MAKALAH

PENGANTAR STATISTIKA

Psikologi Statistika

Dosen Pengampu: Poppy Ramadhani M.Psi. T

Disusun oleh:

Ainy Dita Farhani 17072200029

Bella Puspitasari 17072200011

Fazri Maulana 17072200046

Jelia Sumarni 17072200020

Nadia Fitriyati 17072200040

Suminar 17072200038

PRODI PSIKOLOGI

FAKULTAS ILMU KESEHATAN

UNIVERSITAS BINA BANGSA

TAHUN 2023
 BAB I

PENDAHULUAN

1.1 Statistik, Sains, dan Pengamatan

1.2 Struktur Data, Metode Penelitian, dan Statistik

1.3 Variabel dan Pengukuran

1.4 Notasi Statistik

Candappa, R. (2000). Buku kecil salah shui. Kota Kansas: Penerbitan Andrews McMeel.
Dicetak ulang dengan izin.

1.1 Statistik, Sains, dan Pengamatan.

1. Definisikan istilah populasi, sampel, parameter, dan statistik, dan jelaskan hubungan di
antara mereka.
2. Definisikan statistik deskriptif dan inferensial dan jelaskan bagaimana keduanya secara
umum kategori statistik yang digunakan dalam studi penelitian yang khas.
3. Jelaskan konsep sampling error dan jelaskan bagaimana konsep ini menciptakan
masalah mendasar yang harus diatasi oleh statistik inferensial.
 BAB II

ISI

A. Definisi Statistika

Menurut satu definisi, statistik terdiri dari fakta dan angka seperti rata-rata hujan salju
tahunan di Denver atau rata-rata pukulan seumur hidup Derrick Jeter. Statistik ini biasanya
informatif dan hemat waktu karena mereka memadatkan sejumlah besar informasi menjadi
beberapa angka sederhana.

Istilah statistik mengacu pada seperangkat prosedur matematika untuk mengatur,

meringkas, dan menafsirkan informasi. Prosedur statistik membantu memastikan bahwa
informasi atau pengamatan disajikan dan ditafsirkan secara akurat dan informatif. Dalam
istilah yang agak muluk, statistik membantu peneliti menertibkan kekacauan. Selain itu,
statistik menyediakan peneliti dengan seperangkat teknik standar yang diakui dan dipahami
di seluruh dunia ilmiah masyarakat. Dengan demikian, metode statistik yang digunakan oleh
seorang peneliti akan familiar bagi peneliti lainnya peneliti, yang dapat secara akurat
menginterpretasikan analisis statistik dengan pemahaman penuh. Bagaimana analisis itu
dilakukan dan apa hasil yang menandakan.

1. Populasi dan Sampel

Populasi dan Sampel Penelitian dalam ilmu perilaku biasanya dimulai dengan
pertanyaan umum tentang kelompok tertentu (atau kelompok) individu. Populasi adalah
kumpulan semua individu yang tertarik dalam studi tertentu. Penelitian dalam ilmu perilaku
biasanya dimulai dengan pertanyaan umum tentang sesuatu yang spesifik kelompok (atau
kelompok) individu. Misalnya, seorang peneliti mungkin ingin mengetahui faktor-faktor apa
saja terkait dengan ketidakjujuran akademik di kalangan mahasiswa. Atau seorang peneliti
mungkin ingin untuk memeriksa jumlah waktu yang dihabiskan di kamar mandi untuk pria
dibandingkan dengan wanita. Dalam Contoh pertama, peneliti tertarik pada kelompok
mahasiswa. Yang kedua Misalnya peneliti ingin membandingkan kelompok laki-laki dengan
kelompok perempuan. Dalam terminologi statistik, seluruh kelompok yang ingin diteliti oleh
seorang peneliti disebut populasi.
 Populasi jelas dapat bervariasi dalam ukuran dari sangat besar hingga sangat kecil,
tergantung pada bagaimana peneliti mendefinisikan populasi. Populasi yang sedang dipelajari
harus selalu diidentifikasi dengan peneliti. Selain itu, populasi tidak harus terdiri dari orang—
dapat berupa populasi tikus, perusahaan, suku cadang yang diproduksi di pabrik, atau apa pun
yang diinginkan penyelidik. untuk belajar. Dalam praktiknya, populasi biasanya sangat besar,
seperti populasi perguruan tinggi mahasiswa tahun kedua di Amerika Serikat atau populasi
usaha kecil. Karena populasi cenderung sangat besar, biasanya tidak mungkin bagi seorang
peneliti untuk melakukannya memeriksa setiap individu dalam populasi yang diminati.

Dalam statistik, satu set individu yang dipilih dari populasi disebut sampel. Sampel
dimaksudkan untuk mewakili populasinya, dan sampel harus selalu diidentifikasi dalam hal
populasi dari mana ia dipilih. Sampel adalah tindakan individu yang dipilih dari populasi,
biasanya dimaksudkan untuk mewakili populasi dalam studi rescarch. Seperti yang kita lihat
dengan populasi, sampel dapat bervariasi ukurannya. Misalnya, sekali penelitian mungkin
memeriksa sampel hanya 10 mahasiswa dalam program pascasarjana dan penelitian lain
mungkin menggunakan sampel lebih dari 10.000 orang yang minum obat kolesterol tertentu.
Sejauh ini kita telah berbicara tentang sampel yang diseleksi dari populasi. Namun, ini
sebenarnya hanya setengah dari hubungan penuh antara sampel dan populasinya. Untuk
menjawab pertanyaan tersebut, seorang peneliti mempelajari sampel dan kemudian
menggeneralisasi hasil dari sampel ke populasi.

2. Variabel dan Data

Variabel adalah karakteristik atau kondisi yang berubah atau memiliki nilai yang
berbeda untuk individu yang berbeda. Sekali lagi, variabel dapat menjadi karakteristik yang
berbeda dari satu individu ke individu lain, seperti tinggi badan, berat badan, jenis kelamin,
atau kepribadian. Selain itu, variabel dapat berupa kondisi lingkungan yang berubah seperti
suhu, waktu hari, atau ukuran ruangan tempat penelitian dilakukan. Untuk
mendemonstrasikan perubahan dalam variabel, perlu dilakukan pengukuran terhadap variabel
yang telah dihapus. Pengukuran yang diperoleh untuk setiap individu disebut datun, atau
lebih umum, skor atau skor mentah.

Kumpulan skor lengkap disebut kumpulan data atau hanya data Data (plural) adalah
pengukuran atau pengamatan. Kumpulan data adalah kumpulan dari elemen-elemen mean
atau pengamatan. Data (singular) adalah pengukuran atau pengamatan tunggal dan biasa
disebut skor atau skor mentah. Sebelum kita melanjutkan, kita harus membuat satu poin lagi
tentang sampel, populasi, dan data. Sebelumnya, kami mendefinisikan populasi dan sampel
antar individu. Misalnya, kami membahas populasi mahasiswa pascasarjana dan sampel
pasien kolesterol. Akan tetapi, sebelumnya, kita juga akan mengacu pada populasi atau
sampel skor. Karena penelitian biasanya melibatkan individu pengukuran cach untuk oblain
skor, setiap sampel (atau populasi) individu menghasilkan sampel (atau populasi) skor.

3. Parameter dan Statistik

bahwa kita juga akan merujuk pada populasi atau sampel skor. Karena penelitian
biasanya melibatkan pengukuran setiap individu untuk mendapatkan skor, setiap sampel (atau
populasi) individu menghasilkan sampel (atau populasi) skor yang sesuai.

Saat mendeskripsikan data perlu dibedakan apakah data tersebut berasal dari populasi atau
sampel. Karakteristik yang mendeskripsikan populasi—misalnya, rata-rata skor untuk
populasi — disebut parameter. Ciri yang menggambarkan sampel adalah disebut statistik.
Jadi, skor rata-rata sampel adalah contoh statistik. Khas, proses penelitian dimulai dengan
pertanyaan tentang parameter populasi. Namun, data aktual berasal dari sampel dan
digunakan untuk menghitung statistik sampel. Parameter adalah nilai, biasanya nilai numerik,
yang menjelaskan populasi. Parameter adalah nilai, biasanya nilai numerik, yang menjelaskan
populasi. parameter biasanya berasal dari pengukuran individu dalam populasi. Statistik
adalah nilai, biasanya nilai numerik, yang menggambarkan sampel. Sebuah statistik biasanya
berasal dari pengukuran individu dalam sampel. Setiap parameter populasi memiliki statistik
sampel yang sesuai, dan sebagian besar penelitian studi melibatkan penggunaan statistik dari
sampel sebagai dasar untuk menjawab pertanyaan tentang parameter populasi. Akibatnya,
banyak dari buku ini yang berkaitan dengan hubungan antara statistik sampel dan parameter
populasi yang sesuai. Dalam Bab 7, untuk Misalnya, kita menguji hubungan antara rata-rata
yang diperoleh untuk sampel dan rata-rata untuk populasi dari mana sampel itu diperoleh.

4. Metode statistik deskriptif dan inferensial

Meskipun peneliti telah mengembangkan berbagai prosedur statistik yang berbeda untuk
mengatur dan menginterpretasikan data, prosedur yang berbeda ini dapat diklasifikasikan
menjadi dua kategori umum. Kategori pertama, statistik deskriptif, terdiri dari prosedur
statistik yang digunakan untuk menyederhanakan dan meringkas data. Statistik deskriptif
adalah prosedur statistik yang digunakan untuk meringkas, mengatur, dan menyederhanakan
data.
 perbedaan antara statistik sampel dan parameter populasi yang sesuai. Perbedaan ini
disebut sampling kesalahan, dan itu menciptakan masalah mendasar yang harus selalu diatasi
oleh statistik inferensial. Kesalahan pengambilan sampel adalah ketidaksesuaian yang terjadi
secara alami, atau kesalahan, yang ada di antaranya statistik sampel dan parameter populasi
yang sesuai. kesalahan pengambilan sampel adalah kesalahan yang terkait dengan proporsi
sampel. Misalnya, dalam artikel surat kabar yang melaporkan hasil jajak pendapat politik,
Anda sering menemukan pernyataan seperti ini:

Kandidat Brown memimpin jajak pendapat dengan 51% suara. Kandidat Jones
memiliki 42% persetujuan, dan 7% sisanya ragu-ragu. Jajak pendapat ini diambil dari sampel
pemilih terdaftar dan memiliki margin error plus-minus 4 poin persentase. "Margin of error"
adalah kesalahan sampling. Dalam hal ini, persentase yang dilaporkan diperoleh dari sampel
dan digeneralisasikan ke seluruh populasi. Seperti biasanya, Anda tidak mengharapkan
statistik dari sampel menjadi sempurna. Akan selalu ada beberapa "margin of error" ketika
statistik sampel digunakan untuk mewakili parameter populasi.

tentang situasi penelitian umum dan menunjukkan peran yang dimainkan oleh statistik
deskriptif dan inferensial. Tujuan dari studi penelitian adalah untuk menjawab pertanyaan
yang kami ajukan sebelumnya: Apakah mahasiswa belajar lebih baik dengan mempelajari
teks pada halaman cetak atau di layar komputer? Dua sampel dipilih dari populasi
mahasiswa. Siswa dalam sampel A diberikan halaman teks cetak untuk dipelajari selama 30
menit dan siswa dalam sampel B mempelajari teks yang sama di layar komputer. Selanjutnya,
semua siswa diberikan tes pilihan ganda untuk mengevaluasi pengetahuan mereka tentang
materi. Pada titik ini, peneliti memiliki dua set data: skor untuk sampel A dan skor untuk
sampel B.

Pertama, statistik deskriptif digunakan untuk menyederhanakan halaman data.

Sebagai contoh, peneliti dapat menggambar grafik yang menunjukkan skor untuk setiap
sampel atau menghitung skor rata-rata usia untuk setiap sampel. Perhatikan bahwa metode
deskriptif menyediakan yang disederhanakan, terorganisir.

Data sampel menunjukkan perbedaan 4 poin antara dua metode pembelajaran.

Namun, ada dua cara untuk menafsirkan hasilnya.
 1) Sebenarnya tidak ada perbedaan antara Dua metode pembelajaran, dan perbedaan
sampel disebabkan oleh kebetulan (kesalahan pengampling).
2) Benar-benar ada perbedaan antara Dua metode, dan data sampel secara akurat
mencerminkan perbedaan ini.

B. Struktur Data, Metode Penelitian, dan Statistik

1. Variabel Individu: Penelitian Deskriptif

Beberapa studi penelitian dilakukan hanya untuk menggambarkan variabel individu

karena ada secara alami. Misalnya, seorang pejabat perguruan tinggi dapat melakukan survei
untuk menggambarkan kebiasaan makan, tidur, dan belajar sekelompok mahasiswa. Ketika
hasilnya terdiri dari skor numerik, seperti jumlah jam yang dihabiskan untuk belajar setiap
hari, mereka biasanya dijelaskan oleh teknik statistik yang disajikan dalam Bab 3 dan 4. Skor
non-numerik biasanya dijelaskan dengan menghitung proporsi atau persentase di setiap
kategori. Sebagai contoh, sebuah artikel surat kabar baru-baru ini melaporkan bahwa 34,9%
orang Amerika mengalami obesitas, yang kira-kira 35 pon di atas berat badan yang sehat.

2. Hubungan Antar Variabel

Sebagian besar penelitian, bagaimanapun, dimaksudkan untuk memeriksa hubungan antara

dua atau lebih variasi. Misalnya, apakah ada hubungan antara jumlah kekerasan dalam video
game yang dimainkan oleh anak-anak dan jumlah perilaku agresif yang mereka tampilkan?
Apakah ada hubungan antara kualitas sarapan dan prestasi akademik untuk anak-anak
sekolah dasar? Apakah ada hubungan antara jumlah jam tidur dan nilai rata-rata untuk
mahasiswa? Untuk membangun keberadaan suatu hubungan, para peneliti harus melakukan
pengamatan—yaitu, pengukuran dari dua variabel. Pengukuran yang dihasilkan dapat
diklasifikasikan ke dalam dua struktur data berbeda yang juga membantu mengklasifikasikan
metode penelitian yang berbeda dan teknik statistik yang berbeda. Pada bagian berikut kami
mengidentifikasi dan mendiskusikan dua struktur data ini.

1) Satu Kelompok dengan Dua Variabel yang Diukur untuk Setiap Individu:
Metode Korelasi

Salah satu metode untuk memeriksa hubungan antara variabel adalah dengan
mengamati dua variabel karena mereka ada secara alami untuk satu set individu. Yaitu,
sederhana Mengukur dua variabel untuk setiap individu. Misalnya, penelitian telah
menunjukkan hubungan antara kebiasaan tidur, terutama waktu bangun tidur, dan kinerja
akademik untuk mahasiswa (Trockel, Barnes, dan Egget, 2000). Para peneliti menggunakan
survei untuk mengukur waktu bangun dan catatan sekolah untuk mengukur kinerja akademik
untuk setiap siswa. Gambar 1.4 menunjukkan contoh jenis data yang diperoleh dalam
penelitian. Para peneliti kemudian mencari pola yang konsisten dalam data untuk
memberikan bukti hubungan antara variabel. Misalnya, ketika waktu bangun berubah dari
satu siswa ke siswa lain, apakah ada juga kecenderungan kinerja akademik berubah?

Pola yang konsisten dalam data seringkali lebih mudah untuk melihat apakah skor
disajikan dalam grafik. Gambar 1.4 juga menunjukkan skor untuk delapan siswa dalam grafik
yang disebut plot pencar. Dalam plot pencar, setiap individu diwakili oleh sebuah titik
sehingga posisi horizontal sesuai dengan waktu bangun siswa dan posisi vertikal sesuai
dengan skor kinerja akademik siswa. Plot pencar menunjukkan hubungan yang jelas antara
waktu bangun dan kinerja akademik: ketika waktu bangun meningkat, kinerja akademik
menurun.

Definisi: Dalam metode korelasional, dua variabel berbeda diamati untuk menentukan apakah
ada hubungan di antara mereka.

3. Statistik untuk Metode Korelasi

Ketika data dari studi korelasional terdiri dari skor numerik, hubungan antara dua variabel
biasanya diukur dan dijelaskan menggunakan statistik yang disebut korelasi. Korelasi dan
metode korelasional dibahas secara rinci dalam Bab 15 dan 16. Kadang-kadang, proses
pengukuran yang digunakan untuk studi korelasional hanya mengklasifikasikan individu ke
dalam kategori yang tidak sesuai dengan nilai numerik. Sebagai contoh, seorang peneliti
dapat mengklasifikasikan sekelompok mahasiswa berdasarkan jenis kelamin (pria Atau
perempuan) dan dengan preferensi ponsel (bicara atau teks). Perhatikan bahwa peneliti
memiliki dua skor untuk setiap individu tetapi tidak satu pun dari skor adalah nilai numerik.
Jenis data ini biasanya dirangkum dalam tabel yang menunjukkan berapa banyak individu
yang diklasifikasikan ke dalam masing-masing kategori yang mungkin. Tabel 1.1
menunjukkan contoh tabel ringkasan semacam ini. Tabel menunjukkan misalnya, bahwa 30
laki-laki dalam sampel lebih suka mengirim SMS daripada berbicara. Jenis data ini dapat
dikodekan dengan angka (misalnya, laki-laki = 0 dan perempuan = 1) sehingga
memungkinkan untuk menghitung korelasi. Namun, hubungan antara berbagai kemampuan
untuk data non-numerik, seperti data pada Tabel 1.1, biasanya dievaluasi menggunakan
teknik statistik yang dikenal sebagai tes chi-square. Tes Chi-square disajikan di Bab 17.

4. Keterbatasan Metode Korelasi

Hasil dari studi korelasional dapat menunjukkan adanya hubungan antara dua
variabel, tetapi mereka tidak memberikan penjelasan untuk hubungan tersebut. Secara
khusus, studi korelasional tidak dapat menunjukkan hubungan sebab-akibat. Sebagai contoh,
data pada Gambar 1.4 menunjukkan hubungan sistematis antara waktu bangun dan kinerja
akademik untuk sekelompok mahasiswa; mereka yang tidur larut malam cenderung memiliki
skor kinerja yang lebih rendah daripada mereka yang bangun pagi. Namun, ada banyak
penjelasan yang mungkin untuk hubungan tersebut dan kami tidak tahu persis faktor (atau
faktor) apa yang bertanggung jawab atas orang yang tidur larut malam yang memiliki nilai
lebih rendah. Secara khusus, kita tidak dapat menyimpulkan bahwa membangunkan siswa
lebih awal akan menyebabkan kinerja akademik mereka meningkat, atau bahwa belajar lebih
banyak akan menyebabkan siswa bangun lebih awal. Untuk mendemonstrasikan hubungan
sebab-akibat antara dua variabel, peneliti harus menggunakan metode eksperimental, yang
dibahas selanjutnya.

2) Membandingkan Dua (atau Lebih) Kelompok Skor: Metode Eksperimental dan

Non-mental

Metode kedua untuk memeriksa hubungan antara dua variabel melibatkan

perbandingan dua atau lebih kelompok skor. Dalam situasi ini, hubungan antara variabel
diperiksa dengan menggunakan salah satu variabel untuk menentukan kelompok, dan
kemudian mengukur variabel kedua untuk mendapatkan skor untuk setiap kelompok. Untuk
ujian, Polman, de Castro, dan van Aken (2008) secara acak membagi sampel anak laki-laki
berusia 10 tahun menjadi dua kelompok. Satu kelompok kemudian memainkan video game
kekerasan dan yang kedua memainkan game tanpa kekerasan. Setelah sesi bermain game,
anak-anak pergi ke periode bermain bebas dan dipantau untuk perilaku agresif (memukul,
menendang, mendorong, menakutkan, memanggil nama, berkelahi, bertengkar, atau
menggoda anak lain). Contoh data yang dihasilkan ditunjukkan pada Gambar 1.5. Para
peneliti kemudian membandingkan skor untuk grup video kekerasan dengan skor untuk grup
video tanpa kekerasan. Perbedaan sistematis antara kedua kelompok memberikan bukti
hubungan antara bermain video game kekerasan dan perilaku agresif untuk anak laki-laki
berusia 10 tahun. Mengevaluasi hubungan antara variabel dengan membandingkan kelompok
skor. Perhatikan bahwa nilai dari satu variabel digunakan untuk menentukan kelompok dan
variabel kedua dapat diukur untuk mendapatkan skor dalam setiap kelompok.

5. Statistik untuk Membandingkan Dua (atau Lebih) Kelompok Skor

Sebagian besar prosedur statistik yang disajikan dalam buku ini dirancang untuk studi
penelitian yang membandingkan kelompok skor seperti studi pada Gambar 1.5. Secara
khusus, kami memeriksa statistik deskriptif yang merangkum dan menggambarkan skor di
setiap kelompok dan kami menggunakan statistik inferensial untuk menentukan apakah
perbedaan antara kelompok dapat direalisasikan ke seluruh populasi.

Ketika prosedur pengukuran menghasilkan skor numerik, evaluasi statistik biasanya

melibatkan komputasi skor rata-rata untuk setiap kelompok dan kemudian membandingkan
rata-rata. Proses rata-rata komputasi disajikan dalam Bab 3, dan berbagai teknik statistik
untuk membandingkan rata-rata disajikan dalam Bab 8–14. Jika proses pengukuran hanya
mengklasifikasikan individu ke dalam kategori non-numerik, evaluasi statistik biasanya
terdiri dari proporsi komputasi untuk setiap kelompok dan kemudian proporsi gabungan.
Sebelumnya, pada Tabel 1.1, kami menyajikan contoh data non-numerik yang memeriksa
hubungan antara jenis kelamin dan preferensi ponsel. Data yang sama dapat digunakan untuk
membandingkan proporsi untuk pria dengan proporsi untuk wanita. Misalnya, menggunakan
teks lebih disukai oleh 60% laki-laki dibandingkan dengan 50% perempuan. Seperti
sebelumnya, data ini dievaluasi menggunakan tes chi-square, yang disajikan dalam Bab 17.

6. Metode Eksperimental dan Noneksperimental

Ada dua metode penelitian berbeda yang keduanya menghasilkan kelompok skor
yang akan dibandingkan: strategi eksperimental dan noneksperimental. Kedua metode
penelitian ini menggunakan statistik yang persis sama dan keduanya menunjukkan hubungan
antara dua variabel. Perbedaan antara kedua strategi penelitian adalah bagaimana hubungan
tersebut ditafsirkan. Hasil dari percobaan memungkinkan penjelasan sebab-akibat. Sebagai
contoh, kita dapat menyimpulkan bahwa perubahan dalam satu variabel bertanggung jawab
untuk menyebabkan perbedaan dalam variabel kedua. Sebuah studi noneksperimental tidak
mengizinkan penjelasan sebab-akibat. Kita dapat mengatakan bahwa perubahan dalam satu
variabel disertai dengan perubahan dalam variabel kedua, tetapi kita tidak dapat mengatakan
mengapa. Masing-masing dari dua metode penelitian dibahas di bagian berikut.
 7. Metode Eksperimental

Salah satu metode penelitian spesifik yang melibatkan perbandingan kelompok skor
dikenal sebagai metode eksperimental atau strategi penelitian eksperimental. Tujuan dari
studi eksperimental adalah untuk menunjukkan hubungan sebab-akibat antara dua variabel.
Secara khusus,Percobaan mencoba untuk menunjukkan bahwa mengubah nilai dari satu
variabel menyebabkan perubahan terjadi pada variabel kedua. Untuk mencapai tujuan ini,
metode eksperimental memiliki dua karakteristik yang membedakan eksperimen dari jenis
studi penelitian lainnya:

1. Manipulasi Peneliti memanipulasi satu variabel dengan mengubah nilainya dari

satu tingkat ke tingkat lainnya. Dalam percobaan Polman et al. (2008) yang
memeriksa efek kekerasan dalam video game (Gambar 1.5), para peneliti
memanipulasi jumlah kekerasan dengan memberi satu kelompok anak laki-laki
permainan kekerasan untuk dimainkan dan memberi kelompok lain permainan tanpa
kekerasan. Variabel kedua diamati (diukur) untuk menentukan apakah manipulasi
menyebabkan perubahan terjadi.

2. Kontrol Peneliti harus melakukan kontrol atas situasi penelitian untuk memastikan
bahwa variabel asing lainnya tidak mempengaruhi hubungan yang sedang diperiksa.

Untuk mendemonstrasikan dua karakteristik ini, pertimbangkan ujian studi Polman et

al. (2008)- ining efek kekerasan dalam video game (lihat Gambar 1.5). Untuk dapat
mengatakan bahwa perbedaan dalam perilaku agresif disebabkan oleh jumlah kekerasan
dalam permainan, peneliti harus mengesampingkan penjelasan lain yang mungkin untuk
perbedaan tersebut. Artinya, variabel lain yang mungkin memengaruhi perilaku agresif harus
dikontrol. Ada dua kategori umum variabel yang harus dipertimbangkan oleh para peneliti:

1. Variabel Peserta Ini adalah karakteristik seperti usia, jenis kelamin, dan intensitas
yang bervariasi dari satu individu ke individu lainnya. Setiap kali percobaan
membandingkan kelompok peserta yang berbeda (satu kelompok dalam
pengobatan A dan kelompok yang berbeda. Dalam pengobatan B), peneliti harus
memastikan bahwa variabel peserta tidak berbeda dari satu kelompok ke kelompok
lainnya. Untuk percobaan yang ditunjukkan pada Gambar 1.5, misalnya, para
peneliti ingin menyimpulkan bahwa kekerasan dalam video game menyebabkan
perubahan dalam perilaku agresif peserta. Dalam penelitian tersebut, para peserta
 dalam kedua kondisi tersebut adalah anak laki-laki berusia 10 tahun. Misalkan,
bagaimanapun, bahwa peserta dalam kondisi tanpa kekerasan terutama perempuan
dan mereka yang dalam kondisi kekerasan terutama laki-laki. Dalam hal ini, ada
penjelasan alternatif untuk perbedaan agresi yang ada di antara kedua kelompok.
Secara khusus, perbedaan antar kelompok mungkin disebabkan oleh jumlah
kekerasan dalam permainan, Tetapi juga ada kemungkinan bahwa perbedaan itu
disebabkan oleh jenis kelamin peserta (perempuan kurang agresif daripada laki-
laki). Setiap kali sebuah studi penelitian memungkinkan lebih dari satu penjelasan
untuk hasilnya, penelitian ini dikatakan membingungkan karena tidak mungkin
untuk mencapai kesimpulan yang tidak ambigu.

2. Variabel Lingkungan Ini adalah karakteristik lingkungan seperti pencahayaan,

waktu, dan kondisi cuaca. Seorang peneliti harus memastikan bahwa individu
dalam pengobatan A diuji di lingkungan yang sama dengan individu. Dalam
pengobatan B. Menggunakan eksperimen kekerasan video game (lihat Gambar 1.5)
sebagai contoh, anggaplah bahwa individu dalam kondisi tanpa kekerasan
semuanya diuji di pagi hari dan individu dalam kondisi kekerasan semuanya diuji
pada malam hari. Sekali lagi, ini akan menghasilkan eksperimen yang
membingungkan karena peneliti tidak dapat menentukan apakah perbedaan dalam
perilaku agresif disebabkan oleh jumlah kekerasan atau disebabkan oleh waktu
dalam sehari.

Para peneliti biasanya menggunakan tiga teknik dasar untuk mengontrol variabel lain.
Pertama, peneliti dapat menggunakan tugas acak, yang berarti bahwa setiap peserta memiliki
kesempatan yang sama untuk ditugaskan ke setiap kondisi perawatan. Tujuan dari penetapan
acak adalah untuk mendistribusikan karakteristik peserta secara merata antara kedua
kelompok sehingga tidak ada kelompok yang terasa lebih pintar (atau lebih tua, atau lebih
cepat) daripada yang lain. Penugasan acak juga dapat digunakan untuk mengontrol variabel
lingkungan. Sebagai contoh, peserta dapat ditugaskan secara acak untuk pengujian baik di
pagi hari atau sore hari. Teknik kedua untuk mengendalikan variabel adalah menggunakan
pencocokan untuk memastikan grup yang setara atau lingkungan yang setara. Misalnya,
peneliti dapat mencocokkan kelompok dengan memastikan bahwa setiap kelompok memiliki
60% perempuan dan 40% laki-laki. Akhirnya, peneliti dapat mengendalikan variabel dengan
menahan mereka konstan. Misalnya, dalam studi kekerasan video game membahas carlier
(Polman et al., 2008), peneliti hanya menggunakan anak laki-laki berusia 10 tahun sebagai
peserta (bertahan usia dan konstan gender). Dalam hal ini peneliti dapat memastikan bahwa
satu kelompok tidak terlihat lebih tua atau memiliki proporsi perempuan yang lebih besar
daripada yang lain.

Dalam metode eksperimen, satu variabel dimanipulasi sementara variabel lain diamati
dan diukur. Untuk membangun hubungan sebab akibat antara dua variabel, percobaan
mencoba untuk mengontrol semua variabel lain untuk mencegah mereka dari mempengaruhi
hasilnya.

8. Terminologi dalam Metode Eksperimental

Nama spesifik digunakan untuk dua variabel yang dipelajari oleh metode
eksperimental. Variabel yang dimanipulasi oleh eksperimen disebut variabel independen. Hal
ini dapat diidentifikasi sebagai kondisi pengobatan di mana peserta ditugaskan. Sebagai
contoh pada Gambar 1.5, jumlah kekerasan dalam video game adalah variabel independen.
Variabel yang diamati dan diukur untuk memperoleh skor dalam setiap kondisi adalah
variabel dependen. Sebagai contoh pada Gambar 1.5, tingkat perilaku agresif adalah variabel
dependen.

Variabel independen adalah variabel yang dimanipulasi oleh peneliti. Dalam

penelitian perilaku, variabel independen biasanya terdiri dari dua (atau lebih) kondisi
perawatan di mana subjek terpapar. Variabel independen terdiri dari kondisi sebelumnya
yang dimanipulasi sebelum mengamati variabel dependen. Variabel dependen adalah variabel
yang diamati untuk menilai efek pengobatan.

Kondisi Kontrol dalam Percobaan Sebuah studi eksperimental mengevaluasi

hubungan-hubungan antara dua variabel dengan memanipulasi satu variabel (variabel
independen) dan mengukur satu variabel (variabel dependen). Perhatikan bahwa dalam
percobaan hanya satu variabel yang benar-benar diukur. Anda harus menyadari bahwa ini
berbeda dari studi korelasi, di mana kedua variabel diukur dan data terdiri dari dua skor
terpisah untuk individu.

Seringkali percobaan akan mencakup kondisi di mana peserta tidak menerima

perawatan apapun. Skor dari individu-individu ini kemudian dibandingkan dengan skor dari
peserta yang memang menerima perawatan. Tujuan dari studi jenis ini adalah untuk
menunjukkan bahwa pengobatan memiliki efek dengan menunjukkan bahwa skor dalam
kondisi pengobatan secara substansial berbeda dari skor dalam kondisi tidak pengobatan.
Dalam penelitian semacam ini, kondisi tanpa perawatan disebut kondisi kontrol, dan kondisi
perawatan disebut kondisi eksperimental. Individu dalam kondisi kontrol tidak menerima
perawatan eksperimental. Sebaliknya, mereka tidak menerima perawatan atau mereka
menerima perawatan plasebo netral. Tujuan dari kondisi kontrol adalah untuk memberikan
baseline untuk perbandingan dengan kondisi eksperimental. Individu dalam kondisi
eksperimental menerima perlakuan eksperimental.

Individu dalam kondisi kontrol tidak menerima perawatan eksperimental. Sebaliknya,

mereka tidak menerima perawatan atau mereka menerima perawatan plasebo netral. Tujuan
dari kondisi kontrol adalah untuk memberikan baseline untuk perbandingan dengan kondisi
eksperimental. Individu dalam kondisi eksperimental menerima perlakuan eksperimental.

Perhatikan bahwa variabel independen selalu terdiri dari setidaknya dua nilai.
(Sesuatu harus memiliki setidaknya dua nilai yang berbeda sebelum Anda dapat mengatakan
bahwa itu adalah "variabel:") Untuk percobaan kekerasan video game (lihat Gambar 1.5),
variabel independen adalah jumlah kekerasan dalam video game. Untuk eksperimen dengan
kelompok eksperimental dan kelompok kontrol, variabel independen adalah perlakuan versus
tidak ada perlakuan. Metode Tidak Eksperimental: Tidak ada Kelompok yang setara dan
Studi Pra-Post Dalam percakapan informal, ada kecenderungan bagi orang untuk
menggunakan istilah eksperimen untuk merujuk ke setiap jenis studi penelitian. Namun,
Anda harus menyadari bahwa istilah itu hanya berlaku untuk studi yang memenuhi
persyaratan spesifik yang ditetapkan sebelumnya. Secara khusus, eksperimen nyata harus
mencakup manipulasi variabel independen dan kontrol ketat lainnya. variabel luar.
Akibatnya, ada sejumlah desain penelitian lain yang bukan eksperimen sejati tetapi masih
memeriksa hubungan antara variabel dengan membandingkan kelompok skor. Dua contoh
ditunjukkan pada Gambar 1.6 dan dibahas dalam para-grafik berikut. Jenis penelitian ini
diklasifikasikan sebagai tidak ada eksperimental. Bagian atas dari Gambar 1.6 menunjukkan
contoh dari kelompok yang tidak setara mempelajari perbandingan laki-laki dan perempuan.
Perhatikan bahwa studi ini melibatkan membandingkan dua kelompok skor (seperti
percobaan). Namun, peneliti tidak memiliki kemampuan untuk mengendalikan peserta yang
masuk ke dalam yang kelompok semua laki-laki harus dalam kelompok laki-laki dan semua
perempuan harus dalam kelompok perempuan. Karena jenis penelitian ini membandingkan
kelompok yang sudah ada sebelumnya, peneliti tidak dapat - tidak mengontrol penugasan
peserta ke kelompok dan tidak dapat memastikan kelompok yang setara. Contoh lain dari
studi kelompok yang tidak setara adalah membandingkan anak-anak berusia 8 tahun dan
anak-anak 10 tahun, orang-orang dengan gangguan makan dan mereka yang tidak memiliki
gangguan, dan membandingkan anak-anak dari rumah orang tua tunggal dan mereka dari
rumah dua orang tua. Karena tidak mungkin untuk menggunakan teknik seperti penugasan
acak untuk mengontrol variabel peserta dan memastikan kelompok yang setara, jenis
penelitian ini bukanlah percobaan yang benar. Bagian bawah Gambar 1.6 menunjukkan
contoh studi pra-post membandingkan skor depresi sebelum terapi dan setelah terapi. Dua
kelompok skor diperoleh dengan mengukur variabel yang sama (depresi) dua kali untuk
setiap peserta; sekali sebelum terapi dan lagi setelah terapi. Namun, dalam penelitian pra-
post, peneliti tidak memiliki kontrol atas berlalunya waktu. Skor "sebelum" selalu diukur
lebih awal daripada skor "setelah". Meskipun perbedaan antara dua kelompok skor mungkin
disebabkan oleh perlakuan, selalu mungkin bahwa skor hanya berubah seiring berjalannya
waktu. Misalnya, skor depresi dapat menurun dari waktu ke waktu dengan cara yang sama
dengan gejala flu menghilang dari waktu ke waktu. Dalam studi pra-post, peneliti juga tidak
memiliki kontrol atas variabel lain yang berubah seiring dengan waktu. Misalnya, cuaca bisa
berubah dari gelap dan suram sebelum terapi menjadi cerah dan cerah setelah terapi. Dalam
kasus ini, nilai depresi bisa meningkat karena cuaca dan bukan karena terapi. Karena peneliti
tidak dapat mengontrol berlalunya waktu atau variabel lain yang berhubungan dengan waktu,
studi ini bukanlah eksperimen yang benar.

Terminologi dalam Penelitian Tidak Eksperimental Meskipun dua studi penelitian

yang ditunjukkan pada Gambar 1.6 bukanlah eksperimen yang benar, Anda harus
memperhatikan bahwa mereka menghasilkan jenis data yang sama yang ditemukan dalam
eksperimen (lihat Gambar 1.5). Dalam setiap kasus, satu variabel dapat digunakan untuk
membuat grup, dan variabel kedua diukur untuk memperoleh skor dalam setiap grup. Dalam
sebuah eksperimen, grup dibuat dengan manipulasi variabel independen, dan nilai peserta
adalah variabel dependen. Terminologi yang sama sering digunakan untuk mengidentifikasi
dua variabel dalam studi eksperimental. Artinya, variabel yang digunakan untuk membuat
grup adalah variabel independen dan skor adalah variabel dependen. Misalnya, bagian atas
Gambar 1.6, gender (laki-laki/perempuan), adalah variabel independen dan nilai tes verbal
adalah variabel dependen. Namun, Anda harus menyadari bahwa gender
(laki-laki/perempuan) bukanlah variabel independen sejati karena tidak dimanipulasi. Untuk
alasan ini, "variabel independen" dalam studi eksperimental sering disebut variabel
independen kuasi. Dalam studi eksperimental yang tidak ada, "variabel independen" yang
digunakan untuk membuat grup skor yang berbeda sering disebut variabel independen kuasi.
 C. Variabel dan Pengukuran

1. Konstruksi dan Definisi Operasional

Skor yang membentuk data dari studi penelitian adalah hasil pengamatan dan
pengukuran variabel. Misalnya, seorang peneliti dapat menyelesaikan studi dengan
seperangkat skor IQ, skor kepribadian, atau skor reaksi-waktu. Pada bagian ini, kita melihat
lebih dekat vari-abel yang sedang diukur dan proses pengukuran.

Beberapa variabel, seperti tinggi, berat, dan warna mata didefinisikan dengan baik,
ikatan konkret yang dapat diamati dan diukur secara langsung. Di sisi lain, banyak variabel
yang dipelajari oleh ilmuwan perilaku adalah karakteristik internal yang digunakan orang
untuk membantu menjelaskan dan menjelaskan perilaku. Misalnya, kita mengatakan bahwa
seorang siswa berprestasi di sekolah karena ia cerdas. Atau kita mengatakan bahwa seseorang
cemas dalam situasi sosial, atau bahwa seseorang menghindari lapar. Variabel seperti
kecerdasan, kecemasan, dan kelaparan disebut konstruksi. dan karena mereka tak berwujud
dan tidak dapat diamati secara langsung, mereka sering disebut konstruksi hipotetis.

Meskipun konstruksi seperti kecerdasan adalah karakteristik internal yang tidak dapat
diamati secara langsung, adalah mungkin untuk mengamati dan mengukur perilaku yang
mewakili konstruksi. Misalnya, kita tidak dapat "melihat" kecerdasan tetapi kita dapat
melihat contoh perilaku cerdas. Perilaku eksternal kemudian dapat digunakan untuk membuat
definisi operasional untuk konstruksi. Definisi operasional mendefinisikan konstruksi dalam
istilah eksternal perilaku yang dapat diamati dan diukur. Misalnya, kecerdasan Anda diukur
dan ditentukan oleh kinerja Anda pada tes IQ, atau kelaparan dapat diukur dan ditentukan
oleh jumlah jam sejak terakhir makan.

Konstruet adalah atribut atau karakteristik internal yang tidak dapat diamati secara
langsung tetapi berguna untuk menjelaskan dan menjelaskan perilaku. Definisi operasional
mengidentifikasi prosedur pengukuran (serangkaian operasi) untuk mengukur perilaku
eksternal dan menggunakan pengukuran yang dihasilkan sebagai definisi dan pengukuran
konstruksi hipotetis. Perhatikan bahwa definisi operasional memiliki dua komponen.
Pertama, ini menjelaskan serangkaian operasi untuk mengukur konstruksi. Kedua, ia
mendefinisikan konstruksi dalam hal pengukuran yang dihasilkan.
 2. Variabel Diskrit dan Berkelanjutan Variabel

dalam studi dapat dicirikan oleh jenis nilai yang dapat diberikan kepada mereka.
Variabel diskrit terdiri dari kategori terpisah dan tak terpisahkan. Untuk jenis variabel ini,
tidak ada nilai menengah antara dua kategori yang berdekatan. Perhatikan nilai yang
ditampilkan ketika dadu digulung. Antara valucs tetangga - misalnya, tujuh titik dan delapan
titik - tidak ada nilai lain yang pernah dapat diamati.

Variabel diskrit terdiri dari kategori terpisah dan tak terpisahkan. Tidak ada nilai yang
dapat ada di antara dua kategori tetangga.

Variabel diskrit umumnya dibatasi untuk seluruh, jumlah yang dapat dihitung -
misalnya, jumlah anak dalam keluarga atau jumlah siswa yang menghadiri kelas. Jika Anda
mengamati kehadiran kelas dari hari ke hari, Anda dapat menghitung 18 siswa sehari dan 19
siswa keesokan harinya. Namun, tidak mungkin untuk mengamati nilai antara 18 dan 19.
Variabel diskrit juga dapat terdiri dari pengamatan yang berbeda secara kualitatif. Misalnya,
orang dapat diklasifikasikan berdasarkan jenis kelamin (laki-laki atau perempuan),
berdasarkan pekerjaan (perawat, guru, pengacara, dll.), dan mahasiswa dapat diklasifikasikan
berdasarkan jurusan akademik (seni, biologi, kimia, dll.). Dalam setiap kasus, variabel diskrit
karena terdiri dari kategori terpisah dan tak terpisahkan.

Di sisi lain, banyak variabel tidak diskrit. Variabel seperti waktu, tinggi, dan berat
tidak terbatas pada himpunan tetap kategori terpisah dan tak terpisahkan. Anda dapat
mengukur waktu, misalnya, dalam jam, menit, detik, atau pecahan detik. Variabel-variabel ini
disebut kontinu karena dapat dibagi menjadi jumlah tak terbatas dari bagian-bagian pecahan.
Untuk variabel kontinu, ada jumlah tak terbatas dari nilai yang mungkin jatuh di antara dua
nilai yang diamati.

Variabel kontinu dapat dibagi menjadi jumlah tak terbatas dari bagian pecahan.
Misalnya, misalkan seorang peneliti sedang mengukur berat badan untuk sekelompok orang
yang berpartisipasi dalam studi diet. Karena berat adalah variabel kontinu, dapat
digambarkan sebagai garis kontinu (Gambar 1.7). Perhatikan bahwa ada jumlah tak terbatas
dari kemungkinan titik pada garis tanpa celah atau pemisahan antara titik-titik tetangga.
Untuk setiap dua titik yang berbeda pada baris, selalu mungkin untuk menemukan nilai ketiga
yang berada di antara dua titik. 'Dua faktor lain berlaku untuk variabel kontinu:
 1. Ketika mengukur variabel kontinu, harus sangat langka untuk mendapatkan
pengukuran identik untuk dua individu yang berbeda. Karena variabel kontinu
memiliki jumlah tak terbatas dari nilai yang mungkin, hampir tidak mungkin bagi dua
orang untuk memiliki skor yang sama persis. Jika data menunjukkan jumlah
substansial skor terikat. maka Anda harus menduga bahwa prosedur pengukuran
sangat kasar atau bahwa variabel tidak benar-benar kontinu.

2. Ketika mengukur variabel kontinu, setiap kategori pengukuran sebenarnya

merupakan interval yang harus ditentukan oleh batas-batas. Misalnya, dua orang yang
mengaku beratnya 150 pon kemungkinan tidak sama persis. Namun, mereka berdua
sekitar 150 pon. Satu orang mungkin benar-benar berat 149,6 dan yang lain 150,3.
Jadi, skor 150 bukanlah titik spesifik pada skala, melainkan interval (lihat Gambar
1.7). Untuk membedakan skor 150 dari skor 149 atau 151, kita harus menetapkan
batas pada skala pengukuran. Batas-batas ini disebut batas nyata dan diposisikan tepat
di tengah antara skor yang berdekatan. Jadi, skor X = 150 pound sebenarnya
merupakan interval yang dibatasi oleh batas nyata bawah 149,5 di bagian bawah dan
limir nyata atas 150,5 di bagian atas. Setiap individu yang beratnya jatuh di antara
batas nyata ini akan diberikan skor X = 150.

Batas nyata adalah batas interval untuk skor yang diwakili pada garis bilangan
kontinu. Batas nyata memisahkan dua skor berdekatan terletak tepat di tengah antara skor.
Setiap skor memiliki dua batas nyata. Batas real atas berada di bagian atas interval, dan batas
real bawah berada di bagian bawah.

Konsep batas nyata berlaku untuk setiap pengukuran variabel kontinu, bahkan ketika
kategori skor tidak seluruh angka. Misalnya, jika Anda mengukur waktu hingga sepersepuluh
detik terdekat, kategori pengukuran adalah 31.0, 31.1, 31.2, dan seterusnya. Masing-masing
kategori mewakili interval pada skala yang dibatasi oleh batas nyata. Misalnya, skor X = 31,1
detik menunjukkan bahwa pengukuran sebenarnya berada dalam interval yang dibatasi oleh
batas nyata bawah 31,05 dan batas nyata atas 31,15. Ingatlah bahwa batas yang sebenarnya
selalu berada di tengah-tengah antara kategori yang berdekatan.

Kemudian dalam buku ini, batas nyata digunakan untuk membangun grafik dan untuk
berbagai kalkulasi dengan skala kontinu. Untuk saat ini, bagaimanapun, Anda harus
menyadari bahwa batas nyata adalah kebutuhan setiap kali Anda membuat pengukuran dari
variabel kontinu. Terakhir, kita harus memperingatkan Anda bahwa istilah kontinu dan
diskrit berlaku untuk variabel yang sedang diukur dan bukan untuk skor yang diperoleh dari
pengukuran. Misalnya, mengukur ketinggian orang ke inci terdekat menghasilkan skor 60,
61, 62, dan seterusnya. Meskipun skor mungkin tampak sebagai angka diskrit, variabel yang
mendasari adalah kontinu. Salah satu kunci untuk menentukan apakah variabel kontinu atau
diskrit adalah bahwa variabel kontinu dapat dibagi menjadi sejumlah bagian fraksional.
Tinggi dapat diukur ke inci terdekat, 0,5 inci terdekat, atau 0,1 inci terdekat. Demikian pula,
seorang profesor yang mengevaluasi pengetahuan siswa dapat menggunakan sistem
lulus/gagal yang mengklasifikasikan siswa ke dalam dua kategori yang luas. Namun, profesor
dapat memilih untuk menggunakan kuis 10 poin yang membagi pengetahuan siswa ke dalam
11 kategori yang sesuai dengan nilai kuis dari 0 sampai 10. Atau profesor bisa menggunakan
ujian 100 poin yang berpotensi membagi pengetahuan mahasiswa ke dalam 101 kategori dari
0 sampai 100. Setiap kali Anda bebas memilih tingkat presisi atau jumlah kategori untuk
mengukur variabel, variabel harus kontinu. Skala Pengukuran Harus jelas sekarang bahwa
pengumpulan data mengharuskan kita membuat pengukuran pengamatan kita. Pengukuran
melibatkan menetapkan individu atau peristiwa ke kategori. Kategori dapat berupa nama-
nama seperti laki-laki/perempuan atau pekerja/buruh, atau dapat berupa nilai numerik seperti
68 inci atau 175 pon. Kategori yang digunakan untuk mengukur variabel membentuk skala
pengukuran, dan hubungan antara kategori-ri menentukan jenis skala yang berbeda.
Perbedaan di antara skala penting karena mereka mengidentifikasi keterbatasan jenis
pengukuran tertentu dan karena prosedur statistik tertentu sesuai untuk skor yang telah diukur
pada beberapa skala tetapi tidak pada yang lain. Jika Anda tertarik pada ketinggian orang,
misalnya, Anda dapat mengukur sekelompok individu hanya dengan mengklasifikasikan
mereka ke dalam tiga kategori: tinggi, menengah, dan pendek. Namun, klasifikasi sederhana
ini tidak akan memberitahu Anda banyak tentang ketinggian sebenarnya dari individu, dan
pengukuran ini tidak akan memberi Anda informasi yang cukup untuk menghitung tinggi
rata-rata untuk grup. Meskipun klasifikasi sederhana akan memadai untuk beberapa tujuan,
Anda akan membutuhkan pengukuran yang lebih canggih sebelum Anda dapat menjawab
pertanyaan yang lebih terperinci. Dalam bagian ini, kita memeriksa empat skala pengukuran
yang berbeda, dimulai dengan yang paling sederhana dan bergerak ke yang paling canggih.
Skala Nominal Kata nominal berarti 'ada hubungannya dengan nama." Pengukuran dalam
skala nominal melibatkan klasifikasi individu ke dalam kategori yang memiliki nama yang
berbeda tetapi tidak terkait satu sama lain dengan cara sistematis apapun. Misalnya, jika
Anda mengukur jurusan akademik untuk sekelompok mahasiswa, kategorinya adalah seni,
biologi, bisnis, kimia, dan sebagainya. Setiap siswa akan diklasifikasikan dalam satu kategori
sesuai dengan jurusan. Pengukuran dari skala nominal memungkinkan kita untuk menentukan
apakah dua individu berbeda, tetapi mereka tidak mengidentifikasi arah atau ukuran
perbedaan. Jika salah satu siswa adalah jurusan seni dan yang lain adalah jurusan biologi kita
dapat mengatakan bahwa mereka berbeda, tetapi kita tidak dapat mengatakan bahwa seni
adalah "lebih dari" atau "kurang dari" biologi dan kita tidak dapat menentukan berapa banyak
perbedaan antara seni dan biologi. Contoh lain dari skala nominal termasuk
mengklasifikasikan orang berdasarkan ras, jenis kelamin, atau pekerjaan. Skala nominal
terdiri dari sekumpulan kategori yang memiliki nama yang berbeda. Pengukuran pada label
skala nominal dan mengkategorikan pengamatan, tetapi tidak membuat perbedaan kuantitatif
antara pengamatan.

Meskipun kategori pada skala nominal bukan nilai kuantitatif, mereka secara esensial
diwakili oleh angka. Misalnya, ruangan atau kantor dalam sebuah bangunan dapat
diidentifikasi berdasarkan angka. Anda harus menyadari bahwa nomor kamar hanyalah nama
dan tidak mencerminkan informasi kuantitatif apa pun. Kamar 109 tidak selalu lebih besar
dari Kamar 100 dan tentu saja tidak 9 poin lebih besar. Hal ini juga cukup umum untuk
menggunakan nilai numerik sebagai kode untuk kategori nominal ketika data dimasukkan ke
dalam program komputer. Misalnya, data dari survei dapat mengkode laki-laki dengan 0 dan
perempuan dengan 1. Sekali lagi, nilai numerik hanya nama dan tidak mewakili perbedaan
kuantitatif. Skala yang mengikuti memang mencerminkan upaya untuk membuat perbedaan
kuantitatif. Skala Ordinal Kategori yang membentuk skala ordinal tidak hanya memiliki nama
yang berbeda (seperti dalam skala nominal) tetapi juga diatur dalam urutan tetap yang sesuai
dengan perbedaan besaran. Skala ordinal terdiri dari satu set kategori yang disusun dalam
urutan terurut. Pengukuran pada skala ordinal peringkat observasi dalam hal ukuran atau
besaran. Seringkali, skala ordinal terdiri dari serangkaian peringkat (pertama, kedua, ketiga,
dan seterusnya) seperti urutan finish dalam pacuan kuda. Kadang-kadang, kategori
diidentifikasi dengan label verbal seperti ukuran minuman kecil, menengah, dan besar di
restoran cepat saji. Dalam kedua kasus, fakta bahwa kategori membentuk urutan terurut
berarti bahwa ada hubungan arah antar kategori. Dengan pengukuran dari skala ordinal, Anda
dapat menentukan apakah dua individu berbeda dan Anda dapat menentukan arah perbedaan.
Namun, pengukuran ordinal tidak memungkinkan Anda menentukan ukuran perbedaan antara
dua individu. Dalam balapan NASCAR, misalnya, mobil peringkat pertama selesai lebih
cepat daripada mobil peringkat kedua, tetapi peringkat tidak memberitahu Anda seberapa
cepat. Contoh lain dari skala ordinal termasuk kelas sosial ekonomi (atas, tengah, bawah) dan
ukuran kaos (kecil, menengah, besar). Selain itu, skala ordinal sering digunakan untuk
mengukur variabel yang sulit untuk menetapkan skor numerik. Misalnya, orang dapat
mengurutkan preferensi makanan mereka tetapi mungkin mengalami kesulitan menjelaskan
"berapa banyak" mereka lebih suka es krim cokelat daripada steak. Skala Interval dan Rasio
Baik skala interval maupun skala rasio terdiri dari serangkaian kategori terurut (seperti skala
ordinal) dengan persyaratan tambahan bahwa kategori membentuk serangkaian interval yang
semuanya sama ukurannya. Jadi, skala pengukuran terdiri dari serangkaian interval yang
sama, seperti inci pada penggaris. Contoh lain dari skala interval dan rasio adalah pengukuran
waktu dalam detik, berat dalam pon, dan suhu dalam derajat Fahrenheit. Perhatikan bahwa,
dalam setiap kasus, satu interval (1 inci, 1 detik, I pon, I derajat) adalah ukuran yang sama,
tidak peduli di mana letaknya pada skala. Fakta bahwa interval adalah semua ukuran yang
sama memungkinkan untuk menentukan ukuran dan arah perbedaan antara dua pengukuran.
Misalnya, Anda tahu bahwa ukuran 80 * Fahrenheit lebih tinggi daripada ukuran 60, dan
Anda tahu bahwa itu persis 20 * lebih tinggi. Faktor yang membedakan skala interval dari
skala rasio adalah sifat titik nol. Skala interval memiliki titik nol arbitrer. Artinya, nilai 0
ditugaskan ke lokasi tertentu pada skala hanya sebagai soal kenyamanan atau referensi.
Secara khusus, nilai nol tidak menunjukkan ketidakhadiran total variabel yang diukur.
Misalnya, suhu 0* Fahrenheit tidak berarti bahwa tidak ada suhu, dan tidak melarang suhu
menjadi lebih rendah lagi. Skala interval dengan nol arbitrer.

Titik relatif langka. Dua contoh yang paling umum adalah skala suhu Fahrenheit dan
Celcius. Contoh lain termasuk skor golf (di atas dan di bawah par) dan ukuran relatif seperti
di atas dan di bawah rata-rata curah hujan. Skala rasio ditempatkan oleh titik nol yang tidak
sewenang-wenang tetapi merupakan nilai yang berarti yang mewakili none (ketidakhadiran
lengkap) dari variabel yang diukur. Keberadaan titik nol absolut, non-arbitrer berarti bahwa
kita dapat mengukur jumlah absolut variabel; yaitu, kita dapat mengukur jarak dari 0. Hal ini
memungkinkan untuk membandingkan pengukuran dalam hal rasio. Misalnya, tangki bensin
dengan 10 galon (10 lebih dari 0) memiliki dua kali lebih banyak gas daripada tangki dengan
hanya 5 galon (5 lebih dari 0). Juga perhatikan bahwa tangki yang benar-benar kosong
memiliki O galon. Sebagai rekap, dengan skala rasio, kita dapat mengukur arah dan ukuran
perbedaan antara dua pengukuran dan kita dapat menjelaskan perbedaan dalam istilah rasio.
Skala rasio cukup umum dan termasuk ukuran fisik seperti tinggi dan berat, serta variabel
seperti waktu reaksi atau jumlah kesalahan pada tes. Perbedaan antara skala interval dan skala
rasio ditunjukkan dalam Contoh 1.2. Skala interval terdiri dari kategori terurut yang
semuanya interval dengan ukuran yang sama persis. Perbedaan yang sama antara angka pada
skala mencerminkan perbedaan yang sama besarnya. Namun, titik nol pada skala interval
bersifat sewenang-wenang dan tidak menunjukkan jumlah nol dari variabel yang diukur.
Skala rasio adalah skala interval dengan fitur tambahan dari titik nol absolut. Dengan skala
rasio, rasio angka mencerminkan rasio besaran. Seorang peneliti memperoleh pengukuran
tinggi badan untuk sekelompok anak laki-laki berusia 8 tahun. Awalnya, peneliti hanya
mencatat tinggi setiap anak dalam inci, memperoleh nilai seperti 44, 51, 49, dan seterusnya.
Pengukuran awal ini merupakan skala rasio. Nilai nol tidak mewakili tinggi (nol mutlak).
Juga, ada kemungkinan untuk menggunakan pengukuran ini untuk membentuk rasio.
Misalnya, seorang anak yang tingginya 60 inci adalah satu setengah kali lebih tinggi daripada
anak yang tingginya 40 inci. Sekarang, misalkan bahwa peneliti mengubah ukuran awal
menjadi skala baru dengan menghitung perbedaan antara tinggi sebenarnya setiap anak dan
tinggi rata-rata untuk kelompok usia ini. Seorang anak yang 1 inci lebih tinggi dari rata-rata
sekarang mendapat skor + 1; anak 4 inci lebih tinggi dari rata-rata mendapat skor +4.
Demikian pula, seorang anak yang 2 inci lebih pendek dari rata-rata mendapat nilai -2. Pada
skala ini, skor nol sesuai dengan tinggi rata-rata. Karena nol tidak lagi menunjukkan
ketidakhadiran lengkap tinggi, skor baru merupakan skala interval pengukuran. Perhatikan
bahwa skor asli dan skor yang dikonversi keduanya melibatkan pengukuran dalam inci, dan
Anda dapat menghitung perbedaan, atau jarak, pada kedua skala. Sebagai contoh, ada
perbedaan tinggi 6 inci antara dua anak laki-laki yang mengukur tinggi 57 dan 51 inci pada
skala pertama. Demikian pula, ada perbedaan 6 inci antara dua anak laki-laki yang mengukur
+9 dan +3 pada skala kedua. Namun, Anda juga harus memperhatikan bahwa perbandingan
rasio tidak memungkinkan pada skala kedua. Misalnya, anak laki-laki yang mengukur +9
tidak tiga kali lebih tinggi dari anak laki-laki yang mengukur +3. Statistik dan Skala
Pengukuran Untuk tujuan kita, skala pengukuran penting karena membantu menentukan
statistik yang digunakan untuk mengevaluasi data. Secara khusus, ada prosedur statistik
tertentu yang digunakan dengan skor numerik dari skala interval atau rasio dan prosedur
statistik lainnya yang digunakan dengan skor non numerik dari skala nominal atau ordinal.
Perbedaannya didasarkan pada fakta bahwa skor numerik kompatibel dengan operasi
aritmatika dasar (menambah, mengalikan, dan seterusnya) tetapi skor non-numerik tidak.
Sebagai contoh, jika Anda mengukur nilai IQ untuk sekelompok siswa, dapat ditambahkan
nilai bersama-sama untuk menemukan total dan kemudian menghitung.
 Skor rata-rata untuk grup. Di pihak lain, jika Anda mengukur jurusan akademik untuk
setiap siswa, Anda tidak dapat menambahkan nilai untuk memperoleh total. (Berapa total
untuk tiga jurusan psikologi ditambah satu jurusan bahasa Inggris ditambah dua jurusan
kimia?) Sebagian besar teknik statistik yang disajikan dalam buku ini dirancang untuk skor
numerik dari skala interval atau rasio. Untuk sebagian besar aplikasi statistik, perbedaan
antara skala interval dan skala rasio tidak penting karena kedua skala menghasilkan nilai
numerik yang memungkinkan kita untuk menghitung perbedaan antara skor, untuk
menambahkan skor, dan untuk menghitung skor rata-rata. Di sisi lain, pengukuran dari skala
nominal atau ordinal biasanya bukan nilai numerik, tidak mengukur jarak, dan tidak
kompatibel dengan banyak operasi aritmatika dasar. Oleh karena itu, teknik statistik alternatif
diperlukan untuk data dari skala pengukuran nominal atau ordinal (misalnya, median dan
modus di Bab 3, korelasi Spearman di Bab 15, dan uji chi-square di Bab 17). Metode statistik
tambahan untuk pengukuran dari skala ordinal disajikan dalam Lampiran E.

Pengukuran yang diperoleh dalam studi penelitian menyediakan data untuk analisis
statistik. Sebagian besar analisis statistik menggunakan operasi matematika umum, notasi,
dan aritmatika dasar yang sama yang telah Anda pelajari selama tahun-tahun sebelumnya di
sekolah. Jika Anda tidak yakin akan keterampilan matematika Anda, ada bagian tinjauan
matematika di Lampiran A di bagian belakang buku ini. Lampiran juga mencakup ujian
penilaian keterampilan (p. 626) untuk membantu Anda menentukan apakah Anda
membutuhkan tinjauan matematika dasar. Pada bagian ini, kami memperkenalkan beberapa
notasi khusus yang digunakan untuk perhitungan statistik. Dalam bab-bab selanjutnya, notasi
statistik tambahan diperkenalkan sesuai kebutuhan. Skor Mengukur variabel dalam studi
penelitian menghasilkan nilai atau skor untuk setiap individu. Nilai mentah adalah nilai asli,
tidak berubah yang diperoleh dalam penelitian. Skor untuk variabel tertentu biasanya diwakili
oleh huruf X. Misalnya, jika kinerja dalam kursus statistik Anda diukur dengan tes dan Anda
memperoleh 35 pada tes pertama, maka kita dapat menyatakan bahwa X = 35. Satu set skor
dapat disajikan dalam kolom yang dikepalai oleh X. Misalnya, daftar nilai kuis dari kelas
Anda dapat disajikan seperti gambar di bawah ini (kolom tunggal di sebelah kiri). Kuis Skor
Tinggi Berat 3772 165 151 160 146 160 133 Ketika observasi dilakukan untuk dua variabel,
akan ada dua skor untuk setiap individu. Data dapat disajikan sebagai dua daftar berlabel X
dan Y untuk dua variabel. Misalnya, pengamatan untuk tinggi orang dalam inci (variabel X)
dan berat dalam pound (variabel Y) dapat disajikan seperti yang ditunjukkan pada kolom
ganda di margin. Setiap pasangan X, Y mewakili pengamatan yang dibuat dari satu peserta.
Huruf N digunakan untuk menentukan berapa banyak skor dalam satu set. Huruf besar Niden
menentukan jumlah skor dalam populasi dan huruf kecil n mengidentifikasi jumlah skor
dalam sampel. Sepanjang sisa buku Anda akan melihat bahwa kita sering menggunakan
perbedaan notasional untuk membedakan antara sampel dan populasi. Untuk data tinggi dan
berat pada tabel sebelumnya, n = 7 untuk kedua variabel. Perhatikan bahwa dengan
menggunakan huruf kecil n, kita menyiratkan bahwa data ini adalah sampel. Notasi
Penjumlahan Banyak perhitungan yang diperlukan dalam statistik melibatkan penambahan
satu set skor. Karena prosedur ini sering digunakan, notasi khusus digunakan untuk merujuk
pada jumlah satu himpunan skor. Huruf Yunani sigma, atau E, digunakan untuk berdiri untuk
penjumlahan. Ekspresi Ex 3335302517.

D. Notasi Statistik

dalam penelitian. Skor untuk variabel tertentu biasanya diwakili oleh huruf X. Misalnya, jika
kinerja dalam kursus statistik Anda diukur dengan tes dan Anda memperoleh 35 pada tes
pertama, maka kita dapat menya

takan bahwa X = 35. Satu set skor dapat disajikan dalam kolom yang diberi judul X.
Misalnya, daftar skor kuis dari kelas Anda mungkin disajikan seperti yang ditunjukkan di
bawah ini (kolom tunggal di sebelah kiri).

Quiz scores height Weight

X X Y
37 72 165
35 68 151
35 67 160
30 67 160
25 68 146
17 70 160
16 66 133

Ketika pengamatan dilakukan untuk dua variabel, akan ada dua skor untuk setiap individu.
Data dapat disajikan sebagai dua daftar berlabel X dan Y untuk dua variabel. Untuk misalnya,
pengamatan untuk tinggi badan orang dalam inci (variabel X) dan berat dalam pound
(variabel Y) dapat disajikan seperti yang ditunjukkan pada kolom ganda di margin. Setiap
pasangan X, Y mewakili pengamatan yang dibuat dari satu peserta.

Huruf N digunakan untuk menentukan berapa banyak skor dalam satu set. Huruf besar N
mengidentifikasi jumlah skor dalam suatu populasi dan huruf kecil n mengidentifikasi
jumlah skor dalam sampel. Sepanjang sisa buku ini Anda akan melihat bahwa kami sering
menggunakannya perbedaan notasi untuk membedakan antara sampel dan populasi.
Untuk tinggi dan bobot data pada tabel sebelumnya, n = 7 untuk kedua variabel.
Perhatikan bahwa dengan menggunakan huruf kecil huruf n, kami menyiratkan bahwa
data ini adalah sampel.

E. Notasi Penjumlahan

Banyak perhitungan yang diperlukan dalam statistik melibatkan penambahan satu set skor.
Karena ini prosedur digunakan begitu sering, notasi khusus digunakan untuk merujuk ke
jumlah dari satu set skor. Huruf Yunani sigma, atau Σ, digunakan untuk singkatan
penjumlahan. Ekspresi ΣX artinya menjumlahkan semua skor untuk variabel X. Tanda
penjumlahan Σ dapat dibaca sebagai “jumlah dari." Jadi, ΣX dibaca “jumlah skor”. Untuk set
skor kuis berikut,

10, 6, 7, 4, ΣX = 27 dan N = 4.

Untuk menggunakan notasi penjumlahan dengan benar, perhatikan dua hal berikut:

1. Tanda penjumlahan, Σ, selalu diikuti dengan simbol atau matematis ekspresi. Simbol atau
ekspresi mengidentifikasi dengan tepat nilai mana yang harus ada ditambahkan. Untuk
menghitung ΣX, misalnya, simbol mengikuti tanda penjumlahan adalah X, dan tugasnya
adalah mencari jumlah nilai X. Sebaliknya, untuk menghitung Σ(X – 1)2, tanda penjumlahan
diikuti oleh ekspresi matematis yang relatif kompleks, jadi tugas pertama Anda adalah
menghitung semua (X – 1)2 nilai-nilai lalu tambahkan hasilnya.

2. Proses penjumlahan sering disertakan dengan beberapa operasi matematika lainnya, seperti
perkalian atau kuadrat. Untuk mendapatkan jawaban yang benar, operasi yang berbeda harus
dilakukan dalam urutan yang benar. Berikut ini adalah daftarnya menunjukkan urutan operasi
yang benar untuk melakukan operasi matematika. Sebagian besar dari daftar ini seharusnya
sudah tidak asing lagi, tetapi Anda harus mencatat bahwa kami telah memasukkan proses
penjumlahan sebagai operasi keempat dalam daftar.
Urutan Operasi Matematika

1. Setiap perhitungan yang ada di dalam tanda kurung dikerjakan terlebih dahulu.

2. Mengkuadratkan (atau menaikkan ke eksponen lain) dilakukan detik.

3.Perkalian dan/atau pembagian dilakukan ketiga. Serangkaian perkalian dan/atau pembagian

operasi harus dilakukan secara berurutan dari kiri ke kanan.

4. Penjumlahan menggunakan notasi Σ dilakukan selanjutnya.

5. Akhirnya, penambahan dan/atau pengurangan lainnya dilakukan. membuat kolom nilai

baru.

Namun, dua operasi terakhir menghasilkan satu nilai yang sesuai dengan jumlah. Tabel di
sebelah kiri menunjukkan skor awal (nilai X) dan skor kuadrat (nilai X). X 2 nilai) yang
diperlukan untuk menghitung ΣX 2. Perhitungan pertama, ΣX, tidak termasuk tanda kurung,
kuadrat, atau perkalian, jadi kita langsung ke operasi penjumlahan. Nilai X tercantum di
kolom pertama tabel, dan kami cukup menambahkan nilai di kolom ini:

ΣX = 3 + 1 + 7 + 4 = 15

menunjukkan (X − 1)2 nilai-nilai.

Untuk menghitung Σ(X – 1), langkah pertama adalah melakukan operasi di dalam tanda
kurung. Dengan demikian, kita mulai dengan mengurangkan satu poin dari setiap nilai X.
Nilai yang dihasilkan terdaftar di kolom tengah tabel. Langkah selanjutnya adalah
menambahkan nilai (X – 1), jadi kita cukup tambahkan nilai di kolom tengah.

Σ(X – 1) = 2 + 0 + 6 + 3 + = 11

Perhitungan Σ(X + 1)2

membutuhkan tiga langkah. Langkah pertama (di dalam tanda kurung) adalah untuk
mengurangi 1 poin dari setiap nilai X. Hasil dari langkah ini ditampilkan di tengah kolom
tabel perhitungan. Langkah kedua adalah mengkuadratkan setiap nilai (X – 1). Hasil dari
langkah ini ditampilkan di kolom ketiga tabel. Langkah terakhir adalah menambahkan (X –
1)2 nilai, jadi kami menambahkan nilai di kolom ketiga untuk mendapatkan

Σ(X – 1)2 = 4 + 0 + 36 + 9 = 49
Perhatikan bahwa perhitungan ini membutuhkan kuadrat sebelum menambahkan. Kesalahan
umum adalah jumlahkan nilai (X – 1) lalu kuadratkan totalnya. Hati-hati!

Dalam kedua contoh sebelumnya, dan dalam banyak situasi lainnya, operasi penjumlahan
adalah langkah terakhir dalam perhitungan. Menurut urutan operasi, tanda kurung, eksponen,
dan perkalian semua datang sebelum penjumlahan. Namun, ada beberapa situasi di mana
penambahan dan pengurangan tambahan diselesaikan setelah penjumlahan. Untuk ini.
Misalnya, gunakan skor yang sama yang muncul di dua contoh sebelumnya, dan hitung ΣX –
1. Tanpa tanda kurung, eksponen, atau perkalian, langkah pertama adalah penjumlahan.
Dengan demikian, kita mulai dengan menghitung ΣX. Sebelumnya kita menemukan ΣX = 15.
Langkah selanjutnya adalah mengurangkan satu. titik dari total. Untuk data-data ini,

ΣX – 1 = 15 – 1 = 14

Untuk contoh ini, setiap individu memiliki dua skor. Skor pertama diidentifikasi sebagai X,
dan skor kedua adalah Y. Dengan bantuan tabel perhitungan berikut, hitung ΣX, ΣY, dan
ΣXY.

Orang X Y XY
A 3 5 15
B 1 3 3
C 7 4 28
D 4 2 8

Untuk mencari ΣX, cukup tambahkan nilai di kolom X.

ΣX = 3 + 1 + 7 + 4 = 15

Demikian pula, ΣY adalah jumlah dari nilai Y di kolom tengah.

ΣY = 5 + 3 + 4 + 2 = 14

Untuk menghitung ΣXY, langkah pertama adalah mengalikan X dengan Y untuk setiap
individu. Hasilnya produk (nilai XY) dicantumkan di kolom ketiga tabel. Akhirnya, kami
menambahkan produk untuk memperoleh.

ΣXY = 15 + 3 + 28 + 8 = 54
 BAB III

PENUTUP

A. Kesimpulan

1. Istilah statistik digunakan untuk merujuk pada metode untuk mengatur, meringkas, dan
menafsirkan data.

2. Pertanyaan ilmiah biasanya menyangkut populasi, yang merupakan keseluruhan rangkaian

individu yang diinginkan seseorang belajar. Biasanya, populasinya sangat besar tidak
mungkin untuk memeriksa setiap individu, jadi sebagian besar penelitian dilakukan dengan
sampel. Sampel adalah kelompok yang dipilih dari populasi, biasanya untuk tujuan tertentu
dari sebuah studi penelitian.

3. Suatu ciri yang menggambarkan suatu sampel disebut statistik, dan karakteristik yang
menggambarkan populasi disebut parameter. Meskipun sampel statistik biasanya mewakili
parameter populasi yang sesuai, biasanya ada beberapa perbedaan antara statistik dan
parameter. Secara alami perbedaan yang terjadi antara statistik dan parameter disebut
sampling error.

4. Metode statistik dapat diklasifikasikan menjadi dua kategori: statistik deskriptif, yang
mengatur dan meringkas data, dan statistik inferensial, yang menggunakan sampel data untuk
menarik kesimpulan tentang populasi.

5. Metode korelasional mengkaji hubungan antara variabel dengan mengukur dua yang
berbeda variabel untuk setiap individu. Metode ini memungkinkan peneliti untuk mengukur
dan menggambarkan hubungan, tetapi tidak dapat menghasilkan penjelasan sebab-akibat
untuk hubungan.

6. Metode eksperimen mengkaji hubungan antara variabel dengan memanipulasi independen

variabel untuk membuat kondisi perawatan yang berbeda dan kemudian mengukur variabel
dependen untuk mendapatkan sekelompok skor pada setiap kondisi. Kelompok skor
kemudian dibandingkan. Perbedaan sistematis antara kelompok memberikan bukti bahwa
mengubah variabel independen dari satu kondisi ke kondisi lain juga menyebabkan
perubahan variabel dependen. Semua variabel lain dikendalikan untuk mencegah mereka dari
mempengaruhi hubungan. Itu maksud dari metode eksperimen adalah untuk menunjukkan a
hubungan sebab akibat antar variabel.

7. Studi non eksperimental juga meneliti hubungan antara variabel dengan membandingkan
kelompok skor, tetapi mereka tidak memiliki ketelitian eksperimen sejati dan tidak dapat
menghasilkan penjelasan sebab-akibat. Alih-alih memanipulasi variabel untuk membuat grup
yang berbeda, studi non eksperimental menggunakan peserta yang sudah ada sebelumnya
karakteristik (seperti pria / wanita) atau lewatnya waktu (sebelum/sesudah) untuk membuat
kelompok yang dibandingkan.

8. Skala pengukuran terdiri dari sekumpulan kategori yang digunakan untuk

mengklasifikasikan individu. Skala nominal terdiri dari kategori yang hanya berbeda dalam
nama dan berada tidak dibedakan dalam hal besarnya atau arah. Dalam skala ordinal, kategori
dibedakan arah, membentuk deret yang teratur. Skala interval terdiri dari rangkaian kategori
yang berurutan yang semua interval berukuran sama. Dengan skala interval, itu adalah
mungkin untuk membedakan arah dan besarnya (atau jarak) antar kategori. Akhirnya, skala
rasio adalah skala interval yang titik nolnya menunjukkan tidak ada variabel yang diukur.
Dengan skala rasio, rasio pengukuran mencerminkan rasio besarnya.

9. Variabel diskrit sering kali terdiri dari kategori yang tidak dapat dibagi bilangan bulat yang
bervariasi dalam langkah-langkah yang dapat dihitung. Terus menerus variabel terdiri dari
kategori-kategori yang dapat dibagi tak terhingga dan setiap skor sesuai dengan interval pada
skala. Itu batas yang memisahkan interval disebut batas nyata dan terletak persis di tengah-
tengah antara skor yang berdekatan.

10. Huruf X digunakan untuk menyatakan skor suatu variabel. Jika variabel kedua digunakan,
Y mewakili nilainya. Huruf N digunakan sebagai lambang bilangan skor dalam suatu
populasi; n adalah simbol untuk sejumlah skor dalam sampel.

11. Huruf Yunani sigma (Σ) digunakan untuk penjumlahan. Oleh karena itu, ungkapan ΣX
dibaca “jumlah dari skor.” Penjumlahan adalah operasi matematika (seperti penjumlahan atau
perkalian) dan harus dilakukan di tempat yang semestinya dalam urutan operasi; penjumlahan
terjadi setelah tanda kurung, eksponen, dan perkalian/pembagian selesai.
 DAFTAR PUSTAKA

Gravetter Frederick J, Larry B. Wallnau. 2015. Statistics for the Behavioral Science. Canada.
The College at Brockport.