Nama: Nissa Listya Putri

NIM: 4112322006
Transformasi Data dan Tabel Distribusi
Tujuan instruksional utama dalam materi ini adalah setelah proses pembelajaran siswa
mampu: Mengubah data dari data asal ke data standar, mengubah data dari data asal ke mean
dan standar deviasi baru, membaca nilai skor-z,i skor-t, skor-f, skor-r. Untuk
Mentransformasi data dari data asal ke nilai standar adalah tiap distribusinya diubah dengan
menggunakan konstanta, maka akan terjadi transformasi linear.
Tabel 5.1: Menambahkan Variabel dengan konstanta
x x+5
1 6
2 7
3 8
4 9
5 10
x̄=3, x̄=8,
s=1.41 s=1.41
Ketika menambahkan atau mengurangi konstanta dari sebuah distribusi, rata-rata akan
berubah dengan jumlah yang sama dengan konstanta tersebut. Namun, deviasi standar tidak
akan berubah.
Tabel 5.2: Mengalikan variabel dengan 5
x X*5
1 5
2 10
3 15
4 20
5 25
x̄=3, x̄=15,
s=1.41 s=7.91
Untuk transformasi ini, rata-rata akan berubah dengan jumlah yang sama dengan konstanta,
tetapi kali ini deviasi standar juga akan berubah.
Transformasi nilai mentah ke nilai-z menghasilkan angka banyaknya penyimpangan dari
rata-rata nilai. Berikut ini adalah rumus untuk mengubah data mentah menjadi nilai z:
x − x̄
z i= i
s
xi : skor-i dari data
x̄ : rata-rata data
s : standar deviasi
Misalnya kita memiliki data 47,56,75,65,71,54,53,61,77,81. Data ini akan kita ubah dalam
nilai standar. Untuk itu kita harus menemukan rata-rata data x̄ = 64 dan standar deviasinya s
= 11,6, kemudian dapat dihitung dengan rumus z i, sebanyak i=10 karena jumlah data yang
dimiliki ada 10 data. Didapatkan rata-ratanya 0 dan standar deviasinya 1. Kita dapat
menginterpretasikan arti dari nilai-z apabila nilai-z kurang dari 0 menunjukkan elemen yang
kurang dari rata-rata, atau nilai-z yang lebih besar dari 0 menunjukkan elemen yang lebih
besar dari rata-rata, dan nilai-z sama dengan 0 mewakili elemen yang sama dengan rata-rata.
Untuk membandingkan dua variabel atau lebih yang memiliki skala berbeda, maka akan
mudah untuk mengonversi data dalam nilai standar. Misal Andre mendapatkan nilai 66, 70,
dan 40 pada tes Statistik, Bahasa Inggris, dan Olahraga. Kita tidak dapat menyatakan bahwa
nilai Andre adalah nilai Bahasa Inggris terbaik di kelas. Oleh karena itu, kita harus
menghitung rata-rata kinerja relatif Andre baru kita dapat mengetahui posisi nilai Andre. Dari
data untuk ketiga tes tersebut terdistribusi secara normal nilai Statistikanya memiliki rata-rata
60 dan standar deviasi 6, nilai tes Bahasa Inggris memiliki rata-rata 75 dan standar deviasi 5,
dan nilai Olahraga memiliki nilai rata-rata 40 dan standar deviasi 10. Dengan mengubah nilai
mentah Andre menjadi nilai z akan membantu kita untuk membandingkan nilai Andre.
66−60
z st = =1 ,
Nilai Statistik : x=66, x̄=60 , s=6 ⇒ 6
70−75
z In = =−1 ,
Nilai Bahasa Inggris : x=70, x̄=75 , s=5 ⇒ 5
60−40
z sp = =2 .
Nilai Olahraga: x=60, x̄=40 , s=10⇒ 10
Sehingga, nilai Andre di bidang Statistik memiliki 1 langkah standar deviasi lebih tinggi dari
rata-rata, di bidang Bahasa Inggris memiliki 1 langkah standar deviasi lebih rendah dari rata-
rata dan di bidang Olahraga memiliki 2 langkah lebih tinggi dari rata-rata.
Nilai z relatif mudah digunakan namun memiliki beberapa kelemahan dalam hal
penghitungan karena nilai z bisa sama dengan 0 atau bisa juga negatif, dan beberapa jenis
manipulasi data menjadi tidak efusien. Untuk alasan-alasan ini, dan juga alasan lainnya,
sistem nilai standar alternatif telah dikembangkan untuk mengubah nilai z (dan juga nilai
mentah) secara linear ke skala yang tidak mengandung angka negatif. Rumus umum untuk
mengubah nilai z secara linear menjadi nilai standar baru (m) yaitu:
mi=x 0 +s 0 z i
, m: nilai/skor standar baru
x0 : nilai rata-rata baru
s0: nilai standar deviasi baru
Kita menggunakan nilai Andre untuk menunjukkan nilai konversi ini. Variabel nilai akan
dikonversi menjadi nilai rata-rata 50 dan standar deviasi 10. Dengan menggunakan rumusmi,
nilai standar baru (m) akan dihitung sebagai berikut:
s 0 =10 , z=1⇒ mst =50+10 (1)=60 ,
Nilai Statistik: x0=50,
s 0 =10 , z=−1⇒ min=50+10(−1 )=40 ,
Nilai Bahasa Inggris: x0=50,
s =10 , z=2⇒ m =50+10 (2 )=70 .
sp
Nilai Olahraga: x0=50, 0
Sekarang, kita dapat dengan jelas melihat perbandingan nilai Andre.
Contoh lainnya untuk memberikan hasil ujian dari 8 mahasiswa tingkat sarjana.
Seorang siswa dianggap lulus jika memiliki nilai lebih dari 55. Kemudian kita mencoba untuk
mengkonversi nilai ini ke nilai standar baru dengan rata-rata 65 dan standar deviasi 10.
Tabel 5.3: Nilai ujian untuk 8 siswa di tingkat magister
Students : A B C D E F G H
Scores : 3 4 5 3 8 9 2 3
Pertama-tama kita hitung rata-rata dan standar deviasi. Kita menemukan x = 4,6 dan standar
deviasi s = 2,56. Kemudian hitung nilai z dan nilai m siswa.
Tabel 5.4: Konversi nilai siswa
Nr Score z m
1 3 -0.63 59
2 4 -0.24 63
3 5 0.15 66
4 3 -0.63 59
5 8 1.32 78
6 9 1.71 82
7 2 -1.03 55
8 3 -0.63 59
Contoh lain dengan nilai minimum 2 dan nilai kecil 3 masing-masing menjadi nilai 55
dan 66. Ini adalah nilai keuntungan untuk rentang skor 0 hingga 100, karena membuat nilai
yang lebih tinggi. Tetapi kita dapat melihat nilai maksimum 9 dan nilai 8 menjadi 82 dan 78.
Ini adalah nilai kerugian untuk rentang nilai 0 hingga 100, karena membuat nilai lebih
rendah. Kita akan mengkonversi nilai dengan syarat nilai minimum menjadi 55 dan nilai
maksimum menjadi 95.
Hasil evaluasinya adalah seperti di bawah ini,
Nilai 2 ⇒ Nilai 55 artinya m7 = x0 + z7*s0 ⇒ 55 = x0 + (-1.03)s0 …….(1)
Nilai 9 ⇒ Nilai 95 artinya m6 = x0 + z6*s0 ⇒ 95 = x0 + (1.71)s0 ……. (2).
Hitung x0 dan s0 melalui fungsi persamaan (1) dan (2), kita temukan x0=70.0 dan s0=14.6.
Table 5.5: Mengubah data menjadi nilai z dan nilai m (x0=70.0, s0=14.6) dengan nilai standar
baru
Nr score z m
1 3 -0.63 61
2 4 -0.24 66
3 5 0.15 72
4 3 -0.63 61
5 8 1.32 89
6 9 1.71 95
7 2 -1.03 55
8 3 -0.63 61
Sekarang, kita dapat melihat nilai baru yang lebih baik dari nilai sebelumnya.