Dosen Pembimbing :
Disusun Oleh :
Tri Prasetyo
BAB I
PENDAHULUAN
A. Latar Belakang
Statistika merupakan ilmu yang berhubungan dengan data. Menurut
Huwaida (2019:2), statistika adalah ilmu yang mempelajari tentang cara untuk
mengolah dan menyajikan data sehingga data tersebut dapat diperkirakan
kemungkinan salahnya serta dapat dilakukan penyimpulan berdasarkan penalaran
induktif dalam teori peluang. Berdasarkan pengertian tersebut, statistika
merupakan sebuah teknik atau cara untuk menginterpretasikan suatu data sehingga
hasil dari pengolahan data tersebut dapat lebih mudah dipahami oleh target-target
dan tujuan dari publikasi.
Sebuah data, sebelum disajikan pada khayalak umum, haruslah memenuhi
syarat publikasi yang baik agar pihak-pihak terkait dapat memahami informasi
yang disajikan dari hasil pengolahan tersebut. Untuk mencapai tujuan itu, haruslah
ada sebuah cara atau teknik dalam pengolahan data mulai dari pengumpulan data
hingga data penginterpretasian data. Cara atau teknik tersebut tersedia dalam ilmu
statistika. Dengan statistika, data mentah yang awalnya sukar dipahami atau sulit
diambil kesimpulannya menjadi lebih mudah untuk diinterpretasikan.
Statistika juga penting digunakan dalam berbagai bidang kehidupan. Di
zaman sekarang ini, statistika adalah sebuah bagian yang sangat penting. Tanpa
statistika, data yang sudah dikumpulkan tidak akan bisa diambil kesimpulan dan
keputusannya. Dengan bantuan ilmu statistika, data-data penting yang akan
digunakan untuk memudahkan urusan dalam berbagai bidang kehidupan dapat
diambil kesimpulannya. Tanpa statistika, data-data yang penting tersebut tidak
dapat diambil manfaatnya. Pada intinya, statistika adalah ilmu yang berurusan
dengan data hingga data tersebut dapat diterjemahkan dengan bahasa yang lebih
mudah dipahami.
Salah satu cabang ilmu statistika adalah statistika inferensial. Statistika
inferensial merupakan cabang dari ilmu statistika yang lebih berfokus pada
pengolahan sampel dalam populasi. Statistika inferensial sangat bergantung pada
statistika deskriptif untuk menentukan inferensi atau penarikan kesimpulan dari
suatu data yang sedang diolah.
Menurut Allua dan Thompson (2009:168-171), statistika inferensial
menjadi penting jika dihubungkan dengan analisis sampel dan populasi. Statistika
inferensial juga dapat digunakan untuk menentukan parameter populasi yang
awalnya tidak diketahui. Untuk menentukan parameter populasi ini, digunakan
teorema limit pusat yang menyatakan bahwa parameter populasi dapat ditentukan
dengan menggunakan pengambilan sampel acak.
Rumus perhitungan statistika inferensial yang umum digunakan yaitu
penentuan interval konfidensi dan uji hipotesis. Kedua rumus perhitungan ini
bergantung pada jumlah sampel yang digunakan. Apabila sampel yang digunakan
yaitu sampel kecil (kurang dari 30), maka statistik uji yang digunakan yaitu
distribusi T. Namun, jika sampel yang digunakan yaitu sampel besar (lebih dari
atau sama dengan 30), maka statistik uji yang digunakan yaitu distribusi Z.
Oleh karena itu, makalah ini akan membahas lebih lanjut tentang distribusi
Z dan distribusi T, serta bagian dari kedua distribusi tersebut yang dikenal sebagai
Z Score dan T Score.
B. Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah dalam makalah
ini adalah “Apa itu Z score dan T score, bagaimana penggunaannya dalam
statistika, dan apa perbedaannya?”
C. Tujuan
Berdasarkan latar belakang di atas, maka tujuan penulisan makalah ini
adalah sebagai berikut:
1. mengetahui pengertian Z score
2. mengetahui apa kegunaan Z score dalam statistika
3. mengetahui pengertian T score
4. mengetahui apa kegunaan T score dalam statistika
5. mengetahui perbedaan Z score dan T score
D. Manfaat
Penulis berharap makalah ini dapat menghasilkan manfaat sebagai berikut:
1. Melatih penulis dalam menyusun dan menulis makalah dengan baik dan
benar.
2. Memberi pengetahuan dan bahan literatur bagi para mahasiswa yang ingin
mengetahui tentang implementasi Z score dan T score dalam statistika.
3. Sebagai bahan literatur bagi masyarakat umum untuk mengetahui tentang ilmu
statistika yang tidak terbatas hanya pada ukuran pemusatan data saja.
BAB II
PEMBAHASAN
A. Pengertian Z Score
Z score adalah konversi dari data mentah ke nilai standar, ketika data
didasarkan pada rata-rata dan standar deviasi populasi. Nilai standar (dari suatu
ekor) menunjukkan kedudukan skor tersebut dalam suatu sebaran. Z score
menunjukkan berapa standar deviasi skor tersebut jika dihitung dari rata-rata
populasi. Ketika kita memiliki data yang lengkap, kita dapat menghitung Z score.
Z score adalah selisih antara rata-rata populasi dan data yang kita miliki,
kemudian dibagi dengan standar deviasi populasi. Rumus dari Z score adalah
sebagai berikut.
X−µ
Z=
σ
Z adalah Z score. X adalah nilai yang ingin kita cari probabilitasnya dalam
tabel distribusi normal, µ adalah rata-rata populasi, dan σ adalah standar deviasi
populasi.
Adapun Z score menunjukkan seberapa jauh suatu nilai (angka kasar)
menyimpang dari rata-rata populasi. Z score juga menunjukkan posisi data ketika
dibandingkan dengan rata-rata tersebut. Indikator posisi suatu nilai dalam satu
data lengkap jika dihitung dari Z score adalah sebagai berikut.
1. jika Z score = 0, maka nilai tersebut berada tepat pada rata-rata populasi
2. jika Z score bernilai positif, maka nilai tersebut berada di atas rata-rata
populasi data
3. jika Z score bernilai negatif, maka nilai tersebut berada di bawah rata-rata
populasi data
Semakin besar deviasi Z score dari nol (dari arah positif atau negatif),
semakin besar pula deviasi data dari rata-rata. Sementara itu, batasan kurva
normal berada pada rentang -3 sampai +3, tetapi sebaiknya Z score yang kita
dapat berada pada rentang -2,5 sampai 2,5 karena jika data berada pada rentang
ini, maka data dapat dikatakan cukup berdistribusi normal.
B. Kegunaan Z Score
Z score dapat digunakan untuk membandingkan posisi seseorang dengan
orang lain dalam kelompok masing-masing. Contohnya, ketika kita akan
membandingkan nilai ujian dari dua dalam dua kelompok berbeda. Jika salah satu
dari keduanya mendapat nilai yang lebih tinggi, tidak serta merta membuat
seseorang dengan nilai yang lebih tinggi itu lebih baik dari seorang yang lainnya.
Untuk membuktikan siapa yang memang benar-benar lebih baik di antara
keduanya, dapat dilakukan perhitungan Z score.
Selain itu, Z score juga dapat diterapkan pada pengukuran ekokardiografi,
tinggi badan, berat badan, tekanan darah, dan lain-lain. Oleh karena itu, Z score
dapat digunakan dalam penilaian klinis, pengambilan keputusan, dan uji hipotesis.
Pada penyakit yang mempengaruhi diameter aorta, pengukran diameter
serial dari akar aorta berguna untuk memantau perkembangan suatu penyakit. Z
score diameter aorta juga merupakan alat bantu yang berguna dalam diagnosis dan
penentuan efek terapeutik. Penggunaan Z score memfasilitasi deteksi patologis
peningkatan diameter akar aorta yang diharapkan karena pertumbuhan normal,
yang kemudian muncul sebagai peningkatan Z score dari waktu ke waktu.
Persentil adalah alternatif umum untuk Z score. Persentil mudah
diinterpretasikan dan telah digunakan untuk memantau perkembangan di pediatri,
termasuk dilatasi akar aorta. Namun, persentil kurang sensitif terhaadap
perubahan diameter akar aorta, terutama pada hal ekstrem. Misalnya, jika pasien
hipotetis (dengan luas permukaan tubuh 1,87 m2) memiliki akar aorta yang
meningkat dari 3,56 menjadi 3,69 cm (selisih 1,3 mm), persentil meningkat dari
persentil ke-99 menjadi 99,7%. Perbedaan ini terlihat kecil, tetapi sesuai dengan
peningkatan Z score dari +2,33 menjadi +2,75, perbedaan ini merupakan
perbedaan yang lebih jelas secara visual. Oleh karena itu, Z score dapat mengukur
status pertumbuhan di luar rentang persentil.
Dalam praktik orang dewasa, Z score kurang umum digunakan.
Sebaliknya, diameter akar aorta sering dilaporkan sehubungan dengan “kisaran
normal” tunggal. Namun, pendekatan ini tidak akurat pada anak-anak yang sedang
tumbuh karena rentang pengukuran normal akan dipengaruhi oleh ukuran dan usia
pasien. Oleh karen aitu, interpretasi pengukuran ini selama masa kanak-kanak
menghadirkan sedikit tantangan, khususnya dalam menentukan apakah
pengukuran yang diberikan berada dalam kisaran yang diharapkan. Salah satu
pendekatan untuk deskripsi variabel klinis dan ekokardiografi adalah untuk
mengekspresikan pengukuran dalam hal Z score.
Z score juga dapat menghitung ukuran standar untuk perbandingan lintas
usia, jenis kelamin, dan ukuran yang berbeda, serta variabel berkelanjutan yang
memungkinkan penciptaan ringkasan statistik seperti rata-rata dan standar deviasi.
C. Pengertian T Score
T score adalah konversi dari data mentah ke nilai standar, ketika konversi
tersebut didasarkan pada rata-rata dan standar deviasi populasi. T score digunakan
ketika standar deviasi populasi tidak diketahui dan ketika ukuran sampel (n)
kurang dari 30, sehingga kita dapat membuat estimasi dengan menggunakan data
sampel yang ada. Rumus T score tidak jauh berbeda dengan Z score, yaitu sebagai
berikut.
X−µ
T=
s
√n
D. Kegunaan T Score
Sama seperti Z score, T score juga dapat digunakan untuk melakukan uji
hipotesis, pengambilan keputusan, dan menyelesaikan sebuah masalah peluang. T
score juga dapat digunakan dalam pengujian psikometri (psikologis). Dalam hal
ini, pengujian tersembut merupakan istilah khusus yang tidak sama dengan skor T
yang biasa kita dapatkan dari uji T.
Jika Z score memiliki nilai di antara -3 sampai 3, T score memiliki nilai
yang lebih besar. Hal ini karena rentang nilai T score berada di antara 0 sampai
100 (kebanyakan hanya berada pada rentang 20 sampai 80). Banyak orang lebih
menyukai T score karena kurangnya angka negatif yang berarti T score lebih
mudah untuk dikerjakan, dan ada rentang yang lebih besar sehingga angka
desimal hampir dihilangkan. Tabel berikut menunjukkan Z score dan T score yang
ekuivalen.
Z Score T Score
-5 0
-4 10
-3 20
-2 30
-1 40
0 50
1 60
2 70
3 80
4 90
5 100
Beberapa hal yang harus selalu diingat dalam membedakan Z score dan T
score adalah sebagai berikut.
1. Z score adalah standarisasi dari data populasi mentah yang berukuran lebih
dari 30 menjadi nilai standar, sedangkan T score adalah standarisasi data
sampel yang berukuran kurang dari 30 menjadi nilai standar.
2. Z score memiliki rentang -3 sampai 3, sedangkan T score memiliki rentang 20
sampai 80.
3. Seiring dengan peningkatan ukuran daa, sampel Z akan semakin mudah
digunakan, sedangkan T score sebaliknya.
4. Z score dan T score merupakan bagian dari distribusi normal, tetapi
didasarkan pada perbedaan ukuran data.
5. Biasanya, Z score digunakan pada data stok pasar dan untuk menguji apakah
sebuah perusahaan akan terus berjalan atau mengalami kebangkrutan.
Sementara itu, T score biasanya digunakan pada pengecekan kepadatan
mineral tulang dan penilaian resiko patah tulang.
BAB III
PENUTUP
A. Kesimpulan
Z score dan T score merupakan bagian dari uji hipotesis di bawah
distribusi normal. Jika terdapat beberapa nilai yang dihasilkan dari beberapa
kelompok berbeda, kita dapat menggunakan Z score untuk mengetahui letak
ukuran nilai yang sebenarnya pada distribusi data. Standarisasi nilai adalah
prosedur yang digunakan secara luas di bidang penelitian dan perencanaan, karena
standarisasi dapat membantu membandingkan berbagai nilai tes.
Walaupun Z score dan T score sama-sama mengkonversi suatu nilai
menjadi nilai standar, tetapi Z score dan T score memiliki beberapa perbedaan.
Perbedaan tersebut harus kita perhatikan sebelum memilih metode mana yang
tepat digunakan pada data yang sedang kita analisis.
B. Saran
Penulis menyadari bahwa dalam penyusunan makalah ini masih banyak
kesalahan dan penulisannya masih jauh dari kata sempurna. Oleh karena itu,
penulis akan segera melakukan perbaikan susunan makalah ini dengan
menggunakan pedoman dari beberapa sumber dan kritik yang membangun dari
para pembaca.
DAFTAR PUSTAKA
Abdurahman, M., ali Muhidin, S., & Somantri, A. (2014). Dasar-dasar metode statistika
untuk penelitian.
Allua, S., & Thompson, C. B. (2009). Inferential Statistics. Air Medical Journal,
28(4), 168–171.
David, W., & Djamaris, A. (2018). Metode statistik untuk ilmu dan teknologi pangan.
Huwaida, H. (2019). Statistika Deskriptif (A. Pratomo (ed.); 1st ed.). POLIBAN
PRESS.
Nuryadi, N., Astuti, T. D., Sri Utami, E., & Budiantara, M. (2017). Dasar-Dasar
Statistik Penelitan