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