A. SEJARAH STATISTIK
Penggunaan istilah statistika berakar dari istilah dalam bahasa latin modern statisticum collegium(“dewan
negara”) dan bahasa Italia statista (“negarawan” atau “politikus”). Gottfried Achenwall (1749)
menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis
data kenegaraan, dengan mengartikannya sebagai “ilmu tentang negara (state)”. Pada awalabad ke-
19 telah terjadi pergeseran arti menjadi “ilmu mengenai pengumpulan dan klasifikasi data”. Sir John
Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika
secara prinsip mula-mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan
pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara
teratur untuk memberi informasi kependudukan yang berubah setiap saat.
Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang
dalammatematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas digunakan untuk
mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal
abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear),
dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada masa
sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai
dariastronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya,
sertapsikologi banyak dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu
gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.
Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika, tetapi sebagian pihak
lainnya menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari
sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian besar masuk dalam fakultas matematika
dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan matematika.
B. PENGERTIAN STATISTIK
a. Batasan Umum
Kata statistic telah digunakan untuk membatasi cara-cara ilmiah untuk mengumpulkan , menyusun,
meringkas dan menyajikan data penyelidikan. Lebih lanjut, statistic merupakan cara untuk mengolah data
tersebut dan menarik kesimpulan-kesimpulan yang teliti dan keputusan-keputusan yang logic dari
pengolahan data tersebut (Hadi, 2004).
b. Batasan Khusus
Kata statistic juga digunakan untuk menunjuk kepada angka-angka pencatatan dari suatu kejadian atau
kasus tertentu seperti misalnya :
- Statistic bentuk badan miss universe : 38 – 22 – 36 (dada – pinggang – pinggul)
- Statistik kecelakaan lalu lintas : januari 6, februari 38, Maret 21, …
- Statistic tinggi badan rata-rata : Rata-rata T = 164 cm, dst..
C. KONSEP DASAR
Dalam mengaplikasikan statistika terhadap permasalahan sains, industri, atau sosial, pertama-tama
dimulai dari mempelajari populasi. Makna populasi dalam statistika dapat berarti populasi benda hidup,
benda mati, ataupun benda abstrak. Populasi juga dapat berupa pengukuran sebuah proses dalam waktu
yang berbeda-beda, yakni dikenal dengan istilah deret waktu.
Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus. Sebuah sensus tentu
memerlukan waktu dan biaya yang tinggi. Untuk itu, dalam statistika seringkali dilakukan pengambilan
sampel (sampling), yakni sebagian kecil dari populasi, yang dapat mewakili seluruh populasi. Analisis
data dari sampel nantinya digunakan untuk menggeneralisasi seluruh populasi.
Jika sampel yang diambil cukup representatif, inferensial (pengambilan keputusan) dan simpulan yang
dibuat dari sampel dapat digunakan untuk menggambarkan populasi secara keseluruhan. Metode
statistika tentang bagaimana cara mengambil sampel yang tepat dinamakan teknik sampling.
Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya hal terlihat banyak
digunakannya uji statistika yang mengambil dasar pada sebaran peluang. Sedangkan matematika
statistika merupakan cabang dari matematika terapan yang menggunakan teori probabilitas dananalisis
matematika untuk mendapatkan dasar-dasar teori statistika.
Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif
berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians dari data mentah;
mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah “dibaca” dan
lebih bermakna. Sedangkan statistika inferensial lebih dari itu, misalnya melakukan pengujian hipotesis,
melakukan prediksi observasi masa depan, atau membuat model regresi.
Statistika deskriptif berkenaan dengan bagaimana data dapat digambarkan dideskripsikan) atau
disimpulkan, baik secara numerik (misalnya menghitung rata-rata dan deviasi standar) atau secara grafis
(dalam bentuk tabel atau grafik), untuk mendapatkan gambaran sekilas mengenai data tersebut,
sehingga lebih mudah dibacadan bermakna.
Statistika inferensial berkenaan dengan permodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan estimasi
pengamatan masa mendatang (estimasi atau prediksi), membuat permodelan hubungan
(korelasi, regresi, ANOVA, deret waktu), dan sebagainya.
D. METODE STATISTIKA
a. Dua jenis penelitian: eksperimen dan survai
Terdapat dua jenis utama penelitian: eksperimen dan survei. Keduanya sama-sama mendalami
pengaruh perubahan pada peubah penjelas dan perilaku peubah respon akibat perubahan itu. Beda
keduanya terletak pada bagaimana kajiannya dilakukan.
Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi perlakuan
terhadap sistem, dan kemudian melakukan pengukuran (lagi) dengan cara yang sama terhadap sistem
yang telah diperlakukan untuk mengetahui apakah perlakuan mengubah nilai pengukuran. Bisa juga
perlakuan diberikan secara simultan dan pengaruhnya diukur dalam waktu yang bersamaan pula. Metode
statistika yang berkaitan dengan pelaksanaan suatu eksperimen dipelajari dalam rancangan
percobaan (desain eksperimen).
Dalam survey, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji. Data
dikumpulkan dan hubungan (korelasi) antara berbagai peubah diselidiki untuk memberi gambaran
terhadap objek penelitian. Teknik-teknik survai dipelajari dalam metode survei.
Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik,ilmu
pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen.
Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau berkaitan dengan
perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi, kedokteran masyarakat, dan industri.
2. Tipe pengukuran
Ada empat tipe pengukuran atau skala pengukuran yang digunakan di dalam statistika, yakni: nominal,
ordinal, interval, dan rasio. Keempat skala pengukuran tersebut memiliki tingkat penggunaan yang
berbeda dalam riset statistik.
Skala nominal hanya bisa membedakan sesuatu yang bersifat kualitatif (misalnya: jenis kelamin,
agama, warna kulit).
Skala ordinal selain membedakan juga menunjukkan tingkatan (misalnya: pendidikan, tingkat
kepuasan).
Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol mutlak (misalnya: tahun,
suhu dalam Celcius).
Skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak.
3. Tehnik-Tehnik Statistika
Beberapa pengujian dan prosedur yang banyak digunakan dalam penelitian antara lain:
Analisis regresi dan korelasi
Analisis varians (ANOVA)
Chi-kuadrat
Uji t-Student
- Suatu susunan data dalam bentuk tabel yang disusun berdasarkan kelas berikut dengan frekuensi
kelasnya disebut sebagai distribusi frekuensi atau tabel frekuensi.
Contoh :
Tabel 2.1. Tinggi badan 100 orang mahasiswa universitas ABC
Tinggi badan (cm) Banyaknya siswa
160-162 163-165 27 42
166-168 18
169-171 8
172-174 5
Total 100
Keterangan :
Kelas (kategori) pertama, sebagai contoh, terdiri atas siswa-siswa yang memiliki tinggi badan berkisar
antara 160-162 cm, dan ditunjukkan melalui symbol jangkauan atau kisaran 160-162. Karena lima siswa
memiliki tinggi badan yang termasuk dalam kelas ini, maka frekuensi kelasnya adalah 5.
C. VARIABEL KONTINU DAN DISKRIT
Menurut Speiegel dan Stephens (2004), variabel adalah sebuah symbol seperti X. Y, H, x atau B yang
dapat menyandang setiap nilai dari suatu himpunan nilai yang disebut sebagai domain dari variabel
tersebut. Jika variabel hanya dapat menyandang satu nilai saja, maka variabel ini disebut dengan nama
khusus sebagai konstanta.
Ada dua macam nilai variabel (Hadi,2004) yaitu :
1. Kontinu atau nilai yang bersambung
Misal : tinggi badan ; si A 165 cm, pada hakekatnya tinggi si A itu tidak mutlak tepat 165 cm, melainkan
misalnya 165,30 cm. Pada umunya angka 165 cm itu untuk mewakili tinggi orang dari 164,50 cm –
165,49. Mereka yang tingginya 165,50 cm-166,49 cm dicatat 166 cm. Dengan kata lain, angka 0,50 ke
atas dibulatkan ke atas, sedangkan angka dibawah 0,50 dihilangkan.
2. Diskrit atau nilai yang terpisah
Misal : hasil ujian yang dinilai benar dan salah atau lulus dan gagal merupakan nilai-nilai yang terpisah
satu sama lain, sebab tidak ada nilai-nilai lain yang dipandang sebagi setengah benar atau setengah
lulus.
Contoh lain : variabel jenis kelamin (laki-laki dan perempuan), pergi dan tinggal
D. JENIS DISTRIBUSI FREKUENSI
1. DISTRIBUSI FREKUENSI TUNGGAL
Contoh :
Mata pelajaran : Statistik
Murid : Laki-laki
Jumlah : 12 orang
Nilai-nilai
70 60 50 40 30 20 60 40 40 50 50 50
Tabel 2.2. Nilai statistik 15 mahasiswa
Nilai Frekuensi (f)
70 60 12
50 4
40 3
30 1
20 1
N+ = 12
f. Jarak pengukuran adalah angka tertinggi dari pengukuran dikurangi dengan angka terendah. Biasa
juga disebut sebagai Range of Measurement atau disingkat huruf R.
- R hanya dimiliki oleh variabel kontinu saja
Contoh :
Tinggi orang tertinggi di Indonesia 180 cm, yang terendah 145 cm, jumlah interval sebanyak 9 buah,
maka
i = 180,5 – 144,5
9
i = 36 / 9 = 4
Tabelnya :
Interval tinggi badan
177 – 180
173 – 176
169 – 172
165 – 168
161 – 164
157 – 160
153 – 156
149 – 152
145 – 148
6. DISTRIBUSI FREKUENSI MENINGKAT (CUMULAT IVE FREQUENCY DISTRIBUTION)
Pada dasarnya sama saja dengan penyusunan distribusi frekuensi tunggal maupun distribusi frekuensi
bergolong. Bedanya dengan penyusunan kedua distribusi itu ialah menambahkan satu kolom lagi yang
memuat frekuensi meningkat.
Contoh :
Tabel 2.4. Nilai berhitung 72 siswa ornag murid laki-laki SR di kota Y
Nilai Frekuensi (f) Frekuensi Frekuensi
meningkat dari meningkat dari
bawah atas
87 4 23 72 68 4 27
6 28 45 55
5 16 17 71
4 1 1 72
Jumlah Σ f= N = 72
Frekuensi meningkat = cumulative frequency (cf)
Keterangan :
Banyaknya anak yang mendapat “sesuatu nilai ke bawah”. Mereka yang mendapat nilai enam ke bawah
misalnya, jumlah ada 45 orang, sedang mereka yang mendapat nilai tujuh ke bawah jumlahnya ada 68
orang.
BAB 1
Statistika – Bab 1
OCTOBER 29, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB I
PENELITIAN DAN STATISTIK
A. Pengertian Penelitian
Penelitian merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu.
Cara ilmiah, berarti penelitian itu didasarkan pada ciri-ciri keilmuan yaitu, rasional, empiris dan
sistematis.
Rasional: penelitian itu dilakukan dengan cara-cara yang masuk akal sehingga terjangkau oleh penalaran
manusia.
Empiris: cara-cara ygn digunakan dalam penelitian itu teramati oleh indera manusia.
Sistematis: proses yang dilakukan dalam penelitian itu menggunakan langkah-langkah tertentu yang
bersifat logis.
Reliabel, menunjukan derajat konsistensi (keajegan) yaitu konsistensi data dalam interval waktu tertentu.
Pembuktian, data yang diperoleh itu diperlukan untuk membuktikan adanya keragu-raguan terhadap
suatu pengetahuan.
Pengembangan, data yang diperoleh dari penelitian itu digunakan untuk memperdalam dan memperluas
suatu pengetahuan.
B. Variabel Penelitian
Variabel penelitian: suatu atribut atau sifat atau nilai dari orang/objek atau kegiatan yang mempunyai
variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulan.
Macam-Macam Variabel:
C. Paradigma Penelitian
Paradigma Penelitian: Pola fikir yang menunjukan hubungan antara variabel yang akan diteliti dan
mencerminkan jumlah rumusan masalah yang perlu dijawab melalui penelitian, teori yang digunakan
untuk merumuskan hipotesis, jenis dan jumlah hipotesis, dan teknik analisis statistik yang akan
digunakan.
Bentuk-bentuk paradigma:
1. Paradigma Sederhana, terdiri dari satu variaben independen dan satu variable dependen.
2. Paradigma Sederhana Berurutan
3. Paradigma Ganda dengan Dua Variabel Independen
4. Paradigma Ganda dengan Tiga Variabel Independen
5. Paradigma Ganda dengan Dua Variabel Dependen
6. Paradigma Ganda dengan Dua Variabel Independen dan Dua Dependen
7. Paradigma Jalur
Contoh Paradigma Sederhana :
1. Jumlah rumusan masalah deskriptif ada dua dan asosiatif ada satu:
1) Rumusan masalah deskriptif ada dua:
a) Bagaimanakah hubungan atau pengaruh kualitas alat dengan kualitas barang yang dihasilkan?
1. Teori yang digunakan ada dua, yaitu teori tentang alat-alat dan tentang kualitas barang.
2. Hipotesis yang dirumuskan ada dua macam hipotesis deskriptif dan hipotesis asosiatif,
1) Dua hipotesis deskriptif:
a) Kualitas alat yang digunakan oleh perusahaan tersebut telah mencapai 70% baik
b) Kualitas barang yang dihasilkan oleh perusahaan tersebut telah mencapai 99% dari yang
diharapkan.
Ada hubungan yang positif dan signifikan antara kualitas alat dengan kualitas barang yang dihasilkan. Hal
ini berarti bila kualitas alat ditingkatkan maka kualitas barang yang dihasilkan akan menjadi semakin
tinggi (kata signifikan hanya digunakan apabila hasil uji hipotesis akan digeneralisasikan ke populasi di
mana sampel tersebut diambil)
1) Untuk dua hipotesis deskriptif, bila datanya berbentuk interval dan ratio, maka pengujian hipotesis
menggunakan t-test one sampel.
2) Untuk hipotesis asosiatif, bila data kedua variable berbentuk interval atau ratio, maka menggunakan
teknik statistic korelasi product moment.
D. Proses Penelitian
1. Adanya Masalah
2. Rumusan Masalah
3. Pengajuan hipotesis
4. Pembuktian hipotesis
5. Kesimpulan dan Saran
E. Peranan Statistik dalam Penelitian
Peranan statistik dalam penelitian adalah sebagai berikut:
1. Alat untuk menghitung besarnya anggota sampel yang diambil dari populasi. Dengan demikian
jumlah sampel yang diperlukan lebih dapat dipertanggungjawabkan.
2. Alat untuk menguji validitas dan reliabilitas instrument.
3. Teknik-teknik untuk menyajikan data, sehingga data lebih komunikatif. Teknik-teknik penyajian
data antara lain: table, grafik, diagram lingkar, dan pictogram.
4. Alat untuk analisis data seperti menguji hipotesis penelitian yang diajukan. Dalam hal ini statistic
yang digunakan antara lain: korelasi, regresi, t-test, anova, dll.
F. Macam-Macam Statistik
1. Statistik Deskriptif, statistik yang digunakan untuk menggambarkan atau menganalisa suatu
statistik hasil penelitian, tetapi tidak digunakan untuk membuat kesimpulan yang lebih luas
(generalisasi/inferensi). Penelitian yang tidak menggunakan sampel, analisanya akan menggunakan
statistic deskriptif.
2. Statistik Inferensial, statistik yang digunakan untuk menganalisis data sampel dan hasilnya akan
digeneralisasikan untuk populasi dimana sampel diambil.
1. Statistik Parametris, untuk menganalisis data interval atau rasio yang diambil dari populasi yang
berdistribusi normal.
2. Statistik Non Parametris, untuk menganalisis data nominal dan ordinal dari populasi yang bebas
distribusi.
G. Macam-Macam Data Penelitian
1. Data Kualitatif, data yang berbentuk kalimat, kata, atau gambar.
2. Data Kuantitatif, data yang berbentuk angka, atau data kualitatif yang diangkakan (scoring). Data
kuantitatif dibagi menjadi:
1. Data Diskrit, data dari hasil menghitung. (Data nominal)
2. Data Kontinum, data dari hasil pengukuran, dibagi menjadi tiga :
i. Ordinal, data berjenjang atau berbentuk peringkat. Jarak data yang satu dengan lainnya mungkin
tidak sama. Contoh : Juara I, II, III.
ii. Interval, data yang jaraknya sama tetapi tidak mempunyai data nol absolute (mutlak). Pada data ini,
walaupun datanya nol, tetapi masih mempunyai nilai. Contoh: nol derajat celcius.
iii. Ratio, data yang jaraknya sama dan mempunya nilai nol absolut. Contoh: Ukuran panjang / berat.
Data ini bisa dibuat penjumlahan dan perkalian.
BAB 2
Statistika – Bab 2
OCTOBER 29, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB II
STATISTIK DESKRIPTIF
A. Pengertian Statistik Deskriptif
Adalah statistik yang berfungsi untuk mendeskripsikan atau memberi gambaran terhadap obyek yang
diteliti melalui data sampel atau populasi sebagaimana adanya, tanpa melalukan analisis dan membuat
kesimpulan yang berlaku untuk umum.
B. Penyajian Data
Prinsip dasar penyajian data adalah komunikatif dan lengkap. Menarik perhatian pembacanya dan mudah
dipahami.
1) Tabel
Tabel terdiri dari dua macam : a. Tabel biasa dan b. Tabel distribusi frekuensi
Dari data mentah di atas dapat disusun ke dalam table dibawah ini:
TABEL 2.1
KOMPOSISI PENDIDIKAN PEGAWAI
POLITEKNIK LP3I JAKARTA KAMPUS BLOK M
N Bagian Tingkat Pendidikan Jumlah
o
S1 D3 SMTA
1 Pemasaran 2 3 5 10
2 Akademik 4 2 1 7
3 Keuangan 1 1 3 5
4 Penempatan 1 0 1 2
Jumlah 8 6 10 24
1 Nengwida 780 1
2 Harti 560 2
3 Nunung 440 3
4 Puspita 420 4
5 Iwan 300 5
TABEL 2.3
TINGKAT KEPUASAN KERJA PEGAWAI
N Aspek Kepuasan Kerja Tingkat Kepuasan
o
1 Gaji 37.58
2 Insentif 57.18
3 Transportasi 68.60
4 Perumahan 48.12
1 10 – 19 1
2 20 – 29 6
3 30 – 39 9
4 40 – 49 31
5 50 – 59 42
6 60 – 69 32
7 70 – 79 17
8 80 – 89 10
9 90 – 99 2
Jumlah 150
b) Pada setiap kelas mempunyai kelas interval. Interval nilai bawah dengan atas disebut panjang
kelas.
d) Tabel distribusi frekuensi tersebut bila mau dibuat menjadi tabel biasa akan memerlukan 150 baris
(n=150) jadi akan sangat panjang.
a) Berdasarkan Pengalaman, berdasarkan pengalaman jumlah kelas interval yang digunakan dalam
menyusun tabel distribusi frekuensi berkisar antara 6 sd 15 kelas.
Rumus Sturges :
K = 1 + 3,3 log n
Dimana :
log = Logaritma
K = 1 + 3,3 log 200 = 1 + 3,3 * 2,30 = 8,59 dapat dibulatkan menjadi 8 atau 9
27 79 69 40 51 88 55 48 36 61
53 44 93 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 36 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 89 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67
K = 1 + 3,3 log 150 =1+ 3,3 * 2,18 = 8,19 Boleh 8 atau 9. Kita gunakan 9.
b) Hitung rentang data, yaitu data terbesar dikurangi data terkecil kemudian ditambah 1. Data terbesar
93 dan terkecil 13.
Jadi 93 – 13 = 80 + 1 = 81
c) Hitung panjang kelas
Panjang Kelas = Rentang : Jumlah Kelas; 81 : 9 = 9. Walau dari hitungan panjang kelas 9, tetapi pada
penyusunan tabel ini digunakan panjang kelas 10.
Secara teoritis penyusunan kelas dimulai dari data terkecil, yaitu 13. Tetapi supaya komunikatif maka
dimulai dengan angka 10
Dengan cara mencoret data yang telah dimasukkan dimulai dari paling awal (27) yang masuk ke kelas no
2 (20-29) dan seterusnya data 53 dengan tally di setiap kelas tersedia. Jumlah tally harus sama dengan
jumlah data. Setelah frekuensi ditemukan lalu tally dihilangkan.
TABEL 2.5
PENYUSUNAN TABEL DISTRIBUSI FREKUENSI
DENGAN TALLY
No Kelas Kelas Interval Tally Frekuensi (f)
1 10 – 19 I 1
2 20 – 29 IIIII I 6
3 30 – 39 IIIII IIII 9
8 80 – 89 IIIII IIIII 10
9 90 – 100 II 2
Jumlah : 150
TABEL 2.6
DISTRIBUSI FREKUENSI KUMULATIF
NILAI STATISTIKA 150 MAHASISWA
Kurang Dari Frekuensi Kumulatif
Kurang dari 20 1
Kurang dari 30 7
Kurang dari 40 16
Kurang dari 50 47
Kurang dari 60 89
TABEL 2.7
DISTRIBUSI FREKUENSI RELATIF
NILAI STATISTIKA 150 MAHASISWA
No Kelas Kelas Interval Frekuensi Relatif (%)
1 10 – 19 1 0,67
2 20 – 29 6 4,00
3 30 – 39 9 6,00
4 40 – 49 31 20,67
5 50 – 59 42 28,00
6 60 – 69 32 21,33
7 70 – 79 17 11,33
8 80 – 89 10 6,67
9 90 – 100 2 1,33
Jumlah : 100
3) Grafik
Dibuat untuk menunjukan perkembangan suatu keadaan. Perkembangan tersebut bisa naik dan bisa
turun.
Adakalanya supaya penyajiannya lebih menarik dan komunikatif maka penyajian data dibuat dalam
bentuk pictogram.
1) Modus (Mode), adalah nilai yang sering muncul dalam kelompok.
Contoh:
Hasil observasi terhadap umur pegawai di Departemen X adalah: 20, 45, 60, 56, 45, 45, 20, 19, 57, 45,
45, 51, 35. Untuk mengetahui modus umur dari pegawai maka dilihat data yang paling sering muncul,
yaitu 45 sebanyak 5 data.
2) Median, adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai tengah dari
kelompok data yang telah disusun urutannya dari yang terkecil sampai yang terbesar atau sebaliknya.
Contoh Jumlah data ganjil. Dari data umur pegawai di atas diurutkan menjadi : 19, 20, 20, 35, 45, 45, 45,
45, 45, 51, 56, 57, 60. Nilai tengahnya adalah data ke 7 yaitu 45.
Contoh jumlah data genap (10 data). Data tinggi badan pegawai 145, 147, 167, 166, 160, 164, 165, 170,
171, 180 cm. Diurutkan (dari yang paling besar atau dari yang paling kecil) 180, 171, 170, 167, 166, 165,
164, 160, 147, 145 cm. Nilai tengahnya adalah dua angka yang ditengah dibagi 2. (166 + 165)/2 = 165,5
cm.
3) Mean, adalah teknik penjelasan kelompok yang didasarkan atas nilai rata-rata dari kelompok
tersebut. Rata-rata (mean) didapat dengan menjumlahkan data seluruh individu dalam kelompok itu,
kemudian dibagi dengan jumlah individu yang ada pada kelompok tersebut.
Me = ∑ xi / n
Rumus Mean :
Contoh : Sepuluh pegawai PT Sentosa berpenghasilan sebulannya dalam dolar seperti berikut : 90, 120,
160, 60, 180, 190, 90, 180, 70, 160.
Me = (90+120+160+60+180+190+90+180+70+160) : 10 = 130
4) Menghitung Modus, Median, Mean untuk data Bergolong. (Tersusun dalam Tabel Distribusi
Frekuensi)
TABEL 2.8
DISTRIBUSI NILAI KEMAMPUAN MANAJERIAL
100 PEGAWAI PT SAMUDRA
Interval Nilai Kemampuan Frekuensi / Jumlah
21 – 30 2
31 – 40 6
41 – 50 18
51 – 60 30
61 – 70 20
71 – 80 10
81 – 90 8
91 – 100 6
Jumlah 100
Berdasarkan data di tabel di atas hitunglah Modus, Median, Mean.
Menghitung Modus
Rumus Modus
Dimana :
Mo = Modus
b1 = Frekuensi pada kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
b2 = Frekuensi kelas modus dikurangi frekuensi kelas interval berikutnya
Dari tabel 2.8 maka ditemukan :
b1 = 30 – 18 = 12
b2 = 30 – 20 = 10 jadi
Modusnya = 50,5 + 10 ( 12/(12+10) ) = 55,95
Menghitung Median
Rumus Median
½ n – F
Md = b + p (
)
f
Dimana :
Md = Median
Setengan dari data (1/2 n) = ½ x 100 = 50. Jadi median terletak pada interval ke empat, karena sampai
interval ini jumlah frekuensi sudah lebih dari 50 tepatnya 56. Dengan demikian pada interval ke empat
merupakan kelas median batas bawahnya (b) adalah 51 – 0,5 = 50,5. Panjang kelas mediannya (p)
adalah 10, dan frekuensi = 30. Adapun F nya = 2 + 6 + 18 = 26
Menghitung Mean
Untuk lebih mudah kita buat tabel sebagai berikut terlebih dahulu:
TABEL 2.9
DISTRIBUSI NILAI KEMAMPUAN MANAJERIAL
100 PEGAWAI PT SAMUDRA
INTERVAL NILAI xi fi fi xi
41 – 50 45,5 18 819
51 – 60 55,5 30 1.665
61 – 70 65,5 20 1.310
71 – 80 75,5 10 755
81 – 90 85,5 8 684
91 – 100 95,5 6 573
Rumus Mean :
Dimana :
1. Rentang Data
Rentang data (range) dapat diketahui dengan mengurai data yang terbesar dengan data terkecil yang
ada pada kelompok itu.
R = xt – xr
Dimana :
R = Rentang
Sepuluh pegawai di PT Damai memiliki gaji (dalam dolar) 50, 75, 150, 170, 175, 190, 200, 400, 600, 700
Data terkecil = 50
R = 700 – 50 = 650
2. Varians :
Varians adalah salah satu teknik yang digunakan untuk menjelaskan homogenitas kelompok.
Varians : Jumlah kuadrat semua deviasi nilai-nilai individual terhadap rata-rata kelompok
Contoh Tabel cara menghitung varians dan simpangan baku sekelompok mahasiswa yang berjumlah 10
orang yang selanjutnya diberi symbol xi. Dari nilai 10 orang tersebut rata-rata x (mean) adalah :
x = (60+70+65+80+70+65+75+80+70+75)/10 = 71
Jarak antara nilai individu dengan rata-rata disebut simpangan. Simpangan (deviasi) mahasiswa no 1
adalah 60 – 71 = -11 dan seterusnya. Jumlah simpangan (xt – xr) jumlahnya harus nol.
TABEL 2.10
CARA MENGHITUNG VARIANS DAN SIMPANGAN BAKU
NILAI 10 MAHASISWA
NO NILAI SIMPANGAN _ SIMPANGAN KUADRAT _
3 65 -6 36
4 80 9 81
5 70 -1 1
6 65 -6 36
7 75 4 16
8 80 9 81
9 70 -1 1
10 75 4 16
S = √39 = 6,2450
Contoh :
Data Kelompok 2 : 104, 106, 108, 110, 112, 114, 116
= 10
= 110
TABEL 2.11
TABEL PENOLONG UNTUK MENGHITUNG
STANDAR DEVIASI DARI DATA BERGOLONG
Interval Nilai fi xi _xi – x _(xi – x )2 _fi (xi – x)2
21 – 30 2 25,5 -35,2 1.239,04 2.478,08
_
S = √ Σfi ( xi – x )2
(n-1)
Statistika – Bab 3
OCTOBER 30, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB III
POPULASI, SAMPEL, DAN PENGUJIAN NORMALITAS
A. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas obyek/subyek yang mempunyai kualitas dan
karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
B. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh populasi. Sampel yang baik harus
dapat mewakili keseluruhan populasi dan hasil penelitian dapat diterapkan keseluruh populasi.
C. Teknik Sampling
Teknik sampling adalah teknik pengambilan sampel. Teknik sampling bisa dibagi dua yang terlihat pada
gambar di bawah ini:
1. Probability Sampling
Teknik pengambilan sampel yang memberikan peluang yang sama bagi setiap unsur/anggota populasi
untuk dipilih menjadi anggota sampel.
d. Cluster sampling
Bila objek yang diteliti sangat luas, misal penduduk suatu negara, propinsi atau kabupaten
Caranya :
Sampel ditentukan bertahap dari wilayah negara sampai kabupaten, setelah terpilih sampel terkecil baru
sampel dipilih secara acak
Contoh : Indonesia terdiri atas 33 propinsi, sampelnya akan diambil misalnya 15 propinsi secara acak.
Setiap propinsi berstrata tidak sama, ada yang padat ada yang tidak, ada hutannya banyak/tidak, ada
yang barang tambangnya banyak atau tidak, dll
2. Nonprobability Samling
Teknik pengambilan sampel yang tidak memberi peluang/kesempatan sama bagi setiap unsur/anggota
poulasi untuk dipilih menjadi sampel
a. Sampling Sistematis
Teknik pengambilan sampel berdasarkan urutan yang telah diberi no urut
Misal : anggota populasi yang terdiri dari 100 orang, dan telah diberi no urut
Pengambilan sampelnya bisa no ganjil saja atau genap saja atau kelipatan dari bilangan tertentu
b. Sampling Kuota
Teknik untuk menentukan sampel dari populasi dengan ciri tertentu sampai jumlah (kuota) yang
diinginkan.
Contoh : penelitian kepuasan layanan mau dilakukan terhadap 100 orang pembeli mobil avanza, maka
selama belum tercapai 100 orang, , penelitian belum dianggap selesai
c. Sampling Insidental
Teknik penentuan sampel berdasarkan kebetulan/secara kebetulan bertemu dengan peneliti dan
dipandang cocok.
d. Sampling Purposive
Teknik penentuan sampel dengan pertimbangan tertentu
Contoh : penelitian tentang kualitas makanan, maka sampelnya harus ahli makanan.
f. Snowball Sampling
Teknik pengumpulan sampel, yang mula-mula jumlahnya kecil kemudian membesar
Dengan menggunakan Tabel 3.1 bila jumlah pupulasi = 1000, kesalahan 5%, maka jumlah sampelnya =
258, karena populasinya berstrata, maka sampelnya juga berstrata. Stratanya ditentukan menurut jenjang
pendidikan. Dengan demikian masing-masing sampel untuk tingkat pendidikan harus proporsional sesuai
dengan pupulasi. Berdasarkan perhitungan dengan cara berikut ini jumlah sampel untuk kelompok S1 =
13, Sarjana Muda (SM) = 77, SMK = 129, SMP = 26, dan SD = 13.
Jadi jumlah sempelnya = 12,9 + 77,4 + 129 + 25,8 + 12,9 = 258. Jumlah yang pecahan bisa dibulatkan,
sehingga jumlah sampel menjadi 13 + 77 + 129 + 26 + 13 = 258.
Pada perhitungan yang menghasilkan pecahan (terdapat koma) sebaiknya dibulatkan ke atas sehingga
jumlah sampelnya lebih 259. Hal ini lebih aman daripada kurang dari 258. Gambaran jumlah populasi dan
sampel dapat ditunjukkan pada gambar 3.8 berikut:
Gambar 3.2
2) Bila data tidak normal, teknik statistik parametris tidak dapat digunakan untuk analisis
Suatu data membentuk distribusi normal bila jumlah data di atas dan di bawah rata-rata adalah sama,
demikian juga simpangan bakunya
Lihat gambar :
2 4 6 8 10
2,27 % 13,59 % 34,13 % 34,13 % 13,59 %
34,13 %
1 S 1 S
2 S 2 S
3 S 3 S
Penjelasan
– Secara teoritis, kurva tidak akan pernah menyentuh garis dasar, sehingga luasnyapun tidak
sampai 100 %, tetapi hanya mendekati (99,999 %)
– Bentuk kurva sistematif : luas rata-rata mean ke kiri dan ke kanan masing-masing mendekati 50
%, tetapi dalam prakteknya dinyatakan dalam 50 %
– Disamping kurva normal umum, terdapat kurva normal standar, karena nilai rata-ratanya = 0, dan
simpangan bakunya = 1,2,3,4 dst
Kurva normal umum dapat dirubah ke dalam kurva normal standar, dengan rumus :
_
Z = (xi – x )
s
Dimana :
KURVA NORMAL STANDAR
RATA-RATA 0, SIMPANGAN BAKU 1,2,3
Prosentase Luas Kurva Normal
2,27 % 13,59 % 34,13 % 34,13 % 13,59 % 34,13 %
1 S 1 S
2 S 2 S
3 S 3 S
1. Contoh Penggunaan Kurva normal
Terdapat 200 mahasiswa yang ikut ujian mata kuliah statistik. Nilai rata-ratanya adalah 6 dan
simpangan bakunya adalah 2. Berapa orang yang mendapat nilai 8 ke atas ?
Jawab :
S = 2
Maka
_
z = (xi – x ) = (8 – 6) = 1 = 34,13 %
s 2
Dibulatkan = 32 orang
1. c. Pengujian Normalitas Data
Statistik parametris didasarkan atas asumsi bahwa data setiap variabel dianalisis berdasakan
distribusi normal.
Sebelum menggunakan teknik statistik parametris, maka kenormalan data harus diuji terlebih
dahulu.
Bila data tidak normal, maka statistik parametris tidak dapat digunakan, sehingga digunakan
statistik non parametris.
Penyebab ketidaknormalan data : kesalahan alat dan pengumpulan data.
Pengujian normalitas data menggunakan Chi Kuadrat (Χ 2), dilakukan dengan cara
membandingkan kurva normal yang terbentuk dari data yang telah terkumpul (B) dengan kurva
normal baku/standar (A) atau (B : A)
Bila B tidak berbeda secara signifikan dengan A, maka B merupakan data yang berdistribusi
normal.
Rata-rata 0, Simpangan Baku, 1,2,3
? ?
? ?
? ?
Distribusi data yang akan diuji normalitasnya
Semua Data harus dikelompokkan menjadi 6 kelas, sesuai 6 bidang kurva normal
Contoh
INTERVAL F
13 – 2728 – 42 321
43 – 57 56
58 – 72 45
73 – 87 21
88 – 102 4
Langkah-langkah
1. Menentukan jumlah kelas interval. Jumlah kelas interval disesuaikan dengan jumlah bidang = 6
2. Menentukan panjang kelas interval
Panjang kelas = (Data terbesar – Dat terkecil)
6
1. Menyusun ke dalam tabel distribusi frekuensi, sekaligus tabel penolong untuk menguji harga chi
kuadrat hitung
2. Menghitung fh (frequensi yang diharapkan)
Prosentasi luas tiap bidang kurva x jumlah total data
1. Menghitung total (fo-fh)2
fh
1. 6. Membandingkan harga chi Kuadrat Hitung dengan Chi Kuadrat Tabel. Jika Chi kuadrat
hitung lbih kecil dari chi kuadrat Tabel, maka distribusi data dinyatakan normal, dan bila lebih bsar
dinyatakan tidak normal
Tabel Penolong untuk pengujian Normalitas Data dengan Chi Kuadrat
INTERVAL Fo Fh = ( % x n) Fo-fh (fo-fh)2 (fo-fh)2fh
13 – 27 3 42051 -115 1125 0,250,050,49
28 – 42 21 51 -6 36 0,70
43 – 57 56 20 1 1 0,05
58 – 72 45 4 0 0 0
73 – 87 21
88 – 102 4
JUMLAH 150 150 0
1,55
Bandingkan Chi Kuadrat Hitung dengan Chi Kuadrat Tabel
db = 6-1 : 5
tingkat kesalahan : 5 %
Adalah : 11,070
Kesimpulan :
Jika Chi Kuadrat Hitung < Chi Kuadrat Tabel, maka data dinyatakan normal, tapi
Jika Chi Kuadrat Hitung > Chi Kuadrat Tabel, maka data dinyatakan tidak normal,
Hasil :
Karena Chi Kuadrat Hitung (1,55) < Chi Kuadrat Tabel (11,070), maka data dinyatakan normal,
Statistika – Bab 4
NOVEMBER 9, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB IV
KONSEP DASAR PENGUJIAN HIPOTESIS
A. Statistik dan Penelitian
Dalam statistik hipotesis dapat diartikan sebagai pernyataan statistik tentang parameter populasi.
Terdapat perbedaan mendasar pengertian hipotesis menurut statistik dan penelitian. Dalam penelitian,
hipotesis diartikan sebagai jawaban sementara terhadap rumusan masalah penelitian.
Contoh :
Contoh :
Suatu bimbingan tes menyatakan bahwa murid yang dibimbing di Lembaga itu, paling sedikit 90% dapat
diterima di Perguruan Tinggi Negeri. Rumusan hipotesis statistiknya adalah :
Ho : µ ≥ 0,90
Ha : µ < 0,90
2. Hipotesis Komparatif
Adalah pernyataan yang menunjukan dugaan nilai dalam satu variabel atau lebih pada sampel yang
berbeda.
Contoh :
“Apakah ada perbedaan produktivitas kerja antara pegawai golongan I, II, III?”
Rumusan Hipotesis :
Rumusan Statistiknya :
Adalah suatu pernyataan yang menunjukan dugaan tentang hubungan antara dua variabel atau lebih.
Contoh :
Rumusan Statistiknya :
Ho : ρ = 0
Ha : ρ ≠ 0
1. A point astimate : suatu taksiran parameter populasi berdasarkan satu nilai data sampel. Contoh :
Daya tahan kerja orang Indonesia 10 jam/hari.
2. Interval estimate : suatu taksiran parameter populasi berdasarkan nilai interval data sampel.
Contoh : Daya tahan kerja orang Indonesia antara 8 sampai dengan 12 jam/hari.
3. Dua Kesalahan dalam Pengujian Hipotesis
Dalam menaksir parameter populasi berdasarkan data sampel, kemungkinan akan terdapat dua
kesalahan yaitu :
1. Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar
(seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan α (alpha).
2. Kesalahan Tipe II adalah kesalahan bila menerima hipotesis yang salah (seharusnya ditolak).
Tingkat kesalahan untuk ini dinyatakan dengan β (betha).
Statistika – Bab 5
NOVEMBER 9, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB V
PENGUJIAN HIPOTESIS KOMPARATIF
Terdapat 2 model komparasi
Dalam pengujian hipotesis komparatif 2 sampel atau lebih, terdapat berbagai teknik statistik yang dapat
digunakan. Untuk data interval dan rasio digunakan statistik parametris sedangkan untuk data
nominal/diskrit dapat digunakan statisik non parametris.
Statistik Parametris
Statistik parametris yang digunakan untuk menguji hipotesis komparatif rata-rata dua sampel bila datanya
berbentuk interval atau ratio adalah dengan menggunakan t-test
_ _
Contoh :
Dilakukan penelitian untuk mengetahui ada tidaknya perbedaan produktivitas kerja pegawai PT
Meregehese sebelum dan setelah diberi kendaraan dinas. Berdasarkan 25 sampel pegawai yang dipilih
secara random dapat diketahui bahwa produktivitas pegawai sebelum dan sesudah diberi kendaraan
dinas adalah seperti yang ditunjukkan pada Tabel berikut :
Ho : Tidak terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
Ha : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
NO RESPONDEN
PRODUKTIFITAS
SESUDAH (X2)
SEBELUM (X1)
1 75 85
2 80 90
3 65 75
4 70 75
5 75 75
6 80 90
7 65 70
8 80 85
9 90 95
10 75 70
11 60 65
12 70 75
13 75 85
14 70 65
15 80 95
16 65 65
17 75 80
18 70 80
19 80 90
20 65 60
21 75 75
22 80 85
23 70 80
24 90 95
25 70 75
dk = n1 + n2 – 2 = 50 – 2 = 48
Karena t thitung di sebelah kiri t tabel, atau berada di daerah penolakan Ho, maka Ho ditolak atau Ha
diterima
Kesimpulan : Terdapat perbedaan nilai produktivitas kerja pegawai antara sebelum dan setelah
mendapatkan kendaraan dinas
Mc Nemar Test : berbentuk “before after”/sebelum dan sesudah perlakuan dalam bentuk segi 4 ABCD
berikut :
SEBELUM
SESUDAH
– +
+ A B
– C D
Tanda (+) dan (-) dipakai untuk menandai jawaban yang berbeda.
Seseorang dicatat dalam sel A jika berubah dari positif (+) ke negatif (-) dan dicatat di sel D jika berubah
dari negatif (-) ke positif (+).
Uji signifikansi hanya berkenaan dengan A dan D,sehingga rumus Chi kuadrat menjadi :
dengan dk = 1
Contoh :
Suatu perusahaan ingin mengetahui pengaruh sponsor yang diberikan dalam suatu pwertandingan olah
raga terhadap nilai penjualan barangnya. Dalam penelitian ini digunakan sampel yang diambil secara
random yang jumlah anggotanya 200 orang. Sebelum sponsor diberikan, terdapat 50 orang yang
membeli barang tersebut dan 150 orang tidak membeli.
Setelah sponsor diberikan dalam pertandingan dalam pertandingan olah raga ternyata dari 200 orang
tersebut terdapat 125 orang yang membeli dan 75 orang tidak membeli. Dari 125 orang tersebut terdiri
dari pembeli tetap 40 orang dan yang berubah dari tidak membeli menjadi membeli ada 85 orang.
Selanjutnya dari 75 orang yang tidak membeli itu terdiri atas yang berubah dari membeli menjadi tidak
membeli ada 10 orang dan yang ettap tidak membeli ada 65 orang.
SEBELUM ADA
SPONSOR SETELAH ADA SPONSOR
Untuk Keperluan pengujian, data tersebut harus disajikan dalam tabel ABCD sebgai berikut :
Keputusan
Tidak Membeli Membeli
Membeli 10 40
Tidak Membeli 65 85
Jumlah 75 125
Ho : Tidak terdapat perubahan (perbedaan) penjualan sebelum dan sesudah sponsor
Ketentuan : Bila Chi Kuadrat hitung ≤ Chi Kuadrat tabel, maka terima Ho
Karena Chi Kuadrat hitung > Chi Kuadrat tabel, maka tolak Ho atau terima Ha
Kesimpulan :
Komparatif k sampel
Untuk sampel lebih dari 2, Pengujian dilakukan dengan menganalisis apakah terdapat perbedaan nilai
rata-rata (mean) secara signifikan antar kelompok sampel satu dengan lainnya.
Misalnya penelitian yang dilakukan untuk mengetahui perbedaan disiplin kerja antar pegawai Negeri Sipil
(X1), Swasta (X2) dan BUMN (X3)
Sampel Berkorelasi
Teknik Statistik :
Statistik Parametrik
1. Analisis Varians :
Digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila datanya berbentuk interval atau
ratio
Contoh :
Bila ingin menguji hipotesis ada tidaknya perbedaan secara signifikan antara penghasilan Pegawai
Negeri Sipil, Petani, Pedagang dan Nelayan, maka digunakan ANOVA satu jalan, tetapi bila akan menguji
hipotesis ada tidaknya perbedaan secara siginifikan antara penghasilan Pegawai Negeri, Petani,
Pedagang dan Nelayan berdasarkan jenis kelamin (pria/wanita) maka digunakan 2 jalan.
SV
dk JUMLAH KUADRAT MK fh ft KEP
(JK)
Σ X tot2 – ( Σ X tot )2
tot N-1 N
( Σ X kel)2 – (Σ X ant)2
Σ
n kel N JK ant MK ant Fh > Ft
An m-1 Tab F Ha diterima
t
m -1 MK dal
N–m
Keterangan :
Tot = Total
Contoh soal :
Dilakukan penelitian untuk mengetahui pengaruh alat kerja baru terhadap tingkat produktivitas kerja di
perusahaan sepatu. Penelitian menggunakan sampel yang terdiri atas 15 orang yang diambil secara
random. Penelitian dilakukan dengan cara mengukur produktivitas karyawan sebelum menggunakan alat
kerja baru, dan sesudah menggunakan 3 bulan dan 6 bulan. Jadi karyawan yang digunakan sebagai
sampel adalah tetap, dan diulang selama 3 kali. Produktivitas kerja diukur dari jumlah pasang sepatu
yang dihasilkan setiap hari. Produktivitas selama 3 periode itu selanjutnya disusun ke dalam Tabel
berikut :
Tabel Produktivitas Kerja Karyawan (X1, X2, X3) selama tiga Periode Pengukuran,
Produktivitas sebelum memakai Produktivitas setelah 3 bulan Produktivitas setelah 6 bulan
NO alat baru (X1) memakai alat baru X2) memakai alat baru (X3)
1 12 13 18
2 13 15 18
3 10 12 14
4 15 18 20
5 13 15 15
6 14 17 19
7 10 18 20
8 12 20 21
9 13 14 18
10 14 16 17
11 13 18 17
12 10 16 19
13 13 15 16
14 10 13 17
15 15 16 14
Hipotesis Penelitian :
Syarat ANOVA :
Pengujian homogenitas :
Varians terkecil
3,12
– penyebut = dk – 1 = 15 – 1 = 14
Selanjutnya karena setelah terbukti varians data homogen, maka perhitungan ANOVA dapat dilanjutkan
12 144 13 169 18 324 43 637
N1 = 15 N2 = 15 N3 = 15 N = 45
F hitung = 23, 56
F tabel (dk )
– pembilang = m-1 = 3 -1 = 2
Kesimpulan :
Total 45-1 = 44 374,3 – Fh > Ft
Share this:
Statistika – Bab 6
NOVEMBER 9, 2012 · MATA KULIAH , STATISTIKA
Print Post
Email
AUTHORS
Herry Syafrial
BAB VI
PENGUJIAN HIPOTESIS ASOSIATIF
Hipotesis Asosiatif
Merupakan dugaan tentang adanya hubungan antar variabel dalam populasi, yang akan diuji melalui
hubungan antar variabel dalam sampel.
Langkah pertama pembuktian : perlu dihitung terlebih dahulu koefisiensi korelasi yang ada pada sampel
untuk diberlakukan pada seluruh populasi.
Bila penelitian dilakukan untuk seluruh populasi, maka tidak diperlukan pengujian signifikansi terhadap
koefisien korelasi yang ditemukan, yang berarti peneliti tidak perlu merumuskan dan menguji instrumen
statistik
1. Simetris
2. Sebab akibat (kausal)
3. Interaktif (saling mempengaruhi)
Korelasi : angka yang menunjukkan arah dan kuatnya hubungan antar variabel.
Arah : dinyatakan dalam bentuk hubungan positif (+) atau negatif (-)
Hubungan variabel dinyatakan positif bila kenaikan nilai variabel yang satu mengakibatkan kenaikan nilai
variabel yang lain, dan sebaliknya bila nilai penurunan nilai variabel yang satu mengakibatkan penurunan
nilai variabel yang lain
Hubungan variabel dinyatakan negatif bila kenaikan nilai variabel yang satu justru mengakibatkan
penurunan nilai variabel yang lain dan sebaliknya penurunan nilai variabel yang satu justru
mengakibatkan kenaikan nilai variabel yang lain
Contoh (+) : hubungan antara tinggi curah hujan dengan es yang terjual
Artinya : kejadian variabel yang satu dapat dijelaskan secara sempurna oleh variabel yang lain, tanpa
melakukan kesalahan sedikitpun
Besarnya koefisien korelasi dapat diketahui dengan penyebaran pertemuan titik-titk antar variabel x dan y
:
MACAM/TINGKATAN
DATA TEKNIK KORELASI
8.1.1 Statistik Parametris
r xy = Σ xy
√ Σ x2 y2
dimana :
x = (xi – x) dan
y = (yi – y)
Rumus di atas digunakan bilamana kita sekaligus akan mencari persamaan regresinya
Contoh soal
Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan dan pengeluaran.
Untuk keperluan tersebut telah dilakukan pengumpulan data terhadap 10 responden yang diambil secara
random. Berdasarkan 10 responden tersebut diperoleh data tentang pendapatan (x) dan pengeluaran (y)
per bulan dalam ribuan sebagai berikut :
x = 800 900 700 600 700 800 900 600 500 500
y = 300 300 200 200 200 200 300 100 100 100
Ho : Tidak ada hubungan antara pendapatan dan pengeluaran
atau :
Ho : ρ = 0
Ha : ρ ≠ 0
1 8 3 1 1 1 1 1
2 9 3 2 1 4 1 2
3 7 2 0 0 0 0 0
4 6 2 -1 0 1 0 0
5 7 2 0 0 0 0 0
6 8 2 1 0 1 0 0
7 9 3 2 1 4 1 2
8 6 1 -1 –1 1 1 1
9 5 1 –2 -1 4 1 2
10 5 1 2 –1 4 1 2
Σ = 70 Σ = 20 0 0 20 6 10
_ _
X=7 Y=2
Kesimpulan :
Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran setiap bulannya, dimana
semakin besar pendapatan, semakin besar pula pengeluaran
Pertanyaan :
Perlu dibandingkan dengan t tabel, dengan tarap kesalahan tertentu (Tabel III)
Ternyata r hitung ( 0,9129) > r tabel ( 0,632), sehingga tolak Ho atau terima Ha
Kesimpulan : Hubungan positif antara pendapatan dengan pengeluaran dengan nilai korelasi sebesar
0,9129 dapat digeneralisasikan
Koefisien Determinasi
r 2 = (0,9129) 2
= 0,83
Artinya :
INTERVAL KOEFISIEN
TINGKAT HUBUNGAN
1. 2. Korelasi Ganda (Multiple Correlation) :
Angka yang menunjukkan arah dan kuatnya hubungan antara 2 variabel independen atau lebih secara
bersama-sama dengan satu variabel dependen :
Contoh :
r1
r3 R
r2
X1 = Kepemimpinan
Contoh :
Misalnya dari suatu penelitian yang berjudul :”Kepemimpinan dan Tata Ruang Kantor dalam kaitannya
dengan Kepuasan Kerja Pegawai di Lembaga A”. Berdasarkan data yang terkumpul untuk setiap
variabel, dan setelah dihitung korelasi sederhananya ditemukan sebagai berikut
R2 / k
Fh =
(1 – R 2 ) / (n – k – 1)
Dimana :
Berdasarkan nilai yang ada, dan bila n = 30, maka nilai Fh tersebut adalah :
F Tabel :
dk pembilang = k = 2
dk penyebut = (n – k – 1) = 10 – 2 – 1 = 7
Kesimpulan : Koefisien Korelasi ganda signifikan atau dapat diberlakukan untuk populasi
Print Post
Email
AUTHORS
Herry Syafrial
UJIAN TENGAH SEMESTER STATISTIKA
TAHUN AKADEMIK 2012 – 2013
SEMESTER / SKS : V /2
1. Apa yang dimaksud dengan Penelitian?
2. Jelaskan tentang peran statistik dalam penelitian?
3. Jelaskan macam-macam data!
4. Apa yang dimaksud dengan statistik deskriptif?
5. Buatlah contoh penyajian data yang menggunakan :
a. Tabel Biasa b. Grafik Garis c. Piechart
6. Mana yang lebih homogen dari kelompok berikut:
1. 2 8 2 10 11 17 8 10 8
2.
1. 8 8 7 8 8 6 8 7 4 8
No Kelas Kelas Interval Frekuensi
1 10 – 19 3
2 20 – 29 14
3 30 – 39 15
4 40 – 49 20
5 50 – 59 10
6 60 – 69 6
7 70 – 79 2