A. Pendahuluan
Ukuran kecenderungan sentral (ukuran pemusatan) dan variabilitas (ukuran
penyebaran) merupakan bentuk-bentuk analisis statistik yang termasuk statistik deskriptif.
Hasil perhitungan- perhitungan statistik itu adalah untuk menggambarkan karakteristik,
ciri, atau keadaan kelompok subjek yang diobservasi. Ia tidak dimaksudkan untuk
melakukan inferensi-inferensi dari pengujian hipotesis. Namun, gambaran itu penting
untuk diketahui karena memberikan informasi-informasi tertentu, tentang keadaan suatu
kelompok subjek yang dijadikan sampel. Pembicaraan berikut akan meliputi penghitungan
ukuran-ukuran kecenderungan sentral dan ukuran penyebaran (variabilitas) pengukuran.
Perhitungan ukuran kecenderungan sentral pada umumnya meliputi perhitungan
mean (rata-rata hitung), median, modus. Sedangkan untuk mendeskripsikan hasil
pengukuran terhadap suatu sampel, ukuran variabilitas (penyebaran) merupakan konsep
yang penting dalam analisis statistik. Variabilitas merupakan karasteristik yang menandai
hasil pengukuran pada tiap sampel. Variabilitas akan ditunjukan dan didukung oleh besar
kecilnya tiap skor (tiap individual) dalam suatu sampel, dan besar kecilnya jarak sebaran
(range) skor. Ukuran variabilitas dihitung berdasarkan simpangan skor individual terhadap
rata – rata hitung.
Indeks variabilitas atau indeks penyebaran (index of variability) digunakan untuk
mengetahui seberapa besar penyimpangan itu dalam suatu pengukuran. Indeks inilah
kemudian dikenal sebagai simpangan baku (disingkat s atau SB), terjemahan dari
standard deviation (disingkat SD). Simpangan baku (dalam statistik dilambangkan dengan
huruf Yunani: σ merupakan ukuran variabilitas (penyebaran) skor yang didasarkan pada
kuadrat penyimpangan tiap skor dari rata-rata hitung. Penyajian data dalam bentuk angka
berupa distribusi tunggal, distribusi bergolong, sedangkan dalam bentuk gambar dapat
berupa histogram, polygon, kurve dll. Dalam berbagai bentuk penyajian data tersebut
terlihat adanya kecenderungan tertentu yaitu bahwa frekuensi pemunculan data atau skor
yang tinggi selalu berada di tengah atau disekitar rata – rata hitung. Semakin jauh dari rata
– rata hitung, baik diatas maupun di bawahnya, frekuensi pemunculan data atau skor –
2|1
skor itu akan semakin kecil. Sebaran frekuensi demikian adalah sebaran yang mengikuti
asumsi distribusi normal.
Distribusi normal merupakan sebuah konsep matematik yang diidealkan. Sebuah
sebaran skor yang benar-benar normal yang sesuai konsep idealistik tersebut, sebenarnya
jarang ditemukan. Tetapi sebaran – sebaran skor dari berbagai ilmu tingkah laku yang
mempunyai kecendrungan mengikuti atau memenuhi asumsi distribusi normal secara luar
biasa banyak sekali ditemukan, sebagian besar sebaran angka-angka berada ditengah
sedangkan semakin kekanan (plus) atau kekiri (minus) semakin kecil. Jika digambarkan
sebaran angka-angka tersebut akan menyerupai genta atau kurve. Gambar inilah yang
kemudian disebut gambar kurve normal.
Deskripsi singkat materi yang akan dibahas pada Modul 2, yaitu : Ukuran
Kecenderungan Sentral, Variabilitas, dan Kurve Normal
Kompetensi Khusus Modul 2 adalah : setelah mengikuti perkuliahan dan
menyelesaikan tugas - tugas untuk pokok bahasan ini, mahasiswa akan mampu :
Menjelaskan berbagai ukuran kecenderungan sentral dan variabilitas
Menghitung berbagai ukuran kecenderungan sentral dan variabilitas
Mengidentifikasi dan menggambarkan kurva normal
Menjelaskan prinsip probabilitas
Melakukan pengujian hitopesis dengan transformasi data
Menguji normalitas data
2|2
KEGIATAN BELAJAR
B.1. Penyajian
1. Rata-rata Hitung
Rata-rata hitung atau mean (disingkat X atau M) dihitung berdasarkan tiga cara
tergantung keadaan data, yaitu (a) data mentah yang belum disusun ke dalam bentuk
distribusi frekuensi, (b) data yang disusun ke dalam bentuk distribusi tunggal, dan (c) data
disusun ke dalam bentuk distribusi bergolong.
a. Penghitung Rata-rata Hitung dari Data Mentah
X1 +X2+X3+…+Xn
Rumus: X́ =
N
b. Penghitungan Rata-rata Hitung dari Data Distribusi Tunggal
❑
∑ X
Rumus: X́ = ❑
N
∑X = Jumlah skor
N = Jumlah subjek
Tabel 2.1. Tabulasi Kemampuan Berbahasa Inggris Mahasiswa sebagai
persiapan perhitungan rata – rata hitung Data Skor Hasil Tes
Kemampuan
2|3
1 71 1 71 5.041
2 70 2 140 9.800
3 69 3 207 14.283
4 68 3 204 13.872
5 67 3 201 13.467
6 66 4 264 17.424
7 65 6 390 25.350
8 64 6 384 24.574
9 63 3 189 11.907
10 62 3 186 11.532
11 61 3 183 11.163
12 60 2 120 7.200
13 59 1 59 3.481
2
40 ∑X = 2.597 ∑X = 168.961
2.597
X́ =
40
= 51,7
Tabel 2.2 Contoh Tabulasi Distribusi Bergolong Data Skor Hasil Tes Kemampuan
Berbahasa Inggris Mahasiswa sebagai Persiapan Penghitungan Rata-rata Hitung
No urut Kelas Interval Titik Tengah Frekuensi (fXt) (fXt2)
(Xt) (f)
2|4
1 75 – 79 77 2 144 11.858
2 70 – 74 72 3 216 15.552
3 65 – 69 67 5 335 22.445
4 60 – 64 62 4 248 15.376
5 55 – 59 57 6 342 19.494
6 50 – 54 52 8 416 21.632
7 45 – 49 47 7 329 15.463
8 40 – 45 42 5 210 8.820
9 34 – 39 37 5 185 6.845
10 30 – 35 32 3 96 3.072
11 25 – 29 27 2 54 1.458
2.585
X́ ¿
50
= 51,7
Kedua, penghitung rata-rata hitung berdasarkan rata-rata duga ( X́ d) rumus yang
dipergunakan adalah sebagai berikut.
Ʃ ∑ fd
X́ = X́ d + i ( )
N
X́ = Rata-rata hitung duga
i = Interval
d = Deviasi
Tabel 2.3 Contoh Tabulasi Distribusi Bergolong Data Skor Hasil Tes Kemampuan
Berbahasa Inggris Mahasiswa sebagai Persiapan Penghitungan Rata-rata Hitung
No urut Kelas Interval Titik Tengah Frekuensi Deviasi (fd) Fd2
(f) (d)
1 75 – 79 77 2 +5 10 50
2 70 – 74 72 3 +4 12 48
3 65 – 69 67 5 +3 15 45
4 60 – 64 62 4 +2 8 16
5 55 – 59 57 6 +1 6 6
6 50 – 54 52 8 0 0 0
7 45 – 49 47 7 -1 -7 7
8 40 – 45 42 5 -2 -10 20
9 34 – 39 37 5 -3 -15 45
10 30 – 35 32 3 -4 -12 48
11 25 – 29 27 2 -5 -10 50
2|5
−3
X́ = 52 + 5 ( )
50
= 52 + 5 (-0,006)
= 52 – 0,3
= 51,7
2. Median
Median (Md) adalah angka yang terletak ditengah-tengah dari sebuah distribusi
frekuensi. Rumus:
N
−f 1
Md = B + 2 xi
f md
Md = Median yang dicari
B = Batas kelas bawah pada kelas interval tempat median
f1 = Jumlah frekuensi kumulatif di kelas bawah
fmd = Jumlah frekuensi kelas interval tempat median berada
i = Interval
50
−22
Md = 49,5 + 2 x5
8
25−22
= 49,5 + x8
8
= 49,5 + 1, 875
= 51,375
Tabel 2.4. Contoh Penghitungan Median dari Distribusi Bergolong Data Skor Hasil Tes
Kemampuan Berbahasa Inggris
No Kelas Titik Tengah Frekuensi Frekuensi Batas
urut Interval (f) Kumulatif (FK) kelas
1 75 – 79 77 2 50 79,5
2 70 – 74 72 3 48 74,5
3 65 – 69 67 5 45 69,5
4 60 – 64 62 4 40 64,5
5 55 – 59 57 6 36 59,5
6 50 – 54 52 8 30 54,5
7 45 – 49 47 7 22 49,5
8 40 – 45 42 5 15 45,5
9 34 – 39 37 5 10 39,5
10 30 – 35 32 3 5 35,5
11 25 – 29 27 2 2 29,5
N = 50
2|6
3. Modus
Modus (mode, Mo) adalah skor yang mempunyai frekuensi yang paling banyak
diantara skor-skor yang lain dari hasil sebuah pengukuran. Modus untuk data bergolong
ditentukan dengan rumus:
f o – f −1
Mo = B +
( f o – f −1) +(f o – f 1)
Mo = Modus yang dicari
B = Batas kelas bawah dari kelas modus
fo = Frekuensi kelas modus
f1 = frekuensi bawah kelas modus
f-1 = Frekuensi atas kelas modus
i = interval
8– 6
Mo = 49,5 +
( 8 – 6 ) +(8 – 6)
= 49,5 + (0,6666 x 5)
= 52,83
UKURAN VARIABILITAS
B.2. Penyajian
2|7
Tabel 2.5.Contoh persiapan Penghitungan Simpangan Baku dari
Penyimpangan Skor Individual
No Skor (X) Penyimpangan X2
urut (x = X - X́ )
1 55 +5 25
2 50 0 0
3 45 -5 25
4 60 +10 100
5 40 -10 100
6 56 +6 36
7 54 +4 16
8 50 0 0
9 44 -6 36
10 46 -4 16
N = 50
−(∑ ƩX 2 )
tersebut, dapat juga dilakukan dengan cara: ∑(X – X)2 = ∑X2
N
Dengan demikian, rumus simpangan baku itu secara lengkap dapat dituliskan
sebagai berikut.
2
( Ʃ ∑X)
√
2−
N
s= Ʃ ∑X
N
2|8
Jika simpangan baku tersebut dimaksudkan untuk menaksirkan simpangan baku populasi
(σ) dan untuk menghindari bias, N pembagi haruslah dikurangi satu, sehingga rumusnya
menjadi
2
( ƩX )
√
2−
N
s= ƩX
N−1
Jika dikehendaki, rumus tersebut juga dapat dituliskan sebagai berikut
2
( Ʃ ∑X)
√
2−
N
s=
Ʃ ∑X
N (N )
dan untuk menaksir populasi serta mengindari bias, N pembagi harus dikurangi satu
sehingga rumus itu menjadi:
2
( Ʃ∑ X)
√
2−
N
s= ƩN∑X
N (N−1)
√
2−
N
s = i Ʃ ∑ fd
N
Sama dengan rumus yang diatas, untuk menghindari bias, jika diterapkan pada simpangan
baku populasi, pembagi N pada rumus itu juga harus dikurangi satu, sehingga rumus itu
menjadi:
2
( Ʃ ∑ fd)
√
2−
N
s = i ƩN ∑ fd
N −1
Analog dengan rumus yang diatas juga, rumus itupun dapat dituliskan dengan cara:
2
(Ʃ ∑ fd )
√
2−
N
s = i Ʃ ∑ fd
N (N )
dan untuk menghindari bias, N pembagi harus dikurangi satu sehingga rumus itu menjadi:
2
(Ʃ ∑ fd )
√
2−
N
s = i Ʃ ∑ fd
N ( N −1)
2|9
simbol-simbol yang dipakai sama dengan simbol yang dipakai untuk menghitung rata-rata
hitung rumus.
2 | 10
Describtives
Describtive Statistics
Range Minimum Maximum Sum Mean Std.
Deviation
Kemampuan 50 54.00 25.00 79.00 2598.00 51.9600 13.02111
Berbahasa
Inggris
Valid N 50
(listwise)
Keterangan: tampilan sebelum diubah formatnya dan tidak semua macam statistic deskriptif
ditampilkan
Descriptive Statistics
Kemampuan Berbahasa Inggris Valid N (listwise)
N statistic 50 50
Range statistic 54
Minimum statistic 25
Maximum statistic 79
Sum statistic 2598
Cara
MeanPertama: statistic 51.96
Std. Error 1.8415
Std.
statistic 13.02111
Deviation
Variance statistic 169.549
Skewness statistic 0.035
Std. Error 0.337
Kurtosis statistic -0.7
Std. Error 0.662
2 | 11
KURVE NORMAL
B.3. Penyajian
1
x́ Skor
2 | 12
2.1. Kurve Normal
Kurve normal mempunyai beberapa karakteristik, yaitu (1) grafik kurve selalu diatas
sumbu datar X, (2) modusnya, yaitu titik pada sumbu dataryang membuat fungsi mencapai
maksimum, terjadi pada x = μ, (3) belahan kanan dan kiri titik tengah bersifat simetris, ke
kanan x́ = 3s, dan ke kiri x́ – 3s, (4) luas daerah kurve diatas sumbu datar sama dengan 1.
Karakteristik tersebut berlaku untuk tiap pasang x́ dan s, namun kurvenya yang sering
berbeda. Tinggi rendahnya ordinat sebuah kurve akan tergantung pada besar kecilnya rata-
rata hitung (x́) dan simpangan baku (s). Jika s semakin besar, maka kurve akan semakin
rendah, begitu pula sebaliknya. Gambar 4.2 menunjukkan dua buah kurve normal yang
mempunyai rata-rata hitung berbeda, tetapi simpangan bakunya sama. Kedua kurve
tersebut sama bentuknya, tetapi berpusat pada posisi yang berbeda sepanjang sumbu
mendatar.
S1 S2
X́ 1 X´ 2
Pada umumnya sebaran data hasil pengukuran dan atau hasil observasi dapat
dijelaskan secara amat memadai oleh kurve normal asalkan besarnya rata-rata hitung dan
simpangan bakunya diketahui.
2 | 13
Dalam distribusi normal baku titik tengah kurve normal yang merupakan letak rata-
rata hitung tersebut adalah sama dengan 0 dan simpangan bakunya sama dengan 1. Jika
letak titik rata-rata hitung sama dengan 0, penyebaran simpangan baku ke kanan dan ke
kiri akan menjadi simetris, yaitu masing-masing menjadi +1s, +2s, +3s, dan -1s, -2s, -3s
Frekuesnsi
Skor
1. Z - Skor
Z-skor merupakan suatu konsep bilangan yang banyak dipergunakan untuk
memecahkan berbagai perssoalan statistik. Ia menunjukkan perbandingan penyimpangan
sebuah skor (X) dari rata-rata hitung (x́) terhadap simpangan baku (s). Z-skor merupakan
nilai standar yang mempunyai X = 0 dan s = 1. Rumus untuk menentukan Z-skor adalah
2 | 14
(X − x́)
Z=
s
2. T - Skor
Adakalanya orang ingin menghindari bilangan negative atau bilangan decimal yang
dihasilkan lewat penghitungan z-skor. Untuk itu, statistic juga memberikan jalan
keluarnya, yaitu dengan cara mentransformasikan z-skor kedalam T-skor. Rumusnya
adalah:
T = 50 + 10z (bilangan 50 dan 10 konstan) atau dapat juga dihitung langsung
berdasarkan data:
(X − x́)
T = 50 + x 10
s
Untuk contoh yang dipertanyakan di atas, yaitu skor 68, 66, dan 70, sedang x́ = 64,93
dan s = 3,00, Z skor dan T skornya adalah:
(68−64,93)
Skor 68: Z = = 1,02
3
T = 50 + 10 (1,02) = 60,2
(66−66,93)
Skor 66: Z = = 0,36
3
T = 50 + 10 (1,02) = 53,6
(70−64,93)
Skor 66: Z = = 1,69
3
T = 50 + 10 (1,69) = 66,9
2 | 15
Frekuensi
3. Konsep Probabilitas
Probabilitas adalah proporsi munculnya suatu kejadian dari kejadian seluruhnya.
Jadi masalah probabilitas adalah masalah frekuensi munculnya gejala dan atau kejadian
yang diamati.
Gambar kurve yang berbentuk bel itu menunjukan bahwa puncak merupakan suatu
kejadian yang paling tinggi frekuensi kemunculannya, dan disitulah letak rata-rata hitung
dari seluruh kejadian itu. Penyimpangan kekanan dan kekiri berarti berkurangnya
frekuensi kejadian, dan semakin kekanan atau kekiri frekuensi itu akan semakin kecil
sehingga kemungkinan munculnya kejadian itu akan semakin kecil.
2 | 16
mulai dari pembuatan instrument, pengumpulan data, analisis data, dan akhirnya yang
berupa penyimpulan-penyimpulan temuan ilmiah.
Besar kecilnya nilai skor yang diperoleh dapat dipergunakan untuk menentukan taraf
signifikansi angka indeks hasil uji stastistik, misalnya uji korelasi, pengujian hipotesis
penelitian, juga dapat dilakukan dengan menghitung nilai z (Z - skor).
5% 2,5%
2,5%
x́ x́
Gambar 2.5. Daerah penerimaan atau penolakan hipotesis pada taraf signifikasi 5%;
(a) dengan 1 ekor (b) dengan 2 ekor.
5. Uji Normalitas
Untuk mengetahui kepastian sebaran data yang diperoleh, haruslah dilakukan uji
normalitas terhadap data yang disampaikan. Uji normalitas data tersebut haruslah sudah
dilakukan sebelum penerapan suatu rumus statistik. Ada beberapa cara yang dapat
dipergunakan untuk melakukan uji normalitas data, yakni dengan mempergunakan rumus
model, chi-kuadrat, dan lilliefors.
Sebagai contoh pembicaraan disajikan sebuah hasil pengukuran kemampuan statistic
55 orang mahasiswa yang telah ditampilkan ke dalam tabel distribusi normal. Kelas
interval yang dibutuhkan adalah 7. Hipotesis yang diajukan adalah hipotesis nol dengan
taraf signifikasi 5%.
Tabel 2.6. Hasil pengukuran kemampuan statistic 55 orang mahasiswa
No Skor Frekuensi
1 80 – 84 2
2 75 – 79 3
3 70 – 74 7
4 65 – 69 10
5 60 – 64 14
6 55 – 59 12
7 50 – 54 7
2 | 17
X́ = 66,5 s = 7,46 N = 55
Tabel 2.7. Perhitungan frekuensi yang diharapkan (E) dan frekuensi pengamatan
Setelah seluruh frekuensi harapan (e) ditemukan, data itu kemudian dimasukkan
kedalam rumus untuk mendapatkan bilangan χ2.
= 0,775
2 | 18
Pengerjaan Dengan Komputer
Uji normalitas dengan program computer biasanya model lilliefors.
Langkah-langkah pengerjaan.
1. Buka computer, ambil program SPSS 11.00 for Win (klik), dan computer langsung
memberikan tampilan untuk data View dan Variable.
2. Ambil (klik) variabel view (dibagian bawah), beri nama variabel untuk data yang
akan dianalisis dan isi tiap kolomnya.
3. Ambil (klik) data view dan tuliskan data skor satu per satu sampai habis lewat
(catatan: langkah 2 dan 3 dapat dibalik)
4. Simpan (selamatkan) dan beri nama file data itu, lewat menu diatas, klik file atau
kotak save file, klik save atau save as
1. Panggil data sebelum diolah, jika belum siap dilayar monitor, dengan klik open
file dan pilih data yang dibutuhkan, jika sudah siap terus kelangkah berikut. Ambil
menu Analyse (dibaris atas klik ambil Explore, klik, muncul kotak dialog;
pindahkan variabel yang akan diuji kekotak Dependent List dengan klik tanda
panah disebelah kanan.
2. Di bagian bawah ada tawaran untuk Display : dalam wujud apa tampilan
diinginkan, yaitu apakah statistic, plots, atau keduanya (Both) agar kita punya dua
macam tampilan.
3. Ambil Statistic, klik, pilih Descriptive untuk meminta olahan statistic deskriptif,
sedang yang lain biarkan kosong karena untuk sementara tidak dibutuhkan, klik
continue.
4. Teruskan ambil plots, klik, pilih Normalyty plots with test, yaitu untuk sementara
biarkan kosong dan klik continue.
5. Ambil options, pilih exclude cases listwise, yang lain biarkan kosong, dan klik
continue
6. Klik oke, computer akan bekerja.
2 | 19
Penghitungan komputer dengan ststistik deskriptif terhadap data tersebut yang
dicontohkan dibawah ini adalah yang diolah dengan cara pertama dan kedua yang
memberikan hasil sebagai berikut.
Cases
Descriptives
Median 52.0000
Variance 182.044
Minimum 25.00
Maximum 79.00
Range 54.00
2 | 20
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
.00 2 .
3.00 2 . 558
3.00 3 . 334
5.00 3 . 56889
4.00 4 . 0344
7.00 4 . 5667888
8.00 5 . 00224444
6.00 5 . 566778
4.00 6 . 2344
5.00 6 . 67888
3.00 7 . 003
2.00 7 . 59
2 | 21
.
2 | 22
C. Penutup
Latihan Soal
1. Jelaskan pengertian dari
a. Mean
b. Median
c. Modus
2. Sebutkan rumus untuk mencari
a. modus
b. median untuk data bergolong
3. Perhatikan data di bawah ini :
76 73 56 76 58 71 57 63 66 67 63 70 76
Tentukan a. median
b. modus
4. a. Sebutkan 2 parameter yang digunakan dalam gambar kurve normal
b. Sebut dan jelaskan persamaan dari persamaan kurve normal ?
Rangkuman
2 | 23
cara perhitungan modus pun berbeda untuk distribusi data tunggal dan distribusi data
bergolong.
Ukuran variabilitas (penyebaran) merupakan konsep yang penting dalam analisis
statistic sebagai acuan untuk mndeskripsikan hasil pengukuran terhadap suatu sampel.
Untuk mengetahui seberapa besar penyimpangan dalam suatu pengukuran biasanya
dinyatakan dengan indeks variabilitas atau indeks penyebaran.
Ukuran kecenderungan sentral dan variabilitas merupakan bentuk – bentuk
analisis statistic yang termasuk statistic deskriptif sehingga proses penghitungannya pun
dapat dicontohkan lewat computer.
Gambar kurve normal tergantung pada dua parameter, yaitu μ dan σ (masing-
masing merupakan symbol rata-rata hitung dan simpangan baku untuk populasi, sedang
untuk sampel yang biasa dipergunakan adalah X dan s). jika kedua parameter itu telah
diketahui, kurve normalnya dengan mudah dapat digambarkan.
Adapun persamaan kurve normal itu adalah sebagai berikut.
1
2
x− x
Y= 1 2 ( )
σ
e
s √2 π
Y : Ordinat untuk nilai x yang mempunyai batas−∞< x <∞
π : Nilai Konstanta : 3,1416
e : Bilangan konstanta : 2,7183
σ : simpangan baku
x : Rata-rata hitung
Tes Formatif
1. Rata-rata hitung ?
2 | 24
a.10,5
b.8,6
c. 9,7
2. Median ?
a. 10
b. 8
c. 12
3. Modus ?
a. 12
b. 10
c. 14
4. Simpangan bakunya ?
a. 2,74
b. 3,92
c. 4,12
s √π
1
2
x− x
c. Y = 1 2 ( )
σ
e
s √3 π
Umpan Balik
Setelah anda mengerjakan soal latihan pada tes formatif, sebaiknya hasilnya dapat
anda cocokkan dengan kunci jawaban. Selanjutnya hitunglah jumlah jawaban yang benar
2 | 25
dengan rumus di bawah ini untuk mengetahui tingkat penguasaan anda dalam modul ini.
Namun jika mengalami kesulitan, maka konsultasikan dengan pembimbing.
Rumus :
Tingkat penguasaan = Jumlah jawaban benar x 100 %
80 % - 89 % artinya baik
70 % - 79 % artinya sedang
Tindak Lanjut
Kunci Jawaban :
1. c
2. a
3. c
4. b
5. a
2 | 26
2 | 27