MAKALAH

STATISTIK
“Parameter Dasar Statistik”

OLEH:
TESSA DESTIA PUTRI LISA
NIM. 21175021
PENDIDIKAN FISIKA

DOSEN PEMBIMBING:
Dr. Hamdi, M.Si.
Dr. Desnita, M.Si.

JURUSAN FISIKA
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI PADANG
2021
 BAB I

PENDAHULUAN

A. Latar Belakang
Pandemi Covid-19 mengakibatkan dampak yang besar pada sendi kehidupan manusia.
Salah satunya kegiatan dan mobilitas sosial lebih banyak dilakukan di rumah. Dimulai dari
bekerja, belajar, belanja sampai beribadah di rumah. Besarnya porsi kegiatan yang dilakukan
di rumah menjadikan aktivitas digital tidak dapat dihindari. Namun demikian, besarnya
aktivitas itu belum diimbangi dengan perlindungan hukum terhadap data pribadi setiap
orang di Indonesia.
Pelanggaran terhadap data pribadi sering kali terjadi seperti data pribadi yang bocor ke
publik. Data tersebut terdiri atas nama, nomor KTP, nomor telepon, alamat email, alamat
rumah, informasi kesehatan, dan lain sebagainya yang sifatnya rahasia sehingga rentan
disalahgunakan oleh orang-orang yang tidak bertanggungjawab (Rahmatullah, 2021: 11).
Hal ini menunjukkan bahwa dalam setiap kegiatan di kehidupan sehari-hari kita
menggunakan begitu banyak pengumpulan data. Terlebih lagi pada masa pandemi Covid-
19 ini, setiap kegiatan yang akan kita lakukan membutuhkan data pribadi. Sehingga, dapat
disimpulkan bahwa pengetahuan mengenai data menjadi sangat penting untuk dipelajari.
Ilmu yang mempelajari tentang pengumpulan data dikenal dengan istilah statistika.
(Sudjana, 2000) menjelaskan bahwa statistika merupakan pengetahuan yang berhubungan
dengan cara-cara pengumpulan data, pengolahan atau penganalisaannya dan penarikan
kesimpulan berdasarkan kumpulan data dan penganalisaan yang dilakukan.
Pada bidang penelitian istilah statistik dibedakan dengan istilah data kuantitatif. Data
kuantitatif diartikan sebagai data berbentuk angka-angka sedangkan istilah statistik diartikan
sebagai metode mengolah dan menganalisis data kuantitatif.

B. Rumus Masalah

Berdasarkan latar belakang masalah yang telah dikemukakan, maka dikemukakan

rumusan masalah sebagai berikut.

1. Apa saja jenis-jenis dari statistika?

2. Apa saja jenis-jenis dari data?
3. Apa itu distribusi frekuensi?
 4. Apa itu tabel, grafik dan diagram?
5. Bagaimana skala pengukuran, central tendency, dan variabilitas dalam statistika?
6. Apa itu probability dan sampel distribusi dalam statistika?

C. Tujuan Makalah
Berdasarkan rumusan masalah yang telah dikemukakan, maka tujuan dari pembuatan
makalah ini adalah sebagai berikut.
1. Untuk mengetahui jenis-jenis dari statistik
2. Untuk mengetahui jenis-jenis dari data
3. Untuk mengetahui tentang distribusi frekuensi
4. Untuk mengetahui jenis tabel, grafik dan diagram
5. Untuk mengetahui skala pengukuran, central tendency, dan variabilitas dalam
statistika
6. Untuk mengetahui probability dan sampel distribusi dalam statistika
 BAB II
KAJIAN TEORI

A. Jenis Statistik
Secara etimologi, kata statistik berasal dari bahasa latin: “status”, yang artinya negara,
atau kata “staat” dalam bahasa Belanda. Pada mulanya, kata statistik diartikan sebagai bahan
keterangan atau data, baik data kuantitatif ataupun data kualitatif yang dibutuhkan oleh suatu
negara. Dalam kamus Bahasa Indonesia, statistika diartikan dalam dua pemaknaan. Pertama
statistika sebagai “ilmu statistik” dan kedua statistika diartikan sebagai “ukuran yang
diperoleh atau berasal dari sampel”.
Statistika dapat diklasifikasikan berdasarkan fungsi, ruang lingkup pengunaannya dan
bentuk indikator yang dianalisis (Rusydi & Fadhli, 2018:4–5).
1. Berdasarkan fungsinya, statistik dibedakan kepada dua bagian yaitu:
a. Statistik Deskriptif (descriptive statistics)
Statistik yang mempelajari tata cara mengumpulkan, menyusun, menyajikan,
dan menganalisa data penelitian yang berwujud angka-angka, agar dapat
memberikan gambaran yang teratur, ringkas dan jelas mengenai suatu gejala,
keadaan dan peristiwa sehingga dapat ditarik atau makna tertentu.
Statistik deskriptif hanya berhubungan dengan hal-hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data, keadaan atau fenomena.
Dengan kata lain, statistik deskriptif hanya berfungsi menerangkan keadaan, gejala
atau persoalan.
b. Statistik Inferensial (inferensial statistics)
Statistik yang mempelajari atau mempersiapkan tata cara penarikan kesimpulan
mengenai karakteristik populasi, berdasarkan data Statistik Pendidikan 5 kuantitatif
yang diperoleh dari sampel penelitian. Penarikan kesimpulan mengenai
karakteristik populasi berdasarkan data sampel yang diambil dari populasinya,
disebut generalisasi atau induksi. Karena itu statistik inferensial juga dikenal
sebagai statistik induktif (inductive statistics).
Di samping fungsi generalisasi, statistik inferensial juga menyediakan aturan-
aturan tertentu dalam rangka penyusunan atau pembuatan ramalan (prediction)
maupun penaksiran (estimation).
 2. Berdasarkan ruang lingkup penggunaannya, statistika dapat diklasifikasikan sebagai
berikut:
a. Statistik Pendidikan adalah statistik yang digunakan atau diterapkan pada
bidang atau disiplin ilmu Pendidikan.
b. Statistik Sosial adalah statistik yang digunakan atau diterapkan pada bidang atau
disiplin ilmu Sosial.
c. Statistik Kesehatan adalah statistik yang digunakan atau diterapkan pada bidang
atau disiplin ilmu Kesehatan.
d. Statistik Ekonomi adalah statistik yang digunakan atau diterapkan pada bidang
atau disiplin ilmu Ekonomi.
e. Statistik Pertanian adalah statistik yang digunakan atau diterapkan pada bidang
atau disiplin ilmu Pertanian.
f. Statistik bidang ilmu/kajian lainnya.

3. Berdasarkan indikator yang dianalisis, statistik dapat diklasifikasikan kepada:

a. Statistik parametrik
Statistik yang parameter populasinya harus memenuhi syarat-syarat tertentu
seperti data berskala interval atau rasio, pengambilan sampel harus random,
berdistribusi normal, memiliki varians yang homogen, model regresinya linear.
Dalam statistik parametrik, indikator-indikator yang di analisis adalah parameter-
parameter dari ukuran objek yang bersangkutan.
b. Statistik nonparametrik
Statistik yang parameter populasinya bebas dari keharusan terpenuhinya syarat-
syarat tertentu sebagaimana halnya dengan statistik parametrik. Dalam statistik
nonparametrik, indikator-indikator yang dianalisis adalah sisi lain dari parameter
ukuran objek yang diteliti.

B. Jenis Data
Menurut kamus Besar Bahasa Indonesia pengertian data adalah keterangan yang benar
dan nyata. Data adalah bentuk jamak dari datum. Datum adalah keterangan atau informasi
yang diperoleh dari suatu pengamatan sedangkan data adalah segala keterangan atau
informasi yang dapat memberikan gambaran tentang suatu keadaan.
Tujuan pengumpulan data adalah untuk memperoleh gambaran suatu keadaan. Dan
sebagai dasar pengambilan keputusan. Syarat data yang baik agar memperoleh kesimpulan
tepat dan benar maka data yang dikumpulkan dalam pengamatan harus nyata dan benar,
diantaranya: data harus obyektif (sesuai keadaan sebenarnya). data harus mewakili
(representative), data harus update, data harus relevan dengan masalah yang akan
dipecahkan. Data dibagi menjadi beberapa macam jenis antara lain sebagai berikut.
1. Berdasarkan Jenis Datanya
a. Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka.
Misalnya adalah jumlah pembeli saat hari raya Idul Adha, tinggi badan siswa kelas
3 ips 2, nilai matematika (…,6,7,8,9,10,…) dan lain-lain.
b. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kata-kata yang
mengandung makna. Contohnya seperti persepsi konsumen terhadap botol air
minum dalam kemasan, anggapan para ahli terhadap psikopat, warna (merah, hijau,
biru, kuning, hitam, dll) dan lain-lain.

2. Berdasarkan Sifat Data

a. Data Diskrit (cacahan)
Data diskrit adalah data yang nilainya adalah bilangan asli. Contohnya adalah
berat badan ibu-ibu pkk sumber ayu, nilai rupiah dari waktu ke waktu, jumlah peserta
yang hadir dalam seminar nasional pendidikan matematika. Jumlah siswa yang lulus
try out akbar UAN 2011, jumlah buku yang terdapat pada perpustakaan kampus, dan
lain-sebagainya.
b. Data Kontinu (ukuran)
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau
berada pada nilai yang satu kenilai yang lainnya. Contohnya penggunaan kata
sekitar, kurang lebih, kira-kira, dan sebagainya. Dinas pertanian daerah mengimpor
bahan baku pabrik pupuk kurang lebih 850 ton.

3. Berdasarkan Waktu Pengumpulannya

a. Data Cross Section
Data cross-section adalah data yang menunjukkan titik waktu tertentu.
Contohnya laporan keuangan per 31 Desember 2006, data pelanggan PT. angin rebut
bulan mei 2004, dan lain sebagainya.
b. Data Time Series/Berkala
 Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke
waktu atau periode secara historis. Contoh data time series adalah data
perkembangan nilai tukar dollar amerika terhadap euro eropa dari tahun 2004 sampai
2006, dll.

4. Berdasarkan Sumber Data

a. Data Internal
Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu
organisasi secara internal. Misal : data keuangan, data pegawai, data produksi, dsb.
b. Data Eksternal
Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada
di luar organisasi. Contohnya adalah data jumlah penggunaan suatu produk pada
konsumen, tingkat preferensi pelanggan, persebaran penduduk, dan lain sebagainya.

5. Berdasarkan Cara Memperolehnya

a. Data Primer
Data primer adalah secara langsung diambil dari objek penelitian oleh peneliti
perorangan maupun organisasi. Contoh: Mewawancarai langsung penonton bioskop
21 untuk meneliti preferensi konsumen bioskop.
b. Data Sekunder
Data sekunder adalah data yang didapat tidak secara langsung dari objek
penelitian. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak
lain dengan berbagai cara atau metode baik secara komersial maupun non komersial.
Contohnya adalah pada peneliti yang menggunakan data statistik hasil riset dari surat
kabar atau majalah (Nuryadi et al., 2017:2-5).

C. Distribusi Frekuensi
Distribusi Frekuensi adalah suatu susunan dari mulai data terkecil sampai data yang
terbesar yang membagi banyaknya data kedalam beberapa kelas. Manfaat penyajian data
dalam bentuk Distribusi Frekuensi adalah untuk menyederhanakan penyajian data sehingga
menjadi lebih mudah untuk dibaca dan dipahami sebagai bahan informasi.
Tabel Distribusi Frekuensi disusun bila jumlah data yang akan disajikan cukup banyak,
sehingga apabila disajikan dengan menggunakan table biasa menjadi tidak efektif dan
efisien serta kurang komunikatif. Beberapa bagian yang harus diperhatikan dalam Distribusi
Frekuensi antara lain:
1. Kelas Interval/Jumlah Kelas Interval (Class) Kelas merupakan kelompok-
kelompok nilai atau variabel. Jumlah kelas menunjukkan jumlah kelompok
nilai/variable dari data yang diobservasi.
2. Batas Kelas (Class Limits) merupakan nilai-nilai yang membatasi antara kelas
yang satu dengan kelas berikutnya. Terdiri atas 2 macam, yaitu:
a. Batas Kelas Bawah (Lower Class Limits) yaitu nilai atau angka yang terdapat
pada bagian sebelah kiri dari setiap kelas.
b. Batas Kelas Atas (Upper Class Limits) yaitu nilai atau angka yang berada
pada bagian sebelah kanan dari setiap kelas.
3. Rentang Data (Range) yaitu selisih antara data tertinggi dengan data terendah
(data terbesar dikurangi data terkecil).
4. Panjang Interval Kelas (Interval Size)/Panjang kelas adalah jarak antara tepi
kelas atas dengan tepi kelas bawah. Hal ini dapat dihitung dengan cara: rentang
data ‘dibagi’ jumlah kelas.
5. Frekuensi Kelas (Class Frequency) merupakan banyaknya jumlah data yang
terdapat pada kelas tertentu.

Menurut Algifari (1994:8) langkah-langkah yang dilakukan untuk membuat table

distribusi frekuensi adalah sebagai berikut :
1. Urutkan data dari nilai data tertinggi ke nilai data terendah.
2. Tentukan jumlah kelas yang akan digunakan pada tabel distribusi. Ada cara
untuk menentukan jumlah kelas seperti dikemukakan oleh Sturges (Algifari,
1994:8), yaitu dengan menggunakan formula:

𝐾 = 1 + 3,33 log 𝑁
K = jumlah kelas.
N = banyaknya data observasi

3. Menentukan interval kelas. Besarnya interval kelas yang digunakan pada tabel
distribusi frekuensi juga bebas ditentukan oleh pembuatnya. Akan tetapi perlu
diingat bahwa besarnya interval kelas untuk semua kelas adalah sama. Ada
formula yang dapat digunakan untuk menentukan besarnya interval kelas, yaitu:
 𝑅
𝐶=
𝐾
C = interval kelas
R = selisih nilai data tertinggi dengan nilai data terendah (Range)
K = jumlah kelas.

4. Menyusun data ke dalam tabel distribusi frekuensi. Sebelum menyusun data ke

dalam tabel distribusi frekuensi terlebih dahulu ditentukan nilai terendah pada
kelas yang pertama. Misalnya menentukan nilai terendah dari kelas yang pertama
terlalu kecil, dengan jumlah kelas dan interval kelas yang sudah ditentukan,
sehingga kelas yang pertama tersebut tidak menampung data observasi
(frekuensi kelasnya nol).

Contoh kasus :
Berikut ini adalah data mengenai nilai 30 orang peserta ujian Statistik di UNP Padang:
60 55 61 72 59 49 57 65 78 66
41 52 42 47 50 65 74 68 88 68
90 63 79 56 87 65 85 95 81 69

Buatlah tabel distribusi frekuensi mengenai nilai 30. Untuk menjawab kasus diatas,
langkah-langkah yang harus dilakukan :
1. Urutkan data observasi dari nilai terendah ke nilai tertinggi
41 60 72 42 61 74 47 63 78 49
65 79 50 65 81 52 65 85 55
66 87 56 68 88 57 68 90 59
2. Menentukan jumlah kelas pada tabel distribusi frekuensi.
𝐾 = 1 + 3,33 log 𝑁
K = 1 + 3,33 log 40
K = 5, 87 = 6
3. Menentukan interval kelas dengan formula
𝑅
𝐶=
𝐾
R = 95-41 =54
K = 5,87
 Sehingga
54
𝐶= = 9,19 = 10
5.87

4. Menyusun data observasi dalam table distribusi frekuensi

Untuk kasus diatas, misalnya kita tentukan nilai terendah pada kelas pertama
adalah 40 dengan interval kelas 10, sehingga table distribusinya sebagai berikut:
Nilai

40 – 49
50 – 59
60 – 69
70 – 79
80– 89
90-99

D. Tabel, Grafik dan Diagram

Data yang dikumpulkan dari lokasi penelitian, pada umumnya belum teratur, dan masih
merupakan bahan keterangan yang sifatnya kasar dan data mentah. Salah satu tugas statistic
adalah menyusun data mentah dan menyajikannya dengan cara yang teratur, ringkas dan
mudah dimengerti, sehingga dengan jelas dapat memberikan gambaran yang tepat mengenai
ciri atau makna yang terkandung dalam data tersebut. Untuk itu statistik mempersiapkan
beberapa bentuk penyajian data, yaitu tabel, grafik dan diagram.
1. Tabel
Tabel adalah alat penyajian data angka dalam bentuk baris-baris dan kolom-kolom.
Data angka yang dikumpulkan disusun dan didistribusikan kedalam baris-baris dan
kolom-kolom menurut klasifikasi datanya. Misalnya, jumlah pegawai diklasifikasikan
menurut jenis kelamin, umur dan pendidikan. Jumlah penduduk diklasifikasikan
menurut suku dan agama.
Penyajian tabel digunakan sebagai pilihan yang sering dipakai oleh peneliti atau
penyaji informasi. Pengolahan data untuk keperluan analisis awal atau analisis lanjutan
akan lebih baik apabila disajikan terlebih dahulu dalam tabel yang baik. Sebuah tabel
memuat bagian-bagian sebagai berikut
 Kepala tabel memuat nomor tabel Judul tabel (mungkin termasuk tahun dan/atau
unit).
  Leher tabel memuat keterangan atau judul kolom (mungkin termasuk unit yang
harus ditulis singkat dan jelas)
 Badan tabel memuat data (mungkin termasuk tahun)
 Kaki tabel memuat keterangan–keterangan tambahan
 Sumber data, yaitu sumber yang menjelaskan dari mana data itu dikutip atau
diambil.

Didasarkan atas pengaturan datanya, tabel dapat dibedakan atas beberapa jenis yaitu:
a. Tabel biasa
Tabel biasa sering digunakan untuk berbagai macam, keperluan untuk
menginformasikan data dari hasil penelitian atau penyelidikan. Tabel biasa ini biasanya
dalam bentuk tabel yang sederhana yang mudah dipahami dan dibaca oleh public.
Tabel 3. Jumlah Mahasiswa Fisika per Angkatan
No. Angkatan Jumlah
1. 2015 80
2. 2016 95
3. 2017 100
4. 2018 115
5. 2019 120
Sumber : UNP,2029

b. Tabel kontigensi
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuai dengan
rinciannya. Apabila bagian baris berisikan m baris dan bagian kolom tabel berisikan n
kolom maka didapatkan tabel kontigensi berukuran m x n.
Tabel 4. Hasil Ujian Statistika untuk 107 mahasiswa

50-59 60-69 70-79 80-89 Jumlah

50-59 12 7 19 2 31
60-69 9 10 5 7 30
70-79 10 8 3 3 24
80-89 5 3 12 2 22

Jumlah 35 28 30 14 107
Sumber: UNP, 2021
c. Tabel frekuensi
Tabel frekuensi adalah tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi dari suatu kejadian.
Tabel 5. Hasil Ulangan Statistik

Nilai JumlahMahasiswa
45 – 49 3
50 – 54 5
55 – 59 6
60 – 64 8
65 – 69 12
70 – 74 15
75 – 79 10
80 – 84 7
85 – 89 4
Jumlah 70
Sumber : UNP,2021

2. Grafik
Grafik tidak lain adalah alat penyajian data yang tertuang dalam bentuk lukisan, baik
lukisan garis, gambar maupun lambang. Jadi, dalam penyajian data angka melalui grafik,
angka itu disajikan dalam bentuk lukisan garis, gambar, atau lambang tertentu. Dengan
kata lain, data angka divisualisasikan. Pada umumnya terdapat berbagai cara untuk
menyajikan data penelitian sebagai berikut:
a. Grafik Garis (Polygon).
Diagram garis sering disebut juga peta garis (line chart) atau kurva (curve),
merupakan bentuk penyajian yang paling banyak dipakai dalam berbagai laporan
perusahaan maupun penelitian ilmiah. Grafik garis biasanya dibuat untuk menunjukkan
perkembangan suatu keadaan.
Perkembangan tersebut bisa naik ataupun bisa turun. Hal ini akan tampak secara
visual melalui garis dalam grafik. Grafik garis dapat dibuat dari distribusi frekuensi data
tunggal maupun dari distribusi data kelompok.
 Gambar 1. Grafik Garis
b. Grafik Batang (Histogram)
Grafik histogram adalah grafik yang tersusun dari segiempat yang didirikan pada
absis, membentang selebar-lebarnya kelas. Tinggi dari segi empat itu sebanding dengan
frekuensi masing-masing kelas yang diwakili. Histogram dapat dibuat dari distribusi
frekuensi data tunggal maupun dari distribusi frekuensi data kelompok.

Gambar 2. Grafik Batang

c. Grafik Ogive
Dari distribusi frekuensi kumulatif dapat dibuat grafik garis yang disebut polygon
frekuensi kumulatif. Jika polygon frekuensi kumulatif dihaluskan, diperoleh kurva yang
disebut kurva ogive.
 Gambar 3. Grafik Ogive

3. Diagram
a. Diagram batang
Diagram yang berbentuk persegi panjang dengan skala atau ukuran sesuai data
yang bersangkutan. Setiap batang memiliki jarak yang sama, disusun secara tegak
atau mendatar Diagram batang sangat cocok untuk menyajikan data yang berbentuk
kategori dan atribut, serta data tahunan yang tahunnya tidak terlalu banyak.
Untuk menggambar diagram batang diperlukan sumbu tegak dan sumbu datar
yang berpotong tegak lurus. Sumbu tegak maupun sumbu datar dibagi menjadi
beberapa skala bagian yang sama. Pada bagian bawah sumbu datar dituliskan atribut
atau waktu dan pada sumbu tegak dituliskan kuantum atau nilai data.

Gambar 4. Diagram Batang

b. Diagram lingkaran
Cara lain untuk menyajikan data hasil penelitian adalah dengan diagram
lingkaran (piechart). Diagram lingkaran biasanya digunakan untuk menyatakan
perbandingan jika data terdiri atasbeberapa kelompok atau kategori.
 Gambar 5. Diagram Lingkaran

c. Diagram Lambang atau Diagram Simbol

Diagram ini makin lama makin banyak dipakai, karena memiliki bentuk yang
sangat menarik perhatian umum. Diagram ini banyak sekali digunakan, terlebih jika
datanya mengenai hal-hal yang sangat menarik dan dapat dilukiskan oleh bentuk
gambar-gambar yang baik pula.
Untuk maksud-maksud penelitian, dimana diperlukan ketelitian dan beberapa
penelaahan yang meluas dan mendalam, penyajian data dalam diagram ini, seperti
juga dengan diagram lingkaran, tidak terlalu banyak manfaatnya. Kekurangan
lainnya adalah sangat sukar untuk menggambarkan dengan symbol atau lambing
untuk satuan-satuan yang tidak penuh.

Gambar 6. Diagram Lambang

d. Kartogram (diagram peta)

Diagram yang menyajikan data berupa peta yang menunjukkan kondisi data dan
diwakili oleh lambang tertentu dalam sebuah peta. Kartogram biasa digunakan untuk
menggambarkan kepadatan penduduk, curah hujan, hasil pertanian, hasil penjualan,
hasil pertambangan dan sebagainya.
 Gambar 7. Diagram Peta

E. Skala Pengukuran, Central Tendency, Variabilitas

1. Skala Pengukuran
a. Skala Nominal (Klasifikasi)
Menurut Nuryadi, dkk (2017) Skala nominal merupakan skala pengukuran yang
paling rendah tingkatannya di antara keempat skala pengukuran yang lain. Seperti
namanya, skala ini membedakan satu obyek dengan obyek lainnya berdasarkan
lambang yang diberikan. Ciri data yang dihasilkan adalah posisi data setara
(pegawai negeri tidak lebih tinggi dari wiraswasta meskipun angka tandanya
berbeda). Contoh:
Data mengenai barang-barang yang dihasilkan oleh sebuah mesin dapat
digolongkan dalam kategori cacat atau tidak cacat. Barang yang cacat bisa diberi
angka 0 dan yang tidak cacat diberi angka 1. Data 1 tidaklah berarti mempunyai
arti lebih besar dari 0. Data satu hanyalah menyatakan lambing untuk barang yang
tidak cacat.

b. Skala Ordinal (Rangking)

Menurut Nuryadi, dkk (2017), skala pengukuran berikutnya adalah skala
pengukuran ordinal. Skala pengukuran ordinal mempunyai tingkat yang lebih
tinggi dari skala pengukuran nominal. Dalam skala ini, terdapat sifat skala nominal,
yaitu membedakan data dalam berbagai kelompok menurut lambang, ditambah
dengan sifat lain yaitu, bahwa satu kelompok yang terbentuk mempunyai
pengertian lebih (lebih tinggi, lebih besar,…) dari kelompok lainnya.
 Oleh karena itu, dengan skala ordinal data atau obyek memungkinkan untuk
diurutkan atau dirangking. Ciri data yang dihasilkan nominal adalah posisi data
tidak setara (contoh pangkat seorang TNI diatas, Mayor lebih tinggi dari Kapten,
dan Kapten lebih tinggi dari Letnan) dan tidak dapat dilakukan operasi matematika
(misalkan pada tingkat kepuasan konsumen: 2 +3 = 5, yang berarti tidak puas +
cukup puas = sangat puas).
Menurut Sudarman (2015) data ordinal ialah data yang sudah diurutkan dari
jenjangyang paling rendah sampai ke yang paling tinggi, atau sebaliknya
tergantung peringkat selera pengukuran yang subjektif terhadap objek tertentu.
Data ordinal disebut juga sebagai data berurutan, data berjenjang, data berpangkat,
data tata jenjang, data ranks, dan data petala, data bertangga atau data bertingkat.
Pemberian jenjang itu umumnya dilakukan dengan urutkan data mulai terendah
sampai tertinggi atau sebaliknya. Kemudian beri angka 1 dan seterusnya mulai
tertinggi hingga terendah. Data ordinal bersifat eksuisif, tidak mempunyai ukuran
baru, mempunyai urutan, dan tidak mempunyai nilai nol mutlak. Contoh:
Sistem kepangkatan dalam dunia militer adalah satu contoh dari data berskala
ordinal Pangkat dapat diurutkan atau dirangking dari Prajurit sampai Sersan
berdasarkan jasa, dan lamanya pengabdian.

c. Skala Interval
Menurut Nuryadi, dkk (2017), skala pengukuran Interval adalah skala yang
mempunyai semua sifat yang dipunyai oleh skala pengukuran nominal, dan ordinal
ditambah dengansatu sifat tambahan. Dalam skala interval, selain data dapat
dibedakan antara yang satu dengan yang lainnya dan dapat dirangking, perbedaan
(jarak/interval) antara data yang satu dengan data yang lainnya dapat diukur.
Menurut Sudarman (2015) data interval mempunyai sifat nominal dari data
ordinal dan mempunyai nol mutlak, sehingga mempunyai skala interval yang sama
jaraknya. Pengukuran data interval tidak memberikan jumlah absolut dari objek
yang diukur, contohnya persepsi, tanggapan, dan sebagainya. Dalam penelitian
sosial, data interval banyak digunakan. Data interval bersifat ekskuisif, mempunyai
urutan, ukuran baru, tetapi tidak mempunyai nilai nol mutlak. Contoh:
Data tentang suhu empat buah benda A, B, C, dan D yaitumasing-masing 20.
30, 60, dan 70 derajat Celcius, maka data tersebut adalah data dengan skala
pengukuran interval karena selain dapat dirangking, peneliti juga akan tahu secara
 pasti perbedaan antara satu data dengan data lainnya. Perbedaan data suhu benda
pertama dengan benda kedua misalnya, dapat dihitung sebesar 10 derajat, dst.

d. Skala Rasio
Menurut Nuryadi, dkk (2017), skala rasio merupakan skala yang paling tinggi
peringkatnya. Semua sifat yang ada dalam skala terdahulu dipunyai oleh skala
rasio. Sebagai tambahan, dalam skala ini, rasio (perbandingan) antar satu data
dengan data yang lainnya mempunyai makna.
Data rasio mengandung sifat-sifat interval dan mempunyai nilai nol mutlak.
Contoh data rasio adalah: berat badan, tinggi, panjang atau jarak. Data rasio ini
sering dipakai dalam penelitian keilmualaman atau enjinering. Karena data rasio,
ordinal dan interval merupakan hasil pengukuran, maka pada ketiga data tersebut
ditemui adanya bilangan pecahan. Data rasio bersifat ekskuisif, mempunyai urutan,
ukuran baru dan nol mutlak (Sudarman, 2015). Contoh :
Data mengenai berat adalah data yang berskala rasio. Dengan skala ini kita dapat
mengatakan bahwa data berat badan 80 kg adalah 10 kg lebih berat dari yang 70
kg, tetapi juga dapat mengatakan bahwa data 80 kg adalah 2x lebih berat dari data
40 kg. Berbeda dengan interval, skala rasio mempunyai titik nol yang mutlak.

2. Central Tendency
a. Rerata (mean)
Menurut Sudarman (2015) rata-rata hitung (atau sering disebut dengan rata-rata)
merupakan suatu bilangan tunggal yang dipergunakan untuk mewakili nilai sentral
dari sebuah distribusi. Dalam pemakaian sehari-hari orang awam lebih
mempergunakan istilah rata-rata dari istilah rata-rata hitung. Bagi sekelompok data,
rata-rata adalah nilai rata-rata dari data itu.
 Untuk data yang tidak dikelompokkan (data tunggal)
∑𝑥
𝑥̅ =
𝑛
∑𝑥
𝜇=
𝑁
dimana :
𝜇= rerata
∑ = huruf besar Yunani sigma, yang berarti jumlahkan
 𝑥= nilai suatu hasil pengamatan atau observasi
∑ 𝑥= jumlahkan semua observasi
𝑛= jumlah semua observasi

b. Untuk data yang dikelompokkan

∑ 𝑓. 𝑥𝑖
𝑥̅ =
∑𝑓
dimana :
𝜇= titik tengah (mid point) kelas interval ke I
𝑥𝑖 = titik tengah interval kelas
𝑓= frekwensi observasi pada kelas interval ke i
𝑓𝑥 = jumlahkan frekwensi tiap kelas interval

Contoh :
Data tinggi badan mahasiswa FKIP UMB- Yogyakarta diambil 50 mahasiswa secara
random:
Tabel 6. Hasil Pengukuran tinggi badan
Interval Kelas 𝑓1
164,5 – 167,5 6
167,5 – 170,5 7
170,5 – 173,5 8
173,5 – 176,5 11
176,5 – 179,5 7
179,5 – 182,5 6
182,5 – 185,5 5
Jumlah 50
Jawab
Interval Kelas 𝑓1 𝑥1 𝑓1 ∗ 𝑥1
164,5 – 167,5 6 166 966
167,5 – 170,5 7 169 1183
170,5 – 173,5 8 172 1376
173,5 – 176,5 11 175 1925
176,5 – 179,5 7 178 1246
 179,5 – 182,5 6 181 1086
182,5 – 185,5 5 184 920
Jumlah 50 8732
Maka
∑ 𝑓. 𝑥𝑖 8732
𝑥̅ = = = 174,64
∑𝑓 50
c. Median
Menurut Nuryadi, dkk (2017), median merupakan nilai tengah dari sekelompok
data yang nilai tiap observasi telah disusun dari yang terkecil ke terbesar. Tidak
sensitif terhadap nilai ekstrim. Median digunakan untuk mengukur pemusatan
kalau distribusi mencong (skewed) secara jelas. Dapat dihitung pada distribusi yang
tidak komplit sekalipun, misalnya distribusi yang berakhir terbuka (contoh 150-
169; 170-189; 190-209; 210+).
Median merupakan salah satu ukuran pemusatan atau sebuah nilai yang berada
ditengah-tengah data, setelah data tersebut diurutkan. Mengapa perlu median
setelah mempelajari rata-rata hitung? Berdasarkan sifatnya, rata-rata hitung sangat
dipengaruhi oleh data ekstrem baik terbesar maupun terkecil, sehingga nilai rata-
rata tidak mencerminkan kondisi sebenarnya (Sudarman, 2015).
 Untuk data yang tidak dikelompokkan
𝑛+1
Bila jumlah observasi (=n) ganjil, maka median adalah nilai observasi ke : 2

dari urutan nilai observasi kecil ke besar dari urutan nilai observasi kecil ke besar.
Contoh:
5, 4, 5, 6, 7, 1, 5, 3, 4, 6, 9. Tentukan median
Urutkan data: 1, 3, 4, 4, 5, 5, 5, 6, 6, 7, 9
𝑛+1 11+1
Median (𝑀𝑒 ) = = =6
2 2

 Untuk data yang dikelompokkan

𝑛
𝑤 ( −𝑒𝑓) 11+1
2
𝑀𝑒 = Lm+ = =6
𝑓𝑚 2

dimana :
𝑀𝑒 = median
𝑙𝑚 = batas bawah dari kelas interval dimana median berada (kelas median)
n = banyaknya observasi
cf = frekwensi kumulatif dari kelas interval sebelum kelas median
 w = lebar kelas interval dimana median berada

d. Modus (Mode)
Menurut Nuryadi, dkk (2017), modus merupakan nilai yang paling sering
muncul (frekuensi terbesar) dari seperangkat data atau observasi. Mencerminkan
yang paling tipikal atau kasus yang paling umum. Kalau kita ingin segera mengetahui
nilai pemusatan, maka kita menghitung modus.
Seperangkat data dapat saja tidak memiliki modus, tetapi sebaliknya dapat pula
memiliki beberapa modus. Kalau satu modus saja disebut unimodal, dua modus
disebut bimodal dan kalau tanpa modus disebut non modal. Modus sebagai ukuran
pusat data, berbeda dengan rataratahitung penentuannya. Modus mirip dengan
median dalam penentuannya tidak melalui proses aritmatik seperti penentuan rata-
rata.
Modus adalah nilai yang paling sering muncul dalam data. Modus sering
disingkat Mo. Sejumlah data bisa tidak punya modus, satu modus (Unimodal), dua
modus (Bimodal), atau lebih dari dua modus (Multimodal). Cara mencari modus
dibedakan data tunggal dan data berkelompok (Sudarman, 2015).
 Untuk data yang tidak dikelompokkan
Modus (crude mode) = nilai yang paling sering muncul
Contoh : 1, 3, 4, 4, 5, 5, 5, 6, 6, 7
𝑀𝑜 = 5
 Untuk data yang dikelompokkan
Modus = titik tengah dari kelas interval yang memiliki frekeensi terbesar.
𝑑1
𝑀𝑜 = 𝐵𝑏 + 𝑤 ( )
𝑑1 + 𝑑2
Interval Kelas 𝑓1
164,5 – 167,5 6
167,5 – 170,5 7
170,5 – 173,5 8
173,5 – 176,5 11
176,5 – 179,5 7
179,5 – 182,5 6
182,5 – 185,5 5
 Jumlah 50

11 − 8
𝑀𝑜 = 176 + 7
(11 − 8) + (11 − 7)
3
𝑀𝑜 = 176 + 7( )
7
𝑀𝑜 = 176 + 3
𝑀𝑜 = 179

3. Variabilitas
Variabilitas (ukuran penyebaran) merupakan suatu nilai dari sekelompok data yang
menjadi ukuran untuk mengetahui besarnya penyimpangan data dengan nilai rata-rata
hitungnya.Variabilitas adalah data yang menggambarkan bagaimana suatu kelompok
data yang menyebar terhadap pusatnya data.
Nuryadi, dkk (2017) gambaran variabilitas data Yang dimaksud dengan variabilitas
data adalah suatu ukuran yang menunjukkan besar kecilnya perbedaan data dari rata-
ratanya. Ukuran ini dapat juga disebutkan sebagai ukuran yang menunjukkan perbedaan
antara data satu dengan yang lainnya.
Ukuran pemusatan (Mean, Median, dan Modus) ini dapat kita gunakan untuk
menggambarkan keadaan sekumpulan data, tetapi gambaran itu masih kurang lengkap
apabila tidak disertai dengan ukuran-ukuran penyebaran. Hal ini disebabkan karena
dengan ukuran gejala pusat saja mungkin beberapa kumpulan data sebenarnya berbeda
dapat disimpulkan sama.
Sangat penting bagi penggambaran serangkaian data, terutama jika seseorang ingin
membandingkan dua atau lebih rangkaian data. Dalam usaha membandingkan
rangkaian data, penggunaan ukuran pusat saja tidak akan menghasilkan yang baik,
bahkan memberikan hasil yang menyesatkan. Karena mengetahui nilai tengah saja
belum cukup, tanpa diketahui seberapa besar data tersebut menyebar disekitar nilai
tengahnya.
Dengan memahami unsur penyebaran data diharapkan kita tidak menarik
kesimpulan yang salah. Berikut contoh yang dapat memperjelas pentingnya ukuran
penyebaran. Misalnya ketika Anda ingin belajar berenang, Anda menanyakan berapa
kedalaman rata-rata kolam renang.
 Misalkan kedalaman kolam tersebut adalah 1,5 meter, jika tinggi Anda adalah 1,65
cm, mungkin Anda berpikir tidak akan tenggelam. Namun yang perlu diingat rata-rata
tersebut termasuk mulai dari kolam anak-anak yang kedalamannya hanya 30 cm sampai
dengan orang dewasa yang kedalamannya hingga 3 meter. Apabila tidak berhati-hati
dan belajar berenang, maka Anda bias tenggelam.
Apabila kumpulan data tidak mempunyai nilai ekstrem rendah dan tinggi, maka
ukuran pemusatanrelative baik untuk digunakan. Namun jika datanya mengandung nilai
ekstrem yang tinggi, maka perlu untuk mengetahui sebarannya. Menurut Kadir (2015)
ukuran penyebaran atau variabilitas digunakan untuk menggambarkan bagaimana
menyebarnya atau terpencarnya data.
Beberapa ukuran penyebaran yang dikenal yaitu rentang, rentang antar quartil,
simpangan quartil, rata-rata simpangan, simpangan baku, koefisien variansi, koefisien
kemiringan, dan koefisien kurtosis.

F. Probability dan Sampel Distribusi

1. Probability
Probability atau probabilitas dapat didefinisikan dengan sebuah contoh berikut.
Menurut Harlan (2004) misalkan ruang sampel S suatu percobaan terdiri atas N unsur
(a1, a2, … an) dan dimisalkan pula p1, p2, … pn adalah bilangan-bilangan non-negatif
yang jumlahnya sama dengan 1. Untuk suatu peristiwa A (himpunan bagian S),
probabilitasnya didefinisikan sebagai:
P (A) = Σ pi
Dimana
pi menyatakan proporsi tiap hasil a i ;
ai adalah unsur yang termasuk dalam A.

Untuk memperoleh sampel yang representative, salah satu teknik sampling yang
sering digunakan adalah teknik sampling probabilitas. Teknik ini memberikan peluang
yang sama bagi setiap anggota populasi untuk dipilih menjadi anggota sampel. Teknik
ini dapat ditempuh melalui beberapa cara:
a. Sampling Acak Sederhana
Sampling acak sederhana adalah teknik pengambilan sampel secara acak dari suatu
populasi yang tidak rumit dan tidak terlalu heterogen (Lungan, 2006: 196). Dengan cara
ini diharapkan setiap unsure populasi memiliki kesempatan yang sama untuk terpilih
menjadi anggota sampel (Gunawan, 2016: 79). Terdapat beberapa cara untuk
melakukan sampling acak sederhana, yaitu undian, ordinal, dan menggunakan table
bilangan acak.

b. Sampling Acak Sistematis

Sampling acak sistematis dilakukan secara acak tetapi penentuan sampel yang
diinginkan berdasarkan urutan populasi yang telah diberi nomor urut (Gunawan, 2016:
81). Pengambilan sampel yang dilakukan secara acak hanya pada pengambilan anggota
sampel pertama sebagai patokan untuk menentukan anggota-anggota sampel
selanjutnya dengan interval tertentu.

c. Sampling Acak Bertingkat Proporsional

Sampling acak bertingkat digunakan apabila populasinya heterogen atau terdiri atas
kelompok-kelompok yang bertingkat (Usman dan Akbar, 2006: 183). Teknik ini akan
semakin baik menggunakan proporsional sehingga setiap tingkat diwakili dengan
banyak sampel yang sebanding.

d. Sampling Acak Kluster

Sampling acak kluster digunakan apabila populasi tersebar luas dalam beberapa
kelompok. Kelompok ini dipilih secara acak untuk dijadikan anggota sampel.

2. Sampel Distribusi
Setiap distribusi yang diambil dari populasi tertentu mungkin akan memiliki nilai
statistic yang berbeda sedangkan dari sebuah populasi bisa menghasilkan ribuan sampel
yang berbeda. Dengan seluruh perbedaan tersebut, memnag sulit membuat aturan terkait
hubungan antara sampel dan populasi.
Kumpulan sampel yang dapat digunakan memiliki bentuk yang cukup sederhana dan
teratur sehingga memungkinkan untuk memprediksi karakteristik sampel dengan
beberapa keakuratan (Gravetter dan Wallnau, 2014: 204). Disinilah dibutuhkan
jembatan antara sampel dan populasi sehingga dapat diprediksi karakteristik sampel
untuk populasi tertentu, yaitu distribusi sampling.
McClave dkk 92011: 292) dalam bukunya mendefinisikan distribusi sampling dari
statistic sampel yang dihitung dari sebuah sampel n pengukuran adalah distribusi
probabilitas statistic itu. “The probability distribution of a statistic is called a sampling
distribution” (Warpole dkk, 2011: 232) yang artinya kurang lebih sama dengan yang
dijelaskan oleh McClave dkk yaitu distribusi sampling. Menurut Gravetter dan Wallnau
(2014: 204), distribusi sampling adalah distribusi dari statistika yang diperoleh dengan
memilih sampel yang memungkinkan dengan ukuran yang spesifik dari populasi.
Setiap sampel yang diambil memiliki nilai statistic, seperti rerata, simpangan baku,
dan sebagainya (Spiegel, 1988: 189). Oleh karena itu, distribusi sampling biasanya
diberi nama bergantung pada nama statistic yang digunakan sehingga dikenal distribusi
sampling rerata, distribusi sampling proporsi, distribusi sampling simpangan baku, dan
lain lain (Sudjana, 2005: 179).
Distribusi sampling dari statistiK digunakan untuk membuat kesimpulan pada
parameter. Distribusi sampling dengan ukuran sampel n dihasilkan ketika percobaan
dilakukan berulang-ulang (dengan ukuran sampel n) kemudian menghasilkan banyak
nilai statistic yang berbeda dari setiap sampel. Distribusi sampling menggambarkan
variabilitas nilai statistic di sekitar nilai parameter dalam percobaan berulang (Warpole
dkk, 2011: 233).
 BAB III
PENUTUP
A. Kesimpulan
Statistik diklasifikasikan berdasarkan fungsi, ruang lingkup pengunaannya dan bentuk
indikator yang dianalisis. Data dibedakan berdasarkan jenis datanya, sifat data, waktu
pengumpulannya, sumber data, dan cara memperolehnya. Distribusi Frekuensi adalah suatu
susunan dari mulai data terkecil sampai data yang terbesar yang membagi banyaknya data
ke dalam beberapa kelas.

Tabel terdiri dari tabel biasa, tabel kontigensi dan tabel frekuensi, grafik terdiri dari
grafik histogram, polygon dan ogive, sedangkan diagram terdiri dari diagram lingkaran,
diagram batang, diagram lambang dan diagram peta. Skala pengukuran terbagi atas skala
nominal, skala ordinal, skala interval dan skala rasio.

Central tendency memuat data rerata (mean), median, dan modus (mode). Variabilitas
merupakan suatu nilai dari sekelompok data yang menjadi ukuran untuk mengetahui
besarnya penyimpangan data dengan nilai rata-rata hitungnya. Teknik sampling probabilitas
dapat ditempuh dengan beberapa cara, yaitu sampling acak sederhana, sampling acak
sistematis, sampling acak bertingkat proporsional, dan sampling acak kluster. Distribusi
sampling menggambarkan variabilitas nilai statistic di sekitar nilai parameter dalam
percobaan berulang
 DAFTAR PUSTAKA

Ananda, Rusdi. 2018. Statistik Pendidikan (Teori Dan Praktik Dalam Pendidikan). Medan:
CV Widya Puspita.
Gravetter, F.J, dan Wallnau, L.B. 2014. Pengantar Statistika Sosial (Edisi 8) diterjemahkan
oleh Purnama, M.Y dan Bawono, I.R. Jakarta: Salemba Humanika.
Gunawan, I. 2016. Pengantar Statistika Inferensial. Jakarta: Rajawali.
Hasan, Iqbal. 2002 Pokok-pokok Materi Statistik 1, Edisi kedua. Jakarta: Bumi Aksara.
Harlan, Johan. 2004. Metode Statistika 1. Jakarta: Penerbit Gunadarma.
Lungan, R. 2006. Aplikasi Statistika dan Hitung Peluang. Yogyakarta: Penerbit Graha Ilmu.
McClave, B.S. 2011. Statistik untuk Bisnis dan Ekonomi Jilid 1 (Edisi 11). Jakarta: Erlangga.
Nuryadi, Tutut Dewi Astuti, Endang Sri Utami, & Martinus Budiantara. (2017). Dasar-
Dasar Statistika Penelitian. Sibuku Media. http://lppm.mercubuana-yogya.ac.id/wp-
content/uploads/2017/05/Buku-Ajar_Dasar-Dasar-Statistik-Penelitian.pdf
Rahmatullah, I. (2021). Pentingnya Perlindungan Data Pribadi Dalam Masa Pandemi Covid-
19 Di Indonesia. ’Adalah: Buletin Hukum Dan Keadilan, 5(1), 11–16.
https://doi.org/10.15408/adalah.v5i1.19811
Rusydi, A., & Fadhli, M. (2018). STATISTIKA PENDIDIKAN : Teori dan Praktik Dalam
Pendidikan. In Journal of Visual Languages & Computing, CV. WIDYA PUSPITA
(Vol. 11, Issue 3). CV Widya Puspita.
Setyani, Geovani Debby. (2019). Studi Kasus Pembelajaran Distribusi Sampling Dengan
Penalaran Inferensial Informal Untuk Peserta Didik Jenjang SMA Kelas 11 MIPA.
Yogyakarta: Universitas Sanata Dharma
Sudjana. (2000). Metoda Statistika. Bandung: Tarsito.