Disusun Oleh:
TERESIANA SUSI
NIM. 1701006630-11
Semester - IV (Genap)
TAHUN 2021
PERTEMUAN I
Mahasiswamampumenjelaskankonsep-konsepdasar statistik
1. Data
a. Pengertian Statistik
b. Fungsi dan Kegunaan Statistik
A. Pengertian Statistik
Sarana berpikir ilmiah dalam bidang filsafat, terutama sekali dalam bidang
Filsafat Ilmu, menggunakan bermacam cara, antara lain (1) bahasa, (2) logika, (3)
matematika dan (4) statistik. Kalau ditelusuri lebih spesifik, penggunaan logika,
membutuhkan waktu yang panjang dan mengalami kesulitan, kalau seseorang
peneliti lain ingin membuktikan kembali hasil logika tersebut karena sulit untuk
melakukan pengkajian ulang melalui penelitian ilmiah, mengikuti langkah-
langkah ilmiah yang pernah dilakukan seseorang dalam berlogika menemukan
sesuatu yang baru itu. Hasil perenungan tersebut perlu lagi dikaji dan dibuktikan
secara empiris dan iimiah untuk menemukan teori-teori baru dan universal. .
Bahasa adalah miliknya penelitian dengan pendekatan kualitatif, sedangkan
Statistik adalah pisau analisis penelitian dengan pendekatan kuantitatif. Statistik
dikembangkan oleh ahli Matematik untuk membantu manusia dalam
kehidupannya, secara matematis, dalam menghadapi berbagai persoalan yang
dihadapinya dalam kehidupan ini. Oleh karena itu Statistik adalah bagian dari
matematik. Pada awalnya Statistik lebih banyak muncul berupa angka-angka dari
suatu gejala atau fenomena dalam kehidupan bermasyarakat, seperti jumlah
penduduk, jumlah kecelakaan, jumlah siswa maupun perbandingan jumlah
penduduk kaya dalam suatu wilayah, namun perkembangan sekarang jauh lebih
luas lagi. Dengan menggunakan Ilmu Statistik yang tepat para peneliti atau bagian
perencanaan pada satu wilayah tingkat provinsi, tingkat kabupaten atau kota dapat
memperkirakan jumlah penduduk lima tahun yang akan datang. Kepala Dinas
Pendidikan Kabupaten atau Kota dapat meramalkan apakah Jumlah Penduduk
Usia Sekolah (school age population) Pendidikan Dasar, dan Pendidikan
Menengah di wilayahnya tahun–tahun mendatang akan bertambah atau akan
berkurang. Tentu saja hal ini akan sangat berpengaruh pada perencanaan program
selanjutnya. Demikian juga dengan pendapatan (income) di daerahnya. Perlu pula
diingat bahwa kalau data awalnya salah maka prediksinya juga akan jauh meleset.
Sehubungan dengan itu, Statistik bukan bekerja hanya dengan setumpuk
data yang telah terkumpul saja, tetapi jauh dari itu. Sebab kalau hanya
sekumpulan data semata, para penelti, pengolah data, atau individu yang bekerja
dalam bidang statistik, tidak pernah memahami: bagaimana data itu dikumpulkan,
siapa sumber datanya, apa teknik yang digunakan dalam pengumpulan data,
apakah dari populasi atau dari sampel, sehingga pemilihan teknik analisa data
sesuai dengan karakteristik menjadi sukar dan cendrung akan salah. Dari uraian di
atas dapat disimpulkan bahwa :
Statistik diartikan sebagai prosedur, cara-cara maupun aturan-aturan yang
berkaitan dengan pengumpulan, penyajian pengolahan, analisis, penafsiran dan
penarikan kesimpulan terhadap data yang berbentuk angka atau data yang
diangkakan dengan mnggunakan asumsi-asumsi tertentu.
B. Jenis Statistik dan Fungsi Statistik
1. Jenis Statistik
Dari 130 penduduk desa yang dalam gotong royong seperti data di atas,
peneliti hanya dapat menggambarkan kondisi sebagaimana adanya, sesuai dengan
jumlah % di atas. Penduduk desa H ternyata yang terbanyak hadir, yaitu 26.15 %,
dan paling sedikit adalah desa A dan C. Masing-masing A dan C, hanya hadir 7,
69 % dan seterusnya. Itulah apa adanya, peneliti tidak mengatakan yang hadir
mewakili semua desa dalam wilayah X, karena dari data yang dikumpulkan itu
mewakili desa X. (secara repserentatif ). Apakah tidak mungkin penduduk yang
datang ditunjuk oleh ketua RT-nya. Andaikata ya, ini berarti penduduk yang
datang diambil secara purposive sampling. Oleh karena itu, kehadiran penduduk
desa dalam gotong royong tidak dapat digeneralisasikan kepada semua penduduk
desa X.
Statistik Inferensial adalah sebagai prosedur, metode maupun aturan-aturan
yang berkaitan dengan pengumpulan, penyajian pengolahan, analisis, penafsiran
dan penarikan kesimpulan terhadap sampel dan hasilnya dapat digeneralisasikan
terhadap populasi. Besarnya sampel yang diambil hendaklah mewakili
(representatif) dari populasi. Oleh karena itu sebelum menggunakan Statistik
Inferensial, asumsi dasar yang pada masing-masing rumus hendaklah terpenuhi,
termasuk juga di dalamnya keterwakilan aspek yang diteliti secara konseptual,
validitas dan reliabilitas instrumen, keterwakilan populasi dalam sampel, serta
besarnya jumlah sampel sesuai dengan rumus yang digunakan. Generalisasi
menjadi sangat berarti karena informasi yang dikumpulkan hanya bersumber dari
sebagian kecil responden, namun mewakili populasi.
Statistik Inferensial banyak digunakan dalam kehidupan bermasyarakat,
kalau peneliti ingin menguji, membuktikan atau melihat hubungan atau pengaruh
satu atau beberapa variabel bebas (independent variables) terhadap variabel
terikat (dependent variables). Beberapa teknik yang sering digunakan adalah :
teknik korelasi, analisis regresi, analisis variansi dan analisis faktorial.
Contoh: Seorang peneliti melakukan penelitian : Pengaruh Motivasi
Berprestasi, Intelegernsi dan Nilai Tes Masuk Perguruan Tinggi
terhadap Hasil Belajar Tahun I, Mahasiswa Fakultas Y pada Universitas
Z.
Berhubung karena peneliti ingin melihat pengaruh tiga variabel bebas dan
satu bebas pada salah satu fakultas (Y) dalam Universitas Z, maka peneliti sejak
awal sudah harus mendudukkan rancangan penelitiannya. Jurusan/program studi
yang diambil harus mewakili pada Y. Besarnya sampel untuk masing-masing
jurusan harus seimbang dan mewakili jumlah mahasiswa jurusan masing-masing
dalam fakultas Y. Selanjutnya sampel yang diambil hendaklah dilakukan secara
random/acak, dengan terlebih dahulu menentukan besarnya ukuran (magnitude)
sampel dahulu secara benar, dengan mengikuti pola-pola penentuan sampel,
seperti menggunakan rumus: Tuckman, Slavin, atau Udinsky. Di samping itu,
instrumen yang digunakan harus valid dan reliabel. Populasi penelitian adalah
sebagai berikut:
Tabel 2. Populasi Penelitian menurut Jurusan dalam Fakultas Y
No. Jurusan Jumlah Mahsiswa
1. Sosiologi 125
2. Sejarah 76
3. Geografi 95
4. Politik 154
Total Mahasiswa 450
2. Fungsi Statistik
Statistik dan penelitian kuantitatif merupakan dua bidang ilmu yang saling
bersinggungan secara terpola dan terkendali. Di samping itu, Statistik merupakan
landasan kegiatan-kegitan penelitian kuanttatif, karena salah satu ciri utama
penelitian kuantitatif: data yang dihasilkan berupa angka dan teknik analisis data
yang digunakan rumus-rumus dalam Statistik. Dipihak lain, Statistik berfungsi
mengumpulkan, mengolah, menyajikan, data berupa angka dan selanjutnya
menarik kesimpulan berdasarkan data tersebut. Statistik merupakan pisau utama
dalam penyajian data, analisis data maupun dalam penarikan kesimpulan hasil
penelitian.
Penelitian kuantitatif tidak akan terlaksana dengan baik dan temuan
penelitian kuantitatif tidak akan benar kalau teknik analisis yang digunakan tidak
sesuai dengan kaidah-kaidah Statistik. Umpama dalam pengambilan populasi dan
sampel penelitian. Seandainya peneliti menggunakan teknik persentase dalam
pengambilan sampel penelitian, umpama 20%. Apa dasar pertimbangan ilmiah
yang dapat digunakan kalau mengambil sampel 20% itu? Bagaimana pula kalau
populasinya hanya 100 orang atau 101 orang. apakah tetap 20% atau dirubah
menjadi 100% ?.
Dengan menggunakan Statistik, peneliti perlu memahami karakteristik
populasi, sehingga dapat diketahui proporsi subjek dalam populasi yang
menentukan besaran proporsi sampel. Di samping itu, telah ditentukan pula
kesalahan sampling dan kesalahan pengukuran yang dapat ditolerir. Kesalahan
sampling tidak melebihi α = .05, sebab pembuktian hipotesis, minimal mengacu
pada α = .05. Apabila hasil yang didapat, korelasinya α = 0.06, maka hipotesis
kerja tersebut ditolak.
Seperti telah disinggung dalam fungsi dan kegunaan Statistik, Guilford
menekankan keterkaitan Statistik dan penelitian adalah sebagai berikut:
1. Statistik memungkinkan pencatatan data penelitian secara eksak.
2. Statistik memaksa peneliti menganut tahap pikir dan tata kerja yang definitif
dan eksak.
3. Statistik memberikan dasar-dasar untuk menarik kesimpulan/konklusi
melalui proses-proses yang mengikuti tat acara yang dapat diterima oleh
ilmu pengetahuan.
4. Statistik mengemukakan cara–cara meringkas data ke dalam bentuk yang
lebih banyak dan lebih mudah mengerjakannya.
5. Statistik memberikan landasan untuk meramalkan secara ilmiah tentang
bagaimana suatu gejala akan terjadi dalam kondisi-kondisi yang telah
diketahui.
6. Statistik memungkinkan peneliti menganalisa, dan menguraikan sebab-
akibat yang kompleks dan rumit, yang tanpa Statistik akan merupakan
peristiwa yang membingungkan atau kejadian yang tak teruraikan.
PERTEMUAN II
a. Jenis Data
b. Skala Pengukuran
A. Jenis Data
Data dapat diartikan sebagai sejumlah fakta dan informasi tentang sesuatu
keadaan, fenomena atau suatu masalah yang diterima, baik berupa angka, kata-
kata, atau bentuk lain; lisan maupun tulisan. Data yang baik dalam suatu
penelitian hendaklah memenuhi beberapa syarat, yaitu : (1) dapat dipercaya, (2)
konsisten, (3) objektif, dan (4) relevan, (5) sesuai dengan perkembangan (up to
date). Dapat dipercayai, berarti data tersebut dikumpulkan dengan menggunakan
instrumen yang baik dan benar serta dilaksanakan dengan baik pula. Konsisten
diartikan sebagai apabila data tersebut dikaji ulang dalam waktu yang relatif
pendek, data tidak berbeda secara berarti. Sedangkan objektif terkait dengan hasil
yang dicapai menggambarkan keadaan yang sebenarnya dan diproses secara benar
pula. Data yang terkumpul harus relevan dengan permasalahan yang
sesungguhnya. Oleh karena itu data yang dikumpulkan hendaklah mewakili
masalah atau fenomena yang akan dipecahkan. Jangan terjadi kesalahan tipe 3
dalam pembuktian hipotesisnya. Hipotesis diterima, tetapi bukan masalah yang
diteliti.
Data penelitian berdasarkan sumbernya dapat dibedakan dalam tiga
kategori, yaitu: (1) data primer, (2) data sekunder dan (3) data tertier.
Data primer adalah data yang diterima secara langsung dari objek yang
diteliti, dari tangan pertama. Umpama : Apabila peneliti tentang interaksi sosial
penduduk suku Minang, maka peneliti yang bersangkutan terjun langsung ke
daerah yang menjadi objek penelitian, dan peneliti mengamati secara langsung
interaksi penduduk tersebut. Peneliti dapat juga mengumpulkan data
menggunakan instrumen model Skala Sikap terhadap penduduk yang menjadi
sampel penelitian. Dalam kaitan ini pendekatan mixed method research akan
sangat membantu peneliti dalam menemukan data yang otentik dan dapat
dipercaya.
Data sekunder adalah data yang dikumpulkan merupakan data yang telah
diolah oleh instansi atau kelompok lain. Data yang diterima dalam bentuk
jadi/final, sehingga peneliti tidak mengolah lagi. Umpama : Data penduduk suatu
wilayah. Data tersebut telah diolah BPS, dan peneliti hanya “mengambilnya” saja
lagi. Ini berarti peneliti mengumpulkan data dari tangan kedua. Data skunder,
sangat tergantung pada ketepatan dan objektivitas pengolah data pada tahap
pertama. Andaikata pengolahan data pada tahap awal tidak dilakukan dengan baik
dan benar maka peneliti mewariskan pula yang data yang kurang tepat itu dalam
penelitiannya.
Data tertier adalah data yang diperoleh secara tidak langsung dari pihak
ketiga sehubungan dengan objek yang diteliti. Umpama : data tentang penduduk
miskin dalam suatu wilayah, yang disampaikan pihak ketiga. Pihak ketiga
menyampaikan informasi tersebut kepada peneliti, beserta sumber datanya. Untuk
data tertier ini, peneliti harus berhati-hati dan melakukan check and recheck
terhadap data tersebut.
Menurut sifatnya data penelitian dapat dibedakan dua kelompok pula, yaitu
(1) data kuantitatif, dan (2) data kualitatif. Data kuantitatif adalah data yang
berbentuk angka atau bilangan. Seperti: Jumlah karyawan 1000 orang.
Jumlah mahasiswa laki-laki 100 orang
Tinggi badan Yessi 95 cm.
Data kuantitatif dapat dibedakan lagi menjadi data diskrit dan kontinyu.
Data diskrit adalah data yang pasti dan eksak dari hasil menghitung. Umpama:
Jumlah anak keluarga Ahmadi 2 (dua) orang. Angka 2 menunjukkan jumlah
anaknya sekarang hanya dua orang, tidak mungkin 2,5 atau 1,5. Sedangkan data
kontinyu data tesambung/kontiyu dengan data sebelum dan data sesudahnya.
Umpama: Tinggi badan sesorang
160.5 161.5 162.5 163.5
.
160 161 162 163 164
Tinggi badan seseorang 162 cm, sebenarnya adalah antara 161.5 cm dan 162.5 cm
Sedangkan data kualitatif adalah data yang tidak berbentuk bilangan. Data
ini berupa kata-kata, atau bahasa. Umpama;
Hari ini cuaca baik sekali
Orang tua Yenni sedih karena anaknya sakit.
B. Skala Pengukuran
b. Skala Ordinal
Dalam pengukuran skala interval, jauh berbeda dari skala nominal dan
ordinal. Pada skala interval telah ada unit pengukuran. (unit of measurement)
tertentu, sehingga mempunyai jarak yang bersifat konstant.
Umpama: Secara berturut selama 7 hari, seorang peneliti mengukur dan
mengamati suhu badan seseorang. Hasilnya sebagai berikut:
Hari pertama 37o C Hari kelima 39.5oC
Hari kedua 38o C Hari keenam 40o C
Hari ketiga 39o C Hari ketujuh 38o
C Hari keempat 40o C
Dalam contoh di atas untuk mengukur panas badan seseorang digunakan
Celcius. Panas badan hari pertama, berbeda dengan hari kedua satu derajat
Celcius. Panas hari ketiga berbeda lagi dengan hari kedua. Panas badan hari ketiga
naik lagi satu derajat Celcius. Dapat juga dikatakan panas badan hari ketiga naik 2
derajat Celcius dari hari pertama. Panas badan ybs pada hari ketujuh 38 oC, sama
dengan panas badan hari kedua, namun lebih tinggi satu derajat dari hari pertama.
Skala interval tidak mempunyai nol mutlak, seperti dalam bilangan ratio.
Titik 0 dalam thermometer Celcius, tidak sama harganya dengan harga nol pada
bilangan ratio. Karena titik nol pada Celcius sama harganya dengan 32 pada
Fahrenheit. Masing-masing thermometer tersebut mempunyai unit pengukuran
sendiri-sendiri dan penempatan titik nol dilakukan secara “arbitrary”.
Dengan memperhatikan data dasar yang telah mempunyai unit pengukuran,
maka data interval dapat dirubah menjadi skala data ordinal dan selanjutnya dapat
pula dirubah menjadi klasifikasi seperti data nominal.
Contoh: Data Hasil penelitian tentang kemampuan dasar siswa (Inteligensi),
yang dikumpulkan dengan Tes. Kemampuan dasar, terhadap 30 orang sampel
penelitian, sebagai berikut:
143 115 111 119 75
149 117 114 88 130
125 118 115 94
128 112 116 93
130 115 119 90
135 117 97 88
134 118 92 95
Data interval tersebut dapat dalam bentuk data bergolong sebagai berikut:
Inteligensi Frekuensi
140 -159 2
120-139 6
100-119 15
80-99 6
60-79 1
Jumlah 30
Data dasar tersebut dapat lagi dimodifikasi dalam bentuk data ordinal
dengan mengelompokkan menjadi order : sangat tinggi, tinggi, sedang, kurang
dan kurang sekali.
Tinggi 8
Sedang 15
Kurang 7
Atau dapat juga dirubah menjadi lebih kompleks, sebagai berikut:
Tinggi Sedang Kurang
Laki-laki 4 7 3
Perempuan 4 8 4
Oleh karena itu dalam mengembangkan instrumen pengukuran perlu
dipertimbangkan dengan hati-hati, sehingga data yang terkumpul dapat diolah
dengan berbagai teknik Statistik sesuai dengan tujuan dan hasil yang ingin
dicapai.
Nilai Frekuensi
3.8 1
3.75 2
3.6 1
3.5 12
3.25 5
3.0 9
2.6 1
2.5 3
2.4 1
N 35
Dari data di atas dapat dikatakan bahwa 5 orang (14,28 %) dinyatakan
tidak lulus dalam mata kuliah Statistik, sedangkan ujian sebanyak 30 orang
(85,72%).
Apabila jarak nilai atau skor terendah dengan tertinggi cukup lebar, dan N
sampel cukup besar maka sebaiknya peneliti menggunakan distribusi bergolong.
Langkah yang ditempuh adalah:
a. Langkah pertama : Cari dan tentukan skor tertinggi dan terendah pada data
yang akan disajikan.
b. Langkah kedua : Cari selisih antara skor tertinggi dan terendah
c. Langkah ketiga : Tentukan banyak kelas interval yang akan digunakan
dengan menggunakan rumus Sturges.
K = 1 + 3.3 log n
d. Jumlah kelas interval sebaiknya antara 5 sampai 15
e. Langkah keempat : Nilai/skor terendah sebagai awal kelas interval
pertama, dan seterusnya.
f. Langkah kelima : Susun format sesuai dengan yang dibutuhkan, tally data
dan kemudian sempurnakan tabel sehingga menjadi lebih baik.
Selanjutnya perhatikan contoh berikut:
Fk = x 100 %
Keterangan:
fkrel = frekuensi komulatif relatif
fk = frekuensi komulatif pada masing-masing kelas
∑f = frekuensi total
PERTEMUAN IV
a. Tabel
b. Diagram dan Grafik
c. Diagram Batang
d. Histogram
e. Grafik Poligon
f. Grafik Ogive
g. Grafik Garis
h. Diagram Pastel
i. Diagram Lambang
j. Kurva
A. Tabel
Dalam pembuatan tabel, sangat tergantung pada jumlah variasi aspek data
yang disajikan. Namun perlu diingat penyajian data dalam tabel adalah untuk
memudahkan pembaca/orang lain memahami data tersebut, sesuai dengan tujuan
penyajian data tersebut. Oleh karena itu bukan kompleksitas tabel yang diperlukan
melainkan menjadi sah/tidaknya data itu dibaca orang lain.
Beberapa patokan yang perlu ada dalam suatu tabel adalah sebagai berikut:
1. Judul tabel harus jelas
2. Judul kolom (dan sub kolom kalau ada)
3. Judul baris
4. Sumber data (bagi yang kutipan)
Walaupun pada waktu membicarakan distribusi frekuensi telah ditampilkan
bermacam contoh, pada berikut dapat dilihat kerangka tabel tersebut, berdasarkan
patokan yang dikemukakan di atas.
1. Diagram Batang
40
30
20
10
Dari data di atas dapat juga dibuat diagram batang jumlah korban meninggal
dan Luka berat sebagai berikut:
80 Keterangan:
60 Meninggal
40 Luka Berat
20
140 Keterangan:
120 Meninggal
80 Luka ringan
60
40
20
20
0
6
Tahun 8
20
0
7
2008
0
2. Histogram
Apabila data yang didapat data bergolong atau ordinal, sebaiknya yang
digunakan histogram. Pada dasarnya histogram adalah sama dengan diagram
batang, hanya pada sumbu X dinyatakan batas nyata dari kelas interval.
Berikut ini adalah hasil tes kecerdasan, yang telah disusun dalam bentuk
data bergolong. Data ini dapat disajikan dalam bentuk histogram.
10
3. Grafik Poligon
Poligon merupakan salah satu penyajian data, yang dapat dibuat dengan
menghubungkan titik tengah histogram dari masing-masing balok dengan satu
garis lurus, sehingga terbentuk suatu grafik. Secara sederhana langkah-langkah
dalam membuat poligon adalah sebagai berikut:
a.Buat garis X dan garis Y yang dipertemukan salah satu sudutnya, seakan
akan seperti segitiga siku-siku yang tidak ada sisi miringnya.
b. Beri nama sumbu X dan plot garis tersebut sebanyak kelas interval data.
Kemudian tambah satu titik di kiri dan di kanan, dengan maksud titik
awal dan titik akhir
c.Beri nama garis ordinat Y dan bagi garis tersebut dengan skal tertentu pula
sesuai dengan kuantum atau frekuensi yang ada.
d. Buat balok segi empat pada masing–masing kelas interval dengan
menggunakan batas nyatanya, sedangkan tinggi disesuaikan dengan
frekuensi masing-masing
e.Garis Y selalu mulai dari nol. Jangan lupa memberi label garisY
f. Dengan menggunakan penggaris cari titik temu nilai frekuensi dengan titik
tengah (midpoint) masing-masing kelas interval.
g. Hubungkan semua titik tengah yang diperdapat. Dimulai dari titik awal
tambahan dan diakhiri pula dengan titik akhir yang telah ditentukan
sebelumnya.
9
1
. IQ
74.5 101.5 127.5 153.5
87.5 113.5 140.5
Diagram 7 : Ogive IQ Mahasiswa (Kurang Dari)
Contoh data : Distribusi Frekuensi Komulatif Lebih Dari
atau Sama Dengan
Tabel 17 : Frekuensi Komulatif Lebih Dari atau Sama Dengan
Kelas Interval Frekuensi Komulatif
≥ 153 0
≥140 2
≥ 127 7
≥ 114 19
≥101 21
≥ 88 28
≥ 75 30
CF
30 3
0
2
20 8
2
3
1
10 1
9
1 IQ
74.5 101.5 127.5 153.5 .
5. Grafik Garis
6
1
50
2
1
1
4 Tahun
2004 2005 2006 2007 2008
Penyajian data dalam bentuk lain adalah diagram Pastel. Bentuk ini sering
digunakan untuk menggambarkan jumlah penduduk suatu wilayah serta sektor
lapangan pekerjaan yang ditempatinya. Berhubung karena penampilan data dalam
bentuk satu lingkaran, jumlah frekuensi masing-masing kelompok hendaklah
dirubah menjadi persen (%). Oleh karena itu grafik pastel/lingkaran adalah grafik
yang disusun berdasarkan distribusi relatif.
Berikut ini data penduduk dalam suatu kota X tahun 2008, menurut
lapangan usaha.
Tabel 19 : Jenis Lapangan Usaha di Kota X Tahun 2008
Jasa
14%
Pertania .
. n
57
Industri
29%
34,13 34,13
13,59 13,59
2,15 2,15
- 3 SD - 2 SD -1 SD
Mean +1 SD + 2 SD +3 SD
Media
n
Mode
Mode
III.Uraian Materi
Pengukuran Kecendrungan Sentral (sentral tendency) merupakan bentuk-
bentuk analisis statistik dalam kelompok deskriptif, seperti yang pernah
disinggung pada awal tulisan ini. Seandainya sesesorang meneliti penyebaran
penduduk menurut umurnya, maka kecendrungan terbanyak jumlah penduduk
akan berada pada bagian tengah. Demikian juga kalau dikumpulkan data
pendapatan (income) penduduk dalam suatu kota atau kabupaten atau dalam
provinsi. Skor yang cendrung memusat di tengah, akan sangat membantu peneliti.
Penduduk yang berpendapat sedikit dan yang tinggi sekali relatif sedikit. Tetapi
perlu diingat bahwa penggambaran dengan menggunakan ukuran sentral hanya
rnenggambarkan kelompok yang diteliti, dan tidak dimaksudkan untuk mengambil
inferensi-inferensi pembuktian hipotesis.
A. Mean/Rerata
Arti dari Mean adalah angka rata-rata. Kalau N kecil dan datanya yang
tersedia adalah data interval dan ratio, maka peneliti dapat mencari Mean/rata-rata
data tersebut, tetapi kalau N datanya banyak (N frekuensi data), maka menghitung
dengan cara langsung akan memakai waktu yang cukup lama dan kurang praktis.
Oleh karena itu ada 3 cara dalam menghitung Mean/Rata-rata, yaitu: (1) data
langsung (data mentah) yang belum disusun dalam bentuk distribusi frekuensi, (2)
data yang disusun kedalam bentuk distribusi tunggal, dan (3) data yang disusun
dalam bentuk distribusi bergolong.
Keterangan:
Atau
Contoh : Dalam tahun 20011, terjadi bermacam pelanggaran lalu lintas. Jumlah
pelanggaran tiap bulan adalah berikut:
Tabel 20 : Pelanggaran Lalu Lintas di Kota Solok Tahun 2008
Jumlah
No. Bulan
korban
1 Januari 665
2 Februari 584
3 Maret 432
4 April 440
5 Mei 387
6 Juni 368
7 Juli 386
8 Agustus 240
9 September 245
10 Oktober 272
11 Nopember 401
12 Desember 104
Jumlah 4523
Sumber Kota Solok dalam angka 2008 - 2012
=
=
=
Keterangan:
= Rata-rata hitung
fi = frekuensi datayang ke i
fi X i = perkalian frekuensi dengan nilai data ke i
∑ fi Xi = jumlah skor total
N = jumlah inividu dalam kelompok
Contoh: Berikut ini tinggi badan siswa yang disusun dalam bentuk distribusi
frekuensi tunggal.
Tabel 21 : Distrubusi Frekuensi Tinggi Badan Siswa
= = 130.5
Berdasarkan perhitungan tersebut tinggi rata-rata siswa dalam contoh ini
adalah 130.5 cm.
Suatu hal yang berbeda dengan skor kasar adalah nilai di sini adalah nilai
titik tengah masing-masing kelas interval, bukan skor kasar individual. Berhubung
karena skor /data menyebar dan tersebar, maka beberapa langkah yang dapat
dilakukan adalah sebagai berikut:
1) Tentukan terlebih dahulu nilai tertinggi dan terendah dalam data yang akan
diolah.
2) Tentukan jumlah kelas interval yang dibutuhkan.
Untuk banyak kelas interval, dapat dgunakan K = 1 +3.3log n
3) Buat kelas interval sebanyak yang dibutuhkan
4) Masukkan data, dan cari frekuensi (f)
5) Tentukan titik tengah (midpoint) dari tiap kelas interval dengan
menjumlahkan exact upper dan lower limit dan kemudian dibagi dua.
6) Kalikan nilai titik tengah tiap tiap kelas interval dengan frekuensi masing-
masingnya (fiXi)
7) Jumlah hasil perkalian fiXi masing-masing kelas interval sehingga didapat
jumlah keseluruhan/total
8) Bagi jumlah total (hasil langkah ketujuh) dengan N atau f.
Sebaran data : 24 25 35 48 25 36 38 67 45 23 78 56 35 33 45 56
58 49 30 59 40 65 76 54 32 78 76 64 79 57
Nilai terendah = 23
Nilai tertinggi = 79
Range 79 - 23 = 56
Jumlah kelas interval ; K = 1 + 3.3 log 30
1 + 3.3 x1.477
5.8741 I dibulatkan jadi 6
Interval = 56 : 6 = 9.33 (dibulatkan jadi 6)
F. Mencari Mean dengan menggunakan Mean Terkaan
Fi = 30
fXi = 1455
= = 48.5
Cara kedua yang dapat digunakan untuk mencari Mean adalah dengan
menggunakan Mean Terkaan/Rata-rata Terkaan/Dugaan. Dalam konteks ini,
bukan sekedar menerka tanpa perhitungan, tetapi memperkirakan dengan baik,
dimana kira-kira letak nilai rata-rata itu, (pada kelas interval yang mana).
Langkah-langkah yang ditempuh adalah sebagai berikut
1) Ambil salah satu kelas interval yang diduga mean yang sebenarnya tidak
begitu jauh meleset dari angka–angka tersebut
2) Letakkan nol sejajar dengan mean perkiraan itu pada kolom deviasi yang
sudah disiapkan
3) Letakkan angka 1, 2, 3 dan seterusnya berurut ke atas pada kolom deviasi
di atas nol pada mean terkaan, pada kolom yang telah disiapkan
4) Letakkan angka -1, -2 ,-3 dan seterusnya berurut ke bawah pada kolom
deviasi di bawah nol mean terkaan pada kolom yang telah disiapkan
5) Mengalikan frekuensi masing-masing kelas interval dengan deviasi deviasi
tiap kelas interval
6) Menjumlahkan deviasi yang sudah dikalikan dengan frekuensi tersebut
7) Membagi hasil pada langkah 6 dengan N
8) Kalikan hasil langkah 7 dengan I (interval)
9) Tambahkan hasil langkah 8 dengan MT (Mean terkaan)
Langkah tersebut di atas sesuai dengan rumus Mean Terkaan sebagai
berikut: M = MT +[ xi
Keterangan:
M = Mean
MT = Mean Terkaan
∑ = 10
I = 10
M
= 44.5 + x 10
M = 44.5 + 4 = 48.5
Seandainya dalam suatu sebaran ada beberapa sub kelompok. Mean masing
sub kelompok dapat dicari dengan salah satu tek nik di atas, maka mean total
dapat dicari dengan menggunakan rumus sebagai berikut:
Mean Total =
Keterangan
n1 = jumlah sub sampel ke 1
n2 = jumlah sub sampel ke 2
n3 = jumlah sub sampel ke 3
nk = jumlah sub sampel ke k
M1 = jumlah rata-rata sub sampel ke 1
M2 = jumlah rata-rata sub sampel ke 2
M3 = jumlah rata-rata sub sampel ke 3
Mk = jumlah rata-rata sub sampel ke k
Contoh: Lima sub sampel, masing-masing berukuran (n) 6,7,9,11, dan 13, dengan
rata-rat tiap kelompok:80, 70, 120, 100, dan 140
Mt = =
Mt = 98.26
Apabila n sub kelompok adalah sama, maka Mean gabungan dapat dicari
dengan menggunakan rumus sebagai berikut:
M1 + M2 + M3 +…….. + Mk
Mt =
Keterangan: k = jumlah sub grup
H. Median
Apabila jumlah N distribusi ganjil, median adalah nilai (data) yang paling
tengah, setelah nilai-nilai itu diurutkan terlebih dahulu. Contoh: Berikut ini
adalah penyebaran data tinggi badan 9 orang siswa Sekolah Menengah Atas.
167, 169, 157, 146, 158, 170, 166, 163 dan 154
Angka tersebut kemudian diurutkan dari yang tinggi kepada yang rendah, sebagai
berikut:
Dua nilai tinggi badan yang ditengah (urutan keempat dan kelima) adalah
163 dan 158. Selanjutnya gunakan rumus median untuk data tunggal dengan N
genap.
Median = = 160.5
Oleh karena itu Median sebaran tinggi badan adalah: 160.5
Apabila sebaran data cukup banyak dan luas, maka sebaiknya penelti
menggunakan teknik mencari median dengan data bergolong. Rumus yang dapat
digunakan adalah sebagai berikut:
Median = Bb +
Keterangan:
Mdn = Median
Bb = Batas nyata dari kelas interval yang mengandung
median
Kfb = Komulatif frekuensi dibawah frekuensi kelas interval
yang mengandung median
fmdn = Frekuensi kelas interval yang mengandung median
I = Lebar internal
N = Jumlah frekuensi dalam distribusi
Sebaran data : 24 25 35 48 25 36 38 67 45 23 78 56 35 33 45 56
58 49 30 59 40 65 76 54 32 78 76 64 79 57
Nilai terendah = 23
Nilai tertinggi = 79
Range 79 - 23 = 56
Jumlah kelas interval ; K = 1 + 3.3 log 30
1+ 3.3 x1.477
5.8741 dibulatkan jadi 6
Interval = 56: 6 = 9.33 (dibulatkan jadi 6)
Kelas interval yang mengndung median adalah 40 – 49, karena pada kelas
interval itu terdapat frekuensi 15 ( ½ N) , Bb = 39.5, kfb = 11 dan fmdn = 5
Median = Bb +
= 39.5 +
= 39.5 + x 10
Mdn = 47.5
K. Mode (Modus)
Ini mode angka tersebut lebih dari dua kali. Hal ini disebut juga dengan
mode dengan multimodal.
Mo = b + p
Keterangan:
Mo = Modus
B = Batas bawah kelas interval modus
f1 = selisih frekuensi antara kelas modus dan kelas
sebelumnya
f2 = selisih frekuensi antara kelas modus dan kelas
berikutnya
Mo = 59.5 + 10
Mo = 59.5 + 10
= 59.5 = 10
= 69.5
Rumus lain yang dapat diguanakan adalah sebagai berikut:
Mode = 3 Median - 2 Mean
Setelah dicari Mean dan Median data di atas, didapati
Mean = 60.89
Median = 61.81.
Selanjutnya Mode dapat dicari.
Mode = (3 x 61.81) – (2 x 60.89
= 185.63 - 121.78
= 63.65
N. Hubungan Mean, Median dan Mode dalam Distribusi
Mean
Median
Mode
Gb. 11 : Hubungan Mean, Median, Modus dalam suatu distribusi
Di samping distribusi normal (normal distribution) juga ada distribusi juling
kiri (negatively skewed distribution) dan distribusi juling kanan (positively skewed
distribution). Distribusi dikatakan juling kiri apabila Mode > Median > Mean dan
terletak disebelah kanan Mean. Distribusi dikatakan juling positif, apabila Mode <
Median < Mean, dan terletak di sebelah kiri Mean.
PERTEMUAN VI
B. Materi Pokok:
1. Kuartil
2. Desil
3. Persentil
C. Uraian Materi
Dalam ilmu-ilmu sosial sering seseorang ingin posisi seseorang
dibandinglan temannya, atau dimana letak seorang di dalam bersama diantara
teman yang lain. Ukuran kecendrungan sentral tidak mungkin menjawab hal
demikian, karena lebih terfokus pada sentralnya, kecuali kalau digunakan p 50 yang
mewakili titik tengah median. Untuk itu dalam ilmu statistik diperkenalkan
konsep kuartil (perempatan) desil (perpuluhan) dan persentil (perseratusan).
Kuartil adalah nilai yang memisahkan nilai/skor dalam suatu distribusi tiap 25%
frekuensi dalam suatu distribusi, sedangkan desil dapat memisahkan tiap sepuluh
persen. Kalau seseorang menginginkan norma yang yang lebih halus lagi maka
gunakalah persentil, sebab persentil memisahkan skor setiap 1 %.
1. Kuartil
a. Pengertian Kuartil
25
75%
50 % %
K3
K2 75%
50%
K125%
a. Data Tunggal
Dalam mencari skor/nilai dari data tunggal dapat digunakan formula sebagai
berikut:
K = data ke
Keterangan
K = nilai/skor kuartil yang dicari
I = 1,2,3 , yang menujukkan K1, atau K2, atau K3
Contoh: Sebaran data: 166,170,167,169,163,142, 148,154,157,158,164.
N = 11
Selanjutnya masuk ke dalam rumus:
K1 = data ke
K1 = data ke
K1 = data ke 3
K2 = data ke
K2 = data ke 6
K3 = data ke
K3 = data ke 9
Selanjutnya sebaran data diurutkan dari yang rendah kepada yang tinggi,
seperti juga dalam mencari median, sebagai berikut
Tabel 28: Kuartil Data Tunggal N Tuntas dibagi 4
Tinggi badan Letak Kuartil
170
169
167 K3
166
164
163 K2
158
157
154 K1
148
142
Berdasarkan sebaran data yang telah diurutkan dapat diketahui
bahwa : K1 = 154
K2 = 163
K3 = 167
Seandainya data genap (N = genap, atau tidak tuntas dibagi dengan 4, maka
dalam mencari nilai/skor K1, K2 dan K3.lagi, dengan mencari berapa nilai/skor
urutan yang masih tersisa.
K1 = data ke
2.25
Data tersebut disusun dalam sebaran urutan dari rendah ke tinggi, sebagai
berikut:
Tabel 29 : Kuartil Data Tunggal N Tidak Tuntas dibagi 4
Tinggi badan Letak Kuartil
169
167
163
158
157
154
148
142
Nilai K1 yang dicari adalah nilai urutan kedua, ditambah dengan 0.25 x
selisih skor urutan ketiga dan kedua.
Nilai/skor K1 = 148 + {0.25 x (154 - 148)} =
= 148 + 1.5
= 149.5
Jadi Nilai/skor K1 = 149.5
Pola yang sama dapat pula digunakan untuk mencari nilai/skor K2 dan K3,
dengan mengganti i sesuai dengan urutan letak K yang dicari.
Tidak jauh berbeda dengan mencari Median terhadap data yang telah
dikelompokkan, maka untuk Kuartil, dapat digunakan rumus kuartil pertama (K1)
adalah sebagai berikut:
K1 = Bb + { }i
Keterangan:
K1 = Kuartil pertama
Bb = Batas bawah nyata
kfb = Komulatif frekuensi di bawah kelas interval
yang mengandung K1
I = Interval
N = Jumlah frekuensi dalam distribusi
fd = Frekuensi dalam interval yang mengandung K1
Sebaran data Nilai dalam Mata Kuliah Statistik
: 24 25 35 48 25 36 38 67 45 23 78 56 35 33 45 56
58 49 30 59 40 65 76 54 32 78 76 64 79 57
Nilai terendah = 23
Nilai tertinggi = 79
Range 79 - 23 = 56
K1 = 29.5 + { } 10
= 29.5 + (3.5 :7) x 10
= 29.5 + ( 0.5 x 10)
= 34.5
Jadi nilai/skor K1 = 34.5
Selanjutnya untuk mencari skor/nilai K2 dapat rumus pola K1, dengan
rumus sebagai berikut:
K2 = Bb + { }i
Dengan data pada tabel di atas dapat diketahui:
Letak K2 berada pada data ke 15. Ini berarti K2 berada pada kelas interval
40-49.
Bb = 39.5
Kfb = 7
Fd = 5
i = 10
Selanjutnya masukkan ke dalam rumus, sebagai berikut:
K2 = Bb + { }i
K2 = 39.5 + 10
K2 = 39.5 + 10
K2 = 39.5 + 8
K2 = 47.5
Pola yang sama diterapkan untuk mencari K3, menyesuaikan rumus seperti
K2, sehingga tersusun rumus sebagai berikut:
K3 = Bb + { }i
Letak K3 berada pada urutan ¾ x 30 = 22.5. Oleh karena itu K3 berada
dalam kelas interval 60 – 69.
Bb = 59.5.
Kfb = 22
Fd =3
Selanjutnya masukkan ke dalam rumus:
K3 = 59.5 + { 10
K3 = 59.5 + 1.67
K3 = 61.17
Dari berbagai hasil di atas, dapat dikatakan bahwa skor/nilai = 34.5 adalah
nilai yang menjadi angka pemisah, 25% dari mahasiswa dibandingkan dengan
75% di atasnya. Andaikata angka/skor K3 dijadikan patokan lulus (61.17), 25% di
atas itu akan dinyatakan lulus dan 75 di bawahnya akan dinyatakan gagal dalam
ujian Statistik, namun dosen yang bersangkutan belum mempunyai patokan kalau
yang bersangkutan menginginkan patokan 60% atau 70%. Untuk ini harus
digunakan Desil, sebagaimana yang akan dikemukakan berikut ini.
B. Desil
1. Pengertian Desil
Di = data ke
Keterangan
Di = nilai/skor kuartil yang dicari,
I = 1,2,3,……….9 yang menujukkan D1, atau D2, atau D3…..D9
Rumus umum untuk distribusi yang dikelompokkan:
Di = Bb + { }i
Keterangan:
Di = Desil ke i
Bb = Batas bawah nyata
kfb = Komulatif frekuensi di bawah kelas interval yang
mengandung K1
I = Interval
N = Jumlah frekuensi dalam distribusi
fd = Frekuensi dalam interval yang mengandung K1
D = data ke
D6 = data ke
D6 = data ke 6.6.
Ini berarti data ke 6.6 adalah skor/nilai antara 124 dan 126. Selanjutnya
berapa harus dicari, sebagai berikut:
Skor D6 = 124 + (126-124) x 0.6
124 + 1.2 = 25.2
Selanjutnya dicari dimana letak pula D9 dan berapa nilai pemisahnya.
D9 = data ke = = 9.9
Nilai/Skor letak data ke 9.9 adalah 140 + (150 – 140) : 10
D9 = 141
Selanjutnya perhatikan pula cari mencari Desil untuk data yang
dikelompokkan.
Dalam aplikasi rumus Desil data yang dikelompokkan digunakan data yang
dipakai untuk mencari Kuartil sebagai berikut:
Sebaran data Nilai dalam Mata Kuliah Statistik
: 24 25 35 48 25 36 38 67 45 23 78 56 35 33 45 56
58 49 30 59 40 65 76 54 32 78 76 64 79 57
Nilai terendah = 23
Nilai tertinggi = 79
Range 79 - 23 = 56
Jumlah kelas interval: K = 1 + 3.3 log 30
1 + 3.3 x1.477
5.8741 dibulatkan jadi 6
Interval = 56 : 6 = 9.33 (dibulatkan jadi 6)
Selanjutnya disusun kelas interval, dicari frekuensi masing-masing kelas
interval dan komulatif frekuensi.
Tabel 31 : Desil Data Bergolong
Kelas Interval f Kf
70 - 79 5 30
60 69 3 25
50 59 6 22
40 - 49 5 16
30 - 39 7 11
20 29 4 4
N 30
D2 = 29.5 + {
D2 = 29.5 + 10
= 29.5 + 2.86 = 32.36
Nilai /skor D2 adalah 32.36
D5 = Bb + 10
= 39.5 + x10
= 47.5
Jadi skor/nilai D5 adalah 47.5.
3. Persentil
Ukuran Letak yang ketiga adalah persentil, yang prinsip mirip dengan Desil
dan Kuartil. Kalau dengan Kuartil, peneliti hanya mendapatkan nilai/skor yang
memisahkan distribusi dalam perempatan, yaitu K1,K2 dan K33. Dengan Desil
seseorang/peneliti dapat mengetahui skor/nilai sebagai angka pemisah jumlah
frekuensi dalam perpuluhan, yaitu D1, D2, D3, D4, D5, D6, D7, D8 dan D9.
Tetapi tidak mendapatkan angka pemisah 45% frekuensi di bawahnya dan 55%
frekuensi di atasnya. Hal itu dijawab oleh ukuran letak Persentil.
1. Pengertian Persentil
P75 D7
P70
D5 K2
P50.
P3 D
0 3
P2
5
D K1
2
Pola dasar mencari adalah sama dengan Desil atau Kuartil. Rumus –rumus
yang dapat digunakan adalah sebagai berikut:
P n = Bb + { } i
Keterangan :
Pn = Persentlil ke n
Bb = Batas bawah nyata
kfb = Komulatif frekuensi di bawah kelas interval yang
mengandung Pk
I = Interval
N = Jumlah frekuensi dalam distribusi
fd = Frekuensi dalam interval yang mengandung K1
Contoh data hasil ujian 80 orang mahasiswa yang telah diolah
dalam kelas interval
Tabel 32 : Persentil Data Bergolong
Nilai ujian F kf
31 - 40 1 1
41 - 50 2 3
51 - 60 5 8
61 - 70 15 23
71 - 80 25 48
81 - 90 20 68
91 - 100 12 80
Jumlah 80
P50 = 60.5 + x 10
P50 = 60,5 + 3,6
P50 = 64,1
P50 = 64,1, artinya sebanyak 50 % dari data distriusi frekuensi
mendapat nilai di bawah 64,1 dan sebanyak 50% dari data distrbusi
mendapat nilai di atas 64,1.
P75 = 80,5 + x 10
P75 = 80,5 + 6
P75 = 86,5
P75 = 86,5; artinya sebanyak 75% daripada data distribusi
mendapat nilai di bawah 86, 5 dan sebanyak 25% mendapat nilai di
atas 86,5.