Konsep Statistika
STATISTIKA STATISTIKA :
Kegiatan untuk :
KEGUNAAN
• mengumpulkan data
• menyajikan data
• menganalisis data dengan metode tertentu ?
• menginterpretasikan hasil analisis
dan fase
STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
M. Dody Izhar 1 M. Dody Izhar 2
METODE ILMIAH : DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
INSTRUMEN
SIFAT DATA
PERAN STATISTIKA DATA
TABEL
MULAI Tabel 1.1 Bidang Pekerjaan berdasarkan Latar Belakang Pendidikan
Count
pendidikan
SMU Akademi Sarjana Jumlah
bidang administrasi 1 8 6 15
pekerjaan personalia 1 7 8
Statistik NOMINAL Jenis INTERVAL produksi 4 3 5 12
Statistik marketing 2 14 11 27
Non Parametrik ORDINAL Data ? RASIO Parametrik keuangan 3 4 6 13
Jumlah 10 30 35 75
bidang pe ke rjaan
GRAFIK administrasi
personalia
produksi
marketing
Analisis SATU Jumlah DUA / LEBIH Analisis keuangan
TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris
GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.
Kolom pertama : LABEL
Syarat :
KOLOM 1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
Kolom kedua …. n : Frekuensi atau label
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
TABEL
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
BARIS Berisikan data berdasarkan kolom
Jenis Grafik :
Tabel Tabulasi Silang 4
• Grafik Batang (Bar)
Pendapat tentang sertifikasi
Sumbu tegak
3
Asal Wilayah Sangat Perlu Tidak Tidak Sangat Jumlah • Grafik Garis (line)
perlu tahu perlu tdk 2
perlu • Grafik Lingkaran (Pie)
Jawa Barat 1
Papua
Jumlah M. Dody Izhar 9 M. Dody Izhar 10
vertikal) kualitatif/perbandingan
Diagram frekuensi Kuantitatif Frekuensi distribusi variabel 10 10
terputus) 0
administrasi personalia produksi marketing keuangan
0
administrasi personalia produksi marketing keuangan
500000
Mean gaji perbulan
laki-laki
produksi
12
variabel kuantitatif prestasi kerja
11. Frekuensi 12. Distribusi Frekuensi
RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
RATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya memperjelas kedudukan suatu data.
X1 + X2 + X3 + … + Xn n Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
X= Σ Xi Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
n i =1
termasuk istimewa, baik, atau biasa-biasa saja ?
n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi, Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,
maka rata-rata hitung menjadi : maka rata-rata hitung = 6.55, median = 6
k Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi dan median (kelompok 50% atas)
X= 1 1 i =1
f1 + f2 + f3 + … + fk
Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,
k maka rata-rata hitung = 6.55, median = 8
Σ fi Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median
Cara menghitung : i =1
(kelompok 50% bawah)
Bilangan (Xi) Frekuensi (fi) Xi fi
70 3 210 Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
63 5 315
Maka : X = 695 = 69.5 Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
10
85 2 170
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
Jumlah 10 695
M. Dody Izhar 15 M. Dody Izhar 16
10 -45 45 10 -45 45 berdasarkan akar dari varians ; 20 -35 1225 10 -45 2025
Jumlah 0 250 Jumlah 0 390 menunjukkan keragaman kelompok data 10 -45 2025 10 -45 2025
10 10
n 2 s= √ 8250
9 = 30.28 s= √ 15850
9 = 41.97
Rata-rata
n
DR = Σ
|Xi – X|
n
s=
√ Σ (Xi – X)
i=1 n-1
Kesimpulan :
i=1
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
Makin besar simpangan,
M. Dody Izhar 19
makin besar nilai deviasi rata-rata M. Dody Izhar 20
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;
melalui nilai rata-rata berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;
Kurtosis = keruncingan akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni
hipotesis yang akan diterima seandainya Ho ditolak
Skewness = kemiringan
+3s +2s -s +s +2s +3s Hipotesis Siswa yang belajar bahasa lebih Ada perbedaan keseriusan siswa
Penelitian serius daripada siswa yang antara yang belajar bahasa dengan
68%
belajar IPS yang belajar IPS
95%
99% Hipotesis Nol Siswa yang belajar bahasa tidak Tidak terdapat perbedaan
(Yang diuji) menunjukkan kelebihan keseriusan belajar siswa antara
• Lakukan uji normalitas keseriusan daripada yang belajar bahasa dan IPS
• Rasio Skewness & Kurtosis berada –2 sampai +2 IPS
Rasio = nilai Ho : b < i Ho : b = i
Standard error Ha : b > i Ha : b ≠ I
• Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon,
Mann-White, Tau Kendall)
M. Dody Izhar 21 M. Dody Izhar 22
Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak apakah rata-rata dua populasi sama/berbeda secara signifikan.
bila Ho tidak terarah, maka pengujian signifikansi dua pihak
1. Uji t satu sampel
Pengujian signifikansi satu arah (hipotesis terarah): Menguji apakah satu sampel sama/berbeda dengan ( - )
Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripada rata-rata populasinya t =
yang belajar IPS Ho : b < i • hitung rata-rata dan std. dev (s)
Jika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kanan s / √n
• df = n – 1
α
• tingkat signifikansi ( = 0.025 atau 0.05)
• pengujian apakah menggunakan 1 ekor atau 2 ekor
• diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak
Contoh :
5% 2.5% 2.5% Peneliti ingin mengetahui apakah guru yang bekerja selama 8 tahun memang berbeda
dibandingkan dengan guru lainnya.
Daerah penerimaan hipotesis Daerah Daerah Daerah penerimaan hipotesis Daerah Ho : p1 = p2
penolakan penolakan penolakan
hipotesis hipotesis hipotesis Diperoleh rata2 = 17.26 ; std. Dev = 7.6 ; df = 89 ; t hitung = 11.55
α
Berdasarkan tabel df=89 dan = 0.05 diperoleh t tabel = 1.987
Pengujian signifikansi dua arah (hipotesis tidak terarah): Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS guru yang bekerja selama 8 tahun secara signifikan berbeda dengan
Ho : b = i guru lainnya
Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan
M. Dody Izhar 23 M. Dody Izhar 24
23. Uji t 24. Uji t
2. Uji t dua sampel bebas
3. Uji t dua sampel berpasangan
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda
Menguji apakah rata-rata dua sampel yang berpasangan sama/berbeda
ΣD2 – (ΣD)2
Σ d2
sD =
√ N(N-1)
Σ d2 =
N
Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara
Contoh :
guru yang lulusan S1 dengan yang lulusan S3
Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai
Ho : Pb = Pk
pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua
Diperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369
kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan
α
Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994
adanya perbedaan rata-rata tes pertama dengan kedua.
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Ho : Nd = Nc
Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
penghasilan guru yang S3 α
Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Terdapat perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif
meningkatkan hasil belajar siswanya
M. Dody Izhar 25 M. Dody Izhar 26
1. KORELASI PEARSON :
Korelasi : hubungan keterkaitan antara dua atau lebih variabel. apakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
Angka koefisien korelasi ( r ) bergerak -1 ≤ r ≤ +1 arah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
POSITIF NEGATIF NΣXY – (ΣX) (ΣY) Di mana : ΣXY = jumlah perkalian X dan Y
makin besar nilai variabel 1 makin besar nilai variabel 1 r= ΣX2 = jumlah kuadrat X
menyebabkan makin besar menyebabkan makin kecil √ NΣX2 – (ΣX)2 x √NΣY2 – (ΣY)2 ΣY2 = jumlah kuadrat Y
pula nilai variabel 2 nilai variabel 2 N= banyak pasangan nilai
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor Contoh :
Ulangan korelasi positif Ulangan korelasi negatif 10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
antara waktu belajar antara waktu bermain Siswa : A B C D E F G H I J
dengan nilai ulangan dengan nilai ulangan Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
NOL
tidak ada atau tidak menentunya hubungan dua variabel Siswa X X2 Y Y2 XY
contoh : pandai matematika dan jago olah raga ; pandai A
matematika dan tidak bisa olah raga ; tidak pandai
B
matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga ΣX ΣX2 ΣY ΣY2 ΣXY
M. Dody Izhar 27 M. Dody Izhar 28
2. KORELASI SPEARMAN (rho) dan Kendall (tau) : Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
Digunakan jika data variabel ordinal (berjenjang atau peringkat). Disebut juga korelasi kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
non parametrik
(O – E)2
rp = 1 -
6Σd2 Di mana : N = banyak pasangan X2 = Σ E
Di mana O = skor yang diobservasi
E = skor yang diharapkan (expected)
N(N2 – 1) d = selisih peringkat
Contoh :
Contoh : Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan 10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas) Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Siswa : A B C D E F G H I J Ho = tidak ada hubungan antara baris dengan kolom
Perilaku : 2 4 1 3 4 2 3 1 3 2 H1 = ada hubungan antara baris dengan kolom
Kerajinan : 3 2 1 4 4 3 2 1 2 3 P L Σ O E (O-E) (O-E)2 (O-E)2/E
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
a b a 20 (a+b)(a+c)/N
Fasih
Siswa A B C D b 10 (a+b)(b+d)/N
c d
Tidak fasih c 10 (c+d)(a+c)/N
Perilaku
Σ d 30 (c+d)(b+d)/N
Kerajinan
d df = (kolom – 1)(baris – 1)
d2 Σd2 Jika X2 hitung < X2 tabel, maka Ho diterima
M. Dody Izhar 29 M.Jika
Dody
X2Izhar
hitung > X2 tabel, maka Ho ditolak 30
29. Uji Chi-Square (X2)
Chi-Square dengan menggunakan SPSS
KASUS : apakah ada hubungan pendidikan dengan status marital responden
Ho = tidak ada hubungan antara baris dengan kolom atau tidak ada hubungan pendidikan
dengan status marital
Membuat tabel X2
H1 = ada hubungan pendidikan dengan status marital
Dasar pengambilan keputusan :
1. X2 hitung < X2 tabel Ho diterima ; X2 hitung > X2 tabel Ho ditolak • Pada file baru, buat variabel dengan nama
2. probabilitas > 0.05 Ho diterima ; probabilitas < 0.05 Ho ditolak
pendidikan terakhir Asymp. Sig.
df
S1 S2 S3 Total Value df (2-sided)
status
perkawinan
belum kawin
kawin
21
32
3
9
1
6
25
47
Pearson Chi-Square
Likelihood Ratio
9,431
9,541
6
6
,151
,145 • Isi variabel tersebut dengan angka berurutan
Linear-by-Linear
janda 5 3 2 10 3,070 1 ,080
Total
duda 4
62
4
19
0
9
8
90
Association
N of Valid Cases
90
• Buka menu transform > compute
– Pada target variabel ketik chi_5 (untuk 95%)
Value Approx. Sig.
Nominal by Nominal
N of Valid Cases
Contingency Coefficient ,308
90
,151
– Numeric expr gunakan fungsi IDF.CHISQ
Hasil : tingkat signifikansi = 5% ; df = 6 ; X2 tabel = 9.431 ; X2 hitung = 12.592 ; (0.95,df)
asymp. sig = 0.000 ; contingency coeff. = 0.526
Karena : X2 hitung < X2 tabel maka Ho diterima
– Tekan OK
asymp. Sig > 0.05 maka Ho diterima
Artinya tidak ada perbedaan tingkat pendidikan berdasarkan status maritalnya
dan hal ini diperlihatkan dengan kuatnyaM. hubungan
Dody Izhar yang hanya 30.8% 31 M. Dody Izhar 32
Sumber Jumlah Derajat Rata-rata F Apakah ada perbedaan rata-rata penghasilan sesudah sertifikasi jika dilihat dari
adanya Kuadrat Kebebasan Jumlah Kuadrat asal wilayah ?
perbedaan (JK) (df) (RJK) Ho = rata-rata penghasilan tidak berbeda dilihat dari asal wilayah
Descriptives
Antar kelompok 19.73 k–1=2 9.865 11.838 penghasilan sesudah lulus sertifikasi
19
Mean
3094736,8
Std. Deviation Std. Error
269719,369 61877,867
Low er Bound
2964736,27
Upper Bound
3224737,42
Minimum
2400000
Maximum
3700000
F hitung > F tabel , maka Ho ditolak jateng
4
3057142,8
14 194992,251 52113,871 2944557,68 3169728,03 2600000 3400000
Terdapat perbedaan pandangan siswa SD, SLTP, SMU terhadap IPS 6
jatim 3194444,4
18 285888,136 67384,480 3052275,62 3336613,27 2800000 3800000
4
NTT 3152631,5
19 368734,203 84593,428 2974907,38 3330355,78 2100000 3700000
8
Papua 3325000,0
Cara membaca tabel F : 20
0
297135,447 66441,506 3185936,33 3464063,67 2700000 3800000
Sum of
Squares df Mean Square F Sig.
Between Groups 782483291 19562082289
4 2,272 ,068
Levene 562,238 0,560
Contoh : kasus di atas, Statistic df1 df2 Sig. Within Groups 731807226
85
86094967811,
3993,310 687
df antar kelompok 2 ; df inter kelompok 12 ; distribusi F 95% 1,263 4 85 ,291
Total 810055555
89
Maka membaca tabelnya adalah horisontal lihat kolom df 2, vertikal lihat baris 12 5555,550
Lalu lihat angka pada sel pertemuan 2 dan 12 bagian atas yakni 3.88 Ho : varians populasi identik
F hitung < F tabel maka Ho diterima
Maka F tabel adalah 3.88 Probabilitas > 0.05 Ho diterima
M. Dody Izhar 35 penghasilan tidak berbeda
M. Dody Izhar 36
Berdasarkan asal wilayah
33. Uji Anova 34. Uji Anova
MULTIVARIAT ANOVA dengan menggunakan SPSS Multivariate Tests©
Kasus : apakah status marital mempunyai pengaruh yang signifikan terhadap Effect Value F Hypothesis df Error df Sig.
dana dikeluarkan & usia Intercept Pillai's Trace ,972 1491,496(a) 2,000 85,000 ,000
Wilks' Lambda ,028 1491,496(a) 2,000 85,000 ,000
Variabel dependen adalah dana yang dikeluarkan & usia ; Hotelling's Trace 35,094 1491,496(a) 2,000 85,000 ,000
Faktor (kelompok) adalah status marital Roy's Largest
35,094 1491,496(a) 2,000 85,000 ,000
Root
marital Pillai's Trace ,506 9,707 6,000 172,000 ,000
Uji varians dilakukan 2 tahap : Wilks' Lambda ,505 11,523(a) 6,000 170,000 ,000
Hotelling's Trace ,956 13,390 6,000 168,000 ,000
1. Varians tiap-tiap variabel dependen ; Ho = varians populasi identik (sama) Roy's Largest
,932 26,731(b) 3,000 86,000 ,000
alat analisis : Lavene Test ; keputusan : probabilitas > 0.05 maka Ho diterima Root
TERIMA KASIH
SEMOGA BERMANFAAT
http://mdodyizhar.blogspot.com
http://mdodyizhar.wordpress.com
M. Dody Izhar 39