BAB III

POPULASI, SAMPEL DAN PENGUJIAN

NORMALITAS DATA

A. Populasi
Populasi adalah wilayah generalisasi yang terdiri atas; obyek/subyek yang
mempunyai kuantitas dan karakteristik tertentu yang ditetapkan oleh peneliti untuk
dipelajari dan kemudian ditarik kesimpulannya.
Jadi populasi bukan hanya orang, tetapi juga benda-benda alam yang lain.
Populasi juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi
meliputi seluruh karateristik/sifat yang dimiliki oleh obyek atau subyek itu.
Misalnya akan melakukan penelitian di lembaga X, maka lembaga X ini
merupakan populasi. Lembaga X mempunyai sejumlah orang/subyek dan obyek yang
lain. Hal ini berarti populasi dalam arti jumlah/kuantitas. Tetapi lembaga X juga
mempunyai karateristik orang-orangnya, misalnya motivasi kerjanya, disiplin kerjanya.
kepemimpinannya, iklim organisasinya, dan lain-lain; dan juga mempunyai karateristik
obyek yang lain, misalnya kebijakan, prosedur kerja, tata ruang, produk yang dihasilkan
dan lain-lain. Yang terakhir berarti populasi dalam arti karateristik.
Satu orangpun dapat digunakan sebagai populasi, karena satu orang itu
mempunyai berbagai karateristik, misalnya gaya bicaranya, disiplin pribadi, hobi, cara
bergaul, kepemimpinannya dan lain-lain. Misalnya akan melakukan penelitian
kepemimpinan presiden Y, maka kepemimpmnan itu merupakan sampel dan semua
karateristik yang dimiliki presiden Y.
Dalam bidang kedokteran, satu orang sering bertindak sebagai populasi. Darah
yang ada pacla setiap orang adalah populasi, kalau akan diperiksa cukup diambil
sebagian yang ada pada orang tersebut

B. Sampel
Sampel adalah sebagian dan jumlah dan karateristik yang dimiliki oleh populasi
tersebut. Bila populasi besar, dan peneliti tidak mungkin memperlajari semua yang ada
pada populasi, misalnya karena keterbatasan dana, tenaga dan waktu, maka peneliti
dapat menggunakan sampel yang diambil dari populasi itu. Apa yang dipelajari dari
sampel itu, kesimpulannya akan diberlakukan untuk populasi. Untuk itu sampel yang
diambil dari populasi harus betul-betul representatif (mewakili).

45
 Bila sampel tidak representatif, ibarat orang buta disuruh menyimpulkan
karateristik gajah. Satu orang memegang telinga gajah, maka ia menyimpulkan gajah itu
seperti kipas. Orang kedua memegang badan gajah, maka ia menyimpulkan gajah itu
seperti tembok besar. Satu orang lagi memegang ekornya, maka ia menyimpulkan gajah
itu kecil bulat seperti seutas tali. Begitulah kalau sampel yang dipilih tidak representatif,
maka ibarat 3 orang buta itu yang membuat kesimpulan yang salah tentang gajah.

C. Teknik Sampling
Teknik sampling adalah merupakan teknik pengambilan sampel. Untuk
menentukan sampel yang akan digunakan dalam penelitian, terdapat berbagai teknik
sampling yang digunakan. Secara skematis, teknik sampling ditunjukkan pada gambar
3.1.

Gambar 3.1 Teknik Sampling

Dari gambar tersebut terlihat bahwa, teknik sampling pada dasarnya dapat
dikelompokkan menjadi dua yaitu Probability Sampling dan Nonprobability Sampling.
Probability sampling meliputi, simple random, proportionate stratified random,
dispropotionate stratified random, dan area random. Non-probability sampling
meliputi, sampling sistematis, sampling kuota, sampling aksidental, purposive sampling,
sampling jenuh dan snowball sampling.

46
1. Probability Sampling
Probability sampling adalah teknik sampling yang memberikan peluang yang
sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.
Teknik ini meliputi :

a. Simple Random Sampling

Dikatakan simple (sederhana) karena pengambilan sampel anggota populasi
dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Cara
demikian dilakukan bila anggota populasi dianggap homogen. Teknik ini dapat
digambarkan seperti gambar 3.2 berikut.

Gambar 3.2 Teknik Simple Random Sampling

b. Proportionate Stratified Random Sampling

Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak
homogen dan berstrata secara proporsional. Suatu organisasi yang mempunyai pegawai
dari latar belakang pendidikan, maka populasi pegawai itu berstrata. Misalnya jumlah
pegawai yang lulus S1 = 45, S2 = 30, STM = 800, ST = 900, SMEA = 400, SD = 300.
Jumlah sampel yang harus diambil meliputi strata pendidikan tersebut yang diambil
secara proporsional jumlah sampel dan teknik pengambilan sampel diberikan setelah
bab mi. Teknik Proportionate Stratified Random Sampling dapat digambarkan seperti
gambar 3.3 berikut.

Gambar 3.3 Teknik Stratified Random Sampling

47
c. Disproportionate Stratified Random Sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi berstrata
tetapi kurang proporsinal. Misalnya pegawai dari PT tertentu mempunyai; 3 orang
lulusan S3, 4 orang lulusan S2, 90 orang S1 , 800 orang SMU, 700 orang SMP, maka tiga
orang lulusan S3 dan empat orang S2 itu diambil semuanya sebagai sampel. Karena dua
kelompok ini terlalu kecil bila dibandingkan dengan kelompok S1, SMU, dan SMP.

d. Cluster Sampling (Area Sampling)

Teknik sampling daerah digunakan untuk menentukan sampel bila obyek yang
akan diteliti atau sumber data sangat luas, misal penduduk dari suatu negara, propinsi
atau kabupaten. Untuk menentukan penduduk mana yang akan dijadikan sumber data,
maka pengambilan sampelnya berdasarkan daerah populasi yang telah ditetapkan.
Misalnya di Indonesia terdapat 27 propinsi, dan sampelnya akan menggunakan
10 propinsi, maka pengambilan 10 propinsi itu dilakukan secara random. Tetapi perlu
diingat, karena propinsi-propinsi di Indonesia itu berstrata maka pengambilan
sampelnya perlu menggunakan stratified random sampling.
Teknik sampling daerah ini sering digunakan melalui dua tahap, yaitu tahap
pertama menentukan sampel daerah, dan tahan berikutnya menentukan orang-orang
yang ada pada daerah itu secara sampling juga. Teknik ini dapat digambarkan seperti
gambar 3.4 berikut.

Gambar 3.4 Teknik Cluster Random Sampling

2. Nonprobability Sampling
Nonprobability Sampling adalah teknik yang tidak memberi peluang/
kesempatan sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.
Teknik sampel ini meliputi :

48
a. Sampling Sistematis
Sampling Sistematis adalah teknik penentuan sampel berdasarkan urutan dari
anggota populasi yang telah dibeli nomor urut. Misalnya anggota populasi yang terdiri
dari 100 orang. Dari semua anggota itu diberi nomor unit, yaitu nomor 1 sampal dengan
nomor 100. Pengambilan sampel dapat dilakukan dengan nomor ganjil saja, genap saja,
atau kelipatan dan bilangan tententu, misalnya kelipatan dari bilangan lima. Untuk ini
maka yang diambil sebagai sampel adalah nomor 5, 10, 15, 20, dan seterusnya sampai
100.

b. Sampling Kuota
Sampling Kuota adalah teknik untuk menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diiginkan. Sebagai contoh,
akan melakukan penelitian terhadap pegawai golongan II, dan penelitian dilakukan
secara kelompok. Setelah jumlah sampel ditentukan 100, dan jumlah anggota peneliti
berjumlah 5 orang, maka setiap anggota peneliti dapat memilih sampel secara bebas
sesuai dengan karateristik yang ditentukan (golongan II) sebanyak 20 orang.

c. Sampling Aksidental
Sampling Aksidental adalah teknik penentuan sampel berdasarkan kebetulan,
yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data.

d. Sampling Purposive
Sampling Purposive adalah teknik penentuan sampel dengan pertimbangan
tertentu. Misalnya akan melakukan penelitian tentang disiplin pegawai, maka sampel
yang dipilih adalah orang yang ahli dalam bidang kepegawaian saja.

e. Sampling Jenuh
Sampling Jenuh adalah teknik penentuan sampel bila semua anggota populasi
digunakan sebagai sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil,
kurang dari 30 orang. Istilah lain sampel jenuh adalah sensus, dimana semua anggota
populasi dijadikan sampel.

49
f. Snowball Sampling
Snowball sampling adalah teknik penentuan sampel yang mula-mula jumlahnya
kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel.
Begitu seterusnya, sehingga jumlah sampel semakin banyak. Ibarat bola salju yang
menggelinding, makin lama semakin besar. Teknik sampel ditunjukkan pada gambar
3.5 berikut. Pada penelitian kualitatif banyak menggunakan sampel Purposive dan
Snowball.

Gambar 3.5 Snowball Sampling

3. Menentukan Ukuran Sampel

Jumlah anggota sampel sering dinyatakan dengan ukuran sampel. Jumlah
sampel yang 100% mewakili populasi adalah sama dengan populasi. Jadi bila jumlah
populasi 1000 dan hasil penelitian itu akan diberlakukan untuk 1000 orang tersebut
tanpa ada kesalahan, maka jumlah sampel yang diambil sama dengan jumlah populasi
tersebut yaitu 1000 orang. Makin besar jumlah sampel mendekati populasi, maka
peluang kesalahan generalisasi semakin kecil dan sebaliknya makin kecil jumlah sampel
menjauhi populasi, maka makin besar kesalahan generalisasi (diberlakukan umum).
Pada buku ini diberikan dua rumus yang dapat digunakan untuk menghitung
besarnya sampel yang diperlukan dalam penelitian. Selain itu juga diberikan cara
menentukan ukuran sampel yang sangat praktis, yaitu dengan tabel dan nomogram.
Tabel yang digunakan adalah tabel Krejcie dan Nomogram Harry King. Dengan kedua
cara tersebut tidak perlu dilakukan perhitungan yang rumit.
Krecjie dalam melakukan perhitungan ukuran sampel didasarkan atas kesalahan
5%. Jadi sampel yang diperoleh itu mempunyai kepercayaan 95% terhadap populasi.
Tabel Krecjie ditunjukkan pada tabel 3.1. Dari tabel itu terlihat bila jumlah populasi 100
maka sampelnya 80, bila populasi 1000 maka sampelnya 278, bila populasinya 1000

50
maka sampelnya 370, dan bila jumlah populasi 100.000 maka jumlah sampelnya 384.
Dengan demikian makin besar populasi makin kecil prosentase sampel. Oleh karena itu
tidak tepat bila ukuran populasinya berbeda prosentase sampelnya sama, misalnya 10%.
Harry King menghitung sampel tidak hanya didasarkan atas kesalahan 5% saja,
tetapi bervariasi sampai 15%. Tetapi jumlah populasi paling tinggi hanya 2000.
Nomogram ini ditunjukkan pada gambar 3.6. Dari gambar tersebut diberikan contoh
bila populasi 200, kepercayaan sampel dalam mewakili populasi 95%, maka jumlah
sampelnya sekitar 58% dari populasi. Jadi 0,58 x 200 116. Bila populasi 800,
kepercayaan sampel 90% atau kesalahan 10 %, maka jumlah sampel = 7,5% dari
populasi. Jadi 0,075 x 800 = 60. Terlihat disini semakin besar kesalahan akan semakin
kecil jumlah sampel. Contoh mencari ukuran sampel diberikan di bawah nomogram
(gambar 3.6).

Tabel 3.1 Table For Determining Needed Size S Of A Randomly Chosen Sample From A
Given Finite Population Of N Cases Such That Sample Proportion Will Be Within +.05
Of The Population Proportion P With A 95 Percent Level Of Confidence
N S N S N S
10 10 220 140 1200 291
15 14 230 144 1300 297
20 19 240 148 1400 302
25 24 250 152 1500 306
30 28 260 155 1600 310
35 32 270 159 1700 313
40 36 280 162 1800 317
45 40 290 165 1900 320
50 44 300 169 2000 322
55 48 320 175 2200 327
60 52 340 181 2400 331
65 56 360 186 2600 335
70 59 380 191 2800 338
75 63 400 196 3000 341
80 66 420 201 3500 346
85 70 440 205 4000 351
90 73 460 210 4500 354
95 76 480 214 5000 357
100 80 500 217 6000 361
110 86 550 226 J000 364
120 92 600 234 8000 367
130 97 650 242 9000 368
140 103 700 248 10000 370
150 108 750 254 15000 375
160 113 800 260 20000 377
170 118 850 265 30000 379
180 123 900 269 40000 380
190 127 950 274 50000 381
200 132 1000 278 75000 382
210 136 1100 285 100000 384
Catatan : N = jumlah populasi S = sampel

51
Contoh : Bila populasi 200 sampelnya 132. Tabel ini khusus untuk tingkat
kesalahan 5%.

Gambar 3.6 Nomogram Harry King Untuk Menentukan Ukuran Sampel Dari Populasi
Sampai 2.000

Contoh :
Misal populasi berjumlah 200. Bila dikehendaki kepercayaan sampel terhadap
populasi 95% atau tingkat kesalahan 5%, maka jumlah sampel yang diambil 0,58 x
200 = 16 orang. (Tarik dari angka 200 melewati taraf kesalahan 5%, maka akan
ditemukan titik di atas angka 60. Titik itu kurang lebih 58).

Cara menentukan ukuran sampel seperti yang dikemukakan didasarkan atas

asumsi bahwa populasi berdistribusi normal. Bila sampel tidak berdistribusi normal,
misalnya populasi homogen maka cara-cara tersebut tidak perlu dipakai. Misalnya

52
populasinya benda, katakan logam dimana susunan molekulnya homogen, maka jumlah
sampel yang diperlukan 1% saja sudah mewakili.

a. Contoh Menentukan Ukuran Sampel dengan Tabel Krecjie dan Nomogram

Harry King.

Penelitian akan dilakukan terhadap iklim kerja suatu organisasi. Sumber data
yang digunakan adalah para pegawai yang ada pada organisasi tersebut (populasi).
Jumlah pegawainya 1000 terdiri atas lulusan S1 = 50, Sarjana Muda = 300, SMK = 100,
SD = 50 (populasi berstrata).
Jumlah populasi = 1000. Bila kesalahan 5%, maka jumlah sampelnya = 278.
Karena populasi berstrata, maka sampelnya juga berstrata. Stratanya menurut tingkat
pendidikan. Dengan demikian masing-masing sampel untuk tingkat pendidikan harus
proporsional sesuai dengan populasi. Jadi jumlah sampel untuk :

S1 = x 278 = 13,90 = 14

SM = x 278 = 83,40 = 83

SMK = x 278 = 139,00 = 139

SMP = x 278 = 13,90 = 14

SD = x 278 = 27,80 = 28

Jadi jumlah sampelnya = 14 + 83 + 139 + 28 + 14 = 278

Pada perhitungan yang terdapat koma dibulatkan ke atas sehingga jumlah

sampelnya lebih 278 yaitu 280. Hal ini lebih aman daripada kurang dari 278. Gambaran
jumlah populasi dan sampel dapat ditunjukkan pada gambar 3.7 berikut:

53
Gambar 3.7 Sampel yang diambil dari populasi berstrata dengan kesalahan 5%

b. Contoh Menentukan Ukuran Sampel dengan Perhitungan

Bila ukuran sampel lebih dari 100.000, maka peneliti tidak bisa melihat tabel
lagi, oleh karena itu peneliti harus dapat menghitung sendiri. Ada dua rumus yang
dikemukakan disini yaitu yang tidak diketahui simpangan bakunya dan yang kedua
yang diketahui simpangan bakunya.

Contoh 1:
Misal seorang peneliti ingin mengetahui produktivitas kerja pegawai di lembaga A.
peneliti berhipotesis bahwa produktivitas kerja pegawai di lembaga A paling sedikit
70% dari tolok ukur ideal yang ditetapkan. Untuk itu diperlukan ukuran sampel
sebagai sumber datanya. Untuk menghitung ukuran sampel diperlukan rumus
sebagai berikut:

Rumus 3.1

Dimana :
n = Ukuran sampel yang diperlukan
p = Prosentase hipotesis (Ho) dinyatakan dalam peluang yang besamya = 0,50
q = 1 - 0,50 = 0,50
p = Perbedaan antara yang ditaksir pada hipotesis kerja (Ha) dengan hipotesis nol
(Ho), dibagi dengan z pada tingkat kepercayaan tertentu.

Misalnya tingkat kepercayaan 68%, z = 1; 95%, z = 1,96; 99%, z = 2,58.

Untuk contoh di atas misal taraf kepercayaan 95% berarti z = 1,96 maka :

54
 p = = (0,1020)2 = 0,0104

Dengan demikian maka besarnya ukuran sampel yang diperlukan sebagai

sumber data pada taraf kepercayaan 95% adalah :

n≥ =24,0292

Atau 25 orang, jadi paling sedikit diperlukan 25 orang sebagai sumber data.
Misalnya taraf kepercayaan yang dikehendaki 99% maka harga z = 2,58, maka
sampel yang diperlukan adalah :

n≥ = 41,60 = 42

Jadi diperlukan paling sedikit 42 orang.

Contoh 2 :
Untuk menaksir berapa tingkat kepuasan kerja pegawai di lembaga B diperlukan
sebuah sampel. Taraf kepercayaan yang dikehendaki 99%. Perbedaan antara yang
ditaksir dengan tolok ukur yang ditetapkan tidak lebih dari 10%. Jika diketahui
simpangan bakunya 20% maka ukuran sampel dapat dihitung dengan rumus sebagai
berikut :

Rumus 3.2
Dimana :
n = Ukuran sampel yang diperlukan
b = Perbedaan antara yang ditaksir dengan tolok ukur penafsiran
z = Harganya tergantung pada taraf kepercayaan yang ditetapkan. (lihat keterangan
pada contoh pertama). Pada taraf kepercayaan 68%, z = 1; 95%, z = 1,96; 99%, z
= 2,58. Untuk harga-harga yang lain bisa dilihat pada tabel kurve normal standard
didasarkan pada z½ taraf kercayaan. Taraf kepercayaan 95% berarti z½ . 95% = z0,475
dalam tabel ditemukan 1,96.
u = Simpangan baku

55
Untuk contoh di atas maka besarnya sampel dapat dihitung.

n≥ = 5,162 = 26,63

Ukuran sampelnya paling sedikit 27 orang.

Misalnya pegawai di lembaga B itu terdiri atas :
1. Golongan I = 15 orang
2. Golongan II = 30 orang
3. Golongan III = 15 orang
Maka jumlah sampel yang diperlukan :
1. Untuk golongan I = 15/60 x 27 = 6,75 = 7 orang
2. Untuk golongan II = 30/60 x 27 = 13,5 = 14 orang
3. Untuk golongan III = 15/60 x 27 = 6,75 = 7 orang
–––––––––
Jumlah = 28 orang

4. Menentukan Anggota Sampel

Di bagian depan bab ini telah dikemukakan terdapat dua teknik sampling, yaitu
probability sampling dan nonprobability sampling. Probability sampling adalah teknik
sampling yang memberi peluang sama kepada anggota populasi untuk dipilih menjadi
anggota sampel. Cara demikian sering disebut dengan random sampling, atau cara
pengambilan sampel secara acak.
Pengambilan sampel secara random/acak dapat dilakukan dengan bilangan
random, komputer, maupun dengan undian. Bila pengambilan dilakukan dengan undian,
maka setiap anggota populasi diberi nomor terlebih dahulu, sesuai dengan jumlah
anggota populasi.
Misalnya jumlah anggota populasi = 100, maka setiap anggota diberi nomor dari
1 sampai 100. Selanjutnya bila kesalahan 5%, maka jumlah sampelnya 80.
Bila sampel tidak berstrata, maka pengambilan sampel tidak perlu
memperhatikan strata yang ada pada populasi, karena teknik pengarnbilan sampel
adalah random, nk setiap anggota populasi mempunyai peluang sama untuk dipilih
menjadi anggota sampel. Untuk contoh di atas peluang setiap anggota populasi 1/100.
Dengan demikian cara pengambilannya bila nomor satu telah diambil, maka perlu

56
dikembalikan lagi, kalau tidak dikembalikan peluangnya menjadi tidak sama lagi. Misal
nomor pertama tidak dikembalikan lagi maka peluang berikutnya menjadi 1 : (100 - 1)
= 1/99. Peluang akan semakin besar bila yang telah diambil tidak dikembalikan. Bila
yang telah diambil keluar lagi, dianggap tidak sah dan dikembalikan lagi.

D. Normalitas Data
1. Kurve Normal
Seperti dikemukanan bahwa, penggunaan Statistik Parametris, bekerja dengan
asumsi bahwa data setiap variabel penelitian yang akan dianalisis membentuk distribusi
normal. Bila data tidak normal, maka teknik Statistik Parametris tidak dapat digunakan
untuk alat analisis. Sebagai gantinya digunakan teknik statistik lain, yang tidak harus
berasumsi bahwa data berdistribusi normal. Teknik statistik itu adalah Statistik
Nonparametris. Untuk itu sebelum peneliti akan menggunakan teknik statistik
parametris sebagai analisisnya, maka peneliti harus membuktikan terlebih dahulu,
apakah data yang akan dianalisis itu berdistribusi normal atau tidak.
Suatu data yang membentuk distribusi normal bila jumlah data di atas dan di
bawah rata-rata adalah sama, demikian juga simpangan bakunya.
Dari gambar 3.8 di bawah terlihat bahwa nilai rata-rata 190 mahasiswa adalah 6.
Jumlah mahasiswa di atas dan di bawah rata-rata adalah sama yaitu (40 + 20 + 5) = 65.
Demikian juga simpangan di bawah dan di atas rata-rata adalah sama, yaitu 3,6. Di atas
rata-rata = 96 - 65 = 30. Di bawah rata-rata 65 - 35 = 30. Dari gambar terlihat bahwa
suatu kurve normal terjadi setelah titik pertemuan antar nilai dengan frekuensinya
dihubungkan. Lihat gambar 3.8 berikut :

Gambar 3.8 Distribusi Nilai Salah Satu Matakuliah yang Membentuk Kurve Normal

Luas kurve normal dapat terbagi berdasarkan jumlah standard deviasi dan data
kelompok yang membentuk distribusi normal itu. Luas antara rata-rata (mean) terhadap
satu standard seviasi (1s) ke kiri dan ke kanan masing-masing 34,13%; luas aritara satu

57
standard deviasi (1s) ke dua standard deviasi (2s) masing-masing adalah 13,59%, dan
luas antara dua standard deviasi (2s) sampai tiga standard deviasi (3s) masing-masing
adalah 2,27%. Lihat gambar 3.9 berikut. Jumlah standard deviasi dari suatu kelompok
tidak terhingga, oleh karena itu secara teoritis kurve normal tidak akan pernah
menyentuh garis dasar, sehingga luasnyapun tidak sampal 100% hanya mendekati 100%
(99,999999999%).
Kurve normal yang telah dibicarakan adalah kurve normal umum. Nilai rata-rata
(X) dan simpangan baku (1s, 2s, 3s dst) yang ada pada kurve normal ini tergantung pada
nilai yang ada dalam kelompok itu yang telah diperoleh melalui pengumpulan data.
Bentuk kurve adalah simetris, sehingga luas rata-rata (mean) X ke kanan dan kiri
masing-masing mendekati 50% (dalam prakteknya langsung dinyatakan 50%).

Gambar 3.9 Prosetase Luas Kurve Normal

Selain terdapat kurve normal umum, juga terdapat kurve normal yang lain,
disebut dengan Kurve Normal Standard. Dikatakan standard, karena nilai rata-ratanya
adalah 0 dan simpangan bakunya adalah 1,2,3,4 dst. Nilai simpangan baku selanjutnya
dinyatakan dalam simbul Z. Kurve normal umum dapat dirubah ke dalam kurve normal
standard, dengan menggunakan rumus 3.3.

Rumus 3.3

Dimana :
Z = Simpangan baku untuk kurve normal standacl
xi = Data ke i dari suatu kelompok data
X = Rata-rata kelompok
s = Simpangan baku

58
 Harga-harga z ada kaitannya dengan prosentase daerah kurve itu. Prosentase
daerah dihitung dari rata-rata. Dalam hal ini rata-ratanya adalah 0. Misalnya z = 1,0
maka luas kurve dari 0 sampai 1 = 34,13%. Lihat tabel kurve normal di belakang.
Gambar kurve normal standard ditunjukkan pada gambar 3.10.

Gambar 3.10. Kurve Normal Standard. Rata-rata 0, Simpangan Baku 1, 2, 3.

2. Contoh Penggunaan Kurve Normal

Terdapat 200 mahasiswa yang ikut ujian mata kuliah statistik. Nilai rata-rata
adalah 6 dan simpangan bakunya adalah 2. Beberapa orang yang mendapat nilai 8 ke
atas?
Jawab : Rata-rata klas (X) = 6, dan simpangan baku (s) = 2. Dan rumus 4.5 dapat
dihitung harga z.

z= =1

Dari tabel kurve normal dapat dilihat bahwa daerah 0 sampai dengan 1, luasnya
= 34,13. Ini adalah antara mean (rata-rata) dengan suatu titik yang jauhnya 1 SD di atas
mean. Harga ini menunjukkan prosentase jumlah mahasiswa yang mendapat nilai antara
6 s/d 8. Dengan demikian prosentase yang mendapat nilai 8 ke atas adalah 50% -
34,13% = 15,87% (50% adalah setengah kurve di atas mean, dimana nilai 8 ke alas
berada). Jadi mahasiswa yang mendapat nilai 8 keatas = 15,87 x 200 = 31,74 orang atau
sekitar 32 orang. (200 jumlah seluruh mahasiswa). Lihat gambar 3.11.

59
 Gambar 3.11. Jumlah Mahasiswa yang Mendapat Nilai 8 ke Atas

3. Pengujian Normalitas Data

Seperti dikemukakan dimuka bahwa Statistik Parametris itu bekerja berdasarkan
asumsi bahwa data setiap variabel yang akan dianalisis berdistribusi normal. Untuk itu
sebelum peneliti menggunakan teknik Statistik Parametris maka kenormalan data harus
diuji terlebih dahulu. Bila data tidak normal, maka statistik parametris tidak dapat
digunakan, untuk itu perlu digunakan statistik nonparametris. Tetapi perlu diingat
bahwa yang menyebabkan tidak normal itu apanya. Misalnya ada kesalahan instrumen
dan pengumpulan data, maka dapat mengakibatkan data yang diperoleh menjadi tidak
akan normal. Tetapi bila sekelompok data memang betul-betul sudah valid, tetapi
distribusinya tidak membentuk distribusi normal, maka peneliti baru membuat
keputusan untuk menggunakan teknik statistik nonparametris.
Pada buku ini diberikan teknik pengujian normalitas data dengan menggunakan
Kertas Peluang Normal dan Chi Kuadrad (2).

a. Pengujian dengan Kertas Peluang Normal

Terdapat beberapa teknik untuk menguji normalitas data antara lain dengan
menggunakan Uji Liliefors, Chi Kuadrad (2) dan dengan menggunakan Kertas Peluang
Normal. Pada kesempatan ini hanya akan disajikan cara uji normalitas data dengan
Kertas Peluang Normal dan 2. Kertas ini berupa grafik yang khusus dibuat untuk
keperluan itu (jadi bukan kertas mm).
Kertas peluang normal untuk keperluan pengujian normalitas data diberikan
pada lampiran. Garis mendatar pada kertas itu menunjukkan batas kelas interval,
sedangkan garis yang vertikal menunjukkan prosentase kumulatif.

60
Contoh dan Langkah-langkah Pengujian :
a. Yang akan diuji adalah data nilai ujian statistik 150 mahasiswa yang ada pada tabel
2.7 halaman 32;
b. Susunlah data tersebut ke dalam distribusi frekuensi kumulatif. Dalam hal ini telah
tersusun pada halaman 32, dan dapat dipindah menjadi tabel 2.8;
c. Susunlah tabel distribusi frekuensi tersebut menjadi distribusi kumulatif. Dalam hal
ini ditunjukkan pada tabel 3.3;
d. Susunlah tabel distribusi frekuensi kumulatif itu, menjadi distribusi frekuensi
kumulatif relatif kurang dari.
Untuk kepertuan ini, nilai “kurang dari” digunakan nilai rata-rata antara batas atas
dan suatu klas interval dengan batas bawah dari klas interval berikutnya. Misalnya
nilai 19,5 adalah rata-rata dari 19+20.

Tabel 3.2 Tabel 3.3

Distribusi Frekuensi Nilai Statistik Distribusi Frekuensi
150 Mahasiswa Kumulatif Nilai Statistik
150 Mahasiswa
Interval Data f Data fk
10 - 19 1 Kurang dari 19,5 1
20 - 29 6 Kurang dari 29,5 7
30 - 39 9 Kurang dari 39,5 16
40 - 49 31 Kurang dari 49,5 47
50 - 59 42 Kurang dari 595 89
60 - 69 32 Kurang dari 69,5 121
70 - 79 17 Kurang dari 79,5 138
80 - 89 10 Kurang dari 69,5 148
90 - 99 2 Kurang dari 99,5 150

e. Letakkan nilai data kurang dari pada garis horizontal bagian bawah kertas peluang
normal, dan letakkan titik yang ditarik dan frekuensi kumulatifnya;
f. Hubungkan setiap titik yang telah dibuat, dan buatlah keputusan tentang normal-
tidaknya data. Bila garis yang ditemukan membentuk garis lurus, atau mendekati
maka data tersebut normal, bila membentuk menjadi tidak lurus, berarti tidak
normal. Lihat gambar berikut.

61
 Dari gambar itu, terlihat titik-titik yang dihubungkan membentuk garis lurus,
dengan demikian dapat disimpulkan bahwa, data nilai statistik 150 mahasiswa tersebut
berdistribusi normal.

b. Chi Kuadrad (2)

Pengujian normalitas data dengan (2) dilakukan dengan cara membandingkan
kurve normal yang terbentuk dari data yang telah terkumpul (B) dengan kurve

62
normal baku/standard (A). Jadi membandingkan antara (B : A). Bila B tidak berbeda
secara signifikan dengan A, maka B merupakan data yang berdistribusi normal.
Seperti ditunjukkan pada gambar 3.10, (halaman 72) bahwa kurve normal baku
yang luasnya mendekati 100% itu dibagi menjadi 6 bidang berdasarkan simpangan
bakunya, yaitu tiga bidang di bawah rata-rata (mean) dan tiga bidang di atas rata-rata.
Luas 6 bidang dalam kurve normal baku adalah : 2,27%; 13,53%; 34,13%; 34,13%;
13,53%; 2,27% (gambar bawah : A)

Contoh :
Data nilai ujian Mata Kuliah Statistik 150 mahasiswa, seperti yang tertera dalam
halaman 29, setelah diuji dengan Kertas peluang Normal, akan diuji normalitasnya
dengan Chi Kuadrad (2).

Langkah-langkah yang diperlukan adalah:

1. Menentukan jumlah klas interval. Untuk pengujian normalitas dengan Chi Kuadrad
ini, jumlah klas interval ditetapkan = 6. Hal ini sesuai dengan 6 bidang yang ada
pada Kurve Normal Baku.
2. Menentukan panjang klas interval.
Data Terbesar - Data terkeci)
Panjang klas = –––––––––––––––––––––––––
6 (Jml klas interval)

PK = = 13,5 dibulatkan menjadi 14

3. Menyusun ke dalam tabel distribusi frekuensi, sekaligus tabel penolong untuk

menghitung harga Chi kuadrad Hitung. Lihat tabel 3.4

63
 Tabel 3.4 Tabel Penolong Untuk Pengujian Normalitas Data Dengan Chi Kuadrad

Interval f0 fh f0.fh (f0 - fh)

13 - 27 3 4 -1 1 1: 4 = 0,25
28 - 42 21 20 1 1 0,05
43 - 57 56 51 5 25 0,49
58 - 72 45 51 -6 36 0,70
72 - 86 21 20 1 1 0,05
87 -101 4 4 0 0 0
Jumlah 150 150 0 1,54

fo = frekuensi/jumlah data hasil observasi

fh = jumlah/frekuensi yang diharapkan (prosentase luas tiap bidang dikalikan
dengan n)
fo - fh = selisih data fo dengan fh

4. Menghitung fh (frekuensi yang diharapkan)

Cara menghitung fh, didasarkan pada prosentasi luas tiap bidang kurve normal
dikalikan jumlah data observasi (jumlah individu dalam sampel). Dalam hal ini
jumlah individu dalam sampel = 150. Jadi :
a. Baris pertama dan atas 2,7% x 150 = 4,05 dibulatkan menjadi 4
b. Baris kedua 13,53% x 150 = 20,29, dibulatkan menjadi 20
c. Baris ketiga 34,13% x 150 = 51,19 dibulatkan menjadi 51
d. Baris keempat 34,13% x 150 = 51,19 dibulatkan menjadi 51
e. Baris kelima 13,53% x 150 = 20,29 dibulatkan menjadi 20
f. Baris keenam 2,7% x 150 4,05 dibulatkan menjadi 4
5. Memasukkan harga-harga fh ke dalam tabel kolom fh, sekaligus menghitung harga-

harga (fo - fh)2 dan menjumlahkannya.

Harga adalah merupakan harga Chi Kuadrad (2) hitung.

64
6. Membandingkan harga Chi Kuadrad Hitung dengan Chi Kuadrad Tabel. Bila harga
Chi Kuadrad Hitung lebih kecil dari pada Harga Chi Kuadrad Tabel, maka distribusi
data dinyatakan normal, dan bila lebih besar dinyatakan tidak normal.
Dalam perhitungan ditemukan Chi Kuadrad hitung = 1,54. Selanjutnya harga ini
dibandingkan dengan harga Chi Kuadrad tabel dengan dk (derajad kebebasan) 6 - 1 = 5.
Berdasarkan Tabel Chi Kuadrad yang ada pada tabel VI, dapat diketahui bahwa bila dk
5 dan kesalahan yang ditetapkan = 5%, maka harga Chi Kuadrad tabel = 11,070. Karena
harga Chi Kuadrad Hitung (1,54) lebih kecil dari harga Chi Kuadrad Tabel (11,070),
maka distribusi data nilai statistik 150 mahasiswa tersebut dapat dinyatakan
berdistribusi normal.

65