Daftar Isi
1
5.3 SIMPANGAN RATA-RATA ......................................................................................................72
5.4 SIMPANGAN BAKU (STANDAR DEVIASI) ..................................................................................73
5.5 BILANGAN BAKU DAN KOEFESIEN VARIASI ...............................................................................82
5.6 SOAL-SOAL ........................................................................................................................84
BAB 6 DISTRIBUSI TEORETIS ..................................................................................................... 85
6.1 PENGANTAR ......................................................................................................................87
6.2 DISTRIBUSI NORMAL ...........................................................................................................88
6.2.1 Pendahuluan .............................................................................................................88
6.2.2 Ciri-ciri Distribusi Normal ..........................................................................................89
6.2.3 Kurva Normal Umum dan Normal Baku (Standar)....................................................90
6.2.4 Cara Menggunakan Tabel Kurva Normal .................................................................. 91
6.3 DISTRIBUSI STUDENT ...........................................................................................................93
6.4 DISTRIBUSI CHI-KUADRAT .................................................................................................... 94
6.5 DISTRIBUSI F .....................................................................................................................94
6.6 SOAL-SOAL ........................................................................................................................95
BAB 7 UJI NORMALITAS DAN HOMOGENITAS .......................................................................... 96
7.1 PENGANTAR ......................................................................................................................98
7.2 UJI NORMALITAS ................................................................................................................98
7.2.1 Uji Liliefors .................................................................................................................98
7.2.2 Uji Chi-Kuadrat ........................................................................................................101
7.3 UJI HOMOGENITAS ...........................................................................................................104
7.4 SOAL-SOAL:.....................................................................................................................106
BAB 8 PENGUJIAN HIPOTESIS ..................................................................................................107
8.1 PENGERTIAN DAN JENIS HIPOTESIS.......................................................................................109
8.2 BENTUK-BENTUK HIPOTESIS ...............................................................................................110
8.2.1 Hipotesis Deskriptif .................................................................................................110
8.2.2 Hipotesis Komparatif ...............................................................................................111
8.2.3 Hipotesis Asosiatif ...................................................................................................112
8.3 KARAKTERISTIK HIPOTESIS YANG BAIK ...................................................................................113
8.4 PENGOLAHAN DATA DAN PENGUJIAN HIPOTESIS ....................................................................113
8.4.1 Pengolahan Data ....................................................................................................113
8.4.2 Pengujian Hipotesis .................................................................................................114
8.5 SOAL-SOAL ......................................................................................................................116
BAB 9 UJI KESAMAAN DUA RATA-RATA ..................................................................................118
9.1 PENGANTAR ....................................................................................................................120
9.2 LANGKAH-LANGKAH UJI KESAMAAN DUA RATA-RATA .............................................................122
9.3 SOAL-SOAL ......................................................................................................................124
BAB 10 ANALISIS KORELASI .....................................................................................................125
10.1 PENGANTAR ....................................................................................................................127
10.2 KORELASI PRODUK MOMEN PEARSON..................................................................................128
10.3 SOAL-SOAL ......................................................................................................................134
2
BAB 11 ANALISIS REGRESI .......................................................................................................136
11.1 PENGANTAR ....................................................................................................................138
11.2 ASUMSI ..........................................................................................................................139
11.3 MAKNA PERSAMAAN REGRESI ............................................................................................139
11.4 CARA MENENTUKAN PERSAMAAN REGRESI ...........................................................................140
11.5 SOAL-SOAL ......................................................................................................................143
BAB 12 UJI CHI-KUADRAT........................................................................................................145
12.1 PENGERTIAN DAN RUMUS ..................................................................................................147
12.2 LANGKAH-LANGKAH UJI CHI-KUADRAT .................................................................................148
12.3 KOEFISIEN KONTINGENSI ....................................................................................................149
12.4 SOAL-SOAL ......................................................................................................................149
BAB 13 UJI NONPARAMETRIK .................................................................................................151
13.1 PENGANTAR ....................................................................................................................153
13.2 KORELASI SPEARMAN RANK................................................................................................153
13.3 UJI WILCOXON ................................................................................................................158
13.4 SOAL-SOAL ......................................................................................................................160
SOAL LATIHAN ........................................................................................................................161
DAFTAR PUSTAKA ...................................................................................................................169
BIODATA PENULIS .................................................................. ERROR! BOOKMARK NOT DEFINED.
3
BAB 1 PENDAHULUAN
Materi :
Pengertian Statistik dan Statistika; macam-macam Statistika;dan
peranan Statistika
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pre-tes dengan cara lisan atau tertulis, hasilnya
diutamakan sebagai umpan balik untuk kepentingan dosen
maupun mahasiswa dalam pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap
mahasiswa, dan sekaligus sebagai kontribusi untuk penilaian
akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan
observasi.
4
PETA KONSEP
5
1.1 Pengantar
6
1.2 Pengertian Statistik dan Statistika
8
Pengertian yang dikemukakan oleh beberapa para pakar
tersebut, istilah statistik dan statistika tidak terlalu dibedakan
(fleksibel). Namun, kadang-kadang istilah statistik dan statistika diberi
pengertian yang berbeda. Statistik hanya dimaksudkan untuk
menunjukkan keadaan sesuatu, misalnya statistik penduduk, statistik
pegawai, dan lain-lain. Yang lainnya, seperti daftar atau tabel, grafik
atau diagram, mean, modus, median, simpangan baku, dan lain-lain
disebut statistik. Hal ini sejalan dengan pendapat Burhan
Nurgiyantoro, dkk. (2004) dalam bukunya “Statistik Terapan, untuk
Penelitian Ilmu-Ilmu Sosial”, secara tegas dinyatakan: “Statistik
diartikan sebagai alat pengolah data angka, sedangkan statistika
adalah cabang ilmu yang mengamati dan atau mengembangkan cara-
cara mengolah data. Jadi statistik adalah produk dari kerja statistika,
atau statistika adalah penghasil statistik”.
Berdasarkan uraian di atas, dapat dikemukakan bahwa yang
dimaksudkan dengan Statistika adalah ilmu pengetahuan yang
mempelajari atau membahas tentang cara-cara pengumpulan data,
mengidentifikasi data, mengklasifikasi data, menyusun data, mengolah
dan menganalisis data, dan membuat kesimpulan. Dalam hal demikan,
berarti statistika memiliki makna yang lebih luas dari pada statistik,
atau statistik dapat dikatakan sebagai bahagian dari statistika.
9
sehingga statistika (terutama statistika teoretis) dinyatakan atau
dianggap sebagai cabang dari matematika.
Aturan-aturan, rumus-rumus, sifat-sifat yang telah diciptakan
oleh statistika teoretis diambil dan digunakan mana yang diperlukan
dalam berbagai bidang pengetahuan. Dalam statistika terapan tidak
dipersoalkan bagaimana didapatnya rumus-rumus atau aturan-aturan,
melainkan hanya dipentingkan bagaimana cara, teknik atau metoda
statistika digunakan. Jadi, statistika lebih memiliki peran sebagai alat
(penerapan), yaitu alat untuk analisis dan alat untuk membuat
keputusan dalam berbagai bidang permasalahan.
Dilihat dari sisi kedalaman analisis, statistika dibedakan menjadi
dua, yaitu Statistika Deskriptif dan Statistika Inferensial. Statistika
Deskriptif yang sering juga disebut statistika deduktif adalah statistik
yang digunakan untuk menggambarkan atau menganalisis suatu data
statistik hasil penelitian, tetapi tidak digunakan untuk membuat
kesimpulan yang lebih luas (general/inferensi). Statistik Deskriptif
antara lain membahas cara-cara pengumpulan data, penyederhanaan
angka-angka pengamatan yang diperoleh (meringkas dan
menyajikannya), serta melakukan pengukuran pemusatan dan
penyebaran data untuk memperoleh informasi yang lebih menarik,
berguna dan mudah dipahami. Penelitian yang tidak menggunakan
sampel dan juga penelitian yang menggunakan sampel tetapi peneliti
tidak bermaksud untuk membuat kesimpulan terhadap populasi dari
mana sampel diambil, analisisnya menggunakan statistik deskriptif.
Statistika Inferensial sering juga disebut Statistika Induktif,
adalah statistik yang digunakan untuk menganalisis data sampel, dan
hasilnya akan digene-ralisasikan (diinferensikan) untuk populasi di
mana sampel diambil. Statistika inferensial membahas mengenai cara
menganalisis data serta mengambil kesimpulan (berdasarkan estimasi
parameter dan pengujian hipotesis). Metode Statistika Inferensial
10
berkaitan dengan analisis sebagian data sampai ke peramalan atau
penarikan kesimpulan mengenai keseluruhan data. Statistika
Inferensial mempunyai tugas mengambil kesimpulan dan juga
membuat keputusan yang beralasan, sehubungan dengan
ketidakpastian di masa depan, berdasarkan penganalisisan yang telah
dilakukan. Selanjutnya statistik Inferensial dapat dibedakan menjadi
Statistika Parametrik dan Non-Parametrik.
Statistika parametrik merupakan bagian dari statistika
Inferensial, digunakan untuk menganalisis data dalam skala interval
atau rasio. Persyaratan penggunaan analisis statistika parametric,
data yang diambil dari populasi harus berdistribusi normal. Sedangkan
statistik non-parametrik, digunakan untuk menganalisis data nominal
dan ordinal (data kualitatif atau dikuantitatifkan) dari populasi yang
bebas distribusi, atau tidak harus berdistribusi normal. Contoh analisis
statistika parametrik antara lain: Uji t (untuk satu atau dua sampel),
Uji Korelasi Pearson, dan Analisis Regresi. Sedangkan contoh analisis
statistik nonparametrik antara lain: Uji Chi Kuadrat, Korelasi
Spearman, Uji Wilcoxon, Uji Mann-Whitney.
11
William memerintahkan mengadakan pencacahan jiwa dan kekayaan
di seluruh wilayah Inggris, untuk keperluan penentuan pajak. Semua
hasil pengamatan dicatat di dalam sebuah buku. Berdasarkan
keperluan semacam ini timbullah teknik pencatatan angka-angka
pengamatan dalam bentuk daftar dan grafis. Penyederhanaan angka-
angka tersebut dikenal dengan Statistika Deskriptif.
Pada taraf selanjutnya orang tidak puas dengan hanya
mengumpulkan angka-angka pengamatan saja, timbullah usaha untuk
menentukan kesimpulan-kesimpulan atau peramalan-peramalan
berdasarkan angka-angka statistik yang dikumpulkan itu. Bagian ilmu
yang membahas cara-cara mengambil kesimpulan berdasarkan angka-
angka pengamatan dinamakan Statistika Inferensial atau Statistika
Induktif. Awal perkembangan Statistika Inferensial adalah pada abad
19, yang dipelopori oleh Karl Pearson (1857-1936). Statistika
Inferensial mulai berkembang dengan pesat setelah buku “Statistical
Method for Research Workers” karangan R.A. Fisher (1890-1962)
terbit pada tahun 1925. Pada tahun 1936, R.A. Fisher dan Kart
Pearson beserta tokoh lain yang hidup pada zaman yang sama, telah
mengembangkan teori mengenai penyajian hipotesis, yang menjadi
landasan bagi penelitian-penelitian selanjutnya.
Seperti dinyatakan sebelumnya, bahwa statistika memiliki peran
penting dalam kehidupan, terutama dalam dunia penelitian. Husaini
Usman dan Purnomo Setiady Akbar (2006), dalam bukunya
“Pengantar Statistika”, mengemukakan: Dalam kehidupan sehari-hari
ditengah ledakan data, kita tidak dapat melepaskan diri dari data, baik
data kuantitatif maupun data kualitatif. Data dapat dianalisis baik
secara kuantitatif maupun kualitatif, atau gabungan dari keduanya.
Dalam menghadapi data yang berserakan itu, kita ditantang untuk
mengumpulkannya melalui teknik pengumpulan data. Setelah data
terkumpul, maka dilanjutkan dengan penyajian dan mengolah data.
12
Dalam hal ini statistik deskriptif sangat diperlukan karena peneliti akan
dapat mendeskripsikan data yang dikumpulkan. Selanjutnya, mungkin
peneliti ingin membedakan data berdasarkan rata-rata kelompoknya,
atau ingin meramalkan pengaruh data yang satu dengan yang lainnya,
sehingga akhirnya peneliti dapat menarik suatu kesimpulan
berdasarkan hasil analisis data tersebut. Dalam hal ini statistik
inferensial sangatlah diperlukan. Statistika tidak hanya berperan
sebagai alat untuk deskripsi, tetapi juga sebagai alat komparasi,
korelasi dan regresi.
Selanjutnya, Sugiyono (2009), dalam bukunya ”Statistika untuk
Penelitian” menyatakan bahwa: peranan statistik dalam penelitian
adalah sebagai: (1) Alat untuk menghitung besarnya anggota sampel
yang diambil dari suatu populasi; (2) Alat untuk menguji validitas dan
reliabilitas instrumen; (3) Teknik-teknik untuk menyajikan data,
sehingga data lebih komunikatif; dan (4) Alat untuk analisis data
seperti menguji hipotesis penelitian yang diajukan. Dengan
mengunakan bantuan statistik, penentuan jumlah sampel yang
diperlukan dalam suatu penelitian lebih dapat dipertanggung-
jawabkan, instrument yang digunakan untuk penelitian harus valid dan
reliabel, dan data dapat disusun dan disajikan dalam tabel, grafik,
atau diagram, serta dapat melakukan analisis data dengan
menggunakan berbagai uji statistik antara lain: uji korelasi, regresi, t-
test, dan uji statistik lainnya.
Peranan statistika dalam dunia pendidikan bagi para
guru/dosen, selain untuk kepentingan penelitian, juga untuk keperluan
penilaian hasil belajar siswa/mahasiswa setelah menempuh proses
pembelajaran. Di dalam kegiatan menilai hasil belajar, seorang
guru/dosen mengunakan norma tertentu yang berwujud ukuran. Hasil
penilaian seringkali dinyatakan dalam berbagai macam cara, yang
umumnya dinyatakan dalam bentuk angka (bilangan). Atau, data yang
13
berwujud kualitatif dilakukan kuantifikasi untuk mendapatkan data
kuantitatif yang berbentuk angka (bilangan), sehingga gambaran
prestasi hasil belajar siswa/mahasiswa dapat terdeteksi dengan jelas.
Dalam melakukan pengolahan dan analisis data nilai hasil belajar
sangat diperlukan jasa statistika.
1.5 Soal-soal
1. Kemukakan/jelaskan;
a. Pengertian statistik dan statistika; dan,
b. Perbedaan statistik dengan statistika.
2. Jelaskan perbedaan berikut:
a. Statistika matematika (teoretis) dengan statistika terapan
(praktis)
b. Deskriptif dengan inferensial
c. Statistik Parametrik dengan Statistik non-parametrik.
3. Bagaimana peranan statistika dalam kehidupan sehari-hari ?
4. Mengapa kita perlu mempelajari statistika?
5. Bagaimana sikap kita terhadap pihak lain yang membenci analisis
statistik dalam penelitian ?
14
BAB 2 DATA, PENGUMPULAN DAN PENYAJIAN DATA
Materi :
Pengertian dan macam-macam data, populasi dan sampel,
pengumpulan dan penyajian data.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian
tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya
diutamakan sebagai umpan balik untuk kepentingan dosen
maupun mahasiswa dalam pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap
mahasiswa, dan sekaligus sebagai kontribusi untuk penilaian
akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
15
PETA KONSEP
16
2.1 Pengertian dan macam-macam Data
17
galon air 32,5 liter, waktu yang ditempuh menuju suatu tempat 1¾
jam, dan sebagainya.
Data yang akan dianalisis dengan statistik harus berbentuk
angka, maka apabila data yang ditemui belum berbentuk angka,
langkah awal yang harus dilakukan adalah melakukan perubahan data
agar berbentuk angka. Angka-angka yang digunakan dalam analisis
statistik berdasarkan tingkat pengukuran atau skalanya
dikelompokkan menjadi empat macam, yaitu: data nominal, data
ordinal, data interval, dan data rasio.
18
dengan nilai 76. Keempat nilai (juara) tersebut dapat dan sudah
diurutkan, dimana rentang antar jenjang tidak sama (juara 1 dan 2
bedanya 11, juara 2 dan 3 bedanya hanya 1, dan juara 3 dan 4
memiliki perbedaan 8).
19
2.2 Populasi dan Sampel
20
2.3 Pengumpulan dan Penyajian Data
22
2.4 Soal-soal
23
BAB 3DISTRIBUSI FREKUENSI DAN GRAFIK
Materi :
Pengantar, teknik membuat daftar distribusi frekuensi, histogram dan
poligon, distribusi relatif dan komulatif.
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, dan kerja kelompok.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya
diutamakan sebagai umpan balik untuk kepentingan dosen maupun
mahasiswa dalam pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap
mahasiswa, dan sekaligus sebagai kontribusi untuk penilaian akhir.
24
PETA KONSEP
25
3.1 Pengantar
45 – 51 4
52 – 58 9
59 – 65 15
66 – 72 26
73 – 79 30
80 – 86 12
87 – 93 3
Jumlah 100
26
pertama adalah 45-51. Dengan demikian interval kelas kedua adalah
52-58 dan seterusnya. Bilangan atau angka sebelah kiri setiap interval
kelas disebut ujung bawah kelas, sedangkan angka sebelah kanan dari
setiap interval kelas disebut ujung atas kelas. Misalnya kelas kelima
mempunyai ujung bawah 73 dan ujung atas 79. Bila nilai ujian
Statistika tersebut merupakan pembulatan ke dalam satuan, interval
kelas 45−51 yang sesungguhnya secara teoretis terletak antara 44,5
dan 51,5. Bilangan-bilangan 44,5 dan 51,5 disebut batas bawah dan
batas atas interval kelas pertama. Istilah batas bawah dan batas atas
sering pula dinyatakan dengan tepi bawah dan tepi atas interval kelas.
Batas kelas dapat diperoleh dengan menjumlahkan ujung atas kelas
dengan ujung bawah kelas berikutnya, kemudian dibagi dua. Misalnya
untuk mencari batas-batas dari interval kelas 80 - 86 (kelas ke-enam)
adalah:
79 + 80
Batas bawah (Bb) = = 79,5
2
86 + 87
Batas atas (Ba) = = 86,5
2
27
bawah dan ujung atas kelas dibagi dua. Untuk data distribusi frekuensi
di atas, titik tengah kelas keenam adalah:
79, 5 + 86,5 80 + 86
= 83 = 83
2 ; atau 2 (hasilnya sama)
Demikian juga titik tengah kelas yang lainnya, dilakukan dengan
cara yang sama sehingga diperoleh titik tengah semua kelas data pada
tabel distribusi frekuensi di atas, yaitu: 48, 55, 62, 69. 83, dan 90.
54594860485954446048
67625958605459605959
595854594065 54596040
5059446255 60586055 58
6235595848405058 6762
Berat Badan
Frekuensi
(dalam Kg)
35 1
40 3
44 2
48 4
50 2
28
Berat Badan
Frekuensi
(dalam Kg)
54 5
55 2
58 6
59 11
60 7
62 4
65 1
67 2
Jumlah 50
29
Kita dapat membuat daftar distribusi frekuensi data tersebut dengan
banyak kelas 6 atau 7 buah.
(3) Tentukan panjang interval kelas (p). Secara incer-incer ditentukan
oleh aturan:
rentang
p = ; (pembulatan ke atas)
banyak kelas
32
= ; dalam hal ini diambil banyak kelas (k) = 7
7
p = 4,57; dengan pembulatan ke atas: p = 5.
Harga p diambil sesuai dengan ketelitian satuan data yang digunakan.
(4) Pilih ujung bawah kelas interval pertama. Untuk ini bisa diambil
sama dengan data terkecil, atau lebih kecil dari data terkecil,
tetapi selisihnya dengan data terkecil harus kurang dari panjang
kelas yang telah ditentukan.
35 – 39 / 1
40 – 44 ///// 5
45 – 49 ///// 4
50 – 54 ///// // 7
55 – 59 ///// ///// ///// //// 19
60 – 64 ///// ///// / 11
65 – 69 /// 3
Jumlah – 50
Distribusi frekuensi data tersebut di atas, kelas pertamanya
dapat saja tidak dimulai dari 35, tetapi dimulai dari yang lebih kecil
30
dari 35 misalnya 34 atau 33, asal saja data terbesar yaitu 67 masih
termasuk dalam kelas terakhir.
Bila batas bawah kelas pertama dimulai dengan angka 33, maka
daftar distribusi frekuensi data tersebut menjadi seperti berikut:
33 – 37 1
38 – 42 3
43 – 47 2
48 – 52 6
53 – 57 5
58 – 62 31
63 – 67 2
Jumlah 50
Batas bawah kelas pertama tidak mungkin kurang dari 33, sebab
data terbesar yaitu 67 akan tidak masuk lagi di dalam kelas terakhir,
bila panjang interval kelas masih tetap 5.
31
1) Buatlah salib sumbu yang tegak lurus satu sama lain; sumbu
datar meng-gambarkan jenis data, dan sumbu tegak
menggambarkan frekuensinya.
2) Tentukanlah titik-titik tengah kelas dari semua interval,
digambarkan pada sumbu datar. Pada contoh data berat badan,
titik-titik tengahnya yaitu: 37, 42, 47, 52, 57, 62 dan 67.
3) Lukis frekuensi masing-masing interval kelas pada sumbu
tegak (mungkin secara proporsional/perbandingan saja). Pada
contoh data berat badan frekuensinya yaitu: 1, 5, 4, 7, 19, 11 dan
3.
4) Selesaikan gambar persegipanjang-persegipanjang tersebut.
32
Gambar: polygon (diagram garis) data berat badan 50 siswa
50 – 54 7
7 0,14 14
50
55 – 59 19 19 0,38 38
50
60 – 64 11 11 0,22 22
50
65 – 69 3 3 0,06 6
50
Jumlah 50 1 1,00 100
34
Berat Badan fkum fkum %
Kurang dari 35 0 0
Kurang dari 40 1 2
Kurang dari 45 6 12
Kurang dari 50 10 20
Kurang dari 55 17 34
Kurang dari 60 36 72
Kurang dari 65 47 94
Kurang dari 70 50 100
35
Frekuensi Frekuensi
Berat Badan
Kumulatif
(Mutlak)
35 – 39 1 1
40 – 44 5 6
45 – 49 4 10
50 – 54 7 17
55 – 59 19 36
60 – 64 11 47
65 – 69 3 50
Jumlah 50 -
36
Contoh lain: data tinggi badan 50 siswa, seperti tabel berikut:
3
145 – 149 3 50 0,06 6
5
150 – 154 5
50 0,40 10
17
50
155 – 159 17 0,34 34
23
50
160 – 164 23 2 0,46 46
50
Jumlah 50 1 1 100
37
Frekuensi Frekuensi
Tinggi Badan
(Mutlak) Kumulatif
145 – 149 3 3
150 – 154 5 8
155 – 159 17 25
160 – 164 23 48
165 – 169 2 50
Jumlah 50 –
38
3.5 Soal-soal
39
BAB 4UKURAN PEMUSATAN DAN UKURAN LETAK DATA
Materi :
Rata-rata hitung (Mean), Median, Modus, Rata-rata ukur dan rata-rata
harmonis, Kuartil, Desil dan Persentil.
Waktu :
2 × 3 jam pembelajaran (2×150 menit).
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya
diutamakan sebagai umpan balik untuk kepentingan dosen maupun
mahasiswa dalam pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap
mahasiswa, dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
40
PETA KONSEP
41
4.1 Pengantar
x + x + x +...+ xn ∑ xi
x= 1 2 3 ; atau x = i =1
n n
Dalam bentuk yang lebih sederhana dapat ditulis:
∑ xi
x= ........................................... (1)
n
Contoh:
∑ xi
x=
n
x + x 2 + x 3 + ... + x10
x= 1
10
6+7+8+6+5+9+ 2+7+6+8
x=
10
64
x= = 6,4
10
f x + f x + f x +...+ fk xk i =1
∑f x i i
x= 1 1 2 2 3 3 = k
f1 + f2 + f3. + ...+ fk
∑f
i =1
i
43
∑ fi xi ∑ fi xi
x= ; atau x = ................ (2)
∑ fi n
dimana:n = ∑fimerupakan total frekuensi atau banyaknya data.
Contoh:
18 + 14 + 16 + 2 + 5 + 9
x=
10
64
x= = 6, 4
10
Contoh lain:
a. Nilai ujian statistika dari lima orang mahasiswa adalah: 70, 75, 85,
56, dan 90; makanilai rata-ratanya ialah:
44
xi fi fix i
70 4 280
75 6 450
85 3 255
56 1 56
90 1 90
Jumlah 15 1141
∑ fi xi 1141
x= = = 75,4
n 15
Jadi, nilai rata-rata ujian statistika untuk ke 15 mahasiswa tersebut adalah 75,4.
45
k
∑ ni x
x = i=1
k ..................................... (3)
∑i=1
ni
Contoh:
x = 143,91
∑
i =1
fi xi
x= ............................. (4)
n
Dimana:
Catatan:
Dengan mengambil salah satu dari titik tengah (tanda) kelas sebagai
rata-rata hitung (mean) sementara atau terkaan, maka rumus (4)
untuk data tersusun menjadi:
∑ fd
i =1
i i
x = xo + ............................ (5)
n
Dimana:
x =rata-rata hitung;
k = banyaknya kelas;
n = banyak data.
di
Bila ci = (p = panjang kelas), maka rumus (5) menjadi:
p
∑fc
i =1
i i
x = xo + p ( ) ......................... . (6)
n
Menghitung nilai rata-rata dengan rumus (6) disebut dengan cara
codingatau carasingkat. Cara coding ini hanya berlaku jika panjang
interval kelas pada daftar distribusi frekuensi semuanya sama.
47
Contoh:
35 – 39 1
40 – 44 5
45 – 49 4
50 – 54 7
55 – 59 19
60 – 64 11
65 – 69 3
Jumlah 50
Penyelesaian:
1. Menggunakan rumus:
k
∑
i =1
fi xi
x=
n
48
Tabel analisis data dapat dibuat seperti berikut:
Berat
fi xi fi x i
Badan
35 – 39 1 37 37
40 – 44 5 42 210
45 – 49 4 47 188
50 – 54 7 52 364
55 – 59 19 57 1083
60 – 64 11 62 682
65 – 69 3 67 201
Jumlah 50 - 2765
2765
x = = 55,3
50
2. Menggunakan rumus:
k
∑ fd
i =1
i i
x = xo +
n
35 – 39 1 37 -15 -15
40 – 44 5 42 -10 -50
45 – 49 4 47 -5 -20
50 – 54 7 (52) 0 0
55 – 59 19 57 5 95
49
60 – 64 11 62 10 110
65 – 69 3 67 15 45
Jumlah 50 – – 165
165
x = 52 + = 52 + 3,3
50
x = 55 ,3
35 – 39 1 37 -3 -3
40 – 44 5 42 -2 -10
45 – 49 4 47 -1 -4
50 – 54 7 52 0 0
55 – 59 19 57 1 19
60 – 64 11 62 2 22
65 – 69 3 67 3 9
Jumlah 50 – – 33
∑
i =1
f i ci
x = xo + p ( )
n
33
= 52 + 5 ( )
50
= 52 + 5×0,66 = 52 + 3,3
50
x = 55 , 3
xi − x0
ci =
p
Dengan p merupakan panjang kelas dan xo (atau dapat pula
dinyatakan dengan M)merupakan salah satu titik tengah kelas yang
dipilih/ditetapkan sebagai rata-rata sementara.
Berat
fi xi fix i di fidi ci fici
Badan
35 – 39 1 37 37 -15 -15 -3 -3
45 – 49 4 47 188 -5 -20 -1 -4
50 – 54 7 (52) 364 0 0 0 0
55 – 59 19 57 1083 5 95 1 19
60 – 64 11 62 682 10 110 2 22
65 – 69 3 67 201 15 45 3 9
Contoh lain:
51
Hitunglah nilai rata-rata data tinggi badan 50 orang siswa seperti pada
tabel distribusi frekuensi berikut ini:
145 – 149 3
150 – 154 5
155 – 159 17
160 – 164 23
165 – 169 2
Jumlah 50
Penyelesaian:
Tinggi
fi xi fix i di fidi ci fici
Badan
Jumlah 50 – 7930 – 80 – 16
52
k
∑fx
i =1
i i
7930
a. x= = = 158,6
n 50
b. Misalkan rata-rata hitung sementara atau mean terkaan (x0 atau
MT) = 157 (titik tengah kelas ke-3)
k
∑fd
i =1
i i
80
x = x0 + =157+ =157+1,6 = 158,6
n 50
∑fc
i =1
i i
16
x = xo + p ( ) = 157 + 5 × = 157 + 1,6 = 158,6
n 50
Dengan menggunakan rumus (4), (5) dan (6) diperoleh hasil yang
sama, yaitu x = 158 ,6 . Rumus terakhir (6) lebih praktis dan
sederhana dibandingkan dengan rumus (4) dan (5).
4.3 Median
Biasanya orang mendefinisikan median sebagai suatu nilai yang membagi dua
suatu deretan nilai (atau sebuah pencaran frekwensi) sehingga banyaknya data di kedua
bagian itu sama. Jadi median menentukan letak data setelah data-data tersebut disusun
menurut urutan besar nilainya, yaitu bilangan mana yang terletak di tengah. Untuk data
n+1
sampel kecil median adalah data ke 2 , sedangkan untuk sampel besar median adalah
n
data ke 2 .
Contoh:
Median dari deretan bilangan (data): 2, 6, 7, 9, 10, 13, 17, 17, 20 adalah 10 (datum yang
ke-5 setelah diurutkan).
Bila banyak data genap maka mediannya ialah rata-rata hitung dua bilangan yang
ditengah (setelah data tersebut diurutkan). Contohnya, median dari deretan bilangan
(data): 2, 6, 7, 9, 10, 13, 17, 17, 20, 21adalah ½ (10+13) = 11,5.
53
Dari contoh di atas, jelaslah bahwa yang dimaksudkan dengan median
darisekumpulan bilangan (data) ialah bilangan yang di tengah, atau rata-rata hitung
duabilangan yang tengah, setelah bilangan-bilangan itu diurutkan besarnya.
Sekumpulan data yang disajikan dalam daftar distribusi frekuensi, berarti data itu sudah
disusun ataudiurutkan menurut besarnya. Dalam hal ini berarti pula bahwa median data
tersusun tersebut berada pada kelas tertentu dimana angka (median) tersebut membagi
jumlah frekuensi sama banyak.
Untuk data yang telah disusun dalam daftar distribusi frekuensi, mediannya
dihitung dengan menggunakan rumus:
1
2
n− F)
Me = Bb + p ( )
f Me
Dimana:
Bb = batas bawah kelas median; juga dapat dinyatakan dengan tepi bawah (TB)
n = banyaknya data.
Contoh:
35 – 39 1
40 – 44 5
45 – 49 4
50 – 54 7
54
55 – 59 19
60 – 64 11
65 – 69 3
Jumlah 50
Penyelesaian:
Mediannya adalah data yang ke 25 (setengah dari 50). Berarti median berada pada kelas
kelima, yaitu pada interval: 55 − 59, sebab jumlah frekuensi interval kelas ke satu,
kedua, ketiga dan keempat yaitu 1 + 5 + 4 + 7 kurang dari 25, sedangkan jumlah
frekuensi kelas kesatu, kedua. ketiga, keempat dan kelima yaitu 1 + 5 + 4 + 7+19
melebihi dari 25.
Maka:
n
−F
Me = Bb + p ( 2 )
f Me
25 − 17
Me = 54,5 + 5 ( )
19
8
= 54,5 + 5 ( ) = 54,5 + 2,1
19
Me = 56,6
Jadi, median data berat badan 50 siswapada tabel di atas adalah: Me = 56,6
Secara geometris median adalah nilai x (absis) yang berhubungan dengan garis vertikal
(ordinat) yang membagi histogram atas dua bagian yang luasnya relatif sama.
55
4.4 Modus
Modus dari sekumpulan data atau bilangan adalah bilangan yang terbanyak
terdapat di dalam kumpulan itu, atau dengan istilah lain disebut yang paling sering
muncul. Modus dapat dianggap sebagai nilai sekitar mana nilai-nilai yang lain
terkonsentrasi. Ada sekumpulan bilangan yang bermodus tunggal, bermodus ganda
(lebih dari satu modus), dan tak bermodus.
Contoh:
Kumpulan bilangan,
Modus, dalam keadaan tidak disadari juga sering dipakai untuk menentukan
"rata-rata" data kualitatif. Misalnya jika kita dengar atau baca tentang kebanyakan
kematian di suatu daerah di Indonesia disebabkan oleh penyakit malaria, dan pada
umumnya kecelakaan lalu lintas disebabkan kecerobohan pengemudi. Ini tiada lain
masing-masing merupakan modus penyebab kematian dan modus penyebab
kecelakaan lalu lintas.
Seperti dikemukakan di atas, modus adalah bilangan atau datum yang paling
sering muncul. Dengan demikian pada distribusi frekuensi (data tersusun) modus ada
pada interval kelas yang frekuensinya paling banyak. Karena dengan frekuensi terbanyak
itu dinamakan kelas modus, dan kita anggap selalu berisi modus di kelas tersebut. Kita
tidak akan mendapatkan nilai modus yang sebenarnya dari sekumpulan data yang telah
tersusun dalam pencaran frekuensi. Yang dapat ditentukan hanyalah suatu nilai
penghampir bagi modus itu.
Para ahli statistika sependapat penentuan modus data tersusun dalam pencaran
frekuensi adalah dengan menggunakan rumus berikut:
s1
M o = Bb + p ( )
s1 + s2
dimana:
56
Mo=nilai modus;
Bb = batas (tepi) bawah kelas modus (kelas yang memiliki prekuensi terbanyak);
S1= selisih antara frekuensi kelas modus dengan frekuensi kelas sebelumnya;
35 – 39 1
40 – 44 5
45 – 49 4
50 – 54 7
55 – 59 19
60 – 64 11
65 – 69 3
Jumlah 50
Penyelesaian:
Interval kelas dimana modus berada adalah 55 – 59, sebab frekuensinya paling banyak,
yang disebut kelas modus.
s1
Jadi: Mo = Bb + p ( )
s1 + s2
12
= 54 ,5 + 5 ( ) = 54,5 + 3,0
12 + 8
57
Mo = 57,5
Berdasarkan hasil perhitungan, data berat badan 50 siswa diperoleh: rata-rata hitung
( x ) = 55,3, median (Me) = 56,6 dan modus (Mo) = 57,5.
Ketiga nilai pengukuran, yaitu rata-rata hitung ( x ), median (Me) dan modus
(Mo), mempunyai kebaikan dan kekurangan masing-masing. Biasanya dalam
pengukuran, orang lebih menyukai harga rata-rata hitung ( x ) dari pada median dan
modus. Akan tetapi adakalanya harga rata-rata hitung hampir tidak berarti apa-apa.
Misalnya di suatu Kampung (Desa)atau Dusun yang berpenduduk 10 keluarga, dengan
rata-rata pendapatan bulanan mereka sebesar Rp. 2.000.000,-. Akan tetapi di
Kampung/Dusun tersebut hanya terdapat satu sumber pekerjaan yaitu pembakaran
(pabrik) batubata. Sembilan dari sepuluh keluarga, kepala keluarganya adalah pekerja
pada pabrik batu bata itu dengan penghasilan Rp. 800.000,- per-bulan, sedangkan
kepala keluarga yang satu lagi adalah pemilik pabrik batu bata dengan pendapatan Rp.
12.800.000,- perbulan. Dalam kasus ini angka Rp. 2.000.000,- tidak dapat
menggambarkan penghasilan atau tingkat kesejahteraan penduduk desa tersebut,
karena hampir semua kepala keluarga penghasilannya hanya Rp. 800.000. Artinya,
dalam kasus seperti ini, modus atau median lebih akurat dari pada nilai rata-rata
hitungnya.
Dalam kasus data tersusun (data berkelompok) dimana kurva distribusi frekuensi
(polygon) telah dilukiskan, modus berupa nilai atau nilai-nilai x yang berpadanan
dengan titik atau titik-titik maksimum pada grafik tersebut.Untuk lingkungan frekuensi
unimodal yang agak menceng atau tak simetri, secara empiris ditemukan hubungan
antara harga rata-rata (mean), median dan modus. Jika mean, median dan modus
bernilai sama atau hampir sama maka grafiknya adalah simetris; bila
modus<median<mean, maka grafik miring (menceng) ke-kanan; dan jika
mean<median<modus, maka grafik menceng ke-kiri. Dengan demikian, berdasarkan
hasil analisis data berat badan 50 siswa yang nilai rata-rata hitung ( x ) = 55,3, median
(Me) = 56,6 dan modus (Mo) = 57,5 grafiknya agak sedikit menceng ke-kiri.
Rata-rata ukur dan rata-rata harmonis tidaklah begitu banyak dipakai di dalam
Statistika, dan akan banyak diantara pembaca yang tidak memerlukannya sama sekali.
58
Walaupun demikian kita bahas juga secara singkat mengenai kedua pengertian tersebut.
Jika perbandingan tiap dua data berurutan tetap atau hampir tetap, rata-rata ukur (atau
disebut juga rata-rata geometri) lebih baik dipakai daripada rata-rata hitung, apabila
dikehendaki rata-ratanya. Untuk data bernilai x1 x2, ..., xn adalah n buah bilangan, dan u
kita pakai untuk menunjukkan harga rata-rata ukurnya, maka diperoleh rumus:
n
U= x1.x2.x3 ...xn ; atau U =n ∏xi
n
................ (1)
i=1
U = 3 2× 4×8 = 4
Untuk bilangan-bilangan bernilai besar atau perhitungan yang lebih rumit,
sebaiknya kita pergunakan logaritma, seperti berikut:
1
log U = (log x1 + log x2 + ..... + log xn ; atau,
n
∑ log x
i =1
i
Rata-rata ukur (u) akan didapat dengan jalan mencari kembali logaritmanya, dengan
menggunakan daftar logaritma atau kalkulator/komputer.
Untuk data yang telah disusun dalam daftar distribusi frekuensi, rata-rata ukurnya
dihitung berdasarkan rumus seperti berikut:
k
∑( f
i =1
i log xi )
log U = k ................................... (3)
∑
i =1
fi
Dengan xi menyatakan tanda (titik tengah) kelas, fi frekuensi yang sesuai dengan xidan
harga rata-rata ukur (u) dicari kembali dari log u.
Contoh:
59
Untuk data berat badan 50 siswa seperti contoh terdahulu, kita bentuk tabel:
35 – 39 1 37 1,568 1,568
40 – 44 5 42 1,623 8,115
45 – 49 4 47 1,627 6,688
50 – 54 7 52 1,716 12,012
55 – 59 19 57 1,756 33,364
60 – 64 11 62 1,792 19,712
65 – 69 3 67 1,826 5,478
Jumlah 50 – – 86,937
∑f
i =1
i log xi
log U = 86,937
k =
∑f
i =1
i
50
log U = 1,7387
1
H=
1 1 1 1 ; atau,
( + + ...+ )
n x1 x2 xn
60
n
H = .................................... (1)
n
1
∑ ( )
1=1 xi
Contoh:
Rata-rata harmonis bilangan 2, 4, 8 adalah:
3 3
H= = = 3,428
1 1 1 0,875
( + + )
2 4 8
∑ fi
H= ....................................... (2)
∑( f i / xi )
Contoh:
Rata-rata harmonis data berat badan 50 siswa seperti pada tabel terdahulu, adalah:
35 – 39 1 37 0,027
40 – 44 5 42 0,119
45 – 49 4 47 0,085
50 – 54 7 52 0,135
55 – 59 19 57 0,333
60 – 64 11 62 0,177
61
65 – 69 3 67 0,045
Jumlah 50 – 0,921
∑ fi 50
H= = .
∑( f i / xi ) 0,921
H = 54,289 .
Jadi, rata-rata harmonis (H) dari data berat badan50 siswa adalah 54,289, atau
dibulatkan 54,29.
Jika sekumpulan data disusun menurut besarnya, nilai tengah atau rata-rata
hitung dari dua nilai tengah yang membagi himpunan atas dua bagian yang sama
banyak disebut median. Dengan memperluas pemikiran ini kita dapat membayangkan
nilai-nilai yang membagi himpunan atas empat bagian yang sama banyak, nilai-nilai ini
yang dinyatakan oleh K1, K2 dan K3 masing-masing disebut kuartil pertama, kuartil kedua
dan kuartil ketiga. Disini jelas pula bahwa kuartil kedua (K2) sama dengan median (Me).
Dengan cara yang sama, nilai-nilai yang membagi data atas sepuluh bagian yang sama
disebut desil, dan dinyatakan oleh D1, D2, D3, ..., D9. Sedangkan nilai-nilai yang membagi
data atas seratus bagian yang sama disebut persentil, dan dinyatakan oleh P1, P2, P3,…,
P99.
Menentukan kuartil, desil dan persentil dari sekumpulan data terlebih dahulu
data itu disusun menurut urutan besarnya, kemudian menentukan letaknya (data yang
keberapa). Letak kuartil ditentukan oleh rumus:
62
i ( n + 1)
Data ke ; i = 1, 2, 3,…, 9; Letak desil: data ke i (n + 1) ; i = 1, 2, 3,…, 9.
4 10
i (n + 1)
Sedangkan letak persentil adalah: data ke ; dengan i = 1, 2, 3, …, 99.
100
Contoh:
Data nilai Statistika 12 orang mahasiswa sebagai berikut: 75, 82, 66, 57, 64, 56, 92, 94,
86, 52, 60, 70. Setelah disusun berdasarkan urutan besarnya, data nilai menjadi: 52, 56,
57, 60, 64, 66, 70, 75, 82, 86, 92, 94 (12 buah nilai/bilangan).
Kuartil
i (n + 1) 12 + 1
Ki adalah data ke ; berarti K1 data ke , atau data ke-3¼, yaitu antara data
4 4
ke-3 dan data ke-4.
K1 = 57 + ¼ (60−57)
= 57 + ¾ = 57 + 0,75
K1= 57,75
= 82 + ¾ (86 – 82) = 82 + 3
K3 = 85
Sedangkan K2 adalah sama dengan Median (Me), adalah data yang di tengah (data ke
6½) yaitu 68.
Desil
63
Misalkan kita ingin menentukan desil ke-7 dari data nilai Statistika 12 orang mahasiswa
seperti dinyatakan di atas.
7 (12 + 1)
D7 adalah data ke , atau data ke-9,1.
10
D7 = 82,4
Untuk data yang telah disusun dalam daftar distribusi frekuensi (data tersusun),
nilai kuartil (Ki) dihitung dengan rumus:
1
n−F
Ki = Bb + p ( 4
); i = 1, 2, 3
f Ki
Dengan:
Bb= Batas bawah kelas Ki, yaitu kelas interval dimana Ki terletak;
i
n−F
Di = Bb + p ( 10 ); i = 1, 2, 3, …., 9.
f Di
Sedangkan untuk menentukan nilai persentil (Pi) data tersusun dihitung dengan
menggunakan rumus:
1
n− F
Pi = Bb + p( 100 ); i = 1, 2, 3, …., 99.
fPi
64
Dimana:
p = Panjang kelas
Contoh:
35 – 39 1
40 – 44 5
45 – 49 4
50 – 54 7
55 – 59 19
60 – 64 11
65 – 69 3
Jumlah 50
a. Kuartil:
Untuk menentukan nilai kuartil ketiga (K3), kitaperlu tentukan bahwa K3 adalah
data ke-(¾ × 50) = data ke-37,5. Dengan demikian K3(data ke 37,5) terletak pada kelas
interval ke enam: 60 – 64.Dari kelas K3, di dapat:
37,5 − 36
= 59,5 + 5 ( ) = 59,5 + 0,68
11
K3 = 60,18
Ini berarti, ada 75% siswa yang berat badan paling tinggi 60,18.
b. Desil:
Dari tabel distribusi data berat badan, kita ingin mendapatkan nilai D3. Untuk ini
kita perlu 30% x 50 = 15 data. Kelas D3 berimpit dengankelas interval ke-4 (interval: 50 –
54). Berdasarkan rumus, diperoleh:
i
n−F
Di = Bb + p ( 10
);
f Di
3
×50−10
D3 = 49,5 + 5 ( 10 )
7
15 − 10
= 49,5 + 5 ( ) = 49,5 + 3,57
7
D3 = 53,07.
c. Persentil:
Bila kita ingin menentukan/menghitung P10, kita perlu 10% x 50=5 data, P10 berarti
berada dalam kelas ke-2(interval: 40 – 44).Berdasarkan rumus, untuk P10 (n = 10) nilai
persentil (Pi)adalah:
1
n− F
Pi = Bb + p( 100
);
fPi
10
×50 −1
P10 = 39,5 + 5 ( 100 )
5
66
= 39,5 + 5(0,8)
P10 = 43,5
Dari perhitungan di atas diperoleh P10 = 43,5 (=D1), dan D3= 53,07 (=P30); berarti
berattertinggi dari 10% siswa adalah 43,5 dan berat tertinggi dari 30% siswa adalah
53,07.
4.7 Soal-soal
3. Data: 5, 7, 6, 8, 6, 7, 8, 7, 8, 9.
b. Tentukan nilai rata-rata ukur dan rata-rata harmonis dari data tersebut.
4. Hitunglah mean, modus, median, kuartil 1, serta desil ke-4, dari data nilai matematika
20 orang siswa berikut: 60, 75, 80, 50, 70, 85, 65, 60, 75, 80, 85, 70, 85, 70, 65, 75,
80, 70, 90, 80.
5. Hitunglan nilai rata-rata hitung (mean), modus, median, kuartil 1, kuartil 3, desil ke-4,
persentil ke-15 dan persentil ke-85, dari data nilai matematika siswa seperti pada
tabel berikut:
67
40 – 49 1
50 – 59 3
60 – 69 9
70 – 79 15
80 – 89 10
90 – 99 2
Jumlah 40
68
BAB 5UKURAN PENYEBARANDATA
69
PETA KONSEP
70
5.1 Pengantar
Selain ukuran gejala pusat (ukuran pemusatan) dan ukuran letak,ukuran lain yang
menggambarkan karakteristik data adalah ukuran sebaran (penyebaran) atau ukuran
simpangan. Ukuran sebaran (penyebaran) ini dinamakan pula ukuran variasi, yang
menggambarkan derajat bagaimana terpercayanya data kuantitatif disekitar nilai rata-
ratanya. Beberapa ukuran sebaran (dispersi) yang sering dibicarakan/digunakan adalah:
rentang, rentang antar kuartil, simpangan kuartil, rata-rata simpangan, simpangan baku
atau deviasi standard, varians dan koefisien variasi.
Ukuran variasi yang paling mudah ditentukan ialah rentang (range atau
jangkauan). Rentang suatu himpunan bilangan adalah selisih data terbesar dan terkecil,
dengan rumus dinyatakan:
R = data terbesar − data terkecil
Contoh:
Data berat badan ke 50 siswa yang terdapat pada halaman terdahulu, di mana data
terbesar = 67 dan data terkecil = 35; maka rentangnya (selisih data terbesar dengan
data terkecil) adalah: R = 67 - 35 = 31.
Rentang antar kuartil yaitu selisih antara Kuartil terbesar (K3) dan Kuartil terkecil
(K1). Nilai rentang antar kuartil dinyatakan dengan rumus:
RAK = K3 – K1
Sedangkan simpangan kuartil atau deviasi kuartil, atau disebut pula rentang semi antar
kuartil, harganya setengah dari rentang antar kuartil. Jadinilai simpangan kuartil (SK),
dinyatakan dengan rumus:
71
K 3 − K1
SK =
2
Contoh:
Simpangan rata-rata (mean deviation atau average deviation) ialah rata-rata dari
simpangan data terhadap nilai rata-rata, disebut juga fluktuasi.Dengan memisalkan
bahwa x1, x2, x3, ..., xn sekumpulan data berukuran n, dengan x sebagai harga rata-rata
hitungnya. Selanjutnya kita tentukan jarak-jarak: x1 − x , x 2 − x , . . ., x n − x
dijumlahkan, lalu dibagi dengan n, maka diperoleh simpangan rata-rata atau rata-rata
simpangan. Rumusnya adalah:
1 n
SR = ∑ xi − x
n i =1
.................................. (1)
Dimana:
xi=Data
x =Rata-rata hitung
n =Banyak data
Contoh:
5, 5½, 6, 6, 6½, 6½, 7, 7, 7½, 8. Tentukan deviasi rata-rata (simpangan rata-rata) data
tersebut.
72
Jawab:
5 + 5 ½ + 6 + 6 + 6 ½ + 6 12 + 7 + 7 + 7 ½ + 8
x= = 6½
10
1 n
SR =
n
∑
i =1
xi − x
1
= (1½ + 1 + ½ + ½ + 0 + 0 + ½ + ½ + 1 + 1½)
10
1
= ×7
10
SR = 0,7
1 k
SR = ∑ fi xi − x .......................................... (2)
n i =1
Dimana xidi sini merupakan titik tengah kelas ke-k, dan fimerupakan frekuensi tiap kelas.
Simpangan baku atau deviasi standar merupakan salah satu ukuran pokok pada
statistika. Simpangan baku merupakan simpangan yang paling banyak digunakan.
Simpangan baku untuk sampel diberi simbul dengan s, sedangkan untuk populasi
diberi simbul dengan σ (di baca sigma: huruf kecil dari ∑). Simbol lain untuk
simpangan baku juga dinyatakan dengan SB (simpangan baku), SD (standar
deviasi).
Deviasi rata-rata atau rata-rata simpangan (SR) diperoleh setelah kita
menghindari dari tanda negatif dengan mengambil hanya harga mutlaknya. Cara
73
lain untuk menghindari tanda negatif adalah dengan jalan menguadratkan,
kemudian dihitung nilai rata-ratanya, dan akhirnya dicari akarnya. Pendapat
terakhir disebut deviasi baku atau simpangan baku dari data tersebut.
Jika kita mempunyai sampel berukuran n dengan data x1, x2, x3, ..., xn dan rata-
ratanya x , maka nilai simpangan baku adalah akar dari jumlah (xi - x )2dibagi
dengan n. Nilai simpangan baku dinyatakan dengan rumus:
∑ (x
i =1
i − x) 2
s= ................................. (1.a)
n
Dimana untukakar diambil harga yang bernilai positif; artinya nilai s selalu
positif.
Contoh:
Diberikan sampel dengan data: 7, 8, 10, 9, 6
Untuk menentukan simpangan baku (s), kita buat tabel berikut:
1 7 -1 1
2 8 0 0
3 10 2 4
4 9 1 1
5 6 -2 4
Jumlah 40 0 10
∑ (x
i =1
1 − x)2
s=
n
74
10
s= = 2 = 1,414 = 1,41
5
Jadi, data tersebut memiliki rata-rata ( x ) = 8 dan simpangan baku (s) = 1,41.
Rumus simpangan baku (s) di atas dapat diubah kedalam bentuk yang lain,
penjabarannya seperti berikut ini:
∑ ( xi − x) 2
s=
n
2
∑ ( xi2 − 2 xi x + x )
=
n
2
∑ xi2 2 x ∑ xi ∑ x
= − +
n n n
2
∑x 2 2
= i
− 2x + x
n
∑ x i2 2
= − x
n
∑ xi2 ∑ xi 2
s= −( ) ................................. (2.a)
n n
Simpangan baku data tersusun (dalam daftar distribusi frekuensi) dihitung dengan
rumus:
∑ f i ( xi − x) 2
s= ............................ (3.a)
n
Dengan melakukan penjabaran, dapat diubah menjadi,
∑ f i xi2 ∑ f i xi 2
s= −( ) ............................ (4.a)
n n
Disamping kedua rumus di atas, kita dapat juga menggunakan rumus:
75
∑ fi ci2 ∑ fi ci 2
s= p −( ) ............................ (5.a)
n n
Untuk sampel besar nilai rata-rata hitung ( x ) seringkali mendekati atau sama
dengan salah satu data, sehingga ada salah satu (xi- x ) bernilai nol.Nol tidak
mempengaruhi jumlah, maka rumus simpangan baku, pembaginya n dikurangi
satu. Dengan menganggap x berimpit dengan salah satu xi, berarti pembaginya
adalah (n – 1). Dalam hal demikian nilai simpangan baku dapat juga dinyatakan
dengan rumus:
∑ (x
i =1
1 − x) 2
s= ................................ (1.b)
n −1
n ∑ xi2 − ( ∑ xi ) 2
s= ............................. (2.b)
n ( n − 1)
∑ f i ( xi − x) 2
s= ........................... (3.b)
n −1
n ∑ f i x 2 i − (∑ f i xi ) 2
s= ........................... (4.b)
n (n −1)
n ∑ fi ci2 ∑ fi ci 2
s= p −( ) ............................ (5.b)
n −1 n −1
Catatan:
Untuk sampel kecildigunakan rumus simpangan baku dengan pembagi n.
Sedangkan untuk sampel besar,karena nilai rata-ratanya cenderung atau
berpeluang besar mendekati atau hampir berimpit dengan salah satu datum
sehingga salah satu simpangannya mendekati nol, sehingga dapat
digunakanpembagi (n–l). Namun mengingat kepraktisannya menentukan nilai
simpangan baku lebih sering digunakan rumus dengan pembaginya n.
Contoh:
76
Hitunglah simpangan baku (s) dari data berat badan 50 siswa seperti pada tabel
berikut:
35 – 39 1
40 – 44 5
45 – 49 4
50 – 54 7
55 – 59 19
60 – 64 11
65 – 69 3
Jumlah 50
Jawaban:
∑ f i ( xi − x) 2
2. Menggunakan rumus: s =
n
Rata-rata hitungnya harus dicari dulu, atau telah di dapat sebelumnya. Data berat
badan 50 siswa seperti pada tabel di atas, berdasarkan hasil perhitungan
sebelumnya sudah diperoleh: rata-rata hitung ( x ) = 55,3. Sehingga tabel
analisisnya seperti berikut:
2530 ,50
=
50
= 50 ,61
s = 7 ,114
2. Menggunakan rumus:
∑ f i xi2 ∑ f i xi 2
s= −( )
n n
Tabel analisisnya seperti berikut:
155435 2765 2
s= −( ) = 3108,7 − (55,3) 2 = 31087− 3058,09
50 50
s = 50 ,61 = 7 ,114
3. Selanjutnya kita gunakan rumus terakhir:
∑ f i ci2 ∑ f i ci 2
s= p −( )
n n
78
Tabel analisisnya seperti berikut:
123 33 2
s =5 − ( ) = 5 2,46 − 0,4356 = 5 2,0244
50 50
s = 5 × 1,4228 = 7,114
79
Selanjutnya, sebagaimana halnya dalam rata-rata hitung kita dapat menentukan
rata-rata hitung gabungan. Jika terdapat k kumpulan bilangan yang banyaknya
masing-masing adalah n1, n2, n3, ..., nk, dengan simpangan bakunya setelah
dihitung masing-masing adalah s1, s2, s3, ..., sk.Setelah dijadikan sebuah sampel
gabungan, maka simpangan baku gabungannya adalah:
n1 s12 + n2 s22
s= ; .......................................... (7)
n1 + n2
Kadang-kadang n digantikan oleh (n−1), terutama untuk sampel besar, sehingga
simpangan bakunya:
s= 8,24889 = 2,872
Diperoleh nilai simpangan baku gabungan: s = 2,872. Dan, bila kita hitung
dengan rumus menggantikan n dengan (n–1) diperoleh nilai simpangan baku s =
2,874. Kedua angka ini perbedaannya kecil, dan jika dibulatkan dalam dua
desimalkeduanya bernilai sama, yaitu s = 2,87.
Simpangan baku merupakan ukuran yang paling penting dan paling banyak
dipakai. Berikut beberapa sifat (tambahan) dari simpangan baku, yaitu:
80
1. Sebenarnya simpangan baku itu boleh saja dianggap sebagai
ukuran simpangan antara nilai-nilai data dengan sembarangan harga rata-rata
selain rata-rata hitung. Kalau harga rata-rata sembarang itu dinyatakan dengan
R, maka simpangan baku itu dapat didefenisikan sebagai:
∑ ( xi − R ) 2
s=
n
Semua simpangan baku demikian, yang minimum adalah untuk R = x ,
simpangan baku memakai harga rata-rata hitung inilah yang selalu dipakai.
2. Misalkan kita mengukur tinggi badan dari sekumpulan siswa
SMA, dimana rata-rata hitung tinggi badan mereka 147 cm dengan simpangan
baku 5,2 cm. Misalkan pengukuran tersebut diperoleh dari sejumlah besar
siswa, sehingga tinggi badan mereka dianggap terpencar secara normal atau
mengikuti distribusi normal, maka :
a. 68,27 persen dari pada tinggi badan mereka itu akan termasuk dalam
interval di antara x - s dan x + s, yaitu di antara 141,8 cm dan 152,2 cm.
b. 95,45 persen dari tinggi badan mereka itu akan termasuk di dalam interval
di antara x - 2s dan x + 2s, yaitu di antara 136,6 cm dan 157,4 cm.
c. 99,73 persen dari tinggi badan mereka itu akan termasuk di antara x - 3s
dan x + 3s, yaitu di antara 131,4 cm dan 162,6 cm.
Perhatikan gambar berikut:
Sifat kedua simpangan baku ini sangat penting di dalam statistik modern. Pemakaian
sifat ini sangat banyak dilakukan di dalam penaksiran dan pengujian hipotesis.
81
5.5 Bilangan Baku dan Koefesien Variasi
82
di bawah rata-rata. Sedangkan bilangan standar atau baku nol (z = 0) menyatakan
bahwa keadaan yang diteliti sama dengan rata-rata.
83
Ternyata hasil produksi mesin A (paku berukuran 12 cm) lebih seragam dari pada
hasil produksi mesin B (paku berukuran 7 cm).
5.6 Soal-soal
1.Kemukakan pengertian dari rentang dan rentang aantar kuartil sebagai ukuran
penyebaran data.
2. Hitunglah nilai rentang antar kuartil dan simpangan kuartil dari data: 5, 7, 6, 8, 6, 7, 8,
7, 8, 9.
3. Hitunglah nilai rata-rata simpangan, simpangan baku, varians, dan koefisien variasi
dari data: 5, 7, 6, 8, 6, 7, 8, 7, 8, 9.
5. Hitunglan nilai rata-rata simpangan, simpangan baku, varians, dan koefisien variasi
dari data nilai matematika siswa seperti pada tabel berikut:
40 – 49 1
50 – 59 3
60 – 69 9
70 – 79 15
80 – 89 10
90 – 99 2
Jumlah 40
84
BAB 6DISTRIBUSI TEORETIS
Materi :
Distribusi Normal, Distribusi Student, Distribusi Chi-Kuadrat, Distribusi F.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa dalam
pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
85
Peta konsep
86
6.1 Pengantar
Distribusi teoretis atau disebut juga distribusi peluang adalah suatu daftar
yang disusun berdasarkan probabilitas dari suatu peristiwa atau kejadian.
Frekuensi dari distribusi teoretis berkaitan dengan variabel randum atau variabel
acak, yang nilai-nilainya ditentukan oleh kesempatan pada suatu peristiwa.
Variabel randum ada dua macam, yaitu variabel randum diskrit dan variabel
randum kontinu. Variabel randum diskrit tidak berbentuk pecahan, contohnya:
jumlah anak dalam sebuah keluarga. Sedangkan variabel kontinu mengambil
seluruh nilai pada suatu interval, dapat berupa bilangan bulat maupun pecahan,
contohnya antara lain: usia penduduk suatu daerah, penghasilan/pendapatan orang
tuasiswa di suatu sekolah.
Contoh:
Sebuah mata uang logam dengan permukaanI = A dan permukaan II =
B,dilemparkan ke atas sebanyak 3 kali. Tentukan distribusi teoretisnya?
Penyelesaian:
Dari peristiwa pelemparan uang logam tersebut, diperoleh ruang sampel dengan
anggota sebanyak 8 yaitu:
S = {AAA, AAB, ABA, BAA, ABB, BBA, BAB, BBB}
Jika X merupakan jumlah munculnya permukaan I (A) maka:
3. untuk AAA didapat X = 3
4. untuk AAB didapat X = 2
5. untuk ABA didapat X = 2
6. untuk BAA didapat X = 2
7. untuk ABB didapat X = 1
8. untuk BBA didapat X = 1
9. untuk BAB didapat X = 1
10. untuk BBB didapat X = 0
Dengan demikian X = { 0, 1, 2, 3 }
Jika setiap nilai X dicari nilai probabilitasnya, maka distribusi teoretisnya
seperti tabel berikut.
Tabel: Hasil pelemparan sebuah Mata Uang Logam sebanyak tiga kali
87
Kejadian Frekuensi
P(X)
(Xi) (fi)
0 1 0,125
1 3 0,375
2 3 0,375
3 1 0,125
Jumlah 8 1,000
Data pada tabel dapat pula dinyatakan dalam bentuk histogram dan poligon.
Distribusi teoretis yang tergolong ke dalam distribusi teoretis diskrit antara
lain: distribusi binomial, distribusi hipergeometrik, dan distribusi Poisson.
Sedangkan distribusi teoretis kontinu antara lain: distribusi normal, distribusi
student, distribusi chi-kuadrat, dan distribusi F. Distribusi teoretis yang paling
banyak ditemukan adalah distribusi normal, distribusi student, distribusi chi-
kuadrat dan distribusi F.
6.2.1 Pendahuluan
Pada pembahasan terdahulu kita telah dapat menyajikan data menurut
keadaan kelompok, simpangan baku, dan angka baku. Penyajian tersebut dapat
pula dilanjutkan dengan menggunakan distribusi normal. Sebagai contoh, dalam
suatu perlombaan lari masal kita dapat menyajikan data dalam bentuk keadaan
kelompok. Namun, jika dikehendakidapat pula dilanjutkan dengan penyajian:
a. Berapa pelari yang gagal untuk jarak 10 km?
b. Berapa pelari yang sukses untuk jarak 10 km lebih?
c. Apakah ada perbedaan jarak tempuh menurut kategori jenis kelamin, umur,
dan sebagainya?
d. Adakah hubungan antara jarak tempuh dengan berat badan?
e. Dapatkah diramalkan bahwa semakin banyak yang ikut, semakin banyak yang
berhasil?
Jadi, dengan menggunakan distribusi normal, penyajian data lebih
bermakna dari pada hanya menggunakan penyajian kelompok saja. Karena
dengan adanya persyaratan normalitas data, maka data dapat dilanjutkan
88
penyajiannya dalam bentuk membedakan, mencari hubungannya, dan
meramalkannya. Mengapa diperlukan data acak dan berdistribusi normal?
Jawabnya ialah karena hampir segala sesuatu yang ada di dunia ini akan lebih
mudah dibandingkan, dihubungkan, dan diramalkan apabila datanya acak dan
berdistribusi normal. Kenyataannya bahwa hampir semua gejala alam ciptaan
Yang Maha Kuasa mendekati distribusi normal. Jika menggunakan data acak
distribusi normal dalam sebuah kurva, maka kurva tersebut dinamakan kurva
normal.
2
1 x−µ
f ( x) = e −1/ 2
σ 2π σ
Dimana:
π= Nilai konstan, yaitu = 3,1416 (atau 3,14)
e= Nilai konstan, yaitu = 2,7183 (atau 2,71)
µ= Parameter yang merupakan rata-rata
σ= Parameter yang merupakan simpangan baku.
Jika x mempunyai bentuk –~<x <~, maka disebut variabel acak X
berdistribusi normal.
b. Grafiknya selalu berada di atas sumbu absis X.
0,3939
c. Mempunyai modus; jadi kurva unimodal tercapai pada x = µ =
σ
d. Grafiknya mendekati (berasimtutkan) sumbu absis X, dimulai dari x = µ + 3σ
ke kanan dan x = µ – 3σke kiri.
e. Luas daerah grafik = 1 (satu unit persegi).
Untuk mendapatkan model distribusi normal, transformasi data mentah
menjadi angka baku yang berdistribusi normal menggunakan rumus:
xi − x
zi =
s 89
Dalam hal ini:
Zi = angka (bilangan) baku;
Xi = data asal (raw data);
x = rerata data asal;
s = simpangan baku data asal.
b. Normal Baku, dinyatakan dalam bilangan baku ..., -3, -2, -1, 0, 1, 2, 3, ...
xi − µ
zi =
σ
90
2. Gambarkan kurvanya.
3. Tuliskan nilai zhitung pada sumbu X di kurva di atas dan tarik garis
dari titik zhitung ke atas sehingga memotong garis kurve.
4. Luas yang terdapat dalam tabel merupakan luas daerah antara garis
tegak ke titik 0 di tengah kurve.
5. Carilah tempat nilai z dalam tabel normal
6. Luas kurve normal = 1, karenaµ= 0, maka luas dari 0 keujung kiri = 0,5; dan
luas dari 0 ke ujung kanan = 0,5.
Jika z bilangan bulat, maka luas daerah (dalam %) adalah sebagai berikut:
Jika z bukan bilangan bulat, maka luas daerahnya dicari dengan menggunakan
tabel kurva normal baku (seperti pada lampiran).
91
Jadi, luas antara z = 1,23 dengan z = 2,34 atau (1,23 < z < 2,34) adalah:
49,04% - 39,07% = 9,03%
e. Berapa luas z = + 1,23 ke kanan?
Jawab: z + 1,23 ke kanan = 10,93%
f. Berapa luas z = + 1,23 ke kiri?
Jawab: 100% – 10,93% = 89,07%
g. Berapa nilai z untuk luas 49,60%?
Jawab:z = 2,65
Contoh kasus:
Dari 100 responden di dapat harga rata-rata untuk motivasi kerja = 75 dengan
simpangan baku = 4.
Ditanya:
a. Berapa jumlah responden yang mendapat nilai 80 ke atas?
b. Berapa jumlah responden yang mendapat nilai 70 ke bawah?
c. Berapa nilai responden yang dapat dikulifikasikan 10% dari nilai tertinggi?
Jawab:
x−µ
a. z =
σ
80 − 75
=
4
z = 1,25
Dari tabel kurve normal (seperti terlampir) di dapat luas ke kanan dari z =
1,25 adalah 10,56%.Jadi jumlah responden = 10,56% x 100 = 11 orang.
70 − 75
b. z = = -1,25
4
dari tabel kurve normal di dapat luas ke kiri = 10,56%
Jadi jumlah responden = 10,56% x 100 = 11 orang.
c. Batas kualifikasi 10% tertinggi = 50% - 10% = 40% dari tabel di dapat
1,28.Karena simpangan baku (s) = 4, maka untuk 1,28 s = 1,28 x 4 = 5,12.
Jadi batas (minimal) kualifikasi skor 10% tertinggi adalah: 75 + 5,12 = 80,12.
92
6.3 Distribusi Student
x − µ
t hitung =
s
n
Untuk mendeteksi nilai t secara teoretis dapat diperhatikan Tabel-t seperti pada
lampiran, yang digunakan untuk pengujian analisis data statistik.
Nilai ttabel dicari dengan cara:
1) Tentukan nilai α apakah 0,01, 0,05, atau 0,10
2) Tentukan apakah untuk uji dua pihak atau uji satu pihak.
3) Hitung df atau dk = n – 1 untuk uji hipotesis satu kelompok, atau n-2 untuk
uji beda dua rata-rata.
4) Cari nilai tersebut di dalam tabel t (terlampir).
Contoh:
Diketahui:α= 0,05; dan n = 10.
Tentukan : berapa nilai ttabel untuk uji dua pihak, dan nilai ttabel untuk uji satu
pihak?
Jawab : untuk uji dua pihak ttabel = 2,228; dan
untuk uji satu pihak nilai ttabel = 1,833.
93
6.4 Distribusi Chi-Kuadrat
( f o − f e )2
χ =∑
2
fe
Dengan: χ 2 = nilai chi-kuadrat (yang akan dicari);
fo = frekuensi hasil observasi (pengamatan); dan
fe = frekuensi ekspektasi (harapan)
Tabel chi-kuadrat digunakan dengan cara membandingkannya nilai χ 2 hitung
dengan nilai χ 2 tabel yang di dapat dari tabel χ 2 . Tabel χ 2 berguna antara lain
untuk mencari hubungan antara data nominal dan pengujian normalitas data.
Nilai χ 2 tabel dicari dengan cara sebagai berikut:
1) Tentukan nilai α apakah 0,01, 0,05, atau 0,10
2) Hitung df atau dk = n – 1
3) Cari nilai tersebut di dalam tabel χ 2 (terlampir).
Contoh:
Diketahui: α = 0,05; dan n = 10
Berapa : χ 2 tabel?
Jawab : Dengan mengambil α= 0,05; n = 10 (berarti dk = n -1 = 9).
Dengan memperhatikan pada tabel didapat: χ 2 tabel = 16,92.
6.5 Distribusi F
2
s
F = b2
sw
94
Dimana:
Sb2 = varian terbesar (pembilang)
Sw2 = varian terkecil (penyebut)
Tabel distribusi F yang selanjutnya disebut tabel F, digunakan dengan cara
membandingkannya nilai Fhitung dengan nilai Ftabel yang di dapat dari tabel F.
Tabel F berguna terutama untuk: pengujian homogenitas data, dan juga untuk
pengujian signifikansi korelasi dan linieritas data.
Nilai Ftabel dicari dengan cara sebagai berikut:
1) Tentukan nilai α apakah 0,01 atau 0,05
2) Hitung df atau dk dengan rumus tertentu, sehingga di dapat pembilang dan
penyebutnya.
3) Dalam tabel F ada dk untuk pembilang dan ada dk untuk penyebut) sehingga
ditulis F(dk pembilang, dk penyebut)
4) Cari nilai tersebut di dalam tabel F (terlampir).
Contoh:
Diketahui:α= 0,05; dan n1= 24 dan n2 = 8.
Tentukan : berapa nilai F0,05(24,8) dan F0,01(24,8).
Jawab : F0,05(24,8) = 3,12; dan
F0,01(24,8) = 5,28.
6.6 Soal-soal
95
BAB 7UJI NORMALITAS DAN HOMOGENITAS
Materi :
Uji Normalitas dan Uji Homogenitas.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa dalam
pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
96
PETA KONSEP
97
7.1 Pengantar
Untuk menentukan uji statistik mana yang digunakan, apakah menggunakan uji
statistik parametrik atau non parametrik, perlu dilakukan uji persyaratan analisis.
Pengujian dengan statistik inferensial parametrik mensyaratkan antara lain uji
normalitas dan uji homogenitas. Selain itu, uji statistik parametrikpun
mensyaratkan data yang dianalisis harus berskala interval atau rasio, serta
pengambilan sampel harus dilakukan secara random.
98
Jika Lo=Lhitung< Ltabelterima H0, dan
jika Lo= Lhitung> Ltabel tolak H0.
Contoh:
Lakukan uji normalitas dari hasil pengumpulan data suatu sampel seperti berikut:
7 9 7 8 6 8 5 6 4 7
5 5 6 6 6 5 7 8 7 9
Jawab:
Sajikan data tersebut dalam tabel dan diurutkan, lalu hitung rerata (mean) dan
simpangan baku, seperti berikut:
Tabel 1.1
99
No. Yi fi fiYi (Yi- )2 fi (Yi- )2
1 4 1 4 6,50 6,50
2 5 4 20 2,40 9,60
3 6 5 30 0,30 1,50
4 7 5 35 0,20 1,00
5 8 3 24 2,10 6,30
6 9 2 18 6,00 12,00
Jumlah - 20 135 - 36,90
135
Sehingga didapat, mean = =6,55
20
∑ f i (Yi − Y ) 2 36 ,90
dan simpangan baku: s = = = √1,845= 1,36
n 20
Selanjutnya, lakukan konversi setiap nilai mentah Yi menjadi nilai baku zi:
(Y − Y
zi = i
); dan menentukan nilai Lo, dengan langkah-langkah seperti tabel
s
berikut:
Jumlah - 20 - - - - - -
Dari hasil perhitungan (dalam tabel), didapat nilai Lo = 0,1554 (nilai/angka yang
terbesar); sedangkan dari tabel Liliefors untuk α=0,05 dan n=20 nilai Ltabel
=0,173. Karena nilai Lo< Ltabel maka H0 diterima, dan dapat disimpulkan bahwa
“data atau sampel berdistribusi normal”.
100
7.2.2 Uji Chi-Kuadrat
Uji normalitas dengan Chi-Kuadrat dipergunakan untuk menguji data kelompok
dalam tabel distribusi frekuensi. Uji normalitas dengan uji Chi-Kuadrat dilakukan
dengan langkah-langkah:
1. Membuat daftar distribusi frekuensi, dari data yang berserakan (data tunggal)
kedalam distribusi frekuensi data kelompok.
2. Mencari rerata (mean) dan simpangan baku data kelompok.
3. Tentukan batas/tepi kelas tiap interval; dinyatakan sebagai Xi (X1, X2, X3, ...,
Xk). Kemudian lakukan konversi setiap nilai tepi kelas (Xi) menjadi nilai baku
Z1, Z2, Z3, ..., Zk; dimana nilai baku Zi ditentukan dengan rumus:
(X − X
Zi = i
)
s
4. Tentukan besar peluang setiap nilai Zi berdasarkan tabel Z; luas lengkungan
dibawah Kurva Normal disebut dengan F(Zi), dengan ketentuan: Jika Zi< 0 maka
F(Zi) = 0,5 - Ztabel, dan Jika Zi.> 0 maka F(Zi) = 0,5 + Ztabel
5. Tentukan luas peluang normal (Li) tiap kelas interval dengan cara mengurangi
atau selisih nilai F(Zi) yaitu: Li = F(Zi) - F(Zi-1).
6. Tentukan fe (frekuensi ekspektasi/harapan) dengan cara mengalikan luas
peluang normal kelas tiap interval (Li) dengan banyak sampel, yaitu fe = Li x ni
7. Masukkan frekuensi observasi (faktual) sebagai fo, kemudian cari nilai dari
( fo − fe ) setiap interval; yang hasil penjumlahannya: χ2hitung=Σ ( fo − fe )
2 2
fe fe
8. Tentukan nilai χ2tabel pada taraf signifikansi α dan derajad kebebasan (dk) = k-
1, dengan k = banyaknya kelas/kelompok.
9. Bandingkan nilai χ2hitung dengan χ2tabel, apabila nilai χ2hitung< χ2tabel maka data
berdistribusi normal; dan apabila nilai χ2hitung> χ2tabel maka data tidak berdistribusi
normal.
Contoh:
Lakukanlah pengujian, untuk mengetahui apakah data nilai dalam tabel distribusi
frekuensi berikut berdistribusi normal atau tidak?
40 - 49 3
101
50 - 59 5
60 - 69 15
70 - 79 12
80 - 89 5
Jumlah 40
Jawab:
Langkah pertama hitunglah nilai mean dan simpangan baku, seperti berikut:
2 2
Interval fi Xi fiXi ( Xi − X ) fi ( Xi − X )
40 - 49 3 44,5 133,5 515,29 1545,87
50 - 59 5 54,5 272,5 161,29 806,45
60 - 69 15 64,5 967,5 7,29 109,35
70 - 79 12 74,5 894 53,29 639,48
80 - 89 5 84,5 422,5 299,29 1496,45
Jumlah 40 - 2689,5 - 4597,6
fe
Tepi
Luas ( fo − fe )
2
102
60 - 69 12 0,3443 13,77 0,228
69,5 0,21 0,0832 0,5832
70 - 79 15 0,2966 11,86 0,831
79,5 1,13 0,3708 0,8798
80 - 89 5 0,1010 4,04 0,228
89,5 2,07 0,4808 0,9808
Jumlah 40 - - - - 0,9757 39,03 2,814
( fo − fe )
2
2
Hasil perhitungan seperti pada tabel, didapat: χ hitung=Σ = 2,814.
fe
Sedangkan dari tabel Chi-Kuadrat (pada lampiran) untuk α = 0,05 dan dk = 4
didapat nilai χ2tabel = 9,488. Nilai χ2hitung (=2,814) < χ2tabel maka H0 diterima,
sehingga dapat disimpulkan bahwa “data atau sampel berdistribusi normal”.
Proses mencari nilai frekuensi harapan (fe) sering pula disederhanakan dengan
menentukan luas kelas yang berada rata-rata hitung dicari luasnya dengan
menjumlahkan luas sebelah kiri dengan luas sebelah kanannya. Sehingga tabelnya
menjadi seperti berikut:
Tepi Luas ( fo − fe )
2
103
7.3 Uji Homogenitas
(4) Tentukanlah nilai Ftabel untuk taraf signifikansi α, dk1= dkpembilang = n1-1, dan
dk2 = dkpenyebut = n2 - 1. Dalam hal ini n1 = banyaknya data kelompok varian
terbesar (pembilang), dan n2 = banyak data kelompok varian terkecil (penyebut).
(5) Lakukanlah pengujian dengan cara membandingkan nilai Fhitung dan Ftabel.
Contoh:
Dari hasil pengukuran diperoleh data dari dua kelompok A dan kelompok B
seperti pada tabel berikut:
Tabel: Data hasil penilaian kinerja dua kelompok Karyawan yang bekerja pada
Perusahaan berbeda (A dan B):
Jawab:
Menghitung varian masing-masing kelompok:
Berdasarkan data pada Tabel, dengan menggunakan rumus diperoleh
besarnyavarians masing-masing kelompok:
105
7.4 Soal-soal:
40 – 49 1
50 – 59 3
60 – 69 9
70 – 79 15
80 – 89 10
90 – 99 2
Jumlah 40
4. Selidiki apakah data nilai siswa pada soal nomor 2 dan data pada soal
nomor 3 di atas, memiliki varians yang homogen atau tidak.
106
BAB 8PENGUJIAN HIPOTESIS
Materi :
Pengertian dan jenis hipotesis, Bentuk-bentuk hipotesis, Karakteristik hipotesis
yang baik, Pengujian Hipotesis.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa dalam
pembelajaran;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
107
PETA KONSEP
108
8.1 Pengertian dan Jenis Hipotesis
Istilah hipotesis berasal bahasa Yunani, yaitu dari kata hupo dan thesis.
Hupo artinya sementara, atau kurang kebenarannya artau masih lemah
kebenarannya. Sedangkan thesis artinya pernyataan atau teori (Husaini Usman,
2006:119). Jadi hipotesis merupakan pernyataan atau jawaban sementara yang
perlu diuji kebenarannya. Untuk menguji kebenaran sebuah hipotesis digunakan
pengujian yang disebut pengujian hipotesis. Pengujian hipotesis akan membawa
kepada kesimpulan untuk menolak atau menerima hipotesis.
Dalam melakukan pengolahan atau analisis data penelitian sangat
diperlukan peran Statistika, terutama yang berkaitan dengan pengujian hipotesis
penelitian. Hipotesis merupakan jawaban sementara terhadap rumusan masalah
penelitian, di mana rumusan masalah penelitian telah dinyatakan dalam bentuk
kalimat pertanyaan. Dikatakan sementara, karena jawaban yang diberikan baru
didasarkan pada teori yang relevan, belum didasarkan pada fakta-fakta empiris
yang diperoleh melalui pengumpulan data. Jadi hipotesis juga dapat dinyatakan
sebagai jawaban teoritis terhadap rumusan masalah penelitian, belum merupakan
jawaban yang empirik. Penelitian yang merumuskan hipotesis adalah penelitian
yang menggunakan pendekatan kuantitatif. Pada penelitian kualitatif, tidak
dirumuskan hipotesis, tetapi justru diharapkan dapat ditemukan hipotesis.
Selanjutnya hipotesis, tersebut akan diuji oleh peneliti dengan menggunakan
pendekatan kuantitatif.
Ada dua macam pengertian dan jenis hipotesis, yaitu hipotesis penelitian
dan hipotesis statistik. Pengertian hipotesis penelitian seperti telah dikemukakan
di atas, yaitu sebagai jawaban teoritis (bersifat sementara) terhadap rumusan
masalah penelitian, dan belum merupakan jawaban yang empirik. Selanjutnya
hipotesis statistik itu ada, bila penelitian bekerja dengan sampel. Jika penelitian
tidak menggunakan sampel yang diambil secara random, maka tidak ada hipotesis
statistik, sehingga analisis data tidak menggunakan statistik inferensial (tidak ada
uji signifikansi), tetapi cukup menggunakan statistik deskriptif
Dalam suatu penelitian, dapat terjadi ada hipotesis penelitian, tetapi tidak
ada hipotesis statistik. Penelitian yang dilakukan pada seluruh populasi mungkin
akan terdapat hipotesis penelitian tetapi tidak akan ada hipotesis statistik. Ingat
bahwa hipotesis itu berupa jawaban sementara terhadap rumusan masalah dan
109
hipotesis yang akan diuji ini dinamakan hipotesis kerja. Sebagai lawannya adalah
hipotesis nol (nihil). Hipotesis kerja disusun berdasarkan atas teori yang
dipandang handal, sedangkan hipotesis nol dirumuskan karena teori yang
digunakan masih diragukan keandalannya.
Dalam hipotesis statistik, yang diuji adalah hipotesis nol, hipotesis yang
menyatakan tidak ada perbedaan antara data sampel dan data populasi. Yang diuji
hipotesis nol karena peneliti tidak berharap ada perbedaan antara sampel dan
populasi atau statistik dan parameter. Parameter adalah ukuran-ukuran yang
berkenaan dengan populasi.
110
c) Motivasi kerja Guru di Sekolah X paling banyak 75% dari kriteria ideal
yang ditetapkan (paling banyak itu berarti lebih kecil atau sama dengan).
Dalam kenyataannya hipotesis yang diajukan adalah salah satu saja, dan
hipotesis mana yang dipilih tergantung pada teori dan pengamatan
pendahuluan yang dilakukan pada objek.
Hipotesis alternatifnya masing-masing adalah:
a) Motivasi kerja Guru di Sekolah X ≠ 75%
b) Motivasi kerja Guru di Sekolah X < 75%
c) Motivasi kerja Guru di Sekolah X > 75%
(3) Hipotesis statistik adalah:
a) Ho: p = 75%; p = hipotesis berbentuk persentase
Ha: p ≠ 75%
b) Ho: p ≥ 75%
Ha: p < 75%
c) Ho: p ≤ 75%
Ha: p > 75%
Teknik statistik yang digunakan untuk menguji ketiga hipotesis tersebut tidak
sama. Cara-cara pengujian hipotesis akan dibahas pada bab analisis data atau uji-
uji statistik pada uraian berikutnya.
111
2) Ho : Motivasi kerjaGuru di Sekolah X lebih besar atau sama dengan (≥)
Guru di Sekolah Y.
(“lebih besar atau sama dengan” berarti paling sedikit)
3) Ho: Motivasi kerjaGuru di Sekolah X lebih kecil atau sama dengan
(≤)Guru di Sekolah Y.
(“lebih kecil atau sama dengan” berarti paling besar).
b. Hipotesis Alternatif:
1) Ha : Motivasi kerjaGuru di Sekolah X lebih besar (atau lebih kecil) dari
Guru di Sekolah Y.
2) Ha : Motivasi kerjaGuru di Sekolah X lebih kecil daripada (<)Guru di
Sekolah Y.
3) Ha : Motivasi kerjaGuru di Sekolah X lebih besar daripada (>)Guru di
Sekolah Y.
b. Hipotesis Statistik dapat dirumuskan sebagai berikut:
1) Ho : µ2 = µ2
Ha: µ1 ≠ µ2
2) Ho: µ1 ≥ µ2
Ha : µ1 < µ2
3) Ha : µ1 ≥ µ2
Ho: µ1> µ2
µ1 = rata-rata (populasi) motivasi kerjaGuru di Sekolah X;
µ2 = rata-rata (populasi) motivasi kerjaGuru di Sekolah Y.
113
Interval fi xi xi 2 fixi fi.xi2
68 – 74 10 71 5041 710 50410
75 – 81 5 78 6084 390 30420
jumlah 26 - - 1713 115855
Berdasarkan Tabel Distribusi Frekuensi di atas maka dapat dihitung nilai rata-rata
yaitu:
= 65,88
Variansnya adalah:
s = 10,94
Dari perhitungan, diperoleh bahwa rata-rata tes adalah = 65,88 varians s2 =
119,79 dan simpangan baku s = 10,94.
114
(Hasil belajar siswa kelas X SMA Negeri 1 Peukan Bada Aceh Besar
Tahun Pelajaran 2011/2012 pada mata pelajaran Matematika belum
mencapai tahap berhasil atau belum tuntas)
(Hasil belajar siswa kelas X SMA Negeri 1 Peukan Bada Aceh Besar
Tahun Pelajaran 2011/2012 pada mata pelajaran Matematika telah
mencapai tahap berhasil atau sudah tuntas).
Dengan kriteria pengujian yang berlaku adalah “tolak Ho bila T-- > d, dan terima
Ho jika mempunyai harga yang lainnya’’. Sehingga dengan dapat dilihat
hasilnya pada tabel 4.2, sebagai berikut:
xi d i = xi - Rangking Tanda
74 4 4 18,5 +
80 10 10 22 +
72 2 2 14,5 +
62 -8 8 8 -
48 -22 22 4 -
72 2 2 14,5 +
40 -30 30 2 -
66 -4 4 10,5 -
72 2 2 14,5 +
80 10 10 22 +
55 -15 15 5 -
80 10 10 22 +
40 -30 30 2 -
60 -10 10 6 -
72 2 2 14,5 +
70 0 0
40 -30 30 2 -
62 -8 8 8 -
80 10 10 22 +
80 10 10 22 +
72 2 2 14,5 +
74 4 4 18,5 +
115
xi d i = xi - Rangking Tanda
70 0 0
62 -8 8 8 -
72 2 2 14,5 +
66 -4 4 10,5 -
Dari tabel di atas diperoleh T-- = 66. Dengan taraf singnifikan α = 0,05 dan
n = 24 dari tabel statistik T Wilcoxon diperoleh d = 81. Kriteria pengujian
adalah: tolak H0 jika T -- lebih dari d, di mana diperoleh 66 < 81 maka H0
diterima. Dengan demikian dapat disimpulkan bahwa hasil belajar siswa mata
pelajaran matematika belum belum tuntas.
Catatan:
Bila data nilai di atas berdistribusi normal maka uji hipotesis dapat dilakukan
dengan uji t sampel tunggal (satu kasus), dengan rumus:
x − µ
t = 0
s
n
65 ,88 − 70
t= = − 1, 916
10 , 94
26
8.5 Soal-soal
116
3. Apa persyaratan agar uji hipotesis ketuntasan belajar (satu sampel) dapat
dilakukan?
4. Selidiki apakah nilai kelompok siswa: 60, 75, 80, 55, 70, 85, 65, 60, 75,
80, 75, 65, 85, 70, 85, 70, 60, 75, 80, 70, 90, 80; sudah mencapai
ketuntasan (KKM) atau belum? (dengan angka KKM ditetapkan/diambil =
72).
117
BAB 9UJI KESAMAAN DUA RATA-RATA
Materi :
Pengantar, Rumus-rumus, Langkah-langkah Uji Kesamaan dua Rata-rata.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
118
PETA KONSEP
119
9.1 Pengantar
Uji kesamaan dua rata-rata digunakan untuk mengetahui ada atau tidak
adanya perbedan (kesamaan) nilai rata-rata antara dua kelompok data. Untuk
menguji kesamaan dua rata-rata, teknik analisis statistik yang sering digunakan
ialah uji t (t test), atau dapat pula digunakan uji z (khusus untuk sampel besar).
Rumus uji t banyak ragamnya dan pemakaiannya disesuaikan dengan karaktenstik
kedua data yang akan dibedakan. Persyaratan yang harus dipenuhi sebelum uji t
dilakukan adalah: data masing-masing berdistribusi normal, dan data dipilih
secara acak.
1. Rumus-rumus
a. Jika kedua data sampel terpisah atau independen (tidak berkorelasi)
dengan, maka rumus yang digunakan adalah rumus uji t, yaitu:
x1 − x2
t=
∑ x12 + ∑ x22 1 1
+
n +n −2 n n
1 2 1 2
x1 − x2
t=
∑D 2
+ (∑ D) 2 / n
n (n −1)
120
Dengan D = beda antara skor kelompok pertama dan kelompok kedua, dan
n adalah banyak pasangan dari data yang tersedia.
Atau, dapat pula digunakan rumus:
x d
t =
∑ x 2
d
n + ( n + 1)
Dimana: xd rata-rata perbedaan dari n pasangan pengamatan.
c. Untuk sampel tunggal (satu kasus), digunakan rumus :
x − µ
t = 0
s
n
x1 − x2
t =
1 1
s +
n1 n2
x1 − x2
t =
s 12 s2
+ 2
n1 n2
n1 s12 + n2 s22
2
Dimana: s = ;
n1 + n2
s1 dan s2 adalah simpangan baku kelompok 1 dan kelompok 2;
sedangkan s merupakan simpangan baku gabungan.
e. Untuk sampel besar, maka perbedaan dua rata-rata dapat pula dihitung
menggunakan uji z, dengan rumus:
x1 − x2
z=
1 1 121
s +
n1 − 1 n 2 − 1
Dimana:
(n1 − 1) s12 + (n 2 − 1) s 22
s2 =
n1 + n 2 − 2
s1 dan s2 adalah simpangan baku kedua kelompok data.
Atau,
x 1 − x2
z=
s12 s22
+
n1 −1 n2 −1
1) Asumsikan bahwa data dipilih secara acak, dan uji atau asumsikan bahwa
data tersebut berdistribusi normal;
2) Tulis Ha dan H0 dalam bentuk kalimat, dan Ha dan H0 dalam bentuk
statistik;
3) Cari thitung dengan rumus tertentu;
4) Tetapkan taraf signifikansinya (α) dan cari ttabel pada dk = n1 + n2 – 2
dengan menggunakan tabel t;
5) Tentukan kriteria pengujian analisis (sesuai hipotesis);
6) Bandingkan thitung dengan ttabel;
7) Buatlah kesimpulannya.
2. Contoh Soal :
Suatu penelitian ingin mengetahui adakah perbedaan yang signifikan antara
prestasi belajar Matematika siswa yang berasal dari SD dengan siswa yang
berasal dari MI di kelas I SMP Negeri 8 Banda Aceh tahun pelajaran 2013/2014.
Datanya sebagai berikut:
122
s1 = 16,20 s2= 17,63
n1 = 24 n2= 18
Jawab:
1) Asumsikan bahwa data dipilih secara acak, dan diuji atau asumsikan bahwa
data berdistribusi normal.
2) Ha dan H0 dalam bentuk kalimat
Ha: “Terdapat perbedaan prestasi belajar matematika antar siswa yang berasal
dari SD dan yang berasal dari MI di kelas I SMP Negeri 8 Banda Aceh,
tahun pelajaran 2013/2014”.
H0: “Tidak terdapat perbedaan prestasi belajar matematika antara siswa yang
berasal dari SD dan yang berasal dari MI di kelas I SMP Negeri 8 Banda
Aceh dalam mata pelajaran matematika, tahun pelajaran 2013/2014”.
Ha dan H0 dalam bentuk hipotesis statistik
Ha: µ1≠µ2
H0: µ1 = µ2
3) Cari thitung dengan rumus :
x1 − x2
t=
1 1
s +
n1 n 2
Dimana :
2 (n1 − 1) s12 + (n 2 − 1) s 22
s =
n1 + n 2 − 2
s = 283,17 = 16,83
Sehingga:
75,09 − 68,45
thitung =
1 1
16,83 +
24 18
123
= 1,265
4) Taraf signifikansinya (α) = 0,05; ttabel dengan pengujian dua pihak dimana dk =
n1 + n2 – 2 = 24 + 18 – 2 = 40; dengan menggunakan tabel t di dapat nilai ttabel
= 2,02 (uji dua pihak).
5) Tentukan kriteria pengujian yaitu: Jika –ttabel≤ thitung≤ ttabel maka H0 diterima
(uji dua pihak, sesuai hipotesis).
6) Ternyata – 2,02 < 1,265 < 2,02 atau – ttabel < thitung< ttabel; sehingga H0 diterima
atau Ha ditolak.
7) Kesimpulan: “Tidak terdapat perbedaan yang signifikan prestasi belajar
matematika antar siswa yang berasal dari SD dan yang berasal dari MI di kelas
I SMP Negeri 8 Banda Aceh, tahun pelajaran 2013/2014.
9.3 Soal-soal
124
BAB 10ANALISIS KORELASI
Materi :
Pengantar, Asumsi, Rumus dan Langkah-langkah Uji Korelasi Produk momen
Pearson.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
125
PETA KONSEP
126
10.1 Pengantar
127
10.2 Korelasi Produk Momen Pearson
2,2. Asumsi
Asumsi ataupun persyaratan yang harus dipenuhi dalam menggunakan
korelasi Produk Momen, antara lain adalah: (l) Variabel yang dihubungkan
mempunyai data yang berdistribusi normal; (2) Variabel yang dihubungkan mem-
punyai data yang dipilih secara acak (random); (3) Variabel yang dihubungkan
mempunyai variansi skor yang sama; (4) Variabel yang dihubungkan mempunyai
data interval atau rasio.
Dengan: x = Xi – X ; dan y = Yi – Y
c. Jika kedua variabel yang akan dicari korelasinya mempunyai nilai (data)
yang sangat berbeda, maka r dihitung dengan mengubah data kedua
variabel itu ke dalam nilai Z.
Zx Zy
rxy =
n
Dimana:
X −X Y −Y
Zx = ; dan Z y =
Sdx Sdy
(5) Tentukan kriteria pengujian korelasi pada taraf signifikansi tertentu (biasanya
a = 0,05), yaitu:. untuk hipotesis dua pihak (berdasarkan teori pendukung),
Jika –rtabel≤ rhitung≤ rtabel maka H0diterima atau korelasinya tidak signifikan;
dan untuk hipotesis satu pihak: jika rhitung< rtabel maka H0diterima; untuk
keadaan lainnya H0ditolak, artinya korelasinya signifikan.
(6) Tentukan derajat kebebasan, dengan rumus dk = n – 2. Dengan
menggunakan tabel r pada taraf signifikansi α = 0,05 di dapat nilai rtabel.
(7) Bandingkan rhitung dengan rtabel dan konsultasikan dengan kriteria langkah (5).
(8) Buatlah kesimpulannya.
(9) Jika di minta, maka hitunglah besamya sumbangan variabel X terhadap Y.
Jika tidak ingin menggunakan rtabel, maka uji siginifikansi r dapat pula
menggunakan ttabel. Bila menggunakan tabel t, sebagai pengganti langkah (4), (5),
(6) dan (7) sebagai berikut:
(4) Cari thitung dihitung dengan rumus:
129
n−2
thitung = r
1− r 2
(5) Tentukan kriteria pengujian siginifikansi korelasi pada taraf signifikansi
tertentu (biasanya diambil α = 0,05), yaitu:
Jika – ttabel≤ thitung≤ ttabel maka H0 diterima atau korelasinya tidak siginifikan
(untuk hipotesis penelitian uji dua pihak); sedangkan untuk uji satu pihak, H0
diterima jika thitung≤ ttabel; dalam keadaan lainnya (jika thitung>ttabelatau thitung< -
ttabel) maka H0 ditolak atau Ha diterima.
(6) Tentukan dk dengan rumus dk = n - 2 ; pada taraf siginifikansi α = 0,05
dengan menggunakan tabel t didapat nilai ttabel.
(7) Bandingkan harga thitung dengan ttabel dan konsultasikan dengan kriteria
pengujian seperti langkah (5).
Contoh 1.
Selidiki apakah data nilai matematika dan nilai fisika dari sepuluh orang siswa di
salah satu SMA di Banda Aceh, seperti tertera pada tabel berikut memiliki
hubungan yang signifikan?.
Datanya adalah:
Jawab:
Langkah-langkahnya:
(1) Buktikan atau asumsikan bahwa kedua variabel (X dan Y) mempunyai data
yang berdistribusi normal, dan dipilih secara acak.
(2) Ha dan H0 dalam bentuk kalimat
Ha : Terdapat hubungan yang signifikan antara variabel X dan Y
130
H0 : Tidak terdapat hubungan yang signifikan antara variabel X dan Y
(3) Hipotesis statistiknya
Ha : r ≠ 0
H0 : r = 0
(4) Berdasarkan rumus, butlah tabel kerja sebagai penolong untuk menghitung r,
seperti berikut ini:
Tabel Kerja (penolong) untuk Menghitung Nilai r
No. X i Y1
Xi Yi X i2 Yi 2
01 6 7 36 49 42
02 5 6 25 36 30
03 7 8 49 64 56
04 6 7 36 49 42
05 7 7 49 49 49
06 8 9 64 81 72
07 6 5 36 25 30
08 7 8 49 64 56
09 9 9 81 81 81
10 7 8 49 64 56
Jumlah 68 74 474 562 514
n ∑ X i Yi − (∑ X i ) (∑ Yi )
rxy =
{ n ∑ Xi 2 − (∑ X i ) 2 }{ n ∑ Yi 2 − (∑ Yi ) 2 }
10 × 514 − 68 × 74
rxy =
(10 × 474 − 68 2 ) (10 × 562 − 74 2 )
131
Jika – rtabel< rhitung< rtabel, maka H0 diterima atau korelasinya tidak signifikan;
dan jika selainnya maka H0 ditolak atau Ha diterima.
(6) Dengan n = 10 atau derajat kebebasan dk = n – 2 = 10 – 2 = 8; pada α =0,05
dari tabel r di dapat nilai rtabel = 0,632
(7) Ternyata 0,835 > 0,632 atau rhitung> rtabel, sehingga H0 ditolak atau Ha diterima,
artinya korelasi kedua variabel (X dan Y) adalah positif dan signifikan.
(8) Kesimpulan variabel X (nilai Matematika) dan Y (nilai Fisika) memiliki
hubungan positif yang signifikan.
(9) Besarnya hubungan (sumbangan) variabel X terhadap Y adalah 0,8352×100%
= 69,72%.
Catatan: Jika pernyataan hipotesis penelitian yang diajukan menghendaki uji satu
pihak, searah (r positif) atau berlawanan arah (r negatif), maka kriteria
pengujian dapat disesuaikan.
Contoh 2.
Diketahui data jumlah Satuan Kredit Semester (SKS) yang diambil dan Indek
Prestasi (IP) yang dicapai, dari lima orang mahasiswa seperti pada tabel berikut:
Jumlah SKS IP
yang diambil yang didapat
20 2,70
18 3,20
22 2,75
10 3,00
15 3,10
Selidiki, adakah terdapat hubungan yang signifikan antara jumlah SKS yang
diambil dengan IP yang didapat?
Jawab:
(1) Buktikan atau asumsikan bahwa kedua variabel itu mempunyai data yang
berdistribusi normal dan dipilih acak.
(2) Ha dan H0 dalam bentuk kalimat.
Ha : Terdapat hubungan yang signifikan antara jumlah SKS dengan IPK
H0 : Tidak terdapat hubungan yang signifikan antara jumlah SKS dengan IP
132
(3) Hipotesis statistiknya (uji pihak kanan/korelasi positif dan signifikan).
Ha : r ≠ 0
H0 : r = 0
(4) Butlah tabel sebagai penolong untuk menghitung r:
X −X Y −Y
Zx = dan Zy =
Sd x Sd y
X = 17 ; Sd x = 4,20 dan,
Y = 2,95; Sd y = 0,19
∑Zx Zy
rhitung = rxy =
n
− 2,67
=
5
rhitung = rxy = − 0,534
(5) Kriteria pengujian signifikaasi korelasi, pada taraf signifikansi α = 0,05, yaitu:
Jika –rtabel ≤ rhitung ≤ rtabel maka H0 diterima, atau korelasinya tidak signifikan;
dan jika selainnya maka H0 ditolak atau korelasinya signifikan.
(6) dk = n – 2 = 5 – 2 = 3, Dengan α = 0,05 dari tabel r di dapat nilai rtabel = 0,878
(7) Ternyata -0,878 < −0,534 < 0,878 atau –rtabel ≤ rhitung ≤ rtabel, sehingga H0
diterima atau korelasinya negatif tidak signifikan.
133
(8) Kesimpulan: jumlah SKS yang diambil dan IPK yang dicapai tidak memiliki
hubungan yang signifikan.
(9) Besarnya sumbangan jumlah SKS yang diambil mahasiswa terhadap IPK
yang dicapai (pada data di atas) adalah:
R = (-0,534)2 x 100% = 28,52%.
Jika tidak menggunakan rtabel, uji signifikansi r dapat pula menggunakan ttabel,
sebagai pengganti langkah (4), (5), (6) dan (7) sebagai berikut:
n−2
t hitung = r
1− r 2
5− 2
= − 0,534
1 − (−0,534) 2
= − 0,534 4,1967
thitung= − 1,0939
(5) Tentukan kriteria pengujian signifikansi korelasi pada α = 0,05 yaitu,
Jika –ttabel ≤ thitung ≤ ttabel maka H0 diterima, atau korelasinya tidak signifikan
(6) dk = n – 2 = 5 – 2 = 3, Dengan α = 0,05 dari tabel t di dapat nilai ttabel = 3,18
(7) Ternyata -3,18 <−1,0939< 3,18 atau –ttabel ≤ thitung ≤ ttabel, artinya H0 diterima,
atau korelasinya tidak signifikan.
Dengan demikian, dapat disimpulkan bahwa jumlah SKS yang diambil dan
IPK yang dicapai mahasiswa memiliki korelasi yang tidak signifikan (rhitung=
−0,534, atau thitung= −1,0939); dan besarnya sumbangan jumlah SKS yang
diambil mahasiswa terhadap IPK yang dicapaiadalah: R = 28,52%.
10.3 Soal-soal
135
BAB 11ANALISIS REGRESI
Materi :
Pengantar, Asumsi, Persamaan regresi, Cara menentukan persamaan regresi.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
136
PETA KONSEP
137
11.1 Pengantar
138
11.2 Asumsi
Beberapa asumsi atau persyaratan yang harus dipenuhi agar analisis regresi
dapat digunakan, antara lain:
(1) Data variabel yang dicari hubungan fungsionalnya berdistribusi normal.
(2) Variabel X tidak acak, sedangkan variabel Y harus acak.
(3) Variabel yang dihubungkan memiliki pasangan sama dan subjek yang sama
pula.
(4) Variabel yang dihubungkan mempunyai data interval atau rasio.
Ŷ = a + bX
dimana:
Ŷ = variabel kriterium (baca ye topi)
X = variabel prediktor
a = bilangan konstan
b = koefisien arah regresi linier.
Bentuk persamaan regresi tersebut sering dibaca sebagai regresi Y atas X, artinya
persamaan regresi dengan X sebagai variabel prediktornya dan Y sebagai varabel
kriteriumnya.
Koefisien arah regresi linier dinyatakan dengan huruf b yang juga
menyatakan perubahan rata-rata variabel Y untuk setiap variabel X. Maksudnya
ialah bila harga b positif maka variabel Y akan mengalami kenaikkan atau
pertambahan. Sebaliknya bila b negatif, maka variabel Y akan mengalami
penurunan.
Sebagai contoh, persamaan regresi antara pengunjung (X) dan pembeli (Y)
ialah Y = 9 + 0,50X. Maknanya ialah, karena b positif maka hubungan
fungsionalnya juga menjadi positif. Selanjutnya kita dapat mengatakan bahwa
jika setiap pengunjung (X) bertambah dengan 30 orang, maka rata-rata pembeli
(Y) akan bertambah menjadi Y = 9 + 0,50.30 = 24 orang. Dan akhirnya kita dapat
139
menyimpulkan bahwa semakin banyak pengunjung semakin banyak pula
pembelinya.
(∑ Yi ) (∑ X i2 ) − (∑ X i ) (∑ X i Yi )
a=
n ∑ X i2 − (∑ X i ) 2
n ∑ X i Yi − (∑ X i ) (∑ Yi )
b=
n (∑ X 22 ) − (∑ X i ) 2
Atau, jika b sudah dihitung lebih dahulu, maka a dapat dihitung dengan
rumus:a = Y − b X
Contoh:
Diketahui data (X dan Y) seperti pada tabel berikut:
X Y
2 3
3 1
2 2
3 2
140
1 1
3 1
Pertanyaan:
1. Tentukan bagaimana persamaan regresinya?
2. Apakah hubungan fungsional antara X dan Y signifikan?
3. Gambarkan diagram pencar (scater diagram) dan garis regresinya!
Jawab:
Langkah-langkahnya seperti berikut ini:
1. Tabel penolong
(∑ Yi ) (∑ X i2 ) − (∑ X i ) (∑ X i Yi )
a=
n ∑ X i2 − (∑ X i ) 2
10 × 36 − 14 × 23
=
6 × 36 − 14 2
a = 1,90 ..................... (1)
Masukkan nilai-nilai pada tabel ke dalam rumus (b):
n ∑ X i Yi − (∑ X i ) (∑ Yi )
b=
n ∑ X i2 − (∑ X i ) 2
141
6 × 23 − 14 × 10
=
6 × 36 − 14 2
b = − 0,10 .................... (2)
Atau, a dapat dihitung/dicari dengan rumus:
a = Y −b X
10 14
a= − (−0,10) × = 1,67 – (-0,10)×2,33
6 6
a = 1,67 + 0,23 = 1,90
Masukkan nilai a=1,90dan b=-0,10 ke dalam persamaan regresi: Y = a + bX;
sehingga diperoleh persamaan regresinya: Y = 1,90 – 0,10X.
3. Gambar pencaran data dan garis regresi:
6 × 23 −14 × 10
rxy =
(6 × 36 −14 2 ) (6 × 20 −10 2 )
rxy = − 0,100
11.5 Soal-soal
143
3. Seorang dokter ingin mengetahui apakah ada hubungan antara berat badan
seseorang dengan tinggi badan, untuk keperluan tersebut selanjutnya dilakukan
penelitian terhadap 6 orang dengan data seperti pada Tabel berikut:
144
BAB 12UJI CHI-KUADRAT
Materi :
Pengertian dan Rumus Chi-Kuadrat, Langkah-langkah uji Chi-Kuadrat, Koefisien
Kontingensi (C).
Waktu :
3 jam pembelajaran (150 menit).
Tujuan Pembelajaran:
Setelah mengikuti perkuliahan dan mempelajari bab ini, mahasiswa diharapkan
dapat mengetahui, menyebutkan dan menjelaskan dengan baik dan benar tentang:
1. Pengertian dan kegunaan Uji Chi-Kuadrat.
2. Menentukan terdapat atau tidaknya hubungan antara kedua variabel yang
dihubungkan.
3. Menghitung besarnya hubungan antara kedua variabel nominal.
4. Menghitung normalitas data sebagai penerapan Uji Chi-Kuadrat.
Kegiatan Pembelajaran:
Ekspositori, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
145
PETA KONSEP
146
12.1 Pengertian dan Rumus
( fo − fe )2
χ =∑
2
fe
Dengan: χ 2 adalah nilai chi-kuadrat (yang akan dicari); fo adalah frekuensi hasil
observasi (pengamatan); dan fe adalah frekuensi ekspektasi (harapan).
300
Dalam contoh di atas: fe = =150
2
(160 −150) 2 (140 −150) 2
Sehingga χ2 = +
150 150
χ 2 = 1,33
147
12.2 Langkah-langkah Uji Chi-Kuadrat
Kelompok/Kategori
Setuju Tidak Setuju Jumlah
Mahasiswa
Pria 60 40 100
Wanita 150 50 200
Jumlah 210 90 300
Data pada tabel adalah hasil pengamatan atau observasi (fo). Kita perlu
mencari frekuensi teoretis atau frekuensi harapan (fe), yaitu:
(1.1) Untuk mahasiswa pria yang menjawab/menyatakan setuju,
100
fe = × 210 = 70
300
(1.2) Untuk pria yang menyatakan tidak setuju,
100
fe = × 90 = 30; atau 100 – 70 = 30
300
(2.1) Untuk wanita yang menyatakan setuju,
200
fe = × 210 =140
300
(2.2) Untuk wanita yang menyatakan tidak setuju,
fe = 200 – 140 = 60
χ2
C=
N +χ2
Dalam contoh di atas,
7,13
C=
300 + 7,13
C = 0,152
Dengan demikian, derajat asosiasi antara jenis kelamin mahasiswa dengan
persepsi terhadap kurikulum baru termasuk lemah.
Penggunaan uji Chi Kuadrat juga digunakan untuk melakukan uji
normalitas data, seperti yang telah diuraikan sebelumnya. Data berdistribusi
normal merupakan persyaratan yang perlu dipenuhi untuk uji statistik parametrik.
Bila data tidak normal, maka dianjurkan menguji hipotesis dengan menggunakan
uji non-parametrik. Prosedur atau contoh uji normalitas data dengan
menggunakan uji Chi-Kuadrat dapat diperhatikan uraian materi pada bab
sepelumnya.
12.4 Soal-soal
150
BAB 13UJI NONPARAMETRIK
Materi :
Korelasi Spearman-Rank, Uji Wilcoxon.
Waktu :
3 jam pembelajaran (150 menit).
Kegiatan Pembelajaran:
Ekspository, tanya jawab, diskusi, kerja kelompok, dan pemberian tugas.
Sarana/kelengkapan/fasilitas:
1. Laptop beserta bahan/fasilitas kelengkapan lainnya;
2. Materi/bahan/buku ajar.
Penilaian:
1. Penilaian pra-tes dengan cara lisan atau tertulis, hasilnya diutamakan sebagai
umpan balik untuk kepentingan dosen maupun mahasiswa;
2. Penilaian tugas yang diberikan dosen untuk mengukur daya serap mahasiswa,
dan sekaligus sebagai kontribusi untuk penilaian akhir;
3. Teknik penilaian: dilaksanakan secara tertulis, lisan, dan sikap.
151
PETA KONSEP
152
13.1 Pengantar
Uji Non-Parametrik yang akan dibahas pada mata kuliah Statistika Dasar
atau pada tulisan ini dibatasi hanya tentang Korelasi Spearman Rank dan Uji
Wilcoxon. Menyangkut pembahasan lebih luas dan mendalam tentang uji Statistik
Non-Parametrik akan diberikan pada mata kuliah Statistika Inferensial atau
Statistika Non-Parametrik. Korelasi Spearman Rank dan Uji Wilcoxon
merupakan contoh uji statistik yang sederhana dan sering digunakan dalam
analisis data.
Korelasi Spearman rank (korelasi rank) dipakai apabila: (1) kedua variabel
yang akan dikorelasikan mempunyai tingkatan data ordinal, (2) jumlah anggota
sampel di bawah 30 (sampel kecil), (3) data tersebut memang diubah dari interval
ke ordinal, dan (4) data interval tersebut ternyata tidak berdistribusi normal.
Korelasi rank ini ditemukan oleh Spearman, sehingga disebut juga sebagai
korelasi Spearman. Korelasi ini dapat juga disebut sebagai korelasi bertingkat,
korelasi berjenjang, korelasi berurutan, atau korelasi berpangkat.
Besarnya hubungan antara dua variabel atau derajat hubungan yang
mengukur korelasi berpangkat disebut koefisien korelasi berpangkat atau
koefisien korelasi spearman yang dinyatakan dengan lambing rs. Makna dan
kelayakan nilai r seperti halnya dengan yang diuraikan dalam korelasi PPM.
153
6∑ b2
Korelasi Spearman: rs = 1 −
N3 − N
2rs
Korelasi Spearman-Brown: r11 =
1 + rs
n-2
t hitung = rs
1- r 2
154
6. Jika –rs tabel < ts hitung < ts tabel maka H0 diterima atau korelasinya tidak signifikan.
7. Tentukan dk = n – 2 dan dengan taraf signifikansi seperti langkah 3 dan lihat
tabel t sehingga didapat nilai ttabel.
8. Bandingkan thitung dengan ttabel dan konsultasikan dengan kriteria di atas.
Contoh:
Diketahui data (X dan Y) seperti pada tabel berikut:
No. X Y
1. 2 2
2. 3 3
3. 2 1
4. 3 2
5. 3 3
6. 1 2
Jumlah 14 13
Ditanya:
1. Bagaimana hubungan X dengan Y?
2. Jika X sebagai jumlah nilai genap dan Y jumlah nilai ganjil. Apakah alat
pengumpul data tersebut reliabel?
(b) Periksa dulu apakah data yang diurutkan sudah cocok dengan banyaknya
sampel? Dalam hal ini ada enam urutan. Setelah cocok lanjutkan
menghitung urutan ranking ke-... dengan cara berikut:
1+ 2 + 3
Nilai 3 merupakan ranking ke- =2
3
4+5
Nilai 2 merupakan ranking ke- = 4 ,50
2
156
4. Masukkan nilai yang didapat dalam tabel penolong itu ke dalam rumus
Spearman, sehingga didapat:
6 × 11
rs hitung =1 -
63 − 6
66
= 1- = 0,687
212
n−2
thitung = rs
1− r 2
= 0,687 6 − 2 = 0,687×2,752
1 − 0,687 2
thitung = 1,8906
6. Tentukan kriteria pengujian signifikansi korelasi yaitu:-ttabel < thitung < ttabel, maka
H0diterima atau korelasinya tidak signifikan.
7. Tentukan dk = 6-2=4 dan dengan taraf signifikansi (α = 0,05) dengan melihat
tabel t didapat nilai ttabel = 2,776.
8. Ternyata -2,776 <1,8906< 2,776 atau –ttabel < thitung < ttabel sehingga H0 diterima
atau korelasinya tidak signifikan.
157
9. Kesimpulannya: Hubungan antara variabel X dengan variabel Y ternyata
positif (agak cukup) dan tidak signifikan.
Jawaban Nomor 2:
Apakah alat pengumpul data tersebut reliabel?; dimulai dari langkah 4 dan
lanjutkan dengan memasukkan nilai r ke rumus Spearman-Brown, sehingga
didapat:
2 x0,687
r11 =
1 + 0,687
= 0,814
6. Tentukan kriterianya yaitu:
Jika –rtabel ≤ r11 hitung ≤ r tabel, maka H0 diterima atau tidak reliable.
7. rii tabel pada daftar r kritis Spearman dengan α = 0,05 dan n=6 didapat rii tabel
=0,829.
8. Ternyata -0,829<0,814 <0,829
Atau –rs tabel < r hitung < rs tabel sehingga H0 diterima atau alat pengumpul datanya
tidak reliabel.
9. Kesimpulannya: alat pengumpul data tersebut tidak reliabel untuk mengukur
variabel tertentu (hampir reliabel).
Uji Wilcoxon lebih kuat dari uji tanda, karena selain memperhatikan arah
perbedaan juga memperhatikan besar relatif perbedaan tersebut.
Langkah-langkah (metode) seperti berikut:
- Hitung Di = skor selisih sembarang/semua pasangan
- Berikan ranking pada Di dari yang terkecil dan kelompokkan mana ranking
yang negatif (−) dan positif (+)
- Untuk Di = 0, maka dikeluarkan dari perhitungan. Sedangkan jika Di yang
sama pemberian ranking merupakan ranking rata-rata dari skor yang sama.
- Tetapkan T = jumlah yang lebih kecil dari kedua kelompok ranking yang
memiliki tanda sama.
Jika H0 benar, maka jumlah ranking kedua kelompok akan mendekati sama.
Keputusan:
- Untuk sampel kecil (n ≤ 25) gunakan Tabel G. Tolak H0 jika T ≤ nilai Tabel G.
158
- Untuk n > 25 maka didekati dengan distribusi normal melalui Z= (T-µT)/σT
N (N + 1) ( N (N + 1) (2N + 1))
Dengan µT = dan σr =
4 2N
Contoh:
Data prestasi kerja guru sebelum dan sesudah dilatih.
Pertanyaan: apakah ada perbedaan prestasi kerja guru antara sebelum dan sesudah
dilatih?
Jawab:
H0 :Tidak ada perbedaan prestasi kerja guru sebelum dan sesudah dilatih
Ha : Ada perbedaan prestasi kerja guru sebelum dan sesudah dilatih.
159
P+ = 25
P- = 20
T dipilih yang terkecil, yaitu 20, dengan n = 9, sehingga diperoleh Ttabel = 6
(lihat Tabel G).
Jika Thitung > Ttabel’ H0 diterima.
Ternyata 20 > 6, berarti H0 diterima.
Kesimpulan: tidak ada perbedaan prestasi kerja guru sebelum dan sesudah
mengikuti pelatihan (dilatih).
13.4 Soal-soal
Pertanyaan: apakah ada perbedaan prestasi kerja guru antara sebelum dan sesudah
dilatih?
160
SOAL LATIHAN
162
17. Pada data yang bagaimanakah kita menggunakan rentang (10 – 90)
persentil.
18. Apa yang dimaksud dengan fluktuasi. Jelaskan!
19. Terangkan mengapa harga rata-rata hanya membenkan keterangan
yang kabur mengenai sekumpulan data.
20. Hitunglah rata-rata hitung, median, modus, jangkauan, rentang
antar kuartil, simpangan kuartil, simpangan, simpangan rata-rata dan
simpangan baku, dari data:
a. 8, 7, 3, 6, 7, 7, 3, 3.
b. 1, 8, 3, 4, 10, 6, 6, 9, 2, 7, 5.
c. 4, 4½ ,4½ , 5, 5, 6, 6½ , 7½ , 8, 9, 9, 6, 10, 7, 8.
21. Bila data semakin menyebar, makin bagaimanakah :
a. Jangkauannya ?
b. Deviasi bakunya ?
22. Ditentukan distribusi frekuensi berikut:
Nilai Frekuensi
21 – 30 3
31 – 40 10
41 – 50 8
51 – 60 27
61 – 70 20
71 – 80 16
81 – 90 9
91 – 100 7
Jumlah 100
Pertanyaan :
c. Sebutkan banyaknya data, banyaknya kelas, panjang
interval kelas, batas bawah kelas pertama dan batas atas
kelas terakhir, dan titik tengah setiap kelas.
d. Hitung median dan modus data tersebut.
e. Hitunglah rata-rata hitungnya.
f. Hitung pula simpangan rata-rata dan simpangan baku
data tersebut.
163
g. Buatlah histogram dan poligon frekuensi dari distribusi
tersebut.
h. Berapa persen (%) yang mendapat nilai antara: x-s – x+s,
x-2s – x+2s, dan x-3s – x+3s.
23. Seorang siswa memperoleh nilai Matematika 6,5 (rata-rata hitung
dan simpangan baku Matematika kelas tersebut masing-masing 5,4 dan 1,2);
sedangkan nilai Bahasa Indonesia 7 (rata-rata dan hitung dan simpangan baku
Bahasa Indonesia kelas tersebut masing-masing 6,7 dan 0,8). Tentukan mana
lebih baik kedudukan siswa tersebut dalam kedua pelajaran.
24. Diberikan data: 12, 8, 9, 10, 14, 15, 8, 10, 12, 10. Hitunglah:
a. Rata-rata simpangan
b. Simpangan baku
c. Simpangan baku berapa kali rata-rata simpangan.
25. Hasil ujian Statistika untuk 42 orang mahasiswa sebagai berikut:
65 73 50 90 72 57 68 87 75 69 80 60 68 55
67 65 80 71 65 72 76 45 95 56 70 85 67 77
70 68 72 75 73 55 60 74 80 90 65 78 60 85
a. Hitung nilai rata-rata dan simpangan bakunya.
b. Jadikan data di atas ke dalam angka baku dengan rata-
rata 50 dan simpangan baku 10, dalam hal ini data diubah kedalam angka
T, yatu: T = 50 + 10z.
c. Kalau dalam sistem angka baku ini nilai lulus ditentukan
paling kecil 70, ada berapa orang yang lulus.
26. Ada tiga calon masing-masing datang dari tiga sekolah tingkat
akhir yang berbeda. Di sekolahnya masing-masing calon A mendapat nilai
matematika 83 sedangkan rata-rata kelasnya 62 dan simpangan baku 12.
Calon B mendapat nifai 97 dengan rata-rata kelas 83 dan simpangan baku 15,
sedangkan calon C mendapat nilai 87 dengan rata-rata kelas 65 dan
simpangan baku 14. Salah satu calon ini akan dipilih berdasarkan sistem
dengan rata-rata 50 dan simpangan baku 10. Calon mana sebaiknya yang
harus didahulukan diterima.
27. Andaikan distribusi frekwensi nilai tes masuk ke jurusan matematika
dari 200 calon adalah sebagai berikut:
Nilai Frekuensi
164
45 – 49 8
50 – 54 21
55 – 59 24
60 – 64 32
65 – 69 46
70 – 74 30
75 – 79 20
80 – 84 12
85 – 89 7
Jumlah 200
165
35. Pemilik suatu perusahaan pabrik paku ingin meneliti mesin mana yang
menghasilkan paku yang lebih seragam, apakah mesin X yang menghasilkan
paku 9 cm atau mesin Y yang menghasilkan paku ukuran 5 cm. Dalam hal ini
dari masing-masing paku yang berbeda ukurannya itu diambil sampel
berukuran 100 (masing-masing 100 paku). Setelah diukur, paku yang
berukuran 9 cm diperoleh simpangan bakunya 0,03 dan rata-rata 9 cm.
sedangkan dari paku yang berukuran 5 cm diperoleh simpangan baku 0,025.
Tentukan dan jelaskan mesin mana yang menghasilkan paku lebih seragam.
36. Apa guna tabel t. Berapa nilai t jika n = 10, α = 0,05, untuk dua arah dan
satu arah? Berapa pula nilai t jika α = 0,01 ?
Berapa nilai χ untuk n = 14 dan α = 0,05?
2
37.
38. Berapa nilai F untuk F(30,10) untuk α = 0,05 dan α - 0,01? Dan berapa
F(10,30) untuk α = 0,05 dan α = 0,01?
39. Data nilai ujian ujian tengah semester dari siswa Pria dan Wanita pada
kelas I suatu SMA Kota Banda Aceh tahun pelajaran 2013/2014 seperti
berikut:
Pria : 75 60 62 47 68 50 85 48 66 52 63 58 7865
53 40 72 56 35 82 67 55 70 68 62 76 5743
Wanita: 65 68 80 76 60 72 90 44 82 66 70 86 5567 85 78
72 50 95 67 40 75 68 62 86 57 7370
73 80 62 4768 65
Pertanyaan:
a. Hitunglah nilai rata-rata dan simpangan .baku dari kedua kelompok data
tersebut.
b. Selidiki apakah nilai (prestasi) kedua kelompok siswa (Pria dan Wanita)
tersebut memiliki perbedaan yang signifikans.
40. Selidikiapakah ada perbedaan yang signifikan indek prestasi (IP)
mahasiswa Wanita dengan mahasiswa Pria, jika data rata-rata IP mereka
kuliah selama satu tahun pertama, seperti berikut:
Mahasiswa Wanita Mahasiswa Pria
X 1 = 3,24 X 2 = 2,87
s1 = 0,57 s2 = 0,81
n1 = 36 n2 = 24
166
41. Diketahui hasil tes pertama dan tes kedua terhadap 12 orang siswa
sebagai berikut:
Tes I : 45 60 70 62 60 60 40 65 5036 58 65
Tes II : 7073 90 80 78 67 75 85 64 74 75 83
Pertanyaan:
a. Apakah korelasinya positif?
b. Berapa besarnya sumbangan tes I terhadap tes II?
c. Apakah r tersebut signifikan pada α = 0,05?
42. Diketahui data mengenai banyaknya tenaga kerja dengan produksi
sepatu yang dihasilkan oleh sebuah perusahaan sepatu, sebagai berikut:
a. Jika diduga antara tenaga kerja dan produksi terdapat hubungan, maka
hitunglah berapa koefisien korelasinya?
b. Dari data di atas apakah benar ada hubungan antara tenaga kerja dan
produksi, dengan menggunakan tingkat kepercayaan 5%?
c. Jika melihat pada derajat hubungan kedua variabel di atas (hasil
jawabannya) dan bentuk hubungannya, apakah dibenarkan jika anda
menghitung persamaan regresinya? Kemukakan alasan jawabannya; dan
jika dapat dihitung, tentukan persamaan regresinya!
43. 43.Suatu penelitian diadakan untuk mengetahui apakah ada hubungan
antara penghasilan (pendapatan) keluarga yang digolongkan ke dalam
golongan rendah, sedang, dan tinggi dengan penggunaan angkutan
umum:Kereta Api, Bus dan Taksi ketika bepergian. Data yang diperoleh
seperti pada tabel berikut:
Tingkat Pendapatan Kereta Api Bus Taksi
Rendah 45 40 25
Sedang 35 35 40
Tinggi 20 25 35
167
Gunakan α = 0,05, apakah ada hubungan yang berarti antara golongan
pendapatan dan penggunaan angkatan umum? Berikan uraian atas hasil yang
diperoleh!
44. Selidiki, apakah ada hubungan antara Hasil Belajar (X) dengan IQ (Y);
bila datanya seperti pada tabel berikut.
Hasil Tes
No. Urut Subjek IQ (Y)
(X)
1. A 67 90
2. B 51 76
3. C 70 100
4. D 65 90
5. E 54 85
6. F 49 80
7. G 67 95
8. H 65 76
168
DAFTAR PUSTAKA
Hadi, Sutrisno, (2004). Analisis Regresi. Yogyakarta: Andi Ofset (ISBN: 979-
731-459-6).
Hasan, M. Iqbal, (2004). Analisis Data Penelitian dengan Statistik. Jakarta: PT.
Bumi Aksara. (ISBN: 979-526-060-7)
169
Riduwan, & Sunarto, , (2009). Pengantar STATISTIKA untuk Penelitian
Pendidikan, Sosial, Ekonomi Kommunikasi dan Bisnis. (Lengkap dengan
Aplikasi SPSS 14. Penerbit ALPABETA, Bandung (ISBN: 979-8433-6).
Spiegel, Murray R., Phd. & Stephens, Larry J. (2007). Statistik (Teori dan Soal-
soal, Alih bahasa: Wiwit Kartawan & Irzam Hermein) Penerbit Erlangga.
Supangat, Andi, Drs. M.Si., (2007). Statistik, Dalam Kajian Deskiptif, Inferential
dan Non-Parametrik. Kencana Prenada Media Group Jakarta. (ISBN: 978-
979-392587-5 5195).
Walpole, R. E., (1995). Pengantar Statistika (Edisi ke-3). Jakarta : PT. Gramedia
Pustaka Utama.
170