongan Statitika....................................................
C. Fungsi dam Kegunaan Statistika.....................................
D. Ciri Khas Statistika..........................................................
E. Permasalahan Statistika..................................................
F. Statistika Pendidikan......................................................
Bab II Data Statistika
A. Pengertian Data..............................................................
B. Macam-macam (Penggolongan) Data...............................
C. Tekhnik Pengumpulan Data............................................
D. Instrumen Pengumpulan Data........................................
Bab III Distribusi Frekuensi..........................................................
Bab IV Ukuran Pemusatan Data
A. Mean (Rata-Rata Hitung)................................................
B. Modus............................................................................
C. Median..........................................................................
D. Kuartil...........................................................................
E. Desil..............................................................................
F. Persentil.........................................................................
G. Latihan Soal...................................................................
Bab V Standar Deviasi..................................................................
Bab VI Perhitungan Statistika Menggunakan Aplikasi SPSS
A. Mengenal SPSS..............................................................
B. Penerapan dalam SPSS..................................................
 BAB I
PENDAHULUAN

A. PENGERTIAN STATISTIK DAN STATISTIKA

Menurut Wolter E. Willcok dalam bukunya Encyclopedia of
The Social Science: statistik berasal dari kata ratio status ( bahasa
Latin) sama dengan regione de stato (bahasa Italia) yang berarti
hal-hal yang berhubungan dengan pelajaran seri kenegaraan.
Achenwall (seorang guru dari Jerman) mengubah kata regione
de stato menjadi statista yang berarti orang yang berkecimpung
dalam soal kenegaraan atau ahli negara.
Pada tahap perkembangan sekarang ini, statistik
dipergunakan untuk menyatakan angka atau kumpulan angka
yang berhubungan dengan atau melukiskan suatu persoalan.
Angka itu disusun atau disajikan dalam bentuk daftar atau tabel.
Tidak jarang tabel-tabel tersebut disertai dengan diagram dan
atau grafik.
Statistik yang menjelaskan suatu hal, biasanya diberi nama
statistik mengenai hal yang bersangkutan. Misalnya : statistik
produksi, statistik penduduk, statistik ekspor impor, statistik
perikanan, statistik keuangan, statistik perbangkan dan
sebagainya.

Sedangkan statistika berasal dari bahsa Latin “status”,

dengan bahasa Inggris“state” artinya kesatuan politik (berkaitan
dengan suatu negara). Statistika dahulu lebih berfungsi untuk
melayani keperluan admistrasi suatu negara/catatan tentang
kekayaan negara, misalnya : untuk menyusun informasi tentang
penduduk, untuk memperlancar pajak, serta mobilitas penduduk
dalam angkatan perang.
 Perkembangan selanjutnya, statistika tidak hanya
behubungan dengan deskripsi, tapi juga melakukan penarikan
kesimpulan. Menurut Wallis dan Roberts (Sumantri, 2001),
statistika memberikan prinsip dan teknik yang rasional yang
menyatakan kapan dan dengan cara bagaimana kita menarik
kesimpulan berdasarkan informasi yang tidak lengkap.
Winarsunu (2007:2) mengatakan bahwa statistika digunakan
untuk menarik kesimpulan tentang populasi berdasarkan data
yang diperoleh dari sampel penelitian. Sudjana (1996
) mendefinisikan statistika sebagai kumpulan cara-cara atau
aturan-aturan mengenai pengumpulan, pengelolaan, penafsiran
dan penarikan kesimpulan dari data berupa angka-angka.
Dari penjelasan statistika diatas dapat ditarik kesimpulan
bahwa statistika adalah pengetahuan yang berhubungan dengan
cara-cara pengumpulan fakta, pengolahan serta
penganalisisannya, penarikan kesimpulan serta pembuatan
keputusan yang cukup beralasan berdasarkan fakta dan
penganalisisan yang dilakukan.

B. PENGGOLONGAN STATISTIKA
Statistika untuk penelitian dapat digolongkan dalam tiga
cara, yaitu berdasarkan masalah penelitian, berdasarkan
sasaran penelitian dan berdasarkan terpenuhinya asumsi.
1. Berdasarkan Masalah Penelitian
Berdasarkan masalah penelitiannya, statistika dapat
dibagi menjadi tiga yaitu statistika untuk penelitian diskriptif,
statistika untuk penelitian korelasi dan statistika untuk
penelitian perbandingan.
a) Penelitian diskriptif
Penelitian diskriptif adalah penelitian yang melibatkan
satu variabel saja. Misalnya prestasi belajar mata
pelajaran Bahasa Inggris.
 b) Penelitian korelasi
Penelitian korelasi adalah penelitian yang dilakukan
dengan menghubungkan satu variabel dengan variabel
yang lain atau menghungkan dua variabel yang berbeda.
Misalnya hubungan antara kecerdasan daya juang dengan
prestasi belajar mata pelajaran Bahasa Inggris.
c) Penelitian perbandingan
Penelitian perbandingan adalah penelitian yang
dilakukan dengan membandingkan dua atau lebih
kelompok dalam hal satu variabel. Misalnya perbedaan
prestasi belajar mata pelajaran Bahasa Inggris antara
siswa yang berasal dari jurisan IPS dengan jurusan IPA.

2. Berdasarkan Sasaran Penelitian

Berdasarkan sasaran penelitiannya, statistika dapat dibagi
menjadi statistika deskriptif dan statistika induktif.
a) Statistika deskriptif
Statistika deskriptif adalah statistika dimana
pengumpulan, penyajian dan pengolahan data dilakukan
atas dasar data yang diambil dari populasi. Populasi
adalah keseluruhan unsur yang mepunyai karakteristik
yang sama, misalnya tumbuhan, sekolah, siswa, guru dan
sebagainya.
b) Statistika induktif
Statistika induktif atau inferensial adalah statistika
dimana pengumpulan, penyajian, dan pengelolaan data
dilakukan atas data yang diambil dari sampel. Sampel
adalah sebagian dari populasi karena mempunyai
kesamaan sifat dengan populasi.
 3. Berdasarkan Terpenuhinya Asumsi
Berdasarkan terpenuhi atau tidaknya asumsi (prasyarat),
statistika dapat dibagi menjadi dua yaitu statistika
parametrik dan nonparametrik.
a) Statistika parametrik
Statistika parametrik adalah statistika yang digunakan
apabila berbagai asumsi yang dituntut terpenuhi.
Pengolahan data meliputi dua kegiatan yaitu pengujian
asumsi dan pengujian hipotesis. Pengujian asumsi
dilakukan sebelum dilakukan pengujian hipotesis. Jika
dalam pengujian asumsi menunjukkan bahwa asumsi
yang ditentukan dapat dipenuhi oleh data, maka
pengujian hipotesisnya menggunakan statistika
parametrik.
b) Statistika nonparametrik
Statistika nonparametrik adalah statistika yang
digunakan bila hasil pengujian terhadap data
menunjukkan tidak terpenuhinya sejumlah asumsi.

C. FUNGSI DAN KEGUNAAN STATISTIKA

Statistika berfungsi sebagai alat bantu, yaitu membantu
seseorang untuk mengumpulkan, mengelola, menganalisa dan
menyimpulkan hasil yang telah dicapai dalam kegiatan.
Selain berfungsi sebagi alat bantu, statistika memiliki
beberapa kegunaan, diantaranya:
1) Statistika dapat meningkatan efisiensi, dengan cara
membatasi dan memastikan cara kerja dan cara berpikir.
2) Statistika dapat meringkaskan hasil penelitian yang
sederhana dan mudah dipahami.
3) Statistika dapat memberikan dasar-dasar untuk melakukan
interpretasi dan menarik kesimpulan penelitian yang tepat.
 4) Statistika dapat memberikan gambaran eksak mengenai
suatu peramalan untuk waktu yang akan datang.
5) Statistika dapat memberikan dasar-dasar untuk menyusun
peramalan tentang bagaimana suatu hal akan terjadi,
berdasarkan pada keadaan yang telah diketahui atau telah
diukur dan teruji.
6) Statistika dapat menguji/menganalisis faktor-faktor kausal
dan perbedaan dari sejumlah faktor-faktor yang kompleks
dan rumit.

D. CIRI KHAS STATISTIKA

Pada dasarnya statistika sebagai ilmu pengetahuan memiliki
tiga ciri khusus (Anas Sudijono, 2000:5), yaitu:
1. Statistika selalu bekerja dengan angka atau bilangan ( dalam
hal ini adalah data kuantitatif). Dengan kata lain, untuk
dapat melaksanakan tugasnya statistika memerlukan bahan
keterangan yang bersifat kuantitatif.
2. Statistika bersifat objektif. Ini mengandung pengertian bahwa
statistika selalu bekerja menurut objeknya atau bekerja
menurut apa adanya. Kesimpulan yang dihasilkan dan
ramalan yang dikemukakan oleh statistika sebagai ilmu
pengetahuan semata-mata didasarkan data angka yang
dihadapi dan diolah, dan bukan didasarkan pada
subjektifitas atau pengaruh luar lainnya. Itulah sebabnya
mengapa statistik sering dikatakan sebagai alat penilai
kenyataan.
3. Statistika bersifat universal. Ini mengandung pengertian
bahwa ruang lingkup atau ruang gerak dan bidang garapan
statistika tidaklah sempit. Statistika dapat dipergunakan
dalam hampir semua cabang kegiatan hidup manusia.
E. PERMASALAHAN STATISTIKA
Hananto Sigit (1996) dalam Anas sudijono mengemukakan
tiga permasalahan dasar dalam statistika, yaitu (1) permasalahan
tentang rata-rata (average), (2) permasalahan tentang
pemencaran atau penyebaran (variability atau dispersion) dan (3)
permasalahan tentang saling hubungan (korelasi).

F. STATISTIK PENDIDIKAN
Statistik dalam dunia pendidikan dapat dirasakan
manfaatnya oleh para pemakai (seperti pendidik, mahasiswa,
peneliti, dll) apabila banyak menunjang kelancaran tugas para
“penugas” pendidikan tadi. Misalnya dipakai dalam kegiatan
evaluasi (penilaian) dan penelitian. Dalam kegiatan evaluasi,
statistik menjadi alat bantu untuk menganalisis dan
menyimpulkan data hasil evaluasi.
Data statistik yang banyak ditemukan/dianalisis dalam
dunia pendidikan biasanya berupa:
1) Data prestasi belajar siswa (misalnya, nilai hasil tes, nilai
rapor, nilai inteligensi dan kepribadian, dll.).
2) Data tentang gambaran peserta didik, tenaga pengajar,
pegawai dan lulusan (misalnya, jumlah siswa, guru
berkualifikasi tertentu, lulusan yang melanjutkan/tidak
melanjutkan, presensi, dll.).
3) Data tentang anggaran pendidikan (misalnya, belanja rutin
pegawai, dana kesiswaan, dll.)
4) Data tentang kepustakaan, administratif dan perlengkapan
(misalnya, jumlah buku menurut kategori tertentu, jumlah
alat sekolah, dll.).
 BAB II
DATA STATISTIKA

A. PENGERTIAN DATA
Data adalah sejumlah informasi yang dapat memberikan
gambaran tentang suatu keadaan atau masalah, baik yang
berupa angka-angka (golongan) maupun yang berbentuk
kategori, seperti baik, buruk, tinggi, rendah dan sebagainya.
Selain itu adapun pengertian lain tentang data yaitu hasil
pencatatan peneliti, baik yang berupa fakta maupun angka-
angka (Suharsimi, 1999).
Data statistik adalah data yang berwujud angak atau
bilangan. Dengan kata lain, bahan mentah bagi statistik adalah
angka atau bilangan. Perlu kita ketahui, bahwa tidak semua
angka atau bilangan dapat disebut sebagai data statistik.
Angka atau bilangan baru dapat disebut data statistik apabila
memenuhi beberapa persyaratan sebagai berikut:
a. Objektif
Objektif maksudnya ialah data yang diperoleh dari hasil
penelitian harus menggambarkan keadaan sebenarnya.
b. Relevan
Data yang diperoleh harus ada kaitannya dengan
permasalahan yang akan diteliti.
c. Sesuai Zaman (Up to Date)
Data tidak boleh ketinggalan zaman sebab dengan semakin
pesatnya perkembangan waktu dan teknologi menyebabkan
suatu kejadian dapat mengalami perubahan dengan cepat.
d. Representatif
Data yang diperoleh dari hasil penelitian sampel harus
memiliki atau menggambarkan keadaan populasinya.
 e. Dapat Dipercaya
Data harus dapat dipercaya maksunya ialah sumber data
harus diperoleh dari sumber yang tepat.

B. MACAM-MACAM (PENGGOLONGAN) DATA

Sebagai kumpulan bahan keterangan yang berwujud angka
data statistik dapat dibedakan dalam beberapa penggolongan,
tergantung dari segi mana pembedaan itu dilakukan. Berikut
akan diuraikan beberapa macam penggolongan data statistik,
yakni meliputi :
1. Penggolongan Data Statistik Berdasarkan Sifatnya
a. Data Kualitatif
Data kualitatif adalah data yang tidak berbentuk angka.
Misalnya, tentang kenaikan suatu mutu barang,
merosotnya harga kebutuhan pokok, dan lain-lain.
b. Data Kuantitatif
Data kuantitatif ialah data yang berbentuk bilangan
(angka). Ditinjau dari sifat angkanya (nilainya), data
statistik dapat dibedakan menjadi dua golongan, yakni:
data kontinyu dan diskrtit.
1) Data kontinyu ialah data statistik yang angka-
angkanya merupakan deretan angka yang sambung-
menyambung. Dengan kata lain, data kontinyu adalah
data yang deretan angkanya merupakan suatu
kontinum. Contoh: data statistic mengenai berat badan
(dalam ukuran kilogram): 40 – 40,1 – 40,2 – 40,3 – 40,4
– 40,5 dan seterusnya.
2) Data Diskrit ialah data yang dipeoleh dari hasil
menghitung dan tidak mungkin berbentuk pecahan.
Contoh : data statistik tentang jumlah anggota
keluarga (dalam satuan orang) : 1 – 2 – 3 – 4 – 5 dan
 sebagainya. Disini jelas tidak mungkin jumlah anggota
keluarga = 1,25 – 3,50 dan sebagainya.

2. Penggolongan Data Statistik Berdasarkan Cara

Menyusun Angkanya
Bila ditinjau dari segi cara menyusun angkanya, data
statistik dapat dibedakan menjadi tiga macam, yaitu : data
nominal, data ordinal dan data interval.
a. Data Nominal ialah data statistik yang cara menyusun
angkanya didasarkan atas penggolongan atau klasifikasi
tertentu.
Contoh :
Data statistik tentang jumlah siswa Madrasah
Tsanawiyah Negeri tahun ajaran 2016 – 2017, ditilik dari
segi tingkat angkatan dan jenis kelamin, seperti terteta
pada Tabel berikut.

Tabel Jumlah Siswa Madrasah Tsanawiyah Negeri

Tahun Ajaran 2014 – 2015, Menurut tingkat angkatan
dan jenis kelamin

Kelas Jenis Kelamin Jumlah

Pria Wanita
I 50 70 120
II 45 60 105
III 35 50 85
Jumlah 130 180 310

Dalam tabel di atas angka 50, 70, 45, 60, 35 dan

seterusnya adalah data nominal, sebab angka itu
disusun berdasarkan penggolongan atau klasifikasi, baik
menurut tingkat studi maupun jenis kelaminnya.
b. Data Ordinal atau sering disebut Data Urutan, ialah data
statistik yang cara menyusun angkanya didasarkan atas
 urutan kedudukan (ranking). Misalnya, hasil tes
matematikan dalam suatu kelompok belajar adalah
sebagai berikut :
• Ranking ke-1 Darmansyah
• Ranking ke-2 Fatimah
• Ranking ke-3 Ardiansyah
c. Data Interval ialah data yang jarak antara satu dan
lainnya sama dan telah ditetapkan sebelumnya. Data
interval banyak digunakan dalam penelitian pendidikan,
seperti: tes bakat, tes pencapaian dan tes kecerdasan
yang semuanya itu diukur dengna interval data yang
sama dan telah ditetapkan sebelumnya. Perlu kita
ketahui, bahwa salah cirri dari data interval ialah data
interval tidak mempunyai titik nol dan titik maksimum
yang sebenarnya.

3. Penggolongan Data Statistika Berdasarkan Bentuk

Angkanya
Ditinjau dari segi bentuk angkanya, maka data statistik
dapat dibedakan menjadi dua macam yaitu : data tunggal
dan data berkelompok.
a. Data Tunggal ialah data statistic yang masing-masing
angkanya merupakan satu unit (satu kesatuan), dengan
kata lain data tunggal adalah data statisti yang angka-
angkanya tidak dikelompok-kelompokkan. Contoh : data
berupa nilai hasil ulangan harian dari 40 orang siswa PGA
Negeri , sebagai berikut:
40 71 54 67 59 84 46 51 60 75
82 55 65 45 63 74 58 44 76 53
73 46 73 58 61 80 59 84 57 45
30 57 62 68 48 35 39 55 48 60
 b. Data Berkelompok ialah data statistik yang tiap-tiap unit
terdiri dari sekelompok angka. Contoh : data berupa nilai
hasil ulangan harian 40 orang siswa PGA Negeri seperti
diatas, akan tetapi angka-angkanya dikelompok-
kelompokkan, misalnya:
Nilai : 65 – 69
70 – 74
75 – 79
80 – 84
Dalam kelompok nilai 80 – 84 terkandung nilai: 80, 81,
82, 83, dan 84; sedang dalam kelompok nilai 70 – 74
terkandung nilai: 70, 71, 72, 73 dan 74 dan seterusnya.
Jadi tiap unit angka terdiri dari sekelompok angka.

4. Penggolongan Data Statistika Berdasarkan Sumbernya

Apabila ditinjau dari segi sumbernya (sumber dari mana
data diperoleh) maka data stastistika dapat dibedakan
menjadi dua macam, yaitu: data primer dan data sekunder.
a. Data Primer adalah data statistik yang diperoleh atau
bersumber dari tangan pertama (first hand data).
Misalnya, data tentang alumni mahasiswa pendidikan
Geografi Universitas Lambung Mangkurat yang diperoleh
langsung dari bagian sekertaris prodi Pendidikan
Geografi.
b. Data Sekunder adalah data statistik yang diperoleh atau
bersumber dari tangan kedua (second hand data).
Misalnya: data tentang alumni mahasiswa Pendidikan
Geografi Universitas Lambung Mangkurat yang diperoleh
atau bersumber dari surat kabar, berita Nasional, dan
lain-lain.

C. TEKHNIK PENGUMULAN DATA

 Data dapat dikumpulkan dari populasi dan sampel. Populasi
merupakan keseluruhan individu atau unit yang dibatasi secara
ketat oleh kriteria tertentu. Misalnya, mahasiswa Universitas
Lambung Mangkurat (UNLAM) semester 1 tahun akademis
2016/1017. Apabila penelitian dilakukan terhadap populasi
berarti data diambil dari semua anggota populasi, maka
kesimpulan yang diambil sudah tentu berlaku untuk semua
anggota populasi. Sedangkan sampel ialah sebagian dari unit
populasi yang terkumpul karena dilakukan sampling.
Ditilik dari segi luasnya elemen yang menjadi objek
penelitian, pengumpulan data statistic dapat dilakukan dengan
dua macam cara, yaitu: sensus dan sampling.
1. Sensus
Sensus ialah cara mengumpulkan data dengan jalan
mencatat atau meneliti seluruh elemen yang menjadi objek
penelitian. Dengan kata lain, sensus adalah pencatatan data
dengan cara menyeluruh terhadap elemen yang menjadi
objek penelitian, tanpa perkecualian. Kumpulan dari
seluruh elemen lazim disebut populasi atau univers. Jadi
pengumpulan data dengan menggunakan cara sensus, objek
penelitiannya adalah populasi.
Keuntungan menggunakan, hasil yang diperoleh
merupakan nilai karakteristk yang sebenarnya, karena
sasaran penelitian mencakup keseluruhan objek yang
berada dalam populasi. Adapun kelemahannya ialah, sensus
merupakan cara pengumpulan data yang banyak memakan
waktu, tenaga, biaya dan peralatan.

2. Sampling
Sampling ialah cara mengumpulkan data dengan jalan
mencatat atau meneliti sebagian kecil saja dari keseluruhan
elemen yang menjadi objek penelitian. Dengan kata lain,
sampling adalah cara mengumpulkan data dengan mencatat
atau meneliti sampel-nya saja. Dengan cara sampling ini,
hasil yang diperoleh adalah nilai karakteristik perkiraan saja
(estimate value) saja, dan atas dasar nilai karakteristik
perkiraan yang diperoleh dari sampel tersebut, kita dapat
memperkirakan nilai sesungguhnya dari populasi yang
sedang diteliti. Agar mendapatkan nilai perkiraan yang baik,
sampel yang diambil haruslah bersifat representative (dapat
dijamin mencerminkan atau mewakili populasi).
Kebaikan sampling ialah pekerjaan pengumpulan data
akan dapat dilaksanakan dengan waktu, tenaga, biaya dan
alat yang relative lebih kecil dibandingkan dengan sensus.
Namun, kelemahannya ialah jika sampel tersebut tidak
bersifat representative, maka kesimpulan yang dikenakan
terhadap populasi akan tidak sesuai dengan kenyataan yang
terdapat pada populasi. Cara menghimpun data statistic
dengan jalan sampling juga dikenal dengan istilah Sample
Survey Method.
Adapun beberapa cara pengambilan sampel penelitian
yang lazim dilakukan adalah sebagai berikut:
a) Cara Random
Cara pengambilan sampel dengan tekhnik random
disebut random sampling, dan sampel yang diperoleh
disebut sampel random. Tekhnik random sampling
memungkinkan peneliti dapat mengambil sampel secara
objektif karena setiap unit yang menjadi anggota
populasi mempunyai kesempatan yang sama untuk
dipilih menjadi anggota sampel. Random yang
dipergunakan dalam tekhnik ini bisa dalam bentuk
undian, ordinal ( membuat daftar secara berurutan dari
unit sampling yang pertama sampai terakhir) dan
randominasi dari tabel bilangan random.
 b) Cara Strata
Penarikan sampel secara strata/bertingkat terutama
ditujukan untuk populasi yang berkelompok (memiliki
stratum), dengan tujaun agar anggota populasi terpilih
secara acak dan setiap kelompok yang ada pada populasi
dapat terwakili.
c) Cara Quota
Pengambilan sampel dengan cara quota (quota sampling)
didasarkan pada pertimbangan-pertimbangan tertentu
dari peneliti. Jika peneliti mengambil sampel dari suatu
populasi penelitian dengan cara menentukan sejumlah
anggota sampel secara quantum atau jatah, teknik
sampling semacam itu disebut dengan quota sampling.
d) Cara Sistematik
Cara sistematik hampir sama dengan cara random,
namun dilakukan secara sistematik, maksudnya yaitu
mengikuti suatu pola tertentu dari nomor anggota
populasi yang dipilih secara random, berdasarkan
jumlah sampel yang sudah ditetapkan sebelumnya.

D. INSTRUMEN PENGUMPULAN DATA

Pada dasarnya data yang dikumpulkan dalam penelitian
digunakan untuk menguji hipotesis atau menjawab pertanyaan
yang telah dirumuskan. Karena data yang diperoleh akan
dijadikan landasan dalam mengambil kesimpulan, maka data
yang dikumpulkan haruslah data yang benar. Agar data yang
dikumpulkan baik dan benar, maka instrument pengumpulan
datanya pun juga harus baik. Berikut ini akan diuraikan
beberapa instrument pengumpulan data yang sesuai dengan
tekhnik pengumpulan data:
1. Tes
 Tes sebagai instrument pengumpulan data adalah
serangkaian pertanyaan atau latihan yang digunakan untuk
mengukur keterampilan, pengetahuan, inteligensi,
kemampuan atau bakat yang dimiliki oleh individu atau
kelompok. Misalnya seperti: tes kepribadian, tes bakat, tes
prestasi, tes intelegensi, tes sikap dan lain-lain.
2. Wawancara
Wawancara adalah instrument pengumpulan data yang
digunakan untuk memperoleh informasi langsung dari
sumbernya. Pedoman wawancara berisi tentang uraian
penelitain yang biasanya dituangkan dalam bentuk daftar
pertanyaan agar proses wawancara dapat berjalan dengan
baik. Adapun beberapa faktor utama yang mana akan
mempengaruhi arus informasi dalam wawancara, yakni:
pewawancara, responden, pedoman wawancara, dan situasi
wawancara.
3. Angket
Angket atau kuesioner adalah instrument pengumpulan
data dengan menggunakan daftar isian/pertanyaan yang
disusun sedemikian rupa sehingga responden tinggal
mengisi atau menandai jawaban dengan mudah dan cepat
terkait dengan pertanyaan yang diajukan. Adapun beberapa
macam angket yang sering digunakan, yaitu:
a) Angket berstruktur
Dalam angket berstuktur, jawaban pertanyaan yang
diajukan sudah disediakan. Responden tinggal diminta
untuk memilih satu jawaban yang sesuai dengan dirinya
(bersifat tertutup).
b) Angket tak berstruktur
Pada angket ini, pertanyaan diajukan dalam bentuk
pertanyaan terbuka. Jadi, responden diberikan
 kebebasan untuk menjawab pertanyaan menurut
pendapatnya sendiri.
4. Catatan Anektod
Daftar catatan anektod adalah catatan penelitian mengenai
segala sesuatu yang terjadi pada saat pengamatan
berlangsung. Peristiwa atau sesuatu yang dianggap penting
dicatat dengan singkat tanpa harus menuruti aturan
tertentu.
5. Daftar Cek (check list)
Daftar cek atau cek list adalah suatu daftar yang berisi
subjek, aspek-aspek yang akan diamati. Check list dapat
menjamin bahwa peneliti mencatat tiap-tiap kejadian sekecil
apapun yang dianggap penting.

BAB III
DISTRIBUSI FREKUENSI
 Distribusi frekuensi adalah suatu susunan data mulai dari data
terkecil sampai data terbesar yang membagi banyaknya data ke
dalam beberapa kelas. Dalam statistik, “distribusi frekuensi”
kurang lebih mengandung pengertian: “suatu keadaan yang
menggambarkan bagaimana frekuensi dari gejala atau variabel yang
dilambangkan dengan angka, telah tersalur, terbagi atau
terpencar”.
Membuat tabel frekuensi atau distribusi frekuensi berarti
mendistribusikan semua data dalam beberapa kelas atau interval,
selanjutnya menentukan banyaknya kelas individu yang masuk
kedalam kelas tertentu yang mana lazim disebut frekuensi kelas.

Contoh :
Data Hasil Kemampuan Berfikir Kritis 75 mahasiswa adalah sebagai
berikut:

Data Terendah ke data tertinggi

85 52 55 56 58 60 87 61 88 62 64 65 66 94 67
74 68 68 80 69 69 70 70 82 71 83 72 72 73 80
85 74 86 75 81 76 82 77 78 78 78 79 75 79 74
80 67 81 81 76 82 76 82 71 82 71 84 84 84 69
95 86 75 86 86 86 61 88 62 89 90 91 93 66 48
48 52 55 56 58 60 61 61 62 62 64 65 66 66 67
67 68 68 69 69 69 70 70 71 71 71 72 72 73 74
74 74 75 75 75 76 76 76 77 78 78 78 79 79 80
80 80 81 81 81 82 82 82 82 82 83 84 84 84 85
85 86 86 86 86 86 87 88 88 89 90 91 93 94 95
Langkah-langkah yang harus dilakukan untuk membuat daftar
distribusi frekuensi berdasarkan contoh diatas :
1. Rank atau Jangkauan atau Rentang
Rank adalah selisih data terbesar (maksimum) dengan data
terkecil (minimum), yang dinotasikan dengan :
R = Xmaks – Xmin
 Data hasil kemampuan berfikir kritis 75 mahasiswa, ranknya
adalah :
R = Xmaks – Xmin
R = 95 – 48 = 47

2. Banyaknya kelas interval

Dalam menentukan banyaknya kelas interval (K), ada suatu
aturan yang diberikan oleh H. A Struges, yang selanjutnya
disebut aturan Struges, yaitu sebagai berikut :
K = 1 + (3,3) log n
Keterangan:
K = banyaknya kelas
n = banyaknya data (frekuensi)
3,3 = bilangan konstan

Data hasil kemampuan berfikir kritis 75 mahasiswa, banyaknya

kelas interval adalah :
K = 1 + (3,3) log n
K = 1 + (3,3) log 75
K = 1 + (3,3) (1, 8750612634)
K = 1 + 6, 1877021692
K = 7, 1877021692
K = 7, 188
K = 7,2
K= 7

3. Panjang kelas interval

 Panjang kelas atau interval kelas (P) adalah selisih data terbesar
dengan data terkecil dibagi dengan banyaknya kelas. Interval
kelas dapat ditentukan dengan rumus:
𝑅𝑎𝑛𝑘 𝑅
𝑃 = 𝑏𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 atau 𝑃 = 𝐾

Data hasil kemampuan berfikir kritis 75 mahasiswa, banyaknya

kelas interval adalah :
𝑅𝑎𝑛𝑘 47
𝑃= = = 6,7142857143 = 7
𝑏𝑎𝑛𝑦𝑎𝑘 𝑘𝑒𝑙𝑎𝑠 7

4. Daftar tabulasi
Daftar tabulasi merupakan kolom kumpulan garis-garis miring
pendek yang banyaknya sesuai dengan banyaknya data.
Data tabulansi hasil kemampuan berfikir kritis 75 mahasiswa
No Skor Turus Frekuensi
(f)
1 48- 54 II 2
2 55-61 IIII I 6
3 62-68 IIII IIII 10
4 69-75 IIII IIII IIII II 17
5 76-82 IIII IIII IIII IIII 20
6 83-89 IIII IIII IIII 15
7 90-96 IIII 5

5. Batas kelas
Batas kelas suatu interval kelas adalah nilai-nilai ujung yang
terdapat pada suatu kelas. Nilai ujung bawah pada suatu
interval kelas disebut batas bawah kelas, sedangkan nilai ujung
atas pada suatu interval kelas disebut batas atas kelas.
Data hasil kemampuan berfikir kritis 75 mahasiswa
No Skor Frekuensi (f)
1 48- 54 2
 2 55-61 6
3 62-68 10
4 69-75 17
5 76-82 20
6 83-89 15
7 90-96 5
Berdasarkan tabel diatas, batas bawah kelas dan batas atas
kelasnya sebagai berikut :
Batas bawah kelas : 48, 55, 62, 69, 76, 83, 90
Batas atas kelas : 54, 61, 68, 75, 82, 89, 96

6. Titik tengah kelas

Titik tengah kelas atau nilai tengah kelas adalah nilai yang
terletak di tengah-tengah kelas, yang dianggap mewakili suatu
interval tertentu. Nilai titik tengah kelas pada suatu interval
ditentukan dengan rumus:

𝑏𝑎𝑡𝑎𝑠 𝑏𝑎𝑤𝑎ℎ 𝑘𝑒𝑙𝑎𝑠 + 𝑏𝑎𝑡𝑎𝑠 𝑎𝑡𝑎𝑠 𝑘𝑒𝑙𝑎𝑠

𝑇𝑖𝑡𝑖𝑘 𝑇𝑒𝑛𝑔𝑎ℎ =
2

Dari tabel batas kelas diatas, dpat dihitung nilai titik tengah
sebagai berikut:
48+54
• Kelas kesatu adalah : = 51
2
55+61
• Kelas kedua adalah : = 58
2
62+68
• Kelas ketiga adalah : = 65
2
69+75
• Kelas keempat adalah : = 72
2
76+82
• Kelas kelima adalah : = 79
2
83+89
• Kelas keenam adalah : = 86
2
90+96
• Kelas ketujuh adalah : = 93
2
 BAB IV
UKURAN PEMUSATAN DATA
A. MEAN (RATA-RATA HITUNG)
Rata-rata hitung merupakan jumlah dari seluruh nilai data
dibagi dengan banyaknya data. Rumus rata-rata hitung ada dua
yaitu rumus data tunggal dan data berkelompok.
1. Mean dari Data Tunggal
→ Rata-Rata Hitung ( Mean)
∑𝑥𝑖
x= 𝑖 = 1,2,3, … 𝑛
𝑛

➔ Rata-Rata Hitung Bobotx

∑𝑓𝑖 . 𝑥𝑖
x= 𝑖
𝑓𝑖
Keterangan :
x = rata-rata hitung di timbang
xi = nilai atau harga data ke i
fi = frekuensi

contoh soal 1:
62, 65,58, 90,75, 79, 82, 91, 75, 75, 75, 75
Xi Fi Fi.xi
70 4 280
90 3 270
60 5 300
75 2 150
40 1 40
∑ 1.040
15

∑𝑓𝑖 . 𝑥𝑖
x =
𝑓𝑖

1.040
=
15
= 69,333333
= 69, 33 (di bulatkan 2 angka di belakang koma)
 Contoh soal 2:
62, 65, 76, 85,86, 87, 76, 90, 96, 81, 63, 64
Tentukan :
a. Rata-rata bobot ?
b. Mean ?

Jawab:

62, 63, 64, 65, 76, 76, 81, 85, 86, 87, 90, 96 (diurutkan dari
yang terkecil ke yang terbesar)

a. Rata-rata hitung bobot

Xi fi Fi . xi
62 1 62
63 1 63
64 1 64
65 1 65
76 2 152
81 1 81
85 1 85
86 1 86
87 1 87
90 1 90
96 1 96
∑fi 12 931

∑𝑓𝑖 . 𝑥𝑖 931
x = = = 77,583 = 77,5
𝑓𝑖 12
b. Mean
∑𝑥𝑖
x=
𝑛
62+63+64+65+76+76+81+85+86+87+90+96
=
12
931
= = 77,58
12

2. Mean dari Data Berkelompok

Rumus mean data berkelompok adalah sebagai berikut

∑𝑓. 𝑥 ∑𝑓𝑖 . 𝑥𝑖 ∑𝑓𝑖 . 𝑥𝑖

x= atau x = atau x =
𝑓 𝑓𝑖 𝑓𝑖
 Data nilai ulangan statistika 100 mahasiswa, sebagai berikut:
No Nilai Frekuensi (f) Nilai tengah (x) f.x
1 45-50 4 47,5 190
2 51-56 4 53,5 214
3 57-62 8 59,5 476
4 63-68 30 65,5 1.965
5 69-74 31 71,5 2.216,5
6 75-80 20 77,5 1.550
7 81-86 2 83,5 167
8 87-92 1 89,5 89,5
Jumlah 100 - 6.868

Nilai mean dari data diatas adalah

∑𝑓. 𝑥
x=
𝑓
6.868
x= = 68,68
100

B. MODUS
Modus adalah nilai yang mempunyai frekuensi tersebar
dalam suatu kumpulan data. Modus berguna untuk mengetahui
tingkat seringnya terjadi suatu peristiwa. Jika nilai yang tampil
dengan frekuensi tertinggi ada dua disebut bimodal, kalau ada
tiga disebut trimodal, kalau ada banyak disebut multimodal.
Modus dapat digunakan untuk semua skala pengukuran data
mulai dari nominal hingga ratio.

1. Modus dari Data Tunggal

Contoh :
Tentukan modus dari data berikut ini!
 5, 7, 7, 6, 8, 6, 6, 5, 8, 6
Jawab:
5, 5, 6, 6, 6, 6, 7, 7, 8, 8 (data yang diurutkan dari yang
terkecil ke terbesar)
Modus (Mo) = 6 (karena angka 6 muncul sebanyak 4 kali)

2. Modus dari Data Berkelompok

Rumus data berkelompok adalah sebagai berikut:
𝑑1
Mo = b + p { }
𝑑1+𝑑2

Keterangan:
Mo = Modus
b = Batas bawah kelas modus
p = Panjang kelas
d1 = Selisih frekuensi dengan kelas sebelumnya
d2 = Selisih frekuensi dengan kelas sesudahnya
Contoh soal:
Data nilai ulangan statistika 100 mahasiswa, sebagai berikut:
No Nilai Frekuensi (f) Nilai tengah (x) f.x
1 45-50 4 47,5 190
2 51-56 4 53,5 214
3 57-62 8 59,5 476
4 63-68 30 65,5 1.965
5 69-74 31 71,5 2.216,5
6 75-80 20 77,5 1.550
7 81-86 2 83,5 167
8 87-92 1 89,5 89,5
Jumlah 100 - 6.868

Nilai modus dari data diatas adalah

 𝑑1
Mo = b + p {𝑑1+𝑑2 }
(31−30)
Mo = 68,5 + 6 {(31−30) +(31−20) }
1
Mo = 68,5 + 6 {1+11 }

Mo = 68,5 + 6 (0,083333333)
Mo = 68,5 + 0,5 = 69

C. MEDIAN
Median merupakan nilai tengah dari nilai-nilai pengamatan
yang disusun secara teratur menurut besarnya data. Median
membagi nilai pengamatan yang ada pada gugus data sehingga
50% terletak di bawah median dan 50% di atas median.
Kelebihan median tidak dipengaruhi adanya nilai ekstrim
(pencilan). Rumus menghitung median ada dua yaitu rumus
data tungal dan data berkelompok.
1. Median dari Data Tunggal
Didefisinisikan sebagai ukuran (data), setelah data di
urutkan
𝑛+1
Me = x → apabila jumlah ganjil
2
1 𝑛 𝑛
Me = {(x ) + (𝑥 + 1)} → apabila jumlah genap
2 2 2

Contoh soal 1:
58, 62, 65,75, 75,75, 75, 79, 82, 90, 91, 95
(Data sudah di urutkan dari yang terkecil ke terbesar)
Jawab :
• Cara singkat:
58, 62, 65, 75, 75,75, 75, 79, 82, 90, 91, 95
75+75
Median = = 75
2

• Cara menggunakan rumus:

1 𝑛 𝑛
Me = {(x2) + (𝑥 + 1)}
2 2
 1 12 12
= {(x 2 ) + (𝑥 + 1)}
2 2
1
= { X6 + X7 }
2
1
= { 75 +75}
2

= 75

Contoh soal 2:
62, 65, 76, 85,86, 87, 76, 90, 96, 81, 63, 64
Jawab:
62, 63, 64, 65, 76, 76, 81, 85, 86, 87, 90, 96 (diurutkan dari
yang terkecil ke yang terbesar)
1 𝑛 𝑛
Me = {(x ) + (𝑥 + 1)}
2 2 2
1 12 12
= {(x 2 ) + (𝑥 + 1)}
2 2
1
= { X6 + X7 }
2
1
= { 76 +81}
2
1
= ( 157) = 78, 5
2

2. Median dari Data Berkelompok

Tentukan terlebih dahulu letak median yaitu ½ dari seluruh
data n/2 atau ½ x 100 = 50 (dengan acuan liat frekuensi
kumulatif).
Rumus data berkelompok adalah sebagai berikut:
1
𝑛−𝐹
2
Me = b + p { }
𝑓

Keterangan:
Me = Median
b = Batas bawah kelas median (batas bawah – 0,5)
p = Panjang kelas
n = Banyak kelas
 F = Jumlah frekuensi sebelum kelas median (kumulatif)
f = Frekuensi kelas median

Contoh soal:
Data nilai ulangan statistika 100 mahasiswa, sebagai berikut:
No Nilai Frekuensi (f) Frekuensi
Kumulatif
1 45-50 4 4
2 51-56 4 8
3 57-62 8 16
4 63-68 30 46
5 69-74 31 77
6 75-80 20 97
7 81-86 2 99
8 87-92 1 100
Jumlah 100 -

Nilai median dari data diatas adalah

1
𝑛−𝐹
Me = b + p { 2
}
𝑓
1
100−46
Me = 68,5 + 6 {2 }
31
50−46
Me = 68,5 + 6 { }
31
4
Me = 68,5 + 6 {31 }

Me = 68,5 + 6 {0,129032258}
Me = 68,5 + 0,774193548
Me = 69,274193548 (dibulatkan 2 angka dibelakang koma)
Me = 69,2
D. KUARTIL
Kuartil (Q) merupakan nilai-nilai yang membagi data yang
telah diurutkan menjadi empat bagian yang sama, sehingga
dalam suatu gugus data didapati 3 kuartil (kuartil 1, kuartil 2
atau median dan kuartil 3). Rumus menghitung kuartil ada dua
yaitu rumus data tungal dan data berkelompok.

1. Kuartil dari Data Tunggal

Kuartil yaitu membagi data yang sudah berururtan menjadi
empat bagian yang sama.
Menghitung kuartil menggunakan rumus :

1 1.𝑛 1.𝑛
Q1 = {𝑥 + (𝑥 + 1)}
2 4 4

1 2.𝑛 2.𝑛
Q2 = {𝑥 + (𝑥 + 1)}
2 4 4

1 3.𝑛 3.𝑛
Q3 = {𝑥 + (𝑥 + 1)}
2 4 4

Contoh :
58, 62, 65, 75, 75, 75, 75, 79, 82, 90, 91, 95

Q1 Q2 Q3
Menghitung kuartil secara sederhana :
65+75
Q1 = = 70
2
75+75
Q1 = = 75
2
82+90
Q1 = = 86
2

Menghitung kuartil menggunakan rumus :

1 1.𝑛 1.𝑛
➢ Q1 = {𝑥 + (𝑥 + 1)}
2 4 4
1 1.12 1.12
Q1 = {𝑥 + (𝑥 + 1)}
2 4 4
1 12 12
Q1 = {𝑥 +(𝑥 + 1)}
2 4 4
1
Q1 = {𝑥3 + 𝑥4}
2
1
Q1 = (65 + 75)
2
 Q1 = 70

1 2.𝑛 2.𝑛
➢ Q2 = {𝑥 + (𝑥 + 1)}
2 4 4
1 2.12 2.12
Q2 = {𝑥 + (𝑥 + 1)}
2 4 4
1 24 24
Q2 = {𝑥 +(𝑥 + 1)}
2 4 4
1
Q2 = {𝑥6 + 𝑥7}
2
1
Q2 = (75 + 75)
2

Q2 = 75

1 3.𝑛 3.𝑛
➢ Q3 = {𝑥 + (𝑥 + 1)}
2 4 4
1 3.12 3.12
Q3 = {𝑥 + (𝑥 + 1)}
2 4 4
1 36 36
Q3 = {𝑥 +(𝑥 + 1)}
2 4 4
1
Q3 = {𝑥9 + 𝑥10}
2
1
Q3 = (82 + 90)
2

Q3 = 86

2. Kuartil dari Data Berkelompok

Berdasarkan analisis yang sama pada penentuan letak
median. Penentuan letak kuartil, sama dengan data tunggal
dibagi dalam empat bagian data yang sama.
Mencari letak kuartil, dapat dicari menggunakan rumus
𝐼𝑛
Qi = 4

Di mana :
Qi = kuartil ke i
n = banyaknya data dengan i = 1,2...

Rumus mencari kuartil data berkelompok :

 𝐼𝑛
–𝐹
4
Q1 = b + p { }
𝑓

Di mana :
Qi = Kuartil ke i
b = Batas bawah kelas Qi ( ialah kelas interval dimana Qi
akan terletak)
p = Panjang kelas
F = Jumlah F sebelum kelas kuartil ke-i
f = Frekuensi kelas kuartil ke-i

contoh:
carilah Q1, Q2 dan Q3 pada data dibawah ini !
Data nilai ulangan statistika 100 mahasiswa, sebagai berikut:
No Nilai Frekuensi (f) Frekuensi
Kumulatif
1 45-50 4 4
2 51-56 4 8
3 57-62 8 16
4 63-68 30 46 Q1

5 69-74 31 77 Q2 dan Q3
6 75-80 20 97
7 81-86 2 99
8 87-92 1 100
Jumlah 100 -

Jawab :
✓ Kuartil 1 (Q1 )
𝐼𝑛 100
Q1 = 4 = 1. 4 = 25
𝐼𝑛
–𝐹
Q1 = b + p { 4 }
𝑓
25−16
Q1 = 62,5 + 6 { }
30
 9
Q1 = 62,5 + 6 {30 }
Q1 = 62,5 + 6 {0,3 }
Q1 = 62,5 + 1,8
Q1 = 64,3
✓ Kuartil 2 (Q2 )
𝐼𝑛 100
Q2 = = 2. = 50
4 4
𝐼𝑛
–𝐹
Q2 = b + p { 4 𝑓 }
50−46
Q2 = 68,5 + 6 { }
31
4
Q2 = 68,5 + 6 {31 }
Q2 = 68,5 + 6 {0,129 }
Q2 = 68,5 + 0,774
Q2 = 69,274

✓ Kuartil 3 (Q3 )
𝐼𝑛 100
Q3 = 4 = 3. 4 = 75
𝐼𝑛
–𝐹
Q3 = b + p { 4 𝑓 }
75−46
Q3 = 68,5 + 6 { }
31
29
Q3 = 68,5 + 6 {30 }
Q3 = 68,5 + 6 {0,935 }
Q3 = 68,5 + 5,612
Q3 = 74,112

E. DESIL
Desil adalah membagi data menjadi 10 bagian yang sama,
dengan demikian terdapat nilai desil (D1, D2, D3 ... D9). Rumus
menghitung desil untuk data tunggal dan data berkelompok
sebagai berikut:

1. Desil dari Data Tunggal

Rumus mencari desil data tunggal adalah sebagai berikut:
(𝑛+1)
Di = 𝑋𝑖 Apabila jumlah data ganjil
10

1 𝑖.𝑛 𝑖.𝑛
Di =
2
{𝑥 10 + (𝑥 10 + 1)} Apabila jumlah data genap
 Contoh:
Carilah D5 pada data dibawah ini!
58, 62, 65, 75, 75, 75, 75, 79, 82, 90, 91, 95
Jawab:
1 𝑖.𝑛 𝑖.𝑛
Di = {𝑥 10 + (𝑥 10 + 1)}
2
1 5.12 5.12
D5 = {𝑥 + (𝑥 + 1)}
2 10 10
1 60 60
= {𝑥 10 + (𝑥 + 1)}
2 10
1
= {𝑥6 + 𝑥7}
2
1
= (75 + 75)
2
1
= . 150 = 75
2

2. Desil dari Data Berkelompok

Mencari letak desil, dapat dicari menggunakan rumus:
𝐼𝑛
Di = 10

Di mana :
Di = Desil ke i
n = Banyaknya data dengan i = 1,2...

Rumus desil data berkelompok adalah sebagai berikut:

1
𝑛−𝐹
10
Di = b + p { }
𝑓

Keterangan:
Di = Desil
b = Batas bawah kelas (batas bawah – 0,5)
p = Panjang kelas
n = Banyak kelas
 F = Jumlah frekuensi sebelum kelas (kumulatif)
f = Frekuensi kelas
Contoh soal:
Data nilai ulangan statistika 100 mahasiswa, sebagai berikut:
No Nilai Frekuensi (f) Frekuensi
Kumulatif
1 45-50 4 4
2 51-56 4 8
3 57-62 8 16
4 63-68 30 46
5 69-74 31 77
6 75-80 20 97
7 81-86 2 99
8 87-92 1 100
Jumlah 100 -

Nilai desil 5 dari data diatas adalah

𝐼𝑛 5.100
D5 = = = 50
10 10
1
𝑛−𝐹
Di = b + p {10 𝑓 }
5
100−46
D5 = 68,5 + 6 {10 }
31
50−46
D5 = 68,5 + 6 { }
31
4
D5 = 68,5 + 6 {31 }

D5 = 68,5 + 6 {0,129032258}
D5 = 68,5 + 0,774193548
D5 = 69,274193548 (dibulatkan 2 angka dibelakang koma)
D5 = 69,27

F. PERSENTIL
 Persentil adalah membagi data menjadi 100 bagian yang
sama, dengan demikian terdapat nilai persentil (P1, P2, P3 ... P99).
Rumus menghitung persentil untuk data tunggal dan data
berkelompok sebagai berikut:

1. Persentil dari Data Tunggal

Rumus mencari persentil data tunggal adalah sebagai
berikut:

(𝑛+1)
Pi = 𝑋𝑖 Data ganjil
100

1 𝑖.𝑛 𝑖.𝑛
Pi =
2
{𝑥 100 + (𝑥 100 + 1)} Data genap

Contoh:
Carilah P50 pada data dibawah ini!
58, 62, 65, 75, 75, 75, 75, 79, 82, 90, 91, 95
Jawab:
1 𝑖.𝑛 𝑖.𝑛
Pi = {𝑥 100 + (𝑥 100 + 1)}
2
1 50.12 50.12
P50 = 2
{𝑥 100
+ (𝑥 100
+ 1)}
1 600 600
= {𝑥 100 + (𝑥 + 1)}
2 100
1
= {𝑥6 + 𝑥7}
2
1
= (75 + 75)
2
1
= . 150
2

= 75

2. Persentil dari Data Berkelompok

Mencari letak desil, dapat dicari menggunakan rumus:
𝐼𝑛
Pi = 10
Di mana :
Pi = Desil ke i
n = Banyaknya data dengan i = 1,2...

Rumus persentil data berkelompok adalah sebagai berikut:

1
𝑛−𝐹
100
Pi = b + p { }
𝑓

Keterangan:
Pi = Persentil
b = Batas bawah kelas median (batas bawah – 0,5)
p = Panjang kelas
n = Banyak kelas
F = Jumlah frekuensi sebelum kelas median (kumulatif)
f = Frekuensi kelas median

Contoh soal:
Data nilai ulangan statistika 100 mahasiswa, sebagai
berikut:
No Nilai Frekuensi (f) Frekuensi
Kumulatif
1 45-50 4 4
2 51-56 4 8
3 57-62 8 16
4 63-68 30 46
5 69-74 31 77
6 75-80 20 97
7 81-86 2 99
8 87-92 1 100
Jumlah 100 -

Nilai persentil 50 dari data diatas adalah

 𝐼𝑛 50.100
P50 = = = 50
100 100
1
𝑛−𝐹
Pi = b + p { 100
}
𝑓
50
100−46
P50 = 68,5 + 6 {100 }
31
50−46
P50 = 68,5 + 6 { }
31
4
P50 = 68,5 + 6 {31 }

P50 = 68,5 + 6 {0,129032258}

P50 = 68,5 + 0,774193548
P50 = 69,274193548 (dibulatkan 2 angka dibelakang
koma)
P50 = 69,27

G. LATIHAN SOAL
Latihan soal 1:
Data :
28, 32, 45, 55, 69, 72, 55, 80, 81, 85, 55, 55
Tentukan :
1. Urutkan data dari urutan terkecil hingga tertinggi ?
2. Urutkan quartil Q1 , Q2 , dan Q3 ?
3. Urutkan desil ke 5 ?
4. Urutkan persentil ke 7 ?

Jawab :
1. Mengurutkaan data dari terkecil hingga tertinggi
28, 32, 45, 55, 55, 55, 55, 69, 72, 80, 81, 85

2. Quartil
1 1.12 1.12
• Q1 = {𝑥 + (𝑥 + 1)}
2 4 4
1 12 12
= {𝑥 +(𝑥 + 1)}
2 4 4
1
= {𝑥3 + 𝑥4}
2
 1
= (45 + 55)
2

= 50

1 2.12 2.12
• Q2 = {𝑥 + 𝑥 + 1}
2 4 4
1 24 24
= {𝑥 + (𝑥 + 1)}
2 4 4
1
= {𝑥6 + 𝑥7}
2
1
= (55 + 55)
2

= 55

1 3.12 3.12
• Q3 = {𝑥 + (𝑥 + 1)}
2 4 4
1 36 36
= {𝑥 ) + (𝑥 + 1)}
2 4 4
1
= {𝑥9 + 𝑥10}
2
1
= (72 + 80)
2

= 76

3. Desil ke 5
1 5.12 5.12
❖ D5 = {𝑥 + (𝑥 + 1)}
2 10 10
1 60 60
= {𝑥 10 + (𝑥 + 1)}
2 10
1
= {𝑥6 + 𝑥7}
2
1
= (55 + 55)
2

= 55
4. Persentil ke 7
1 7.12 7.12
P7 = {𝑥 100 + (𝑥 100 + 1)}
2
1 84 84
= {𝑥 100 + (𝑥 100 + 1)}
2
1
= {𝑥0,84 + 𝑥1,84}
2

Latihan soal 2:
Data:

60 70 20 30 60 70 80 90 60 10
50 20 15 30 60 90 70 30 55 70
60 65 45 15 55 70 80 90 80 90
15 45 20 30 60 85 80 25 60 45
60 70 10 45 75 70 60 90 60 70
92 45 20 30 60 85 80 25 60 91
15 70 79 35 75 25 80 90 60 92
45 75 20 30 60 85 92 25 60 45
65 65 15 91 80 70 80 90 80 90
60 65 29 15 55 70 80 90 80 90

Carilah :
a. Urutkan data data dari yang terkecil sampai yang terbesar?
b. Buatlah data berkelompok dengan intervalnya 6?
c. Carilah mean, median dan modus pada data berkelompok?

Jawab:
a. Data yang di urutkan dari yang terkecil ke yang terbesar
10 10 15 15 15 15 15 15 20 20
20 20 20 25 25 25 25 29 30 30
30 30 30 30 35 45 45 45 45 45
45 45 50 55 55 55 60 60 60 60
60 60 60 60 60 60 60 60 60 60
60 60 65 65 65 65 70 70 70 70
70 70 70 70 70 70 70 75 75 75
79 80 80 80 80 80 80 80 80 80
80 80 85 85 85 90 90 90 90 90
90 90 90 90 90 91 91 92 92 92

b. Data berkelompok interval 6

No Skor Turus Frekuensi Nilai f.x
(f) Tengah
(x)
1 10-15 IIII III 8 12,5 100
2 16-21 IIII 5 18,5 92,5
3 22-27 IIII 4 24,5 98
4 28-33 IIII II 7 30,5 13,5
5 34-39 I 1 36,5 36,5
6 40-45 IIII II 7 42,5 297,5
7 46-51 I 1 48,5 48,5
 8 52-57 III 3 54,5 163,5
9 58-63 IIII IIII IIII I 16 60,5 968
10 64-69 IIII 4 66,5 266
11 70-75 IIII IIII IIII 14 72,5 1.015
12 76-81 IIII IIII II 12 78,5 942
13 82-87 III 3 84,5 253,5
14 88-89 IIII IIII IIII 15 90,5 1.357,5
Jumlah 100 - 5.852

c. Mean, mediam dan modus

∑𝑓.𝑥 5.852
✓ Mean = = = 58,52
𝑓 100

✓ Median
1
𝑛−𝐹
Me = b + p { 2
}
𝑓
1
100−36
= 57,5 + 6 { 2
}
16
50−36
= 57,5 + 6 { }
16
14
= 57,5 + 6 {16 }
= 57,5 + 6 (0,875)
= 57,5 + 5,25
= 62,75

✓ Modus
𝑑1
Mo = b + p {𝑑1+𝑑2 }
13
= 57,5 + 6 {13 +12 }
13
= 57,5 + 6 { }
25
= 57,5 + 6 (0,52)
= 57,5 + 3,12
= 60,62

Latihan soal 3:
Data:
60 70 20 30 60 70 80 90 60 10
50 20 15 30 60 90 70 30 55 70
60 65 45 15 55 70 80 90 80 90
15 45 20 30 60 85 80 25 60 45
60 70 10 45 75 70 60 90 60 70
92 45 20 30 60 85 80 25 60 91
15 70 79 35 75 25 80 90 60 92
45 75 20 30 60 85 92 25 60 45
65 65 15 91 80 70 80 90 80 90
60 65 29 15 55 70 80 90 80 90

Carilah :
a. Urutkan data dari yang terkecil sampai yang terbesar?
b. Buatlah data berkelompok dengan intervalnya 6?
c. Carilah Q1, Q2, dan Q3 pada data berkelompok?

Jawab:
a. Data yang di urutkan dari yang terkecil ke yang terbesar
10 10 15 15 15 15 15 15 20 20
20 20 20 25 25 25 25 29 30 30
30 30 30 30 35 45 45 45 45 45
45 45 50 55 55 55 60 60 60 60
60 60 60 60 60 60 60 60 60 60
60 60 65 65 65 65 70 70 70 70
70 70 70 70 70 70 70 75 75 75
79 80 80 80 80 80 80 80 80 80
80 80 85 85 85 90 90 90 90 90
90 90 90 90 90 91 91 92 92 92

b. Data berkelompok interval 6

No Skor Frekuensi (f) Frekuensi
Kumulatif (Fk)
1 10-15 8 8
2 16-21 5 13
3 22-27 4 17
4 28-33 7 24
5 34-39 1 25
6 40-45 7 32
7 46-51 1 33
8 52-57 3 36
9 58-63 16 52
10 64-69 4 56
11 70-75 14 70
12 76-81 12 82
13 82-87 3 85
14 88-89 15 100
c. Q1, Q2, dan Q3

✓ Kuartil 1 (Q1 )
𝐼𝑛 100
Q1 = = 1. = 25
4 4
𝐼𝑛
−𝐹
Q1 = b + p { 4
}
𝑓
25−24
= 33,5 + 6 { }
1
1
=33,5 + 6 {1 }
=33,5 + 6 {1 }
= 33,5 + 6
= 39,5

✓ Kuartil 2 (Q2 )
𝐼𝑛 100
Q2 = = 2. = 50
4 4
𝐼𝑛
–𝐹
Q1 = b + p { 4
}
𝑓

50−36
= 57,5 + 6 { }
16
14
=57,5 + 6 {16 }

=57,5 + 6 {0, 875 }

= 57,5 + 5,25
= 62,75

✓ Quartil 3 (Q3 )

𝐼𝑛 100
Q1 = = 3. = 75
4 4
𝐼𝑛
–𝐹
Q1 = b + p { 4 𝑓 }
75−70
= 75,5 + 6 { }
12
5
= 75,5 + 6 {12 }
= 75,5 + 6 {0,416666666 }
= 75,5 + 62,5
= 78
 BAB V
STANDAR DEVIASI

Standar deviasi untuk sampel diberi simbol s dan standar deviasi

untuk populasi diberi simbol 𝜎. Panggak dua dari standar deviasi
disebut varians. Sehingga varians sampel adalah s2 dan untuk
populasi adalah 𝜎2. Dengan demikian, s dan s2 merupakan statistik
sedangkan 𝜎 dan 𝜎2 merupakan parameter untuk standar deviasi.
Rumus :

𝑥2 𝑥2
SD = i √ SD = √
𝑁 𝑁
Keterangan :
SD = standar devisiasi
i = Interval
∑x = jumlah semua devisiasi
N = Nilai (number of change)
Contoh:
No X F X x2
1 73 1 +3 9
2 78 1 +8 64
3 60 1 -10 100
4 70 1 0 0
5 62 1 -8 64
6 80 1 +10 100
7 67 1 -3 9
Jumlah 490 7 346

𝑥2 346
SD = √ 𝑁 = √ 7
= √49,429 = 7,03

∑𝑥
Mx = 𝑛

x = X - Mx

Dicari:
∑𝑥 490
Mx = 𝑛 = = 70
7

x = X – Mx = 73- 70 = +3

Rumus mencari standar devisiasi ada dua yaitu:

Rumus A Rumus B

2
∑𝑓𝑥 2 ∑𝑓𝑥1 ∑𝑓𝑥 2 ∑𝑓𝑥 2
𝑆𝐷 = 𝑖 √ −( ) 𝑆𝐷 = √ −( )
𝑛 𝑛 𝑛 𝑛
Contoh 1:
Carilah standar devisiasi menggunakan rumus A dan rumus B !
Rumus A
No Interval F X 𝑥𝐼 𝑓𝑥 𝐼 𝑥2 f𝑥 2
1 70-74 3 72 +5 +15 25 70
2 65-69 5 67 +4 +20 16 24
3 60-64 6 62 +3 +18 9 54
4 55-59 7 57 +2 +14 4 28
5 50-54 7 52 +1 +7 1 7
6 45-49 17 47 0 0 0 0
7 40-44 15 42 -1 -15 1 15
8 35-39 7 37 -2 -14 4 28
9 30-34 6 32 -3 -18 9 54
10 25-29 5 27 -4 -20 16 80
11 20-24 2 22 -5 -10 25 50
∑ 80 0 -3 110 471

Jawab :
2
∑𝑓𝑥 2 ∑𝑓𝑥1
𝑆𝐷 = 𝑖 √ −( )
𝑛 𝑛

471 −3 2
𝑆𝐷 = 5√ −( )
80 80

= 5 √5,8875 − (0,0375)2

= 5 √5,8875 − 0,00140625

= 5 √5,88609375
= 5 x 2, 46127315 = 12,13
Rumus B
No Interval f X 𝑥2 Fx Fx2
 1 70-74 3 72 5.184 216 15.525
2 65-69 5 67 4.489 335 22.445
3 60-64 6 62 3.844 372 23.064
4 55-59 7 57 3.249 399 22.743
5 50-54 7 52 2.704 364 18.928
6 45-49 17 47 2.209 799 37.553
7 40-44 15 42 1.764 630 26.460
8 35-39 7 37 1.369 259 9.583
9 30-34 6 32 1.024 192 6.144
10 25-29 5 27 729 135 3.645
11 20-24 2 22 484 44 968
∑ 80 3745 187.085

Jawab:

∑𝑓𝑥 2 ∑𝑓𝑥 2
𝑆𝐷 = √ −( )
𝑛 𝑛

187.085 3.745 2
𝑆𝐷 = √ −( )
80 80

= √2338,5625 − (46,8125)2

= √2338,5625 − 2191,410156

= √147, 152344
= 12,1306365868
= 12,13

Contoh 2:
Rumus A
No Interval f x x1 f x1 x2 f x2
1 75-77 3 76 +8 +24 64 192
2 72-74 4 73 +7 +28 49 196
3 69-71 5 70 +6 +30 36 180
4 66-68 7 67 +5 +35 25 175
5 63-65 10 64 +4 +40 16 160
6 60-62 12 61 +3 +36 9 108
7 57-59 15 58 +2 +30 4 60
8 54-56 30 55 +1 +30 1 30
9 51-53 29 52 0 0 0 0
 10 48-50 24 49 -1 -24 1 24
11 45-47 20 46 -2 -40 4 80
12 42-44 13 43 -3 -39 9 117
13 39-41 10 40 -4 -40 16 160
14 36-38 8 37 -5 -40 25 200
15 33-35 6 34 -6 -36 36 216
16 30-32 4 31 -7 -28 49 196
∑ 200 6 2.094

Jawab :
2
∑𝑓𝑥 2 ∑𝑓𝑥1
𝑆𝐷 = 𝑖 √ −( )
𝑛 𝑛

2.094 6 2
𝑆𝐷 = 3√ −( )
200 200

= 3 √10,47 − (0,03)2

= 3 √10,47 − 0,0009

= 3 √10,4691
= 3 x 3, 2355988627
= 9,7067965881
= 9,71

Rumus B
No Interval f x x2 Fx f x2
1 75-77 3 76 5.776 228 17.328
2 72-74 4 73 5.329 292 21.316
3 69-71 5 70 4.900 350 24.500
4 66-68 7 67 4.489 469 31.423
5 63-65 10 64 4.096 640 40.960
6 60-62 12 61 3.721 737 44.652
7 57-59 15 58 3.364 870 50.460
8 54-56 30 55 3.025 1.650 90.750
9 51-53 29 52 2.704 1.508 78.416
10 48-50 24 49 2.401 1.176 57.624
11 45-47 20 46 2.116 920 42.320
12 42-44 13 43 1.849 559 24.037
13 39-41 10 40 1.600 400 16.000
14 36-38 8 37 1.369 296 10.952
 15 33-35 6 34 1.156 204 6.936
16 30-32 4 31 961 124 3.844
∑ 200 10.418 561.518

Jawab:

∑𝑓𝑥 2 ∑𝑓𝑥 2
𝑆𝐷 = √ −( )
𝑛 𝑛

561.518 10.418 2
𝑆𝐷 = √ −( )
200 200

= √2.807,59−(52,09)2

= √2.807,59 − 2.713,3681

= √94,2219
= 9,706796588
= 9,71
 BAB VI
PENGHITUNGAN STATISTIKA MENGGUNAKAN
APLIKASI SPSS

A. MENGENAL SPSS
SPSS dikembangkan oleh Norman H. Nie dan C. Hadlai Hull.
Versi pertamanya muncul tahun 1968. Pada awalnya program
ini dibuat hanya untuk analisis statistik pada ilmu sosial, sesuai
dengan namanya SPSS (Statistical Package for the Social
Science). Softwere tersebut sangat populer digunakan oleh para
periset pasar, periset kesehatan, periset pendidikan,
perusahaan survay, pemerintahan, organisasi pemasaran dan
lai nnya.
Setelah SPSS versi 16, SPSS dapat beroperasi pada tiga
sistem operasi, yaitu Windows, Mac dan Linux. Versi Windows
di-update lebih sering dan memiliki lebih banyak fitur daripada
versi untuk sistem operasi lain.
Antara tahun 2009-2010 premier vendor SPSS disebut PASW
(Predictive Analytics SoftWare) Statistics. Pada 28 Juli 2009,
perusahaan mengumumkan dibeli IMB. Pada tahun 2012 ini,
versi terbarunya adalah SPSS 20.

B. PENERAPAN DALAM SPSS

1. Membuka Data
Setelah Anda menginstal SPSS, mari kenali lebih lanjut.
Pertama-tama, buka SPSS Anda dengan langkah sebagai
berikut:
a. Start => All Programs => IBM SPSS Statistics => IBM
SPSS Statistics 20, maka akan muncul kotak dialog IBM
 SPSS Statistics 20 dan lembar kerja Dataset yang saling
menumpuk.
b. Apabila Anda telah menyimpan file data dan ingin
mengolah file data tersebut, gunakan kotak dialog IBM
SPSS Statistics dan pilih Open, cari dan buka file
tersebut.

Gambar: Kotak Dialog IBM SPSS Statistics 20 dan Lembar Dataset

c. SPSS memungkinkan Anda mengolah data dengan format

berbeda seperti Excel maupun Access.
d. Apabila Anda ingin membuat kotak data baru, hilangkan
kotak dialog tersebut dengan menekan tombol Cancel
yang terletak dibagian kanan bawah atau menutupnya
dengan klik tombol silang di bagian kanan atas.
e. Perhatikan area kerja, lihat bagian pojok kiri bawah. Area
kerja yang aktif adalah Data View. Ini ditunjukkan
dengan aktifnya tab Data View. Sebelum Anda
memasukkan data, Anda perlu menetapkan variabel
penelitian serta skala pengukurannya. Lakukan
penetapan tersebut dengan mengaktifkan tab Variabel
View.
 Gambar: Area Kerja Variabel View

2. Menetapkan Skala Pengukuran pada Variabel &

Menyimpan Data
Untuk mendapatkan gambaran yang menyeluruh
mengenai penetapan variabel dan skala pengukuran,
perhatikan kasus berikut:
Sebuah rumah sakit membuat unit layanan konsultasi
untuk para pasien yang menderita penyakit kanker. Unit
tersebut dibuat untuk mengurangi tingkat depresi pasien
selama menjalani perawatan. Setelah dua tahun unit itu
berjalan, Anda ditugasi melakukan riset apakah tujuan unit
tersebut tercapai.
Anda membuat kuesioner kemudian melakukan random
sampling terhadap pasien yang minimal telah melakukan
konsultasi lebih dari 3 kali. Sampel yang Anda ambil
sebanyak 20 pasien.
Untuk mencatat kuesioner pada SPSS, Anda perlu melalui
dua tahap, yaitu menetapkan variabel-variabel riset pada
Variabel View dan langkah selanjutnya adalah memasukkan
hasil kuesioner pada Data View.
 Anda perlu memahami gambaran variabel riset sebelum
menetapkan variabel riset pada Data View. Berikut gambaran
kuesionernya:
Tingkat kepuasan pasien
P1: Gender Pria Wanita
P2: Umur ... tahun
P3: Konselor yang dikunjungi Bambang Atik
P4: Berapa kali konselor ... kali
Tingkat kepuasan dalam konseling
Tingkat kepuasan ditunjukkan dalam skala 1 sampai 5
Skala: 1 (sangat tidak puas), 2 (tidak puas), 3 (biasa), 4
(puas), 5 (sangat puas)

Ada 5 variabel penelitian: gender, umur, konselor,

konseling dan tingkat kepuasan yang harus Anda tetapkan
pada Variabel View. Buka lembarkerja Data View, di sana
Anda akan menjumpai 11 kolom yang harus Anda tetapkan
nilainya. 11 kolom tersebut adalah Name, Type, Width,
Decimals, Label, Values, Missing, Columns, Align,
Measure dan Role yang harus ditetapkan.
✓ Name – merupakan nama variabel.
✓ Type – merupakan tipe data yang dikelompokkan dalam
9 tipe berbeda, yaitu Numeric – berupa angka; Comma –
berupa angka dengan koma; Dot – berupa angka dengan
membatasi setiap tiga tempat angka dengan titik dan
dengan koma untuk desimal; Scientific notation –
berupa angka dengan melibatkan eksponen, misal
1.23E2; Date – berupa format tanggal; Dollar – format
dollar ($); Custom currency – berupa angka yang
ditampilkan dalam format custom currency; String –
bukan berupa angka sehingga tidak digunakan dalam
 kalkulasi; dan Restricted numeric – berupa angka yang
melarang non-negative integer.
✓ Width – lebar.
✓ Decimals – menetapkan berapa angka dibelakang koma.
✓ Label – memberi label pada variabel untuk lebih
memperjelas nama variabel.
✓ Values – memberi nilai deskriptif berupa kode numerik,
misal 1 untuk pria dan 2 untuk wanita.
✓ Missing – memberi kode khusus data sebagai user
missing.
✓ Columns – menetapkan lebar kolom.
✓ Align – menetapkan posisi data pada sel.
✓ Measure – menetapkan tipe skala pengukuran: apakah
nominal, ordinal, atau scale. Pada SPSS, scale digunakan
untuk skala pengukuran interval dan rasio.
✓ Role – menetapkan peran dari data, apakah input, target,
both, none, partition, atau split.

Secara umum penetapan Tipe dapat dikelompokkan

dalam dua kategori, yaitu angka dan bukan angka (string).
Data yang bukan angka memiliki skala pengukuran nominal
di mana Anda perlu menetapkan nilai kodenya pada kolom
Value. Dari kelima variabel penelitian, berikut skala
pengukurannya:
✓ Gender – skala pengukuran nominal
✓ Umur - skala pengukuran rasio
✓ Konselor - skala pengukuran nominal
✓ Konseling - rasio
✓ Tingkat kepuasan - ordinal
 Contoh penetapan pada variabel bukan angka – variabel
gender:
Nama = gender; Type = string; Width = diamkan saja, nilai
default 8; Decimals = otomatis akan hilang bila typenya
String; Label = jenis kelamin; Values= tetapkan pria bernilai
1 dan wanita bernilai 2 (perhatikan gambar: value pada
tingkat kepuasan); Missing = diamkan saja; Columns =
diamkan saja, nilai default 8; Align = diamkan saja, nilai
defaultnya left; Measure = skala pengukuran nominal; Role =
sebagai input.

Perhatikan waktu penetapan Value, berikut langkahnya:

Nilai default kolom value adalah none. Klik bagian kanan
sel (di samping none) sehingga muncul kotak dialog Value
Labels. Pada kotak Value, ketik 1, dan pada kotak Label,
ketik pria. Setelah itu klik tombol Add sehingga dalam kotak
Add muncul 1 = “pria”. Lanjutkan dengan cara yang sama
dengan memberi value 2 dan label wanita. Setelah Anda
melakukan penetapan klik OK.

Gambar: Kotak Dialog Value Labels

 Contoh penetapan pada variabel angka – variabel umur:
Nama =umur; Type = numeric; Width = diamkan saja, nilai
default 8; Decimals = 0; Label = umur pasien; Values=
diamkan saja, nilai defaultnya none; Missing = diamkan saja,
nilai defaultnya none; Columns = diamkan saja, nilai default
8; Align = diamkan saja, nilai defaultnya left; Measure = skala
pengukuran scale; Role = sebagai input.
Khusus pada variabel kepuasan, untuk memperjelas apa
yang dimaksud nilai 1-5, di mana sangat tidak puas (1); tidak
puas (2); biasa (3); puas (4); dan sangat paus (5), tetapkan
nilai tersebut pada kolom value.

Gambar: Value pada Tingkat Kepuasan

Berikut hasil keseluruhan penetapan kelima variabel

kuesioner:

Gambar: Penetapan pada Variable View

 Hasil kuesioner yang Anda dapatkan adalah sebagai
berikut:
No Jenis Umur Konselor Konseling Tingkat
kelamin kepuasan
1 Pria 47 Bambang 6 kali 4
2 Pria 51 Bambang 5 kali 3
3 Pria 49 Bambang 7 kali 4
4 Pria 53 Bambang 3 kali 3
5 Pria 45 Atik 4 kali 4
6 Pria 51 Atik 3 kali 4
7 Pria 50 Bambang 4 kali 3
8 Pria 48 Atik 5 kali 5
9 Pria 47 Bambang 5 kali 4
10 Pria 53 Bambang 4 kali 3
11 Wanita 43 Atik 4 kali 4
12 Wanita 45 Atik 5 kali 5
13 Wanita 44 Atik 5 kali 4
14 Wanita 43 Atik 7 kali 5
15 Wanita 42 Atik 4 kali 4
16 Wanita 48 Bambang 3 kali 4
17 Wanita 45 Atik 5 kali 3
18 Wanita 43 Atik 4 kali 3
19 Wanita 45 Bambang 5 kali 4
20 Wanita 46 Atik 4 kali 4

Untuk memasukkan data hasil kuesioner dapat Anda

lakukan pada lembar kerja Data View. Berikut ini
langkahnya:
Klik tab Data View, kemudian masukkan data
kuesionernya. Hasilnya adalah sebagai berikut:
 Gambar: Hasil Input Data pada SPSS

Apabila Anda menginginkan tampilan pada kolom gender,

konselor, dan kepuasan berupa angka, maka klik ikon Value

Labels . Hasilnya sebagai berikut:

Gambar: Hasil dengan Value Labels

3. Missing Value
Terkadang hasil kuesioner yang Anda terima tidak lengkap,
misalnya sampel no.19 tidak mengisi umur. Nilai yang hilang
tersebut Anda tetapkan sebagai missing value. Berikut ini
langkah-langkah untuk menetapkan missing value:
a. Aktifkan Variable View. Klik sel pada kolom Missing pada
baris umur sehingga muncul kotak dialog Missing Value.

Gambar: Kotak Dialog Missing Value

b. Pilih Discrete missing value dan ketik 0 sebagai missing

value. Selanjutnya untuk menjelaskan nilai 0 adalah
missing value, klik kolom Value baris umur maka kotak
dialog Value Labels muncul:

Gambar: Penetapan 0 sebagai Missing Value

c. Ketik 0 pada kotak Value dan tidak lengkap pada kotak

label, selanjutnya klik tombol Add, kemudian klik OK.
Kembali ke tab Data View, ketik 0 pada baris 19, kolom
umur maka hasilnya sebagai berikut:
 Gambar: Hasil Penetapan Missing Value

4. Statistika Deskriptif Variabel

Misalnya diadakan pengukuran kemampuan
represenrtasi matematika terhadap 15 siswa. Skor hasil
pengukuran disajikan pada tabel berikut.
Tabel Kemampuan Represenrtasi Matematika
No Gender Kemampuan
Representasi
1 Pria 90
2 Wanita 91
3 Pria 86
4 Wanita 85
5 Pria 85
6 Wanita 84
7 Pria 70
8 Wanita 88
9 Pria 75
 10 Wanita 72
11 Pria 68
12 Wanita 83
13 Pria 80
14 Wanita 65
15 Pria 66

a. Statistika deskriptif variabel kemampuan representasi

matematika
Langkah-langkah penghitungan statistika deskriptif
variabel kemampuan representasi matematika adalah sebagai
berikut:
1) Input data tabel kemampuan represenrtasi matematika,
misalnya dengan nama “refresentasi”.
2) Buka file “refresentasi”, kemudian dari menu utama SPSS,
pilih Analysze, kemudian pilih sub menu Descriptive
Statistics selanjutnya klik Frequencies, serhingga akan
tampil di layar:

3) Isikan variabel “refresentasi” ke kolom variable (s),

kemudian klik Statistics, maka taqmpak di layar:
4) Pada percentiles value ketik 25 lalu tekan Add, juga 50 dan
75 pada kotak sebelumnya lalu tekan Add. Pengisian ini
adalah nilai persentil 25,50,75 atau dapat mempunyai arti
sama dengan nilai Q1, Q2 dan Q3.
5) Pada Central Tendency atau ukuran pemusatan data, klik
mean, median dan mode.
6) Pada bagian Despersion atau penyebaran data, klik
std.deviation. Variance, Range, Minimum, Maximum dan
SE.Mean.
7) Pada Distribution atau bentuk distribusi data, klik
Skewness dan Kurtosis. Catatan: pilihan “Value are group
midpoints” adalah pilihan untuk data titik tengah kelas
interval. Karena tabel diatas memuat data individu, pilihan
ini dikosongkan saja.
8) Tekan Continue, akan tampak kotak dialog utama. Jika
ingin membuat grafik atau susunan, klik Chart dan Format
untuk memilih tipe chart dan bentuk output yang diinginkan
(misalnya bentuk menaik, data kecil ke besar maka klik
Ascending values.
 9) Tekan OK pada kotak dialog utama, dan akan tampil hasil
berikut ini.

Interpretasi:
• N adalah banyaknya data yang valid yaitu sebanyak 15 buah,
sedangkan data missing atau data yang hilang adalah 0. Hal ini
berarti semua data sahih untuk diproses.
• Mean atau rata-rata kemampuan representasi matematika
adalah 79,20 dengan standar error sebesar 2,330. Sehingga
estimasi rata-rata populasi terhadap data sampel pada tingkat
kepercayaan 95% adalah (rata-rata ± 1,96 standard error
mean) atau (79,20 ± 1,96 x 2,330) = (79,20 ± 4,567) = (74,63 –
83,77). Angka 1,96 adalah harga Z untuk tingkat kepercayaan
95%. Dengan demikian dengan tingkat kepercayaan 95% rata-
rata sampel kemampuan representasi matematika sebesar
79,20 mengestimasi rata-rata populasi pada kisaran 74,63 –
83,77.
• Median adalah nilai tengah (50%) setelah data diurutkan. Jadi
nilai median sebesar 83,00 mengandung arti 50% sampel
mempunyai kemampuan representasi matematika 83,00 ke atas
dan 50% mempunyai kemampuan representasi matematika
83,00 ke bawah.
• Modua adalah data dengan frekuensi terbanyak, jadi data
kemampuan representasi matematika yang sering tampil adalah
85.
• Standar deviasi adalah 9,025 dan varians adalah 81,457
menunjukkan tingkat keragaman data. Dengan standar deviasi
sebesar 9,025 dan tingkat kepercayaan sebesar 95% maka rata-
rata kemampuan representasi matematika pada sampel menjadi
(rata-rata ± 1,96 standard deviation). Dengan demikian, (79,20
± 1,96 x 9,025) = (79,20 ± 17,7689) = (61,51 -96,89) atau
kemampuan representasi matematika 15 siswa berkisar antara
61,51 sampai 96,89.
• Ukuran skewness adalah -0,374. Ukuran tersebut dapat diubah
𝑆𝑘𝑒𝑤𝑛𝑒𝑠𝑠
menjadi rasio-skewness dengan rumus: (rs) 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑟𝑟𝑜𝑟 𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠 =
−0,374
= −0,645. Jika rasio skewness berada pada kisaran -2
0,580

sampai +2 maka distribusi data adalah normal (Santoso,

2005:190). Rasio skewness -0,645 berada pada kisaran tersebut
maka data kemampuan representasi matematika diasumsikan
berdistribusi normal.
• Ukuran kurtosis adalah -1,433 Ukuran tersebut dapat diubah
𝐾𝑢𝑟𝑡𝑜𝑠𝑖𝑠
menjadi rasio-kurtosis dengan rumus: (rk) =
𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑟𝑟𝑜𝑟 𝑠𝑘𝑒𝑤𝑛𝑒𝑠𝑠
−1,433
= −1,278. Jika rasio kurtosis berada pada kisaran -2
1,121

sampai +2 maka distribusi data adalah normal (Santoso,

2005:190). Rasio kurtosis -1,278 berada pada kisaran tersebut
maka data kemampuan representasi matematika diasumsikan
berdistribusi normal.
• Data minimum adalah 65 dan data maksimum 91. Sehingga
range (91-65) = 26, dalam praktik semakin besar range semakin
bervariasi suatu data.

b. Statistika Deskriptif Variabel Kemampuan Representasi

Matematika Berdasarkan Gender
Langkah-langkahnya sebagai berikut:
1) Buka file “representasi”, kemudian dari menu utama SPSS,
pilih Analyze, kemudian pilih sub menu Drscriptive
Statistics selanjutnya klik Explore, sehingga akan tampil
di layar:

2) Isikan variabel “refresentasi” ke kotak Dependent List dan

variabel “Gender” ke kotak Factor List (khusus variabel
dengan skala nominal atau ordinal), selanjutnya klik
Statistics maka tampak di layar:
 3) Aktifkan M-estimators dan Outliers kemudian klik
Continue untuk kembali ke kotak dialog utama selanjutnya
klik OK, sehingga akan diperoleh output SPSS berikut:

Tabel di atas memuatjumlah data pria (kategori 1) sebanyak 8

siswadan jumlah wanita (kategori 2) sebanyak 7 siswa. Informasi
lain dari tabel di atas adalah missing data nol artinya tidak ada
data yang hilang atau semua data bisa diproses.
a) Output Descriptives

Interpretasi:
• Rata-rata kemampuan representase matematika siswa pria
80,00 dengan tingkat kepercayaan 95% rata-rata tersebut
dapat mengestimasi rata-rata populasi pada kisaran antara
 72,30 sampai 87,70. Sedangkan rata-rata siswa wanita
sebesar 78,29 data mengestimasi rata-rata populasi pada
kisaran 69,55 sampai 87,02.
• Interquarter Range adalah persentil 25 dan 75. Untuk
output di atas baik pria dan wanita sebesar 17.
• Rasio Skewness dan Kurtosis, diperoleh: skewness pria = -
0,579/0,752 = -0,770 dan Skewnesswanita = -0,254/0,794
= -0,320. Kurtosis pria = -1,633/1,481 = -1,103 dan
Kurtosis wanita = -1,198/1,587 = -0,755. Karena kedua
hasil tersebut tidak dibawah -2 maka dapat diasumsikan
bahwa data kemampuan representasi matematika baik pria
dan wanita adalah berdistribusi normal.

b) Output M-Estimator

M-Estimator digunakan sebagai pilihan pada ukuran

kecenderungan memusat dengan memberikan bobot (weight)
pada data. M-Estimator akan fungsional terutama bila rata-
rata dan median mengandung nilai-nilai yang cukup
menyimpang dari rata-ratanya. Tampak pada tabel dari Huber
diperoleh rata-rata pria sebesar 82,38 dan wanita sebesar
79,38. Skor ini pada hasil trimming sebesar 5%, sehingga
tampak nilainya lebih dekat ke 5% Trimmed Mean atau nilai
median.
c) Output Extreme Values

Tabel di atas menunjukkan output dengan Extreme Values

yang mempunyai arti penyajian nilai-nilai ekstrim data
kemampuan representasi matematika. Tampak pada tabel,
pria tersajikan masing-masing 4 data tertinggi dan terendah.
Sehingga kemampuan representasi tertinggi untuk pria
adalah 90 yaitu pria dengan nomor urut 1 dan seterusnya.
 DAFTAR PUSTAKA

➢ Efendi,Muhammad dan C. Trihendradi.2013.Langkah Praktis

Menguasai Statistik untuk Ilmu Sosial Kesehatan + Konsep &
Penerapannya Menggunakan SPSS.Yogyakarya:CV Andi Offset
➢ Kadir.2015.Statistika Terapan (Konsep, Contoh dan Analisis
Data dengan Program SPSS/Lisrel dalam Penelitian).Jakarta:PT
RajaGrafindo Persada
➢ Masduki, Y.M. Ngadiyana dan Eliani
Dharmanata.1990.Pengantar Statistika.Banjarmasin:Lambung
Mangkurat University Press
➢ Purwanto.2011.Statistika untuk Penelitian.Yogyakarta:Pustaka
Pelajar
➢ Somantri, Ating dan Sambas Ali Muhidin.2006.Aplikasi
Statistika dalam Penelitian.Bandung:CV Pustaka Setia
➢ Subana, Moersetyo Rahadi dan Sudrajat.2000.Statistik
Pendidikan.Bandung:CV Pustaka Setia
➢ Sudijono,Anas.2010.Pengantar Statistik Pendidikan.Jakarta:PT
RajaGrafindo Persada