Disusun Oleh :
Husnul Khotimah :2010112220025
Wahyu : (2010112210009)
Mu’arif : (2010112210005)
Kelas A1
Pada pembahasan terdahulu banyak cara dalam menjelaskan pengumpulan skor .misalnya,
distribusi frekuensi untuk dasar penyusunan grafik ,central tendency yang digunakan untuk
menjelaskan nilai nilai khusus dari distribusi ,serta variabilitas yang menunjukkan
penyebaran dari sekumpulan skor . sering kali kita dituntut untuk menjelaskan tentang
individual, khususnya khususnya dimana posisi skor tersebut dalam distribusi.
Seandainya kita memiliki nilai 84.apakah nilai itu bisa dianggap baik jika melihat distribusi
nilai populasi dimana posisi kita berada. Ya karena skor tersebut tidak banyak memberikan
kita informasi untuk itu perlu diketahui sesuatu yang berkaitan dengan nilai keseluruhan
kelas, misal seperti rata rata nilai 80 dan simpangan baku nya adalah 4 maka posisi nilai itu
diantara nilai rata rata + simpangan baku. Dengan kata lain nilai tersebut tidak terlalu jauh di
atas rata rata.
Z skor merupakan perbedaan antara raw score (score asli) dengan rata-rata dengan
menggunakan unit – unit simpangan baku ( standard deviation) untuk mengukur perbedaan
tersebut Z skor mempunyai dua bagian A tanda (positif atau negatif), B nilai numerik.
Kondisi diatas rata- rata diberikan tanda positif + dan sebaliknya kondisi dibawah diberikan
tanda negatif - . Nilai numerik sendiri Z Skor diperoleh dari perbedaan antara nilai asli
dengan nilai rata- rata nya dibagi dengan simpangan baku .
memiliki nilai 84 ,lalu nilai populasinya 80 dan simpangan bakunya 4
Kita bisa mengetahui nya dengan rumus sbb:
Z Skor = X – U (rumus A1)
O
keterangan : U adalah rata – rata populasi
O adalah simpangan baku populasi
Jadi , 84 – 80 = 4/4 = 1
4
Z Skor merupakan perhitungan yang sering dipakai karena rumus- rumus statistik parametrix
diturunkan dengan menggunakan asumsi , bahwa distribusi suatu populasi berdistribusi
normal .dengan demikian maka tranformasi ke Z Skor merupakan cara sederhana dan baik
untuk analisis statistik parametrik.
Dan mengingat nilai intelegensia tersebut diatas rata- rata ,maka posisi Z Skor berada
disebelah kanan dan juga hasil perhitungan Z skor nya adalah positif.
Tranformasi ke Z Skor sangat berguna ketika kita ingin membandingan dua distribusi yang
berbeda. Dengan mentrsnformasikan kedua distribusi tersebut berarti kita menstandarkan
distribusi yang akan dibandingkan .setelah distribusi yang ingin dibandingkan distandarkan,
baru lah kita dapat membandingkannya. Membandingkan dua distribusi tanpa melakukan
standardisasi merupakan suatu tindakan yang ceroboh ,karena seolah -olah membandingkan
dua macam objek yang berbeda. Masing-masing distribusi masih mengandung sifat yang
berbeda .sehingga dapat mengacaukan jika digunakan secara langsung dalam proses
perbandingan.
Walaupun distribusi Z skor mempunyai daya pembeda yang baik, tetapi masih ada
beberapa hal yang masih bisa menyulitkan pemakainya. Hal ini disebabkan oleh adanya
tanda-tanda positif dan negatif pada z skor. Di samping itu angka-angka Z skor melibatkan
angka-angka pecahan. Kedua hal tersebut bisa mengakibatkan kesalahan dalam penafsiran.
Oleh karena itu, ditemukan jalan lain untuk mengatasi kelemahan Z skor. Apabila kita telah
mempunyai nilai standard, maka standardisasi (transformasinya) diarahkan kepada nilai
standard tersebut. Dalam kasus ini kita dapat menetapkan nilai standard tertentu untuk kedua
distribusi yang akan kita bandingkan.
Siswa A B C D E F G H
X 90 85 100 90 70 70 75 95
Langkah pertama: Mencari nilai Z berdasarkan data yang terkumpul dengan menggunakan
rumus A.1
Maka :
Siswa A : Z = (90 – 80) : 10
=1
Siswa B : Z = (85 – 80) : 10
= 0,5
Siswa C : Z = (100 – 80) : 10
=2
Siswa D : Z = (90 – 80) : 10
=1
Siswa E : Z = (70 – 80) : 10
= -1
Siswa F : Z = (70 – 80) : 10
= -1
Siswa G : Z = (75 – 80) : 10
= -0,5
Siswa H : Z = (95 – 80) : 10
= 1,5
Langkah Kedua: Menstandarkan nilai X ke standard skor dengan rumus A2
Siswa A : X st =100+ ( 15 ×1 )
¿ 115
Siswa B : X st =100+ ( 15 × 0,5 )
¿ 107,5
Siswa C : X st =100+ ( 15 × 2 )
¿ 130
Siswa D : X st =100+ ( 15 ×1 )
¿ 115
Siswa E : X st =100+ ( 15 ×−1 )
¿ 85
Siswa F : X st =100+ ( 15 ×−1 )
¿ 85
Siswa G : X st =100+ ( 15 ×−0,5 )
¿ 92,5
Siswa H : X st =100+ ( 15 ×1,5 )
¿ 122,5
3. Distribusi Normal
Analisis statistik untuk data yang berdistribusi normal dan yang tidak berdistribusi normal
akan berbeda, dengan demikian maka interpretasinya pun akan dipengaruhi oleh bentuk
distribusinya. Data populasi akan berdistribusi normal jika rata-rata nilainya sama dengan
modenya serta sama dengan mediannya. Ini berarti bahwa se bagian nilai (skor) mengumpul
pada posisi tengah, sedangkan frekuensi skor yang rendah dan yang tinggi menunjukkan
kondisi yang semakin sedikit dan seimbang. Oleh karena penurunan frekuensi pada skor yang
semakin rendah dan skor yang semakin tinggi adalah seimbang, maka penurunan garis kurva
ke kanan dan ke kiri akan seimbang.
Distribusi normal mempunyai sifat-sifat yaitu : Bentuknya simetri dengan sumbu X, Ujung-
ujung grafiknya hanya mendekati sumbu X atau dengan kata lein tidak akan bersinggungan
maupun berpotongan dengan sumbu X, Nilai rata-rata = mode median, Mode hanya satu
(unimodal), Kurva akan landai jika rentangan skor besar, sebaliknya jika rentang an skor
kecil maka kurvanya akan meninggi, Luas daerah kurva akan sama dengan luas satu persegi
empat.
Jenis bentuk Kurva yang diakibatkan oleh perbedaan nilai dan simpangan baku :
1. Leptokurti merupakan bentuk kurva yang meruncing tinggi.
2. Platykurtic merupakan bentuk kurva normal yang mendetar rendah.
3. Normal merupakan bentuk kurva yang berada di antara leptorkurtic dan platykurtic.
4. Distribusi Data Diskrit
Pada saat kita membicarakan distribusi normal, kita berhubungan dengan suatu data yang
berdistribusi kontinue. Dalam kenyataan penglitian kita sering menghadapi data yang
berdistibusi diskrit. Untuk itu kita harus menggunakan analisis yang berbeda dengan analisis
data yang berdistribusi kontinue. Pembicaraan distribusi yang berhubungan dengan data
diskrit menyangkut dua macam distribusi yaitu distribusi Binomal dan distribusi Poisson.
Distribusi binomial adalah distribusi yang bisa diterapkan pada beberapa peristiwa.
Biasanya distribusi ini dipakai pada suatu eksperimen yang bertujuan tertentu. Setiap
eksperimen akan menghadapi dua hasil yaitu (a) tujuan tercapai atau (b) tujuan tidak
tercapai. Dalam hal ini kita
Misalnva kita mengajar dengan mengqunakan metode A dengan suatu harapan siswa akan
mempunyai pengetahuan lebih baik daripada biasa nya (menggunakan metode
konvensional).
Distribusi Poisson mempunyai rentangan sampel mulai deri 0 sampai tak terhingga (.
Perhitungan fata-rata dan simpangan baku distribusi Poit son juga akan menyangkut masalah
Probabilitas, sehingga perhitungan perhitungan pada distribusi Poisson akan dibahas lebith
banyak pada pem bahasan probabilitas. Hal yang perlu diingat, bahwa distribusi ini untuk
mengatasi keterbatasan distribusi binomial. Distribusi poisson diturunkan melalui pendekatan
distribusi binomial, dan hal ini telah diuj kecocokannya dengan distribusi binomial melalui uji matematikal.
Sambung ygy