MODUL 2

UKURAN KECENDERUNGAN SENTRAL, VARIABILITAS, dan

KURVE NORMAL

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

UKURAN KECENDERUNGAN SENTRAL

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

X́ = Rata-rata hitung yang dicari

∑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

No Urut Skor (X) Frekuensi (f) fX FX2

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

Penghitungan rata-rata hitung dari Data Distribusi Bergolong

Ada dua cara untuk menghitungnya, yakni berdasarkan (1) berdasarkan jumlah
frekuensi titik tengah dan (2) rata-rata hitung duga.
Pertama, penghitung rata-rata berdasarkan jumlah frekuensi titik tengah. Caranya: (a)
menentukan titik tengah (Xt) tiap kelas interval, (b) perlakuan titik tengah sebagaimana
skor (X) pada distribusi tunggal, (c) langkah selanjutnya sama dengan distribusi tunggal.
Dengan denmikian, rumus yang dipergunakan adalah
Ʃ ∑ Xt
X́ ¿
N

X́ = Rata-rata hitung yang dicari

∑Xt = Jumlah skor titik tengah
N = jumlah subjek

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

N = 50 ∑fXt = 2.585 ∑fXt2= 142.015

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

N = 50 ∑=0 ∑fd=-3 ∑fd2=335

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

1. Penghitungan Simpangan Baku dari Penyimpangan Skor Individual

Rumus:
2
s= ƩX
N √
s = indeks simpangan baku yang dicari
x = penyimpangan skor individual dari mean (X – X)
N = jumlah subjek sampel
Ʃ 354
s=
√ 10
= 5,9498

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

Jika dalam penghitungan dihilangkan angkanya, sehingga jumlah kuadrat

penyimpangan skor individual, penghitungan itu akan menghasilkan simpangan baku
kuadrat, atau menjadi apa yang disebut varians (variance, disingkat s2 atau σ2).
Sebagaimana halnya dengan simpangan baku, varians merupakan konsep yang banyak
dipergunakan dalam analisis statistik.

2. Penghitungan Simpangan Baku dari Data Distribusi Tunggal

Penghitungan simpangan baku berdasarkan data distribusi tunggal tidak
memerlukan penghitungan simpanganskor-skor individual dari mean, melainkan langsung
dari jumlah kuadrat skor.
Kesulitan dari pengerjaan rumus diatas adalah dalam menghitung ∑x2 , yaitu yang
diperoleh dengan cara menghitung: ∑(X – x́)2, karena kita harus menghitung mean terlebih
dahulu yang dirasa memperpanjang pengerjaan. Untuk menghindari perhitungan ∑(X – x́)2

−(∑ 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)

3. Penghitungan Simpangan Baku dari Data Distribusi Bergolong

Jika data disusun disusun kedalam bentuk distribusi bergolong, rumus penghitungan
simpangan baku yang dipergunakan adalah sebagai berikut.
2
(Ʃ ∑ fd )

√
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.

PENGERJAAN DENGAN KOMPUTER

Ada beberapa program statistik yang dipergunakan untuk menghitung rata-rata
hitung, simpangan baku, dll yang tergolong statistik deskriptif. Bahkan, hamper tiap
program juga menawarkan hasil penghitungan statistik ini. Langkah-langkah yang
ditempuh yang ditunjukkan berikut meliputi dua cara, yakni:
1. Masukkan data-data yang akan dianalisis kedalam computer, atau jika sudah
tersimpan upload data yang dimaksud, dengan cara sebagaimana ditunjukkan pada
Bab 2. Ada beberapa cara untuk menghitung statistik deskriptif lewat komputer.
2. Cara pertama: ambil menu Analyze (dibagian atas), klik, (a) pilih Descriptive
statistics, pilih Descriptive, klik (b) jika dalam kotak dialog sebelah kiri terdapat
sejumlah nama variabel, pilih nama yang dibutuhkan, klik, dan klik panah ke kanan,
(c) pilih (klik) Options dan muncul daftar Descriptive Options pada kotak dialog,
dan pilih yang dikehendaki atau ambil semuanya, klik Continue, (d) klik OK,
komputer langsung bekerja dan menampilkan hasil penghitungan statistik deskriptif
secara lengkap.
Catatan: tampilan hasil penghitungan dengan cara ini memanjang sehingga tidak
praktis untuk dicetak, maka perlu diubah formatnya. Caranya: (a) klik mana saja pada
tampilan analisis intik menampilkan garis segiempat yang mengelilingi tampilan itu,
(b) pilih menu Edit, pilih submenu Select, dan kemudian pilih All Pivot Table, (c)
klik dua kali hingga tampilan menu berubah dan siap diubah, (d) pilih menu Pivot
dan submenu Transpose Rows And Columns, klik dan tampilan berubah tidak lagi
memanjang.
3. Cara kedua: ambil menu Analyze, klik, (a) pilih Descriptive statistics, pilih
Frequencies, klik, (b) jika dalam kotak dialog sebelah kiri terdapat sejumlah nama
variable, pilih nama yang dibutuhkan, klik, dan klik panah kekanan, (c) pilih (klik)
Statistics (bawah) dan muncul kotak dialog yang menawarkan penghitungan berbagai
statistik deskriptif, pilih yang dikehendaki, kemudian klik Continue, (d) klik OK,
komputer langsung bekerja dan menampilkan hasil penghitungan.
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.

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. Tentang Kurve Normal

Gambar kurve normal menyerupai genta (bel) yang beraturan, dalam arti simetris
antara ekor sebelah kanan dan ekor sebelah kanan dan ekor sebelah kiri, dan
mencerminkan cirri-ciri umum populasi dari mana sampel itu diambil. 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
Gambar kurve normal berbentuk genta (gel) dan ditengah-tengah puncak kurve itu
ditarik kebawah dan merupakan letak letak rata-rata hitung (X = μ), dan disebelah kanan
dan kiri merupakan daerah simpangan baku (s = σ). Gambar 4. Merupakan contoh gambar
kurve normal. (ingat:tinggi atau ordinat kurve nenunjukkan frekuensi (Y), sedang yang
mendatar merupakan skor (X).
5

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

2.2 Dua Kurve normal dengan x´1 ≠ x́ 2, tetapi s1 = s2

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. Daerah Kurve Normal

Seluruh daerah kurve normal mempunyai luas 1 (dinyatakan dalam proporsi) atau 100
(dinyatakan dalam persen). Dititik tengah kurve merupakan letah rata-rata hitung (X), dan
disebelah kanan dan kirinya adalah simpangan baku yang nilainya dibawah rata-rata
hitung yang bersifat positif dan negatif. Karena kurve normal bersifat simetris terhadap
rata-rata hitung, luas daerah dibawah dan diatas rata-rata hitung adalah sama besar, yaitu
masing-masing 0,5 atau 50%.

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

-3s -2s -1s x́ +1s +2s +3s

Gambar 2.3. Kurve normal dengan x́ = 0 dan ± 3s.

Dari titik x́ (= 0) sampai dengan +1s menempati daerah seluas 0,3413 (34,13%)
Oleh karena kurve bersifat sometris, daerah diantara x́ + 1s adalah sebesar 2 x 0.3413
yaitu sebesar 0,6426 (64,26%). Hal itu berarti dari seluruh data hasil pengukuran danatau
observasi, 64,26% diantaranya berada disekitar rata-rata hitung. Luas daerah dari +1s
sampai dengan +2s atau sebaliknya -1s sampai dengan -2s adalah sebesar 0,1359
(13,59%), sehingga seluruh daerah dari x́ sampai +2s adalah sebesar 0,9544 (95,44%). Hal
itu berarti bahwa sudah hamper seluruh anggota (data) subjek penelitian tercakup
didalamnya. Luas daerah dari +2s sampai +3s atau sebaliknya -2s sampai -3s adalah
0,0215 (2,15%). Anggota atau data yang masukdalam daerah ini adalah termasuk
kelompok “ekstrem”, dalam arti semakin jauh penyimpangannya baik secara positif
maupun secara negatif dari rata-rata hitung atau nilai tengah (x́).
Untuk menentukan letak posisi skor dalam kurve normal diperlukan informasi tentang
skor standar yang berupa z – skor. Untuk itu perlu kita bicarakan tentang z – skor yang
dimaksud.

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

Jika ditanyakan dimanakah letak skor 66 – 70 (68 termasuk didalamnya) di

dalam kurve normal, jawabannya adalah sebagai berikut: letak Z skor 66 – 70 adalah
diantara 0,36 – 1,69 yaitu sedikit dibawah pertengahan antara x́ dan + 1s sampai
dengan sedikit di atas pertengahan antara + 1s dan +2s. Letak skor – skor tersebut
dalam kurve normal ditunjukkan dalam kurve normal.

2 | 15
 Frekuensi

-3s -2s -1s x́ +1s +2s +1s

55,93 58,93 61,93 64,93 67,93 70,93 73,93
Gambar 2.4. Daerah z skor antara 0,36 – 1,69 dalam kurve normal

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.

Hubungan Probabilitas dengan Kurve Normal

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.

4. Z - Skor Untuk Pengujian Hipotesis

Penelitian kuantitatif pada umumnya dimaksudkan untuk menguji hipotesis yang
dikembangkan. Jenis ststistik yang dipergunakan untuk menguji hipotesis itu adalah
statistik inferensial. Ia mungkin berupa statistik yang dimaksudkan untuk menguji
hubungan atau perbedaan. Hipotesis merupakan sesuatu yang melekat pada penelitian
kuantitatif, walau tidak semua penelitian kuantitatif membutuhkan hipotesis terutamayang
bersifat deskriptif. Hipotesis itulah yang dijadikan dasar berbagai langkah kerja penelitian,

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

Langkah – langkah untuk menguji normalitas sebaran:

1. Menentukan batas – batas kelas interval untuk menghitung luas daerah kurve
normal. Batas kelas interval pertama adalah 84,5 dan 79,5 dan 69,5 dst.
2. Mentransformasikan batas kelas tersebut ke dalam bilangan z-skor. Batas kelas
84,5 dan 79,5 mempunyai z 2,41 dan 1,74, batas kelas 74,5 dan 69,5 mempunyai z
1,06 dan 0,39 dst.
3. Menghitung luas daerah tiap kelas interval berdasarkan tabel daerah kurve normal.
Luas daerah kelas interval pertama dengan z 2,41 dan 1,74 adalah 0,4920 dan
0,4591, sehingga luas kelas interval itu: 0,4920 – 0,4591 = 0,0329.
4. Menghitung frekuensi teoretis (frekuensi harapan, E), yaitu dengan cara: luas
daerah kelas interval kali 55 (jumlah kasus).
5. Hasil perhitungan-perhitungan kemudian disajikan dalam bentuk tabel, dan
kemudian dapat dihitung besarnya χ2dengan mempergunakan rumus diatas :

Tabel 2.7. Perhitungan frekuensi yang diharapkan (E) dan frekuensi pengamatan

No Batas z Batas Luas Daerah Frekuensi Frekuensi

Kelas Kelas Kelas Interval Harapan E Pengamatan (O)
84,5 2,41
1 79,5 1,74 0,0329 1,8 2
2 74,5 1,06 0,1397 7,68 7
3 69,5 0,39 0,2037 11,2 10
4 64,5 -0,27 0,2581 14,2 14
5 59,5 -0,95 0,2225 12,2 12
6 54,5 -1,62 0,1185 6,5 7
7 49,5 -2,29 0,043 2,36 3

Setelah seluruh frekuensi harapan (e) ditemukan, data itu kemudian dimasukkan
kedalam rumus untuk mendapatkan bilangan χ2.

(3−1,81) (7−7,68) (3−2,36)

χ2 = += +……+ =
1,81 7,68 2,36

= 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

Pengolahan Data dengan SPSS

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.

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

skorring 50 100.0% 0 .0% 50 100.0%

Descriptives

Statistic Std. Error

skorring Mean 51.5800 1.90811

95% Confidence Interval for Lower Bound 47.7455

Mean
Upper Bound 55.4145

5% Trimmed Mean 51.6556

Median 52.0000

Variance 182.044

Std. Deviation 13.49239

Minimum 25.00

Maximum 79.00

Range 54.00

Interquartile Range 21.00

Skewness -.045 .337

Kurtosis -.681 .662

2 | 20
 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

skorring .061 50 .200* .982 50 .656

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

skorring Stem-and-Leaf Plot

Frequency Stem & Leaf

.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

Stem width: 10.00

Each leaf: 1 case(s)

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 ?

Petunjuk Jawaban Latihan Soal

Jika anda merasa kesulitan untuk menjawab soal-soal latihan tersebut, silahkan cermati
kembali teori yang berhubungan dengan pertanyaan di atas.

Rangkuman

Ukuran kecenderungan sentral dan variabilitas merupakan bentuk-bentuk analisis

statistic yang termasuk statistik. Hasil penghitungan – penghitungan statistic itu adalah
untuk menggambarkan karakteristik, ciri, atau keadaan kelompok subjek yang
diobservasi. Ia tidak dimaksudkan untuk melakukan inferensi – inferensi dari pengujian
hipotesis.
Penghitungan ukuran kecenderungan sentral pada umumnya meliputi
penghitungan mean (rata – rata hitung), median, dan modus. Indikator yang dipakai
dalam penghitungan mean ialah berdasarkan 3 cara tergantung keadaan data.
Penghitungan median memiliki perbedaan antara data genap dan data ganjil sedangkan

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

Hubungan Probabilitas dengan Kurve Normal Gambar kurve yang 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.

Tes Formatif

Diketahui data sampel : 3, 5, 7, 8, 10, 10, 12, 14, 14, 14.

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

5. Bagaimana persamaan kurve normal ?

1
2
x− x
a. Y = 1 2 ( )
σ
e
s √2 π
1
2
x− x
b. Y = 1 e 2 ( )
σ

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 %

Kriteria yang digunakan adalah :

90 % - 100 % artinya sangat baik

80 % - 89 % artinya baik

70 % - 79 % artinya sedang

< 70 % artinya kurang

Tindak Lanjut

Apabila kriteria penguasaan anda di atas 80 %, maka anda dapat melanjutkan ke

modul berikutnya, namun jika penguasaan anda kurang dari 80 %, silahkan anda pelajari
lagi modul 3 ini agar penguasaan anda menjadi lebih baik lagi untuk dapat melanjutkan ke
modul berikutnya

Kunci Jawaban :

1. c
2. a
3. c
4. b
5. a

2 | 26
2 | 27