D (C)
Statistika Deskriptif
& Inferensial
BUDHI MULIA
Sukabumi, 2019
Statistika Deskriptif & Inferensial
Penulis:
Drs. Tarjono, M.M., Ph.D (C)
Editor:
Riksa Fathan Firdaus
Layouter:
Budhi Mulia Studio
Desain Cover:
Fauzan Miftahul Noor Azman
Penerbit:
BUDHI MULIA, cv
Sukabumi – Jawa Barat
ISBN: 978-602-52382-9-1
Buku Statistika Deskriptif & Inferensial ini, saya susun sebagai pedoman
bagi pelaksanaan kuliah pada Jurusan Ilmu-Ilmu Sosial, Ekonomi dan Bisnis.
Pada buku ini dalam setiap babnya memuat materi teori yang dilengkapi dengan
contoh soal atau kasus yang telah disesuaikan dengan jurusannya. Begitu juga
pada setiap akhir babnya dilengkapi dengan soal evaluasi dalam rangka untuk
mengevaluasi dari daya serap mahasiswa dalam menerima materi kuliah ini.
Besar harapan dari saya sebagai penyusun, adanya saran dan kritik yang
bersifat membangun bagi perbaikan atas kekurangan yang ada pada buku ini.
Semoga Allah SWT. meridhoi dan memberkahi kita semua dalam mempelajari
setitik air dari luas lautan ilmu-Nya. Aamin yaa robbal’aalamiin.
Penyusun
Daftar Isi v
Persentil ............................................................................................. 47
Soal Evaluasi ................................................................................................... 49
vi Daftar Isi
Soal Evaluasi.................................................................................................... 103
1
Macam-macam Statistika
Statistika dibagi kedalam dua macam, yaitu Statistika Deskriptif dan
Statistika Inferensial atau Analitik.
1. Statistika Deskriptif
adalah bagian dari statistika yang membahas secara khusus tentang
deskripsi dari suatu data melalui ukuran-ukuran statistik, tabel dan grafik
serta melakukan penarikan kesimpulan berdasarkan deskripsi data tersebut
dengan tidak berlaku secara umum.
2. Statistika Inferensial
adalah bagian dari statistika yang membahas secara khusus tentang
penarikan kesimpulan berdasarkan data yang diperoleh dari sampel untuk
menggambarkan karakteristik atau ciri dari suatu populasi.
Fungsi Statistika
Statistika adalah salah satu ilmu pengetahuan yang berfungsi sebagai alat
untuk memecahkan beberapa banyak masalah antara lain:
2) Data Kontinu
Adalah data yang diperoleh dari hasil mengukur, dimana datanya
bisa berbentuk bilangan bulat atau pecahan.
Contoh:
a) Rata-rata berat badan mahasiswa perangkatan di Perguruan
Tinggi “X” adalah 65,5 kg
b. Data Kualitatif
Adalah data yang tidak berbentuk bilangan atau angka, tetapi dalam
bentuk keterangan atau informasi yang biasanya diikuti dengan kata
kualitas.
Contoh:
a) Jumlah penduduk Indonesia tergolong sangat padat
b) Mahasiswa Perguruan Tinggi “X” pandai-pandai
Jumlah 480
Sumber: Fiktif
b. Data Eksternal
Adalah data yang bersumber dari luar suatu institusi dimana kita
melakukan aktivitas atau bekerja.
Contoh:
1) Daftar jumlah pelanggan PT. Telkomsel Indonesia
2) Daftar jumlah anggota pemegang saham PT. Bank Rakyat Indonesia
Persero.
b. Data Sekunder
Adalah data yang diperoleh berdasarkan hasil pengumpulan data oleh
orang lain.
Contoh:
1) Data tentang asset daerah kabupaten/kota tertentu dalam arsip
daerah.
2) Data tentang jumlah pengusaha dalam jurnal bisnis.
1. Wawancara (interview)
yaitu cara untuk mengumpulkan data dengan mengadakan tatap muka
secara langsung. Wawancara harus dilakukan dengan memakai suatu
pedoman wawancara yang berisi daftar pertanyaan sesuai tujuan yang ingin
dicapai.
Ada dua jenis wawancara yaitu wawancara berstruktur (structured interview)
dan wawancara takberstruktur (unstructured interview).
Wawancara berstruktur adalah wawancara yang jenis dan urutan
dari sejumlah pertanyaannya sudah disusun sebelumnya sedangkan
wawancara takberstruktur adalah wawancara yang tidak secara ketat
ditentukan sebelumnya. Wawancara takberstruktur lebih fleksibel karena
pertanyaannya dapat dikembangkan meskipun harus tetap pada pencapaian
sasaran yang telah ditentukan.
Ciri-ciri pertanyaan yang baik adalah:
a. Sesuai dengan masalah atau tujuan penelitian.
b. Jelas dan tidak meragukan.
c. Tidak menggiring pada jawaban tertentu.
d. Sesuai dengan pengetahuan dan pengalaman orang yang diwawancarai.
e. Pertanyaan tidak boleh yang bersifat pribadi.
2. Kuesioner (Angket)
adalah cara mengumpulkan data dengan mengirim atau menggunakan
kuesioner yang berisi sejumlah pertanyaan.
3. Observasi (Pengamatan)
adalah cara mengumpulkan data dengan mengamati obyek penelitian atau
kejadian baik berupa manusia, benda mati maupun gejala alam. Data yang
diperoleh adalah untuk mengetahui sikap dan perilaku manusia, benda
mati atau gejala alam.
Kebaikan dari observasi adalah data yang dieroleh lebih dapat dipercaya.
Kelemahannya adalah bisa terjadi kesalahan interpretasi terhadap kejadian
yang diamati.
5. Metode Proyektif
adalah cara mengumpulkan data dengan mengamati atau menganalisis
suatu obyek melalui ekspresi luar dari obyek tersebut dalam bentuk karya
lukisan atau tulisan. Metode ini dipakai dalam psikologi untuk mengetahui
sikap, emosi dan kepribadian seseorang. Kelemahan dari metode ini adalah
obyek yang sama dapat disimpulkan berbeda oleh pengamat yang berbeda.
2. Sampling
adalah suatu cara penyelidikan dengan cara mengikut sertakan hanya
sebagian individu dari karakteristik populasi untuk diselidiki. Terdapat
metode sampling yang sering dipergunakan, yaitu sampling acak sederhana
(simple random sampling), sampling acak stratifikasi (stratified random
sampling), dan sampling acak klister (cluster random sampling).
Soal Evaluasi
1. Jelaskan perbedaan antara statistika dengan statistik!
2. Apakah perbedaan statistika deskriptif dengan statistika inferensial atau
analitik?
3. Manakah diantara dua hal berikut yang merupakan data statisti? dan
jelaskan!
a. 472; 691,4
b. Harga pasaran untuk beras putih di Sukabumi pada bulan Januari 2018
Rp 12.000,00 per-kg.
4. Sebutkan perbedaan antara pengertian populasi dan sampel!
5. Seandainya seorang produsen ingin mengetahui bagaimana kesenangan
masyarakat Indonesia terhadap barang yang dihasilkan oleh pabriknya.
Jelaskan mana populasinya!
6. Jelaskan kelebihan dan kelemahan antara kuesioner atau angket dengan
observasi!
7. Apa perbedaan dan persamaan antara Tes skala obyektif dengan Metode
proyektif?
8. Sebutkan beberapa keuntungan dalam melakukan sampling!
9. Berikan dua buah contoh data kualitatif!
10. Pada kondisi bagaimanakah kita perlu melakukan sampling acak sederhana,
sampling acak stratifikasi dan sampling acak klaster?
9
Bentuk Penyajian Data
1. Tabel
Merupakan kumpulan angka-angka yang disusun sedemikian rupa menurut
klasifikasi (penggolongan) datanya.
Contoh :
Jumlah Pegawai menurut Jenis Kelamin, Pendidikan, Umur dan lain
sebagainya.
Macam-Macam Tabel
Tabel dibagi atas tabel klasifikasi tunggal dan klasifikasi banyak.
a. One Way Classification Table (Tabel Klasifikasi Tunggal)
yaitu tabel yang berisi hanya satu macam klasifikasi data saja
Contoh:
Tabel Jumlah pegawai menurut jenis kelamin saja
Tabel 1.
Jumlah Pegawai Menurut Jenis Kelamin
Pada Perusahaan “X”
Jenis Kelamin Jumlah Pegawai
Laki-laki 124
Perempuan 166
Jumlah 290
Sumber: Perusahaan “X”
2. Grafik
merupakan gambar-gambar yang menunjukkan secara visual berupa angka,
yang biasanya berasal dari tabel yang telah dibuat.
Grafik yang baik harus memiliki kelengkapan yang harus dipenuhi seperti
halnya pada tabel, yaitu Judul, Sumbu absis, Sumbu vertikal, dan catatan
grafik yang diperlukan.
Macam-Macam Grafik :
a. Grafik Garis (Line Chart)
Contoh:
17
Beberapa Istilah Dalam Distribusi Frekuensi
1. Class (Kelas)
Kelas adalah penggolongan data yang dibatasi dengan nilai terendah dan
nilai tertinggi yang masing-masing dinamakan batas kelas (Class Limit).
2. Class Interval
Kelas interval merupakan lebar dari sebuah kelas dan dihitung dari
perbedaan antara kedua tepi kelasnya.
3. Frekuensi
Frekuensi adalah banyaknya data pada kelas tertentu. Sedangkan Jumlah
frekuensi menunjukkan jumlah data seluruh kelas, hal tersebut dapat
berasal dari seluruh anggota sampel atau populasi.
Contoh:
Umur Pegawai (Tahun) Jumlah Pegawai
30 – 34 12
35 – 39 33
40 – 44 74
45 – 49 126
50 – 54 70
55 – 59 45
60 - 64 10
Jumlah 370
Contoh:
Umur Pegawai (Tahun) Jumlah Pegawai
< 34 12
35 – 39 33
40 – 44 74
45 – 49 126
50 – 54 70
55 – 59 45
> 60 10
Jumlah 370
Contoh:
Umur Pegawai Jumlah Pegawai fr fr (%)
(Tahun) (fi)
30 – 34 12 0,0324 3,24
35 – 39 33 0,0892 8,92
40 – 44 74 0,2000 20,00
45 – 49 126 0,3405 34,05
50 – 54 70 0,1892 18,92
55 – 59 45 0,1216 12,16
60 - 64 10 0,0270 2,70
Jumlah 370 1,0000 100,00
< 30 0
< 35 12
< 40 45
< 45 119
< 50 245
< 55 315
< 60 360
< 65 370
> 30 370
> 35 358
> 40 325
> 45 251
> 50 125
> 55 55
> 60 10
> 65 0
2. Poligon Frekuensi
Apabila titik-titik tengah sisi atas dari histogram dihubungkan satu sama
lain oleh ruas-ruas garis maka diperoleh poligon frekuensi.
Untuk lebih memahami mengenai histogram dan poligon frekuensi,
perhatikan contoh berikut. Berikut ini upah karyawan (dalam ribuan
rupiah) per minggu dari sebuah perusahaan.
100 – 199 15
200 - 299 20
300 - 399 30
400 – 499 25
500 – 599 15
600 – 699 10
700 – 799 5
3. Ogive
Ogive adalah grafik yang digambarkan berdasarkan data yang sudah disusun
dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang disusun
dalam bentuk tabel distribusi frekuensi kumulatif kurang dari, grafiknya
berupa ogive positif, sedangkan untuk data yang disusun dalam bentuk tabel
distribusi frekuensi kumulatif lebih dari, grafiknya berupa ogive negatif.
Dari tabel distribusi frekuensi kumulatif di atas, dapat digambarkan ogive
seperti pada diagram berikut.
25,5 2
35,5 3
45,5 11
55,5 20
65,5 33
75,5 24
85,5 7
Jumlah 100
Ukuran Gejala Pusat adalah suatu ukuran yang memiliki nilai pada
umumnya mempunyai kecenderungan terletak di tengah-tengah dan memusat
dalam suatu kelompok data yang disusun menurut besar kecilnya nilai data.
27
Macam-Macam Ukuran Gejala Pusat
1. Major Mean
adalah nilai rata-rata yang biasanya secara khusus dipergunakan dalam
statistika itu sendiri. Yang termasuk major mean terdiri atas rata-rata
hitung, median dan modus.
Untuk menghitung nilai-nilai tersebut dapat dilakukan pada data tidak
berkelompok dan data berkelompok.
=
x 1 + x2 + ... + xn
x =
∑x 1
n n
Contoh:
Hitunglah rata-rata nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
80 + 84 + 90 + 96 + 98 + 86 + 74 + 100 + 88 + 96 892
=x = = 89,2
10 10
b. Data Berkelompok
=Rumus : x
f 1 x 1 + f 2 x2 + ... + f k xk
=
∑fx i i
f 1 + f 2 + ... + f k ∑f i
dimana:
fi = Frekuensi pada kelas ke i, i = 1, 2, …, k
k = Banyaknya kelas
Xi = Mid point pada kelas ke i
∑ f i ui
Rumus : x xo + c
=
∑f
i
dimana:
X0 = Nilai Mid point pada Ui = 0,
xi − x o
dengan ui =
ci
Ui = Nilai koding pada kelas ke i
Contoh :
Hitunglah rata-rata dari data berikut
Jawaban :
Nilai Tengah
Interval Kelas Frekuensi (fi) fi Xi
(Xi)
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558
Σfi = 60 ΣfiXi = 3955
=x
∑=
fx 3955
= 65,92
∑f 60
Atau dapat dihitung dengan menggunakan cara pendek melalui nilai
koding
∑ fu 55
x=
xo + c 54 + 13 =
= 65,92
∑ f 60
Median (Med)
Median adalah nilai letak data tengah, dari niali data yang telah diurutkan
dari nilai data terkecil sampai dengan nilai data terbesar.
Jawab:
Urutan nilai data: 74, 80, 84, 86, 88, 90, 96, 96, 98, 100
Letak Med = (n + 1)/2 = (10 + 1)/2 = 11/2 = 5,5
Med = (88 + 90)/2 = 178/2 = 89
n
-F
Med = L 0 + c 2
f
L 0 = batas bawah kelas median
F = jumlah frekuensi semua kelas sebelum
kelas yang mengandung median
f = frekuensi kelas median
Contoh :
Hitunglah nilai median dari data berikut
Jawab:
Mod = 96
b. Data Berkelompok
Rumus :
b1
Mod = L 0 + c
b1 + b 2
L 0 = batas bawah kelas modus
b1 = selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sebelum kelas modus
b 2 = selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sesudah kelas modus
Contoh :
Hitunglah nilai median dari data berikut
11
Mod = 73,5 + 13 = 78,61
11 + 17
2. Minor Mean
adalah nilai rata-rata yang biasanya dapat dipergunakan dalam ilmu lain.
Yang termasuk minor mean terdiri atas rata-rata ukur, rata-rata harmonis,
dan rata-rata kuadratis.
Begitupun untuk menghitung nilai-nilai rata-rata tersebut dapat dilakukan
pada data tidak berkelompok dan data berkelompok.
Rumus :
G = n X1.X 2 ....X n
Dimana:
G = Nilai rata-rata ukur atau rata-rata geometric
n = Banyaknya data
X1, X2, … Xn = Nilai data ke-1, ke-2, …, ke-n
Rumus :
Σ f log X
G = antilog
Σ f
Contoh :
Hitunglah nilai rata-rata ukur dari data berikut
Jawab :
Interval Kelas Nilai Tengah Frekuensi log Xi fi log Xi
(Xi) (fi)
9-21 15 3 1,18 3,54
22-34 28 4 1,45 5,8
35-47 41 4 1,61 6,44
48-60 54 8 1,73 13,84
61-73 67 12 1,83 21,96
74-86 80 23 1,90 43,7
87-99 93 6 1,97 11,82
Σfi = 60 Σfi log Xi =
107,1
107,1
G = antilog = 60,95
60
Rumus :
n
RH =
1
Σ
X
Dimana:
RH = Rata-rata harmonis
n = banyaknya data
Xi = nilai data ke i, i = 1, 2, …, n
Contoh :
Berapa rata-rata kecepatan dari suatu kendaraan yang melakukan
perjalanan pulang pergi dari Sukabumi ke Bandung dengan kecepatan
60 km/jam, dan dari Bandung ke Sukabumi dengan kecepatan 50 km/
jam?
Jawab :
Dimana n = 2, Kecepatan pertama (X1) = 60 km/jam dan Kecepatan
kedua (X2) = 50 km/jam
2
Rata-rata kecepatan = = 54,64 km/jam
( 1 / 60 ) + (1 / 50)
b. Data Berkelompok
Rumus :
Σf
RH =
f
Σ
X
Dimana:
RH = Rata-rata harmonis
Σf = Jumlah frekuensi
Contoh :
Hitunglah nilai rata-rata harmonis dari data berikut
9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah
60
Jawab :
Interval Kelas Nilai Tengah (X) Frekuensi f/X
9-21 15 3 0,2
22-34 28 4 0,143
35-47 41 4 0,098
48-60 54 8 0,148
61-73 67 12 0,179
74-86 80 23 0,288
87-99 93 6 0,065
Σf = 60 Σf / X = 1,121
60
RH = = 53,52
1,121
Kurang dari 4 20
5–9 39
10 – 14 23
15 – 19 11
20 – 24 7
Pertanyaan:
a. Berapa rata-rata banyaknya barang rusak dalam tiap peti?
b. Jika dinyatakan, setiap peti diijinkan keluar gudang jika hanya berisi
barang rusak paling banyak 12 barang, berapa jumlah peti yang
memenuhi syarat tersebut?
3. 15 orang mahasiswa terbagi dalam 3 kelompok yang sama mendapat tugas
menggambar dan memperoleh sebagai berikut:
Kelompok 1 : 60 52 55 64 60
Kelompok 2 : 65 57 61 45 66
Kelompok 3 : 53 66 58 57 53
Pertanyaan:
a. Kelompok mana yang mempunyai rata-rata hitung tertinggi?
b. Kelompok mana yang mempunyai rata-rata geometris terendah?
c. Kelompok mana yang mempunyai median tertinggi?
d. Kelompok mana yang mempunyai rata-rata harmonis terendah?
Selain ukuran gejala pusat terdapat pula ukuran letak. Salah satu dari
ukuran letak adalah median yang menunjukkan nilai letak data tengah dalam
susunan nilai data yang diurutkan mulai dari yang terkecil ke yang terbesar.
Dengan demikian median terletak di tengah-tengah data yang telah diurutkan
dan dapat dianggap bahwa median membagi data yang telah diurutkan itu
menjadi dua sub kelompok yang sama banyak. Selain median yang telah kita
pelajari sebelum ini ada ukuran letak lainnya yakni Kuartil, Desil, dan Persentil
yang akan kita pelajari berikut.
41
1. Kuartil (Qi)
Kuartil adalah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya, dari yang terkecil ke yang terbesar, menjadi empat
sub kelompok yang sama banyak.
Ada 3 macam kuartil yakni: Kuartil pertama (Q1) atau kuartil bawah, Kuartil
kedua (Q2) atau kuartil tengah yang juga merupakan median, dan Kuartil ketiga
(Q3) atau kuartil atas. Nilai-nilai kuartil tersebut dapat diartikan sebagai berikut:
a. Kuartil pertama (Q1) ialah nilai dalam distibusi yang membatasi 25%
frekuensi di bagian atas dan 75% frekuensi dibagian bawah distribusi.
b. Kuartil kedua (Q2) ialah nilai dalam distribusi yang membatasi 50%
frekuensi di bagian atas dan 50% di bawahnya.
c. Kuartil ketiga (Q3) ialah nilai dalam distribusi yang membatasi 75%
frekuensi di bagian atas dan 25% frekuensi bagian bawah.
i(n + 1)
Q i = nilai ke - , i = 1,2,3
4
Dimana :
Qi = Nilai kuartil ke i, i = 1, 2, 3
n = Banyaknya data
Contoh:
Tentukan nilai Q1, Q2, dan Q3 untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
Urutan nilai data: 74, 80, 84, 86, 88, 90, 96, 96, 98, 100
Letak Q1 = 1 (n + 1)/4 = 1 (10 + 1)/4 = 11/4 = 2,75
Q1 = 80 + 0,75 (84 – 80)
= 80 + 3
= 83
b. Data Berkelompok
Rumus :
in
-F
Q i = L 0 + c 4 , i = 1,2,3
f
dimana :
Qi = Nilai kuartil ke-i, i = 1, 2, 3
Lo = Batas bawah kelas kuartil
F = Jumlah frekuensi kumulatif sebelum kelas Qi
f = Frekuensi kelas kuartil Qi
c = Class Interval atau Panjang kelas
n = Banyaknya data
Contoh :
Hitunglah nilai Q1, Q2, dan Q3 dari data berikut
Letak Q2 = (2x60)/4 = 30
Kelas Q2 = 61 – 73
Lo = 60,5
C = 13
F = 19
f = 12
2.60
- 19
Q 2 = 60,5 + 13 4 = 72,42
12
Letak Q3 = (3x60)/4 = 45
Kelas Q3 = 74 – 86
Lo = 73,5
C = 13
F = 31
f = 23
3.60
- 31
Q 3 = 73,5 + 13 4 = 81,41
23
Contoh:
Tentukan nilai D1, D5, dan D9 untuk nilai hasil ujian Statistika Ekonomi
dari 10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab :
Urutan nilai data: 74, 80, 84, 86, 88, 90, 96, 96, 98, 100
Letak D1 = 1 (n + 1)/4 = 1 (10 + 1)/10 = 11/10 = 1,1
D1 = 74 + 0,1 (80 – 74)
= 74 + 0,6
= 74,6
dimana :
Di = Nilai desil ke-i, i = 1, 2, 3, …, 9
Lo = Batas bawah kelas desil Di
F = Jumlah frekuensi kumulatif sebelum kelas Di
f = Frekuensi kelas desil Di
c = Class Interval atau Panjang kelas
n = Banyaknya data
Contoh :
Hitunglah nilai D3, dan D7 dari data berikut
Jawab :
Letak D3 = (3 x 60)/10 = 18
Kelas D3 = 48 – 60
Lo = 47,5
C = 13
F = 11
f =8
Letak D7 = (7 x 60)/10 = 42
Kelas D7 = 74 – 86
Lo = 73,5
C = 13
F = 31
f = 23
7.60
- 31
D 7 = 73,5 + 13 10 = 79,72
23
3. Persentil (Pi)
Persentil ialah bilangan yang ‘dapat dianggap’ membagi data yang telah
diurutkan menurut besarnya, dari yang terkecil ke yang terbesar, menjadi 100 sub
kelompok yang sama banyak. Dengan demikian terdapat 99 macam persentil
yakni mulai dari persentil pertama (P1) sampai dengan persentil ke sembilan
puluh sembilan (P99). Mudah dipahami bahwa Median = Q2 = D5 = P50.
Contoh :
Tentukan nilai P30, dan P50 untuk nilai hasil ujian Statistika Ekonomi dari
10 orang mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
a. Data Berkelompok
Rumus :
in
-F
Pi = L 0 + c 100 , i = 1,2,3,...,99
f
dimana :
Pi = Nilai persentil ke i, i = 1, 2, 3, …, 99
Lo = Batas bawah kelas persentil Pi
F = Jumlah frekuensi kumulatif sebelum kelas Pi
f = Frekuensi kelas persentil Pi
c = Class Interval atau Panjang kelas
n = Banyaknya data
Contoh :
Hitunglah nilai P30, dan P50 dari data berikut
Interval Kelas Frekuensi (fi)
9 - 21 3
22 – 34 4
35 – 47 4
48 – 60 8
61 – 73 12
74 – 86 23
87 – 99 6
Jumlah 60
Jawab (dengan cara yang sama seperti sebelumnya)
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai gejala
pusat dalam menggambarkan sekumpulan data. Jadi, dengan adanya ukuran
dispersi maka penggambaran sekumpulan data akan menjadi lebih jelas dan
tepat.
51
1. Range (R)
adalah selisih antara nilai tertinggi dengan nilai terendah dari serangkaian
data. Berikut adalah rumus jangkauan (range) untuk data tidak berkelompok
dan data berkelompok sebagai berikut :
Contoh:
Tentukan range untuk nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96.
Jawab:
R = Xi maksimum – Xi minimum
= 100 – 74
= 26
b. Data Berkelompok
1) Untuk data berkelompok, range dapat ditentukan dengan dua cara
yaitu menggunakan titik atau nilai tengah dan menggunakan tepi kelas.
Range adalah selisih titik tengah kelas tertinggi dengan titik tengah
kelas terendah.
2) Range adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas
terendah
Contoh soal :
Tentukan Range dari distribusi frekuensi dari hasil pengukuran tinggi
badan 50 orang mahasiswa:
Penyelesaian :
1
SR= (| 80 − 89,2| + | 84 − 89,2| + |90 − 89,2| + |96 − 89,2| +
10
|98 − 89,2| + | 86 − 89,2| + | 74 − 89,2| + | 100 − 89,2| +
| 88 − 89,2| + |96 − 89,2|)
b. Data Berkelompok
1
=SR
n
∑ fi | Xi − X |
Penyelesaian :
7885
=X
= 157,7
50
1
= SR = (282) 5,64
50
3. Varians (S2)
Variance (varians) adalah kuadrat dari simpangan baku. Fungsinya
untuk mengetahui tingkat penyebaran atau variasi data. Sedangkan menurut
Hasan (2011: 107), variansi adalah nilai tengah kuadrat simpangan dari nilai
tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians
sampel) disimbolkan dengan s². Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 𝜎² (baca: sigma).
Berikut rumus varians untuk data tidak berkelompok dan data berkelompok.
S 2
=
∑ ( xi − x) 2
Untuk sampel besar (n>30)
n
S2 =
∑ ( xi − x) 2
Untuk sampel besar (n<30)
n−1
atau
S
= 2 ∑x 2
−
(∑ x )2
Untuk sampel besar (n>30)
n n
S
= 2 ∑x 2
−
(∑ x )2
Untuk sampel besar (n<30)
n−1 n(n − 1)
Contoh soal :
Tentukan varians untuk nilai hasil ujian Statistika Ekonomi dari 10 orang
mahasiswa berikut: 80, 84, 90, 96, 98, 86, 74, 100, 88, 96
Penyelesaian:
X X-X (X – X)2 X2
80 - 9,2 84,64 6400
84 - 5,2 27,04 7056
90 0,8 0,64 8100
96 6,8 46,24 9216
98 8,8 77,44 9604
86 -3,2 10,24 7396
74 -15,2 231,04 5476
100 10,8 116,64 10000
88 -1,2 1,44 7744
96 6,8 46,24 9216
892 641,60 80208
S 2
=
∑ ( xi − x) 2
n−1
641,60 641,60
= = = 71,28
10 − 1 9
−
(∑ x )2
n−1 n(n − 1)
80208 (892)2
= −
10 − 1 10(10 − 1)
= 8912 − 8840,711
= 71,289
b. Data Berkelompok
S 2
=
∑ fi( xi − x) 2
Untuk sampel besar (n > 30)
n
S2 =
∑ fi( xi − x) 2
Untuk sampel kecil (n < 30)
n−1
atau
=S2
∑ fix 2
−
(∑ fix )2
Untuk sampel besar (n > 30)
n n
=S2
∑ fix 2
−
(∑ fix )2
Untuk sampel kecil (n < 30)
n−1 n−1
Contoh soal:
Tentukan varians dari distribusi frekuensi dari hasil pengukuran tinggi
badan 50 orang mahasiswa:
Rumusan koefisien variasi baik untuk data tidak berkelompok maupun data
berkelompok adalah sama, yaitu:
S
KV = x 100%
X
Dimana:
S = Simpangan baku
X = Rata-rata
Contoh soal:
Berikut ini tercatat laba dari pengusaha R. M. Ponyo dengan lokasi yang
berbeda dari setiap bulannya selama satu tahun.
Pertanyaan:
R.M. Ponyo mana yang memperoleh keuntungan stabil dalam setiap
bulannya, tunjukkan dengan perhitungan statistiknya!.
Penyelesaian:
X1 (X1 – X) (X1 – X)2 X2 (X2 – X) (X2 – X)2
250 -1,08 1,1664 250 -1,08 1,1664
250 -1,08 1,1664 250 -1,08 1,1664
250 -1,58 2,4964 262 10,92 119,2464
254 2,92 8,5264 248 -3,08 9,4864
250 -1,08 1,1664 270 18,92 357,9664
249 -2,08 4,3264 240 -11,08 122,7664
252 0,92 0,8464 250 -1,08 1,1664
256 4,92 24,2064 246 -5,08 25,8064
252 0,92 0,8464 250 -1,08 1,1664
250 -1,08 1,1664 240 -11,08 122,7664
248 -3,08 9,4864 253 1,92 3,6864
252 0,92 0,8464 254 2,92 8,5264
3013 56,2468 3013 774,9168
X1
=
∑=
X1 3013
= 251,08
n 12
S1 2
=
∑(X 1 − X) 2
n−1
56,2468
= = 5, 1133
12 − 1 Bab 6 Ukuran Dispersi
58
= 2,2613
S1 2
=
∑(X 1 − X) 2
n−1
56,2468
= = 5, 1133
12 − 1
= 2,2613
S1
KV 1 =
x 100%
X1
2,2613
= = x 100% 0,90%
251,08
X2
=
∑=
X2 3013
= 251,08
n 12
S 22 =
∑ ( X 1 − X )2
n−1
774,9168
= = 70,4470
12 − 1
2
S 2 = 8, 3933
S2
KV 2 =
x 100%
X2
8, 3933
= = x 100% 3, 3429%
251,08
Rumusan angka baku baik untuk data tidak berkelompok maupun data
berkelompok adalah sama, yaitu:
Dimana:
Z = Angka baku
X = Nilai data
X = Rata-rata
S = Simpangan baku
Contoh soal:
Melanjutkan soal kasus rumah makan, R. M. Ponyo mana yang memperoleh
laba lebih baik, jika pada bulan tertentu dari R. M. Ponyo 1 memperoleh
keuntungan 254 (Juta Rupiah), sedangkan R.M. Ponyo 2 memperoleh
keuntungan 255 (Juta Rupiah)?
Penyelesaian:
X1 − X
Z1 =
S1
254 − 251,08
= Z 1 = 0,571
5, 1133
255 − 251,08
= Z 2 = 0,467
8, 3933
Angka indeks adalah salah satu ukuran statistik yang digunakan untuk
mengukur perubahan variabel-variabel ekonomi dan sosial dari waktu ke waktu.
Angka indeks ini ditunjukkan oleh suatu bilangan atau angka. Bilangan atau
angka ini menunjukkan besar kecilnya perubahan suatu variabel atau keadaan
suatu waktu.
63
Kegunaan Angka Indeks
1. Sebagai dasar dalam membuat kebijakan ekonomi seperti kebijakan
fiskal dan moneter. Contohnya, dengan melihat perkembangan Indeks
Harga Konsumen, pemerintah bisa menghitung laju inflasi. Dengan
mengetahui laju inflasi pemerintah bisa menentukan berbagai kebijakan
moneter, seperti menambah atau mengurangi jumlah uang yang beredar.
Disamping itu dengan mengetahui laju inflasi pemerintah juga bisa
menentukan kebijakan fiskal, seperti berapa % kenaikan gaji pegawai negeri
sipil yang tepat.
2. Sebagai dasar untuk menentukan kebijakan harga, agar harga yang terjadi
tidak merugikan konsumen maupun produsen. Dalam hal ini, pemerintah
dapat membuat kebijakan harga maksimum (untuk melindungi konsumen)
atau membuat kebijakan harga minimum (untuk melindungi produsen).
3. Sebagai alat untuk mengukur tingkat kemajuan ekonomi.
4. Sebagai alat untuk menyelidiki faktor-faktor yang mendorong atau yang
menghambat kemajuan ekonomi.
5. Indeks harga dapat dipakai para pedagang dalam menentukan harga jual
produk. Apabila tidak ingin rugi, besarnya harga jual produk harus selalu
mengikuti perkembangan indeks harga. Jika indeks harga meningkat, harga
jual produk juga harus meningkat.
6. Sebagai dasar untuk menentukan jumlah persediaan. Jika indeks harga
terus menerus naik maka sebaiknya pembelian persediaan dipercepat untuk
menghindari harga pembelian persediaan yang lebih tinggi.
7. Sebagai dasar penentuan jumlah gaji atau upah karyawan.
8. Indeks harga, terutama indeks harga yang diterima dan dibayar petani,
mampu memberikan gambaran mengenai tingkat kemakmuran petani.
9. Indeks harga, terutama indeks harga saham bermanfaat sebagai dasar
pertimbangan dalam kegiatan jual beli saham.
10. IHK dan indeks biaya hidup dapat menentukan besarnya gaji yang diterima
PNS secara tetap setiap bulannya.
Penyelesaian:
Harga Indeks Harga Indeks Harga Indek Harga
Tahun
Stapler (1990 = 100) (1990-1991 = 100) (1990-92 =100)
1985 Rp 180 90% 85,70% 83,10%
1990 Rp 200 100% 95,20% 92,30%
1991 Rp 220 110% 104,80% 101,50%
1992 Rp 230 115% 109,50% 106,10%
2004 Rp 380 190% 181,00% 175,40%
Io, n =
∑ Pn x 100%
∑ Po
Contoh soal:
Diberikan 5 macam komoditas dari 1985-1987 seperti data di bawah ini
Komoditas Harga Pertahun (Rp)
1985 1986 1987
A 430 450 450
B 810 825 850
C 1200 1250 1400
D 75 100 110
E 170 180 200
Jumlah 2.685 2.805 3.010
Pertanyaan:
1. Hitunglah indeks harga sederhana dari 5 komoditas di atas pada
tahun 1986 dengan tahun dasar 1985.
2. Hitunglah indeks harga sederhana dari 5 komoditas di atas pada
tahun 1985 dengan tahun dasar 1987
Io, n =
∑ Pn x 100%
∑ Po
2.805
185,86 = x 100%
2.685
= 104,46%
Kesimpulannya:
Harga komoditas pada tahun 1986 rata-rata mengalami kenaikan
sebesar 4,46% dibandingkan harga komoditas tersebut pada tahun
1985.
2.805
185,86 = x 100%
3.010
= 89,20%
Kesimpulannya:
Harga komoditas pada tahun 1985 rata-rata lebih murah sebesar 10,80%
dibandingkan harga komoditas tersebut pada tahun 1987.
Io, n= L=
∑ PnQo x 100%
∑ PoQo
b. AIH Paasche
Io, n= P=
∑ PnQn x 100%
∑ PoQn
c. AIH Irving Fisher (Indeks Idiil)
Io,=
n IF
= L.P
d. AIH Drobisch
L+P
Io, n= D= x 100%
2
e. AIH Marshall-Edgeworth
Io=
, n ME
=
∑ Pn(Qo + Qn) x 100%
∑ Po(Qo + Qn)
Permintaan:
Hitunglah AIH rumusan Laspeyres, Paasche dan Irving Fisher tahun
2003 dengan tahun dasar 1995!
Penyelesaian:
P (1995 Q (1995) P (2003) Q (2003) P xQ P XQ P xQ P xQ
0 0 n n 0 0 0 n n 0 n n
0,77 50 0,89 55 38,5 42,35 44,5 48,95
1,85 26 1,84 20 48,1 37 47,84 36,8
0,88 102 1,01 130 89,76 114,4 103,02 131,3
1,46 30 1,56 40 43,8 58,4 46,8 62,4
1,58 40 1,7 41 63,2 64,78 68 69,7
4,4 12 4,62 12 52,8 52,8 55,44 55,44
Jumlah 336,16 369,73 365,60 404,59
a. AIH Laspeyres
L=
∑ PnQo x 100%
∑ PoQo
365,60
x 100%
=
336, 16
= 108,76%
P=
∑ PnQn x 100%
∑ PoQn
404,59
P= x 100%
369,73
= 109,43%
c. AIH Irving Fisher (Indeks Idiil)
IF = L.P
IF = (108,76)(109,43)
= 109,09%
Soal Evaluasi
1. Di bawah ini disajikan harga dari 3 macam sayuran di Jakarta pada tahun
2018 dari bulan Januari – Februari. Harga dinyatakan dalam Rp/Kg.
Tahun 2018 Harga dalam (Rp/Kg)
Wortel Tomat Kentang
Januari 10.000 6.000 12.000
Februari 15.000 8.000 20.000
Sumber: Harian Analisa, Kamis 22 Februari 2018
Pertanyaan:
a. Susun anka indeks harga sederhana dari masing-masing jenis sayuran
untuk bulan februari 2018, apabila diketahui tahun dasar adalah bulan
Januari 2018 (Januari = 100). Berikan kesimpulan dari hasil perhitungan
saudara.
b. Susun indeks harga rata-rata relatif untuk bulan Februari 2018, bila tahun
dasar adalah bulan Januari 2018 (Januari = 100).
2. Diketahui harga rata-rata dan kuantitas empat macam buah-buahan sebagai
berikut:
No. Nama Buah Harga Rata-rata (Rp) Kuantitas (Kg)
1996 1999 1996 1999
1 Jeruk 4.400 4.900 6.200 6.000
2 Apel 6.400 7.800 6.800 7.120
Pertanyaan:
a. Hitunglah angka indeks harga rata-rata relatif tak tertimbang bila
waktu dasarnya awal bulan.
b. Hitung juga angka indeks harga agregatif tertimbang untuk akhir bulan,
dengan memakai waktu dasar dan timbangan awal bulan.
Dari suatu deret berkala akan dapat diketahui pola perkembangan suatu
peristiwa, kejadian atau variabel. Jika perkembangan suatu peristiwa mengikuti
suatu pola yang teratur, maka berdasarkan pola perkembangan tersebut akan
dapat diramalkan peristiwa yang bakal terjadi dimasa yang akan datang.
Jika nilai variabel atau besarnya gejala (peristiwa) dalam deret berkala
(serangkaian waktu) diberi simbol Y1, Y2, ..Yn dan waktu-waktu pencatatan
nilai variabel (peristiwa) diberi simbol X1, X2, ..Xn maka deret berkala dari nilai
73
variabel Y dapat ditunjukan oleh persamaan Y = f (X) yaitu besarnya nilai variabel
Y tergantung pada waktu terjadinya peristiwa itu.
1. Trend
yaitu gerakan yang berjangka panjang yang menunjukkan adanya
kecenderungan menuju ke satu arah kenaikan dan penurunan secara
keseluruhan dan bertahan dalam jangka waktu yang digunakan sebagai
ukuran adalah 10 tahun keatas. Trend biasanya merupakan hasil perubahan
dalam populasi penduduk, faktor demografi, teknologi, dan atau minat
konsumen.
2. Variasi Musim
yaitu gerakan sekitar trend yang bersifat musiman serta kurang lebih teratur,
yang mempresentasikan pola berulang dengan durasi kurang dari 1 tahun.
3. Variasi Siklis
yaitu gerakan trend yang berjangka lebih panjang dan agak lebih teratur.
Mempresentasikan rangkaian titik-titik dengan pola siklis (pergerakan
naik-turun) di atas atau di bawah garis trend dalam kurun waktu 1 tahun.
4. Variasi Tak Beraturan
Yaitu gerakan yang tidak tetap atau tidak teratur sama sekali (Ireguler).
Dari keempat komponen deret berkala tersebut akan dibahas secara rinci
sebagai berikut:
1. Trend
Suatu gerakan kecenderungan naik atau turun dalam jangka panjang yang
diperoleh dari rata-rata perubahan dari waktu ke waktu dan nilainya cukup
rata (smooth).
Trend digunakan dalam melakukan peramalan (misalnya: penjualan)
dimasa yang akan datang. Metoda-metoda yang sering digunakan dalam
mencari persamaan garis trend ramalan antara lain:
Catatan:
Jika jumlah datanya ganjil, dalam melakukan pembagian kedalam kedua
kelompok , maka data yang di tengah bisa diabaikan atau dihitung dua
kali.
Contoh Soal:
Di bawah ini disajikan data hasil penjualan gula di suatu daerah selama
periode 2009 sampai dengan 2018 sebagai berikut:
Penyelesaian:
Semi Nilai X Nilai X
Tahun Penjualan
Rata-rata Th dasar 2011 Th dasar 2016
2009 102 -2 -7
2010 120 -1 -6
2011 95 0 -5
2012 105 106 (K1) 1 -4
2013 108 2 -3
2014 114 3 -2
2015 112 4 -1
2016 120 5 0
2017 117 117,4 (K2) 6 1
2018 124 7 2
a = b∑ X − ∑ Y
n
b(0) − ∑ Y
a =
n
a = ∑Y
n
b=
∑ XY
∑X 2
Catatan:
Untuk setiap persamaan trend yang telah dibuat harus ditambahkan
keterangan yang menyebutkan variable Y menunjukkan apa?, berapa
tahun untuk setiap unit X dan kapan originnya?
(Origin adalah dimana X = 0).
Contoh Soal:
Di bawah ini disajikan data hasil penjualan gula di suatu daerah selama
periode 2009 sampai dengan 2018 sebagai berikut:
Penjualan Permintaan:
Tahun
(dalam Milyar ton)
1. Carilah persamaan trend
2009 102
2010 120 dengan menggunakan Least
2011 95 Square Method!
2012 105
2013 108 2. Ramalkan hasil penjualan pada
2014 114 tahun 2020!
2015 112
2016 120
2017 117
2018 124
Penyelesaian:
Tahun Penjualan (Y) X XY X2
2009 102 -4,5 -459,00 20,25
2010 120 -3,5 -420,00 12,25
2011 95 -2,5 -237,50 6,25
2012 105 -1,5 -157,50 2,25
2013 108 -0,5 -54,00 0,25
0 0 0
2014 114 0,5 57,00 0,25
2015 112 1,5 168,00 2,25
2016 120 2,5 300,00 6,25
2017 117 3,5 409,50 12,25
2018 124 4,5 558,00 20,25
1.117 164,50 82,50
b = 1,994
Jadi Persamaan Trend ramalannya: Ŷ = a + bX = 111,7 + 1,994 X
Ramalan hasil penjualan pada tahun 2020: Y = 111,7 + 1,994 (6,5) = 130,661
Jadi ramalan hasil penjualan pada tahun 2020 adalah 130,661 milyar ton
Contoh Soal:
Di bawah ini disajikan data hasil penjualan gula di suatu daerah selama
periode 2009 sampai dengan 2018 sebagai berikut:
Penjualan Permintaan:
Tahun
(dalam Milyar ton)
Carilah nilai trend dengan metode
2009 102
2010 120 moving average untuk 3 tanun
2011 95 bergerak.
2012 105
2013 108
2014 114
2015 112
2016 120
2017 117
2018 124
a=
( ∑ Y ) ( ∑ X ) − ( ∑ X Y )( ∑ X )
4 2 2
n(∑ X ) − (∑ X )
4 2 2
b=
∑ XY
∑X 2
n(∑ X 2Y ) − (∑ X 2 )(∑ Y )
c=
n(∑ X 4 ) − (∑ X 2 )
2
Contoh Soal:
Di bawah ini disajikan data hasil penjualan gula di suatu daerah selama
periode 2009 sampai dengan 2018 sebagai berikut:
Penyelesaian:
Tahun Y X XY X2 X2Y X4
2013 5,0 -2 -10,00 4 20,00 16
2014 5,6 -1 -5,60 1 5,60 1
2015 6,1 0 0 0 0 0
2016 6,7 1 6,70 1 6,70 1
2017 7,2 2 14,40 4 28,80 16
30,60 5,50 10 61,10 34
2. Variasi Musim
Variasi musim adalah gerakan yang berfluktuasi sekitar trend yang berulang
secara teratur tiap-tiap tahun. Fluktuasi tersebut dapat dalam bulanan,
triwulanan atau semesteran. Variasi ini dapat disebabkan oleh faktor alami
maupun institusional dan membawa pengaruh terhadap pola itu sendiri.
Menentukan Indeks Musim (dalam Triwulan):
28,50 x 100
Indeks Musim Triwulan I = = 107, 79
26,44
28,17 x 100
Indeks Musim Triwulan II = = 106,54
26,44
21,67 x 100
Indeks Musim Triwulan III = = 81,96
26,44
Jika direncanakan panen padi tahun 2008 sebesar 120 ton, maka:
Rata-rata total setiap Triwulan = 120/3 = 40 ton.
Indeks Musim x Rata-rata Total
Rata-rata Pertriwulan=
100
a=
∑Y
n
b=
∑ XY
∑X 2
Contoh Kasus:
Tahun Produksi (Y) X XY X2
2001 63 -2.5 -157.5 6.25
2002 77 -1.5 -115.5 2.25
2003 75 -0.5 -37.5 0.25
2004 82 0.5 41 0.25
2005 89 1.5 133.5 2.25
2006 90 2.5 225 6.25
Total 476 89 17.5
a=
∑ Y = 476 = 79,333
n 6
b=
∑ XY
=
89
= 5,086
∑X 2
17,5
63
Indeks Musim Tahun 2001 = x 100 = 94,57
66,618
77
Indeks Musim Tahun 2002 = x 100 = 107,39
71,704
75
Indeks Musim Tahun 2003 = x 100 = 97,67
76,790
82
Indeks Musim Tahun 2004 = x 100 = 100,15
91,876
89
Indeks Musim Tahun 2005 = x 100 = 102,34
86,962
90
Indeks Musim Tahun 2006 = x 100 = 97,78
92,048
A. Pendahuluan
Statistika adalah pengetahuan yang berhubungan degan cara-cara
pengumpulan fakta, pengolahan serta pembuatan keputusan yang cukup
beralasan berdasarkan fakta dan penganlisaan yang dilakukan. Sedangkan
statistik dipakai untuk menyatakan kumpulan fakta, umumnya berbentuk angka
yang disusun dalam tabel atau diagram yang melukiskan atau menggambarkan
suatu persoalan. Dalam perkembangannya, untuk menyelesaikan suatu masalah
dapat digunakan beberapa pendekatan antara lain statistika dalam arti sempit
dan statsitika dalam arti luas (Hadi, 2014).
Statistika dalam arti sempit (statistika deskriptif) adalah statistika yang
mendeskripsikan atau menggambarkan tentang data yang disajikan dalam
bentuk tabel, diagram, pengukuran tendensi sentral, rata-rata hitung, rata-
87
rata ukur, dan rata-rata harmonik, pengukuran penempatan (median, kuartil,
desil, dan persentil), pengukuran penyimpangan (range, rentangan antar
kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku,
varians. Koefisien varians, dan angka baku), angka indeks serta mencari kuatnya
hubungan dua variabel, melakukan peramalan (prediksi) dengan menggunakan
analisis regresi linier, membuat perbandingan (komparatif). Tetapi dalam
analisis korelasi, regresi maupun komparatif tidak perlu menggunakan uji
signifikansi karena tidak bermaksud membuat generalisasi (bersifat umum)
(Sudjana, 2004).
Statistika dalam arti luas disebut juga dengan statistika inferensial atau
statsitika induktif atau statsitika probabilitas yaitu suatu alat pengumpul data,
pengolah data, menarik kesimpulan, membuat tindakan berdasarkan analisis
data yang dikumpulkan atau statistika yang digunakan menganalisis data sampel
dan hasilnya dimanfaatkan (generalisasi) untuk populasi (Sudjana, 2004).
Dengan demikian, dapat dikatakan bahwa statistika adalah suatu ilmu
pengetahuan yang berhubungan dengan data statistik dan fakta yang benar
atau suatu kajian ilmu pengetahuan dengan teknik pengumpulan data, teknik
pengolahan data, teknik analisis data, penarikan kesimpulan, dan pembuatan
kebijakan atau keputusan yang cukup kuat alasannya berdasarkan data dan
fakta yang akurat.
1. Sebagai alat untuk menghitung besarnya anggota sampel yang diambil dari
populasi.
2. Sebagai alat untuk menguji validitas dan reliabilitas instrumen.
3. Sebagai alat untuk menyajikan data, baik berupa tabel atau grafik.
4. Sebagai alat untuk menganalisis data, seperti menguji hipotesis penelitian.
Soal Evaluasi
1. Pada saat kita akan mengumpulkan data, terlebih dahulu harus menentukan
populasi penelitian, dan juga kita harus melakukan penarikan sampel dari
populasi tersebut. Berdasarkan ungkapan tadi apa yang dimaksudkan
dengan populasi dan sampel tersebut?
2. Untuk membuat sebuah instrumen penelitian yang baik dibutuhkan uji
kelayakan melalui uji validitas dan reliabilitas intrumen. Berdasarkan
pernyataan tadi, sudara jelaskan apa yang dimaksud dengan validitas dan
reliabilitas tersebut?
3. Dalam proses penelitian, setelah data terkumpul perlu dilakukan penyajian
data, baik berupa tabel maupun grafik, saudara jelaskan bagaimana cara
membuat tabel dan grafik yang baik dan benar.
4. Sebagai proses penelitian lebih lanjut, setelah data disajikan perlu dilakukan
pengolahan data, menggunakan apa dalam statistika untuk melakukan
pengolahan data tersebut?
5. Setelah data tersebut diolah, langkah selanjutnya adalah melakukan analisis
data, analisis statistik apa yang dapat dilakukan saudara, jelaskan!
A. Pendahuluan
Sebelum masuk ke pembahasan skala pengukuran, maka ada hal yang perlu
diketahui tentang apa yang akan Anda ukur.
Variabel Penelitian adalah suatu atribut, nilai atau sifat dari objek penelitian
(individu atau kegiatan) yang memiliki variasi tertentu antara satu objek dengan
objek lainnya. Umumnya variabel penelitian akan ditentukan oleh seorang
peneliti untuk dipelajari dan digali Informasi dari objek tertentu yang kemudian
ditarik kesimpulannya.
91
Contoh Variabel Penelitian
Misalkan objek penelitian Anda adalah warga Kota Sukabumi, yang akan
diteliti tingkat pengeluaran perbulannya. Kemudian Anda menentukan
variabel apa saja yang akan digali dari mereka. Misalnya usia, jenis kelamin,
besar pendapatan, dan sebagainya. Nah inilah yang disebut variabel
penelitian Anda.
a. Skala Nominal
Skala nominal merupakan skala pengukuran paling sederhana atau
tingkatannya paling rendah di dalam suatu penelitian. Skala ini hanya
digunakan untuk memberikan kategori saja. Misalnya digunakan untuk
memberi label, simbol, lambang, atau nama pada sebuah kategori sehingga
akan mempermudah pengelompokan data menurut kategorinya.
Pada skala nominal ini, peneliti akan mengelompokkan objek, baik
individu atau pun kelompok kedalam kategori tertentu dan disimbolkan
dengan label atau kode tertentu. Kemudian, angka yang diberikan kepada
objek hanya memiliki arti sebagai label atau pembeda saja dan bukan untuk
menunjukkan adanya tingkatan.
Agar lebih paham, berikut ini ciri-ciri dari skala nominal:
1. Kategori data bersifat mutually exclusive (setiap objek hanya memiliki
satu kategori saja).
2. Kategori data tidak memiliki aturan yang logis (bisa sembarang).
b. Skala Ordinal
Skala ordinal merupakan skala pengukuran yang sudah menyatakan
peringkat antar tingkatan. Jarak atau interval antar tingkatan juga tidak
harus sama.
Skala ordinal ini memiliki tingkatan yang lebih tinggi daripada skala
nominal, karena skala ini tidak hanya menunjukkan kategori saja tetapi
juga menunjukkan peringkat.
Di dalam skala ordinal, objek atau kategorinya disusun berdasarkan urutan
tingkatannya, dari tingkat terendah ke tingkat tertinggi atau sebaliknya,
Ciri-ciri dari skala ordinal antara lain:
1. kategori data saling memisah.
2. kategori data ditentukan berdasarkan jumlah karakteristik khusus yang
dimilikinya.
3. kategori data dapat disusun sesuai dengan besarnya karakteristik yang
dimiliki.
c. Skala Interval
Skala Interval merupakan skala pengukuran yang bisas digunakan untuk
menyatakan peringkat untuk antar tingkatan. Jarak atau interval antar
tingkatan pun sudah jelas, hanya saja tidak memiliki nilai 0 (nol) mutlak.
Skala interval ini bisa dikatakan berada diatas skala ordinal dan nominal.
Besar interval atau jarak satu data dengan data yang lainnya memiliki bobot
nilai yang sama. Besar interval ini bisa saja di tambah atau dikurang.
Berikut ini adalah ciri-ciri dari skala interval:
1. Kategori data memiliki sifat saling memisah.
2. Kategori data memiliki aturan yang logis.
3. Kategori data ditentukan skalanya berdasarkan jumlah karaaktristik
khusus yang dimilikinya.
4. Perbedaan karakteristik yang sama tergambar dalam perbedaan yang
sama dalam jumlah yang dikenakan pada kategori.
5. Angka nol hanya menggambarkan satu titik dalam skala (tidak memiliki
nilai nol absolut).
d. Skala Rasio
Skala rasio adalah skala pengukuran yang ditujukan pada hasil pengukuran
yang bisa dibedakan, diurutkan, memiliki jarak tertentu, dan bisa
dibandingkan.
Skala rasio merupakan tingkatan skala paling tinggi dan paling lengkap
dibanding skala-skala lainnya. Jarak atau interval antar tingkatan sudah
jelas, dan memiliki nilai 0 (nol) yang mutlak. Nilai nol mutlak berarti benar-
benar menyatakan tidak ada.
Contoh Skala Rasio
Contoh pertama, misal tinggi badan Agung adalah 190 cm sedangkan
tinggi badan Vatinson adalah 95 cm. Pada situasi ini dapat dikatakan bahwa
jarak tinggi badan Vatinson dengan Agung adalah 95 cm. Bisa juga dikatakan
bahwa tinggi badan Agung 2 kali tinggi badan Vatinson.
Contoh kedua, misalkan omzet penjualan perusahaan A adalah Rp. 50
Milyar perbulan, sedangkan omzet penjualan perusahaan B adalah Rp. 25
Milyar perbulan. Ukuran rasionya dapat dinyatakan bahwa omzet penjualan
perusahaan A adalah 2 kali omzet penjualan dari perusahaan B.
A. Pendahuluan
Probabilitas diambil dari kata Bahasa Inggris, yaitu Probability. Pengertian
probability atau probabilitas mempunyai suatu pengertian yang luas, dapat
berarti kemungkinan ataupun kesempatan.
Misalnya:
1. Probabilitas kereta api datang tepat pada waktunya 90%, maka ini berarti
bahwa kemungkinan datangnya kereta api tidak terlambat adalah 0,90. Jadi
ada kemungkinan bahwa kereta api entah karena berhalangan atau tidak
datang tepat pada waktunya.
2. Jika kita melemparkan sebuah uang koin, maka probabilitas ia jatuh pada
muka gambar di atas adalah 50%, ini berarti bahwa kesempatan ia jatuh
pada muka gambar di atas adalah ½ kali dari pada jumlah pelemparan yang
diadakan.
97
Jika kita hanya meninjau arti dari kata probabilitas, maka sesuai dengan apa
yang dikatakan di atas merupakan “kemungkinan”.
B. Pengertian Probabilitas
a. Apriori Probababilitas
Ialah suatu probabilitas dimana telah ditentukan terlebih dahulu
kemungkinan terjadi sebelum terjadinya suatu peristiwa. Jadi dengan
perkataan lain, bahwa probabilitas sudah dapat ditentukan lebih
dahulu sebelum terjadinya suatu peristiwa atau sebelum eksperimen
dilakukan.
Jadi dari sejumlah n kemungkinan peristiwa terjadi, dimana sifat
peristiwa telah diketahui akan terjadinya x peristiwa, maka besarnya
probabilitas pristiwa A itu adalah:
x
P(A)=
n
Misalnya:
Bila kita melakukan pengetosan sebuah uang koin sebanyak 1 kali,
maka probabilitas akan tampak muka gambar (G) di atas adalah 1/2.
Nilai probabilitas tersebut diperoleh dari:
Banyaknya peristiwa tampak muka gambar (G) di atas = 1 dan jumlah
keseluruhan peristiwa yang dapat terjadi = 2 yaitu Gambar (G) dan
Huruf (H).
Contoh soal 1:
Apabila kita melemparkan 2 buah dadu sekaligus, berapakah probabilitas
dadu pertama jatuh pada mata 5 di atas dan dadu kedua jatuh pada mata 6
di atas.
Penyelesaian:
Probabilitas dadu pertama jatuh pada mata dadu 5 di atas: P(A) = 1/6
Probabilitas dadu kedua jatuh pada mata dadu 6 di atas: P(B) = 1/6
Probabilitas dadu pertama jatuh pada mata 5 di atas dan dadu kedua jatuh
pada mata 6 di atas:
P(A ∩ B) = P(A) x P(B)
= 1/6 x 1/6
= 1/36
Penyelesaian:
Probabilitas pertama jatuh pada muka gambar di atas: P(A) = 1/2
Probabilitas kedua jatuh pada muka gambar di atas: P(B) = 1/2
Probabilitas pelemparan pertama dan kedua muncul muka gambar di atas:
P(A ∩ B) = P(A) x P(B)
= 1/2 x 1/2
= 1/4
P(A B)
P(A/B)=
P(B)
atau
Bila peristiwa A harus diiringi dengan syarat peristiwa B, maka
P(A ∩ B) = P(B) x P(A/B)
dan
Bila peristiwa B harus diiringi dengan syarat peristiwa A, maka
P(A ∩ B) = P(A) x P(B/A)
Contoh soal 1:
Apabila probabilitas A adalah kemungkinan lulusnya mahasiswa dalam
pelajaran Matematika = 0,80 dan probabilitas B adalah kemungkinan
lulus dalam pelajaran Statistika = 0,75. Sedangkan probabilitas mahasiswa
yang lulus Statistika, maka dia juga harus akan lulus Matematika = 0,90.
Berapakah probabilitas mahasiswa tersebut lulus untuk kedua mata kuliah
tersebut?
Contoh soal 2:
Dalam suatu peti terdapat 3 bola putih dan 1 bola merah. Bila ada seorang
secara random mengambil 2 kali berturut-turut bola dan tidak meletakkan
kembali, berapakah probabilitas terambilnya bola putih di atas?
Penyelesaian:
Karena bola putih yang diambil pertama kali adalah tidak diletakkan
kembali, maka kedua pengambilan ini merupakan peristiwa probabilitas
yang dependen.
A. Pendahuluan
Telah kita pelajari apa yang dinamakan distribusi frekuensi, dimana
distribusi frekuensi diartikan sebagai salah satu tabel atau daftar yang memuat
atas beberapa kelompok, sehingga dalam tiap kelompok atau kelas interval
terdapat frekuensi-frekuensi data.
Dalam bab ini akan kita pelajari pengelompokkan atau distribusi yang dapat
diharapkan berdasarkan kepada pengalaman yang terdahulu atau berdasarkan
pertimbangan-pertimbangan teoritis. Pentingnya mengetahui distribusi macam
ini, akan jelas bila diberikan beberapa contoh.
105
2. Pengusaha rumah makan hendaknya mengetahui macam atau rasa makanan
yang disenangi atau tidak disenangi oleh para langganannya. Jika di suatu
tempat, macam makanan bersari masam yang lebih disenangi, adalah
kurang bijaksana jika terlalu banyak menyajikan makanan yang rasanya
manis atau rasa lain yang lakunya sangat diragukan.
3. Untuk suatu daerah, andaikan telah diperkirakan, bahwa ukuran kaki
wanita dewasa adalah:
Berukuran 34 sebanyak 25%, berukuran 35 sebanyak 32% dan berukuran 36
sebanyak 38%, dan 5% berukuran lainnya. Jika pengusaha pabrik sepatu
tidak ingin melihat sepatu yang dihasilkannya menjadi sarang tikus di
gudangnya, mengapa tidak membuatnya berdasarkan perbandingan
pengelompokan tersebut?
Ketiga contoh di atas, dan lain-lain contoh yang dapat dicari, melukiskan
pengelompokan peristiwa-peristiwa dimana pada tiap kelompok telah
diperhitungkan banyak peristiwa yang terjadi, yang pada umumnya dinyatakan
dalam persen. Pengelompokan demikian dinamakan distribusi. Untuk contoh
pertama dinamakan distribusi selera penonton dan contoh ketiga bisa disebut
distribusi ukuran kaki wanita. Distribusi demikian merupakan distribusi yang
diharapkan berdasarkan pengalaman.
Muka G 500
Muka A 500
Jika kita melakukan pengetosan dengan dua koin jujur, maka peristiwa yang
dapat terjadi adalah :
P(0G) = 1/8
P(1G) = 3/8
Jika ketiga koin jujur itu dilakukan pengetosan sebanyak 2.000 kali, maka
kita mengharapkan distribusi nampaknya G seperti berikut.
Nampak G Frekuensi Yang Diharapkan
∑ P(Xi)=1
n= 1
Contoh 1:
Apabila kita melakukan pengetosan sebuah koin yang jujur, maka distribusi
probabilitas untuk peristiwa X yaitu munculnya muka gambar di atas adalah
X P(X)
0 1/2
1 1/2
Jumlah 1
X P(X)
0 1/4
1 2/4
2 1/4
Jumlah 1
Contoh 3:
Apabila kita melakukan pengetosan tiga buah koin yang jujur, maka
distribusi probabilitas untuk peristiwa X yaitu munculnya muka gambar di
atas adalah
X P(X)
0 1/8
1 3/8
2 3/8
3 1/8
Jumlah 1
∫ −∞
P(x) dx=1
B. Distribusi Binomial
Setelah kita mempelajari distribusi probabilitas dalam bagian yang lalu, kini
tibalah waktunya untuk mempelajari macam-macam distribusi probabilitas
yang banyak digunakan
Dalam distribusi probabilitas kita mengenal dua macam variabel acak, yakni
diskrit dan kontinu. Berdasarkan kedua variabel acak tersebut, pertama-tama
akan dikemukakan distribusi probabilitas diskrit, dan berikutnya distribusi
probabilitas kontinu.
Ada banyak macam distribusi probabilitas yang dikenal, tetapi kita tidak
akan membicarakan hal itu semua, melainkan hanya yang sesuai dengan
N
P(x)= p x (1-p)N-x
X
Dimana:
N! (baca N factorial) = 1 x 2 x 3 x … x (N-1) x N
Demikian misalnya : 3! = 1 x 2 x 3 = 6
5! = 1 x 2 x 3 x 4 x 5 = 120
1! = 0! = 1
5 5! 1 x 2x 3 x 4 x5
Sehingga
= = = 10
3 3!(5 − 3)! 1 x2x 3 x 1 x2
Contoh Soal:
Berapa probabilitas untuk mendapatkan permukaan G sebanyak 6 buah,
jika kita melakukan pengetosan mata uang koin sebanyak 10 kali?
Penyelesaian:
Diketahui Banyaknya percobaan N = 10; Banyaknya peristiwa mendapatkan
permukaan G, yaitu X = 6; Probabilitas P = 1/2. Sehingga
6 10
10 1 1
P(6G) = (1 − 1 / 2)10−6 = 210 = 0,2051
6 2 2
Soal Evaluasi:
1. Andaikata kita menaburkan 10 dadu jujur sebanyak satu kali. Berapa
probabilitas akan diperoleh tepat delapan mata enam?
2. Dari barang yang dihasilkan oleh semacam mesin ternyata 15% rusak.
Diambil secara acak dari produksi barang itu sebanyak 30 buah untuk
C. Distribusi Poisson
Distribusi probabilitas yang kedua yang juga variabel acaknya diskrit adalah
distribusi yang ditemukan oleh Poisson pada awal abad ke-19 dan biasa disebut
distribusi Poisson. Distribusi ini dapat dianggap sebagai pendekatan dari
distribusi Binomial apabila banyaknya percobaan N sangat besar, dan peluang
p terjadinya peristiwa dalam percobaan tunggal yang sangat kecil, sedemikian
sehingga hasil kali N x p nilainya tetap. Nilai tetap ini biasa dinyatakan dengan
“λ” (dibaca: lambda), jadi λ = Np, dan merupakan parameter untuk distribusi
Poisson.
e −λ λ x
p( x ) =
x!
dimana:
Rata-rata : μ = λ
Simpangan baku : σ =
Penyelesaian:
a. Di sini N = 100.000 yang cukup besar dan p yang membalas = 0,00002
cukup kecil. Jadi Np = 100.000 x 0,00002 = 2. Sehingga dari 100.000
pembaca diharapkan ada 2 orang yang membalas iklan televisi itu.
b. Yang membalas iklan hanya seorang, berarti x = 1, bila x menyatakan
banyaknya orang yang membalas iklan . Substitusikan kedalam rumus
distribusi Poisson, maka didapat:
1
e −1/2σ ( x −µ ) , dimana: -∞ < x < ∞
2
f ( x) =
σ 2π
Keterangan:
μ = np = rata-rata
σ = npq simpangan baku
Π = 3,14159 = bilangan konstan
e = 2,71828 = bilangan normal
3. Luas di bawah kurva normal disebut luas daerah kurva normal, yang
besarnya selalu = 1 unit persegi, yang merupakan probabilitas terjadinya
variabel X, dimana X mulai dari -∞ sampai +∞, jadi:
∞ 1
P(−∞ < x < ∞) = ∫
2
e −1/2σ ( x −µ ) dx
−∞
σ 2π
Karena rumus probabilitas distribusi normal seperti yang tertulis di atas
sulit untuk dilakukan, maka untuk kepentingan aplikasi statistik ekonomi,
masalah distribusi normal dapat dilakukan dengan menggunakan tabel
statistik.
1 − z2
Luas area di bawah kurva normal sangat sulit dihitung dengan menggunakan
rumus peluang distribusi normal. Oleh karena itu untuk mempermudah
penghitungan dibuatlah tabel Z distribusi normal baku.
Ada dua tabel Z distribusi normal baku yang disajikan oleh buku-
buku statistik. Dua tabel tersebut adalah tabel distribusi normal baku yang
menentukan luas area di antara -∞ < Z < Z1 dan tabel distribusi normal baku
yang menentukan luas area di antara 0 < Z < Z1.
Z
Gambar 7. Tabel distribusi normal baku yang menentukan
luas area di antara 0 < Z < Z1
Pada pembahasan kali ini, tabel Z distribusi normal baku yang digunakan
adalah tabel Z distribusi normal baku yang menentukan luas area di antara -∞
< Z < Z1.
Contoh 1:
Jawab:
Sebelum menjawab persoalan di atas, perlu dipahami bahwa P(Z < 1,24)
sama juga dengan P(Z ≤ 1,24). Hal ini karena Z adalah variabel random
kontinu dimana P(Z = 1,24) = 0, sehingga P(Z < 1,24) sama saja dengan P(Z ≤
1,24).
Z
Area Z < 1,24 pada kurva distribusi normal baku
Untuk mengetahui luas area kurva normal pada Z < 1,24 atau peluang
P(Z < 1,24), kita bisa akan menggunakan tabel Z distribusi normal baku.
(Lihat: Tabel Z Distribusi Normal Baku).
Tabel Z yang ada pada link di atas terdiri dari dua bagian, yaitu bagian tabel
Z negatif dan bagian tabel Z positif. Karena Z = 1,24 adalah bilangan yang
positif maka bagian tabel yang digunakan adalah bagian tabel Z positif.
Pada tabel Z, kolom pertama menunjukkan nilai Z yang memiliki satu angka
di belakang koma, sedangkan angka kedua di belakang koma terletak pada
baris pertama.
Untuk menentukan luas wilayah Z < 1,24, kita harus menentukan terlebih
dahulu letak 1,2 pada kolom pertama kemudian diarahkan ke kanan.
Selanjutnya menentukan letak 0,08 pada baris pertama kemudian diarahkan
ke bawah. Coba perhatikan ilustrasi pada gambar di bawah ini.
Contoh 2:
Berapakah luas area kurva normal pada Z > 1,24 atau P(Z > 1,24)?
Jawab:
Dari contoh pertama telah diketahui bahwa P(Z < 1,24) adalah 0,8925.
Karena luas area keseluruhan di bawah kurva normal adalah 1, maka
P(Z > 1,24) = 1 – P(Z < 1,24)
P(Z > 1,24) = 1 – 0,8925
P(Z > 1,24) = 0,1075
Dengan demikian luas area kurva normal pada Z > 1,24 atau P(Z > 1,24)
adalah 0,1075.
Kita bisa juga menggunakan cara lain yaitu dengan menentukan P(Z < -1,24).
Hal ini didasarkan pada kurva normal yang bersifat simetris, sehingga P(Z >
1,24) = P(Z < -1,24). Area P(Z < -1,24) dapat dilihat pada gambar berikut.
Dari tabel di atas diperoleh nilai P(Z < -1,24) = 0,1075.
Z
Area -1,12 < Z < 0,92 pada kurva distribusi normal baku
Dari ilustrasi di atas dapat kita ketahui bahwa ternyata luas area kurva
normal -1,12 < Z < 0,92 adalah luas area kurva normal Z < 0,92 dikurangi
luas area kurva normal Z < -1,12. Penyelesaiannya dapat kita tulis menjadi
P(-1,12 < Z < 0,92) = P(Z < 0,92) – P(Z < -1,12).
Nilai P(Z < 0,92) dan P(Z < -1,12) dapat diperoleh dari tabel distribusi normal
baku. Dengan menggunakan tabel Z dapat diketahui bahwa P(Z < 0,92) =
0,8212 dan P(Z < -1,12) = 0,1314, sehingga
P(-1,12 < Z < 0,92) = 0,8212 – 0,1314
P(-1,12 < Z < 0,92) = 0,6898
Soal Evaluasi
1. Suatu jenis batere mobil rata-rata berumur 3,0 tahun dengan simpangan
baku 0,5 tahun. Bila dianggap umur bater berdistribusi normal, carilah
peluang suatu batere berumur kurang dari 2,3 tahun.
2. Suatu perusahaan listrik menghasilkan bola lampu yang umurnya
berdistribusi normal dengan rata-rata menyala 800 jam dan simpangan
bakunya 40 jam, Hitunglah peluang suatu bola lampu dapat menyala antara
778 dan 834 jam.
Judul masing-masing kolom mulai dari kolom kedua (angka yang dicetak
tebal) dari tabel tersebut adalah nilai probabilitas (tingkat/taraf signifikansi).
Nilai yang lebih kecil menunjukkan probabilitas satu arah (satu pihak) sedangkan
nilai yang lebih besar menunjukkan probabilitas dua arah (dua pihak). Misalnya
Lalu apa itu yang dimaksud dengan probabilitas pada tabel t tersebut ?
Lalu apa yang dimaksud dengan probabilitas satu arah dan dua arah?
Dalam hal ini, pengujian hipotesis memiliki dua bentuk pengujian yaitu
pengujian satu arah dan pengujian dua arah. Pengujian satu arah atau dua arah
tergantung pada perumusan hipotesis yang akan kita uji. Misalnya jika hipotesis
kita berbunyi, “Motivasi kerja berpengaruh positif terhadap kinerja pegawai”.
Artinya semakin tinggi motivasi kerja pegawai semakin tinggi pula kinerja
pegawai”. Maka pengujiannya menggunakan uji satu arah.
Kalau kita melakukan pengujian satu arah. Maka pada tabel t, lihat pada
judul kolom bagian paling atasnya (angka yang kecilnya). Sebaliknya kalau kita
melakukan pengujian dua arah, lihat pada judul kolom angka yang besarnya.
Untuk hipotesis pertama, karena uji satu arah, maka lihat pada kolom
keempat tabel di atas, sedangkan df nya lihat pada angka tujuh. Nilai tabel
t = 1,895. Kemudian untuk hipotesis kedua, karena uji dua arah, maka
lihat pada kolom ke lima tabel di atas, dengan df = 7 maka nilai tabel t
= 2,365.
F. Distribusi F
Merupakan distribusi variabel acak Kontinu. Fungsi densitasnya
mempunyai persamaan :
Dimana :
F = Variabel acak yang memenuhi F > 0
K = Bilanan tetap yang harganya pada derajat kebebasan v1 dan v2
V1 = Derajat kebebasan antara varians rata-rata sampel
(Sebagai pembilang)
V2 = Derajat kebebasan dalam keseluruhan sampel
(sebagai penyebut)
Rumusnya:
Misalnya kita punya persamaan regresi dengan dua variabel bebas dan
satu variabel terikat. Jumlah sampel pembentuk regresi tersebut sebanyak 10.
Maka df1= k-1 = 3 – 1 = 2 sedangkan df2 = n – k = 10 – 3 = 7; Jika pengujian
dilakukan pada α = 5%, maka nilai F tabelnya adalah 4,74. Lihat pada v1=2 dan v2
= 7 pada tabel diatas. Selanjutnya untuk tabel distribusi F tersebut dapat dilihat
pada lampiran tabel statistik.
Meskipun daftar yang diberikan hanya untuk peluang p = 0.05 dan p = 0.01,
tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99 dan 0,95.
Untuk ini digunakan hubungan :
A. Pendahuluan
Teknik sampling adalah sebuah metode atau cara yang dilakukan untuk
menentukan jumlah dan anggota sampel. Setiap anggota tentu saja wakil dari
populasi yang dipilih setelah dikelompokkan berdasarkan kesamaan karakter.
Teknik sampling yang digunakan juga harus disesuaikan dengan tujuan
dari penelitian.
131
bahwa pengambilan sampel dari populasi tidak bisa dilakukan begitu saja
namun dibutuhkan suatu teknik agar sampel yang ditarik tetap representatif.
1. Probability sampling
Probability sampling menuntut bahwasanya secara ideal peneliti telah
mengetahui besarnya populasi induk, besarnya sampel yang diinginkan
telah ditentukan, dan peneliti bersikap bahwa setiap unsur atau kelompok
unsur harus memiliki peluang yang sama untuk dijadikan sampel. Adapun
jenis-jenis Probability sampling adalah sebagai berikut :
Metode Undian
a. Proses:
1. Memberi kode nomor urut pada semua elemen populasi pada
lembar kertas-kertas kecil.
2. Menggulung lembar kertas-kertas tersebut, memasukkan
dalam kotak, mengocok dengan rata, mengambilnya satu
persatu.
3. Hasil undian merupakan sampel yang dipilih.
b. Cocok untuk jumlah populasi kecil
Langkah-langkah :
1. Susun kerangka sampling
2. Tetapkan jumlah sampel
3. Tentukan alat pengambilan sampel
4. Pilih sampel sampai dengan jumlah sampel terpenuhi
Langkah-langkah :
1. Susun kerangka sampling.
2. Bagi kerangka sampling ke dalam strata yang dikehendaki.
3. Tentukan jumlah sampel secara keseluruhan.
4. Tentukan jumlah sampel dalam setiap stratum.
5. Pilih sampel dari setiap stratum secara acak.
Gambar 9 Teknik Cluster Random Sampling (Sugiyono, 2001: 59)
2. Nonprobability sampling
Non Probability sampling adalah sebuah teknik sampling yang tidak
memperhatikan banyak variabel dalam penarikan sampel. Sampel-sampel
dari Nonprobability Sampling juga disebut sebagai subjek penelitian dimana
hasil dari uji yang dilakukan pada sampling tidak memiliki hubungan
dengan populasi. Tujuan penggunaan teknik sampling ini lebih banyak
melekat pada materi yang diujikan sedangkan pada random samplin atau
probability Sampling, tujuan penelitian melekat pada nilai dari materi pada
populasi yang diujikan.
a. Sampling sistematis
Sugiyono (2001:60) menyatakan bahwa sampling sistematis adalah
teknik penentuan sampel berdasarkan urutan dari anggota populasi
yang telah diberi nomor urut. Misalnya anggota populasi yang terdiri
dari 100 orang. Dari semua anggota diberi nomor urut, yaitu nomor
1 sampai dengan nomor 100. Pengambilan sampel dapat dilakukan
dengan nomor ganjil saja, genap saja, atau kelipatan dari bilangan
tertentu, misalnya kelipatan dari bilangan lima. Untuk itu, yang diambil
sebagai sampel adalah 5, 10, 15, 20 dan seterusnya sampai 100.
b. Quota sampling
Menurut Sugiyono (2001: 60) menyatakan bahwa sampling kuota adalah
teknik untuk menentukan sampel dari populasi yang mempunyai ciri-
ciri tertentu sampai jumlah (kuota) yang diinginkan. Menurut Margono
(2004: 127) dalam teknik ini jumlah populasi tidak diperhitungkan
akan tetapi diklasifikasikan dalam beberapa kelompok. Sampel diambil
dengan memberikan jatah atau quorum tertentu terhadap kelompok.
Pengumpulan data dilakukan langsung pada unit sampling. Setelah
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 (Sugiyono, 2001:
60). Menurut Margono (2004: 27) menyatakan bahwa dalam teknik
ini pengambilan sampel tidak ditetapkan lebih dahulu. Peneliti
langsung mengumpulkan data dari unit sampling yang ditemui.
Misalnya penelitian tentang pendapat umum mengenai pemilu dengan
mempergunakan setiap warga negara yang telah dewasa sebagai unit
sampling. Peneliti mengumpulkan data langsung dari setiap orang
dewasa yang dijumpainya, sampai jumlah yang diharapkan terpenuhi.
d. Purposive sampling
Sugiyono (2001: 61) menyatakan bahwa sampling purposive adalah
teknik penentuan sampel dengan pertimbangan tertentu. Menurut
Margono (2004:128), pemilihan sekelompok subjek dalam purposive
sampling didasarkan atas ciri-ciri tertentu yang dipandang mempunyai
sangkut paut yang erat dengan ciri-ciri populasi yang sudah diketahui
sebelumnya, dengan kata lain unit sampel yang dihubungi disesuaikan
dengan kriteria-kriteria tertentu yang diterapkan berdasarkan tujuan
penelitian. Misalnya, akan melakukan penelitian tentang disiplin
pegawai maka sampel yang dipilih adalah orang yang memenuhi
kriteria-kriteria kedisiplinan pegawai.
e. Sampling jenuh
Menurut Sugiyono (2001:61) sampling jenuh adalah teknik penentuan
sampel bila semua anggota populasi digunakan sebagai sampel. Hal
f. Snowball sampling
(Sugiyono, 2001: 61), 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 semakin lama semakin besar. Pada penelitian kualitatif
banyak menggunakan purposive dan snowball sampling. Teknik sampel
ditunjukkan pada gambar di bawah ini.
Gambar 10. Snowball Sampling (Sugiyono, 2001: 61)
Contoh:
Akan diteliti mengenai pendapat mahasiswa terhadap pemberlakuan
kurikulum baru di jurusan Manajemen STIE PGRI. Sampel ditentukan
sebesar 100 mahasiswa.
Peneliti menentukan sampel awal 10 mahasiswa. Masing-masing
mencari 1 orang mahasiswa lain untuk dimintai pendapatnya. Dan
seterusnya hingga diperoleh sampel dalam jumlah 100 mahasiswa.
Kelebihan:
1. Mudah digunakan
2. Teknik bola salju paling bermanfaat ketika ada suatu kebutuhan
untuk mengidentifikasi suatu populasi yang sebelumnya tak
dikenal.
Kelemahan: Membutuhkan waktu yang lama.
Contoh:
Apabila diketahui ukuran populasi sebanyak 200 pegawai, berapakah
ukuran sampel yang harus diambil dengan error sampling sebesar 5%?
Diketahui:
N = 200, e = 5% = 0,05
Ditanyakan: n = ?
Jawab:
N 200 200
=n = 2
= 2
= 133,=33 134
1 + N .e 1 + 200.(0,05) 1 + 0,5
Jadi ukuran sampel yang harus diambil minimal sebanyak 134 pegawai.
2. Pendapat Kracjie
Kracjie (Umar Husein, 2005 : 109), mengemukakan suatu metode
penentuan ukuran sampel dengan membuat suatu daftar. Pada
prinsipnya ukuran Kracjie sama dengan penentuan ukuran Slovin,
dimana α = 0,05. Kracjie membuat daftar ukuran sampel mulai dari 10
sampai dengan 100.000, seperti berikut:
N S N S N S N S N S
10 10 100 80 280 162 800 260 2800 338
15 14 110 86 290 165 850 265 3000 341
20 19 120 92 300 169 900 269 3500 346
25 24 130 97 320 175 950 274 4000 351
30 28 140 103 340 181 1000 278 4500 354
35 32 150 108 360 186 1100 285 5000 357
40 36 160 113 380 191 1200 291 6000 361
45 40 170 118 400 196 1300 297 7000 364
50 44 180 123 420 201 1400 302 8000 367
55 48 190 127 440 205 1500 306 9000 368
60 52 200 132 460 210 1600 310 10000 370
65 56 210 136 480 214 1700 313 15000 375
70 59 220 140 500 217 1800 317 20000 377
75 63 230 144 550 225 1900 320 30000 379
80 66 240 148 600 234 2000 322 40000 380
85 70 250 152 650 242 2200 327 50000 381
90 73 260 155 700 248 2400 331 75000 382
95 76 270 159 750 256 2600 335 100000 384
Contoh:
Berapakah ukuran sampel yang harus diambil dari ukuran populasi
sebanyak 200 pegawai?
Jawab:
Berdasarkan tabel Kracjie untuk N = 200, maka S = 127, jadi ukuran
sampel yang harus diambil minimal sebanyak 127 pegawai.
Keterangan :
S = Ukuran sampel
N = Ukuran populasi
P = Proporsi populasi sebagai dasar asumsi pembuatan tabel.
Harga ini diambil P = 0,05
d = Derajat ketepatan yang direfleksikan oleh kesalahan yang dapat
ditoleransi dalam fluktuasi proporsi sampel pada umumnya
diambil 0,05.
x2 = Nilai tabel chi-square untuk satu dk relatif konfiden yang
diinginkan = 3,841 dengan tingkat kepercayaan 0,95.
4. Pendapat Gay
Gay (1981 : 98) menyatakan bahwa untuk menentukan ukuran
minimum sampel yang dapat diterima berdasarkan desain penelitian,
yaitu sebagai berikut :
1. Metode deskriptif, minimal 10% populasi. Untuk populasi relatif
kecil, maka ukuran sampel adalah 20% populasi.
2. Metode deskriptif-korelasional, minimal 30 subyek.
3. Metode eks-postfacto, minimal, minimal 15 subyek per kelompok.
4. Metode eksperimental, minimal 15 subyek per kelompok.
A. Pendahuluan
Hipotesis berasal dari Bahasa Yunani, yang berupa rangkaian kata dari Hupo
dan Thesis. Hupo berarti Lemah atau kurang atau di bawah, sedangkan Thesis
berarti teori atau pernyataan yang disajikan sebagai bukti. Sehingga dapat
diartikan bahwa hipotesis adalah pernyataan yang masih lemah kebenarannya
dan perlu dibuktikan atau dugaan yang sifatnya masih sementara.
147
Contoh:
Apabila terlihat awan hitam dan langit menjadi pekat, maka seseorang dapat
saja menyimpulkan (menduga-duga) berdasarkan pengalamannya bahwa
(karena langit mendung, maka...) sebentar lagi hujan akan turun. Apabila
ternyata beberapa saat kemudian hujan benar turun, maka dugaan
terbukti benar. Secara ilmiah, dugaan ini disebut hipotesis. Namun apabila
ternyata tidak turun hujan, maka hipotesisnya dinyatakan keliru.
B. Kegunaan Hipotesis
Hipotesis merupakan elemen penting dalam penelitian ilmiah,
khususnya penelitian kuantitatif. Terdapat tiga alasan utama yang mendukung
pandangan ini, di antaranya:
1. Penentuan masalah.
Dasar penalaran ilmiah ialah kekayaan pengetahuan ilmiah yang
biasanya timbul karena sesuatu keadaan atau peristiwa yang terlihat tidak
atau tidak dapat diterangkan berdasarkan hukum atau teori atau dalil-
dalil ilmu yang sudah diketahui.[3] Dasar penalaran pun sebaiknya
dikerjakan dengan sadar dengan perumusan yang tepat. Dalam proses
penalaran ilmiah tersebut, penentuan masalah mendapat bentuk
perumusan masalah.
2. Hipotesis pendahuluan atau hipotesis preliminer (preliminary
hypothesis).
Dugaan atau anggapan sementara yang menjadi pangkal bertolak dari
semua kegiatan. Ini digunakan juga dalam penalaran ilmiah. Tanpa
hipotesa preliminer, pengamatan tidak akan terarah. Fakta yang
terkumpul mungkin tidak akan dapat digunakan untuk menyimpulkan
suatu konklusi, karena tidak relevan dengan masalah yang dihadapi.
Karena tidak dirumuskan secara eksplisit, dalam penelitian, hipotesis
priliminer dianggap bukan hipotesis keseluruhan penelitian, namun
merupakan sebuah hipotesis yang hanya digunakan untuk melakukan
uji coba sebelum penelitian sebenarnya dilaksanakan.
3. Pengumpulan fakta.
Dalam penalaran ilmiah, di antara jumlah fakta yang besarnya tak
terbatas itu hanya dipilih fakta-fakta yang relevan dengan hipotesa
preliminer yang perumusannya didasarkan pada ketelitian dan
ketepatan memilih fakta.
4. Merumuskan hipotesis
Dalam rumusannya hipotesis dibagi dua, yaitu Hipotesis Nol (Hipotesis
Statistik) dan Hipotesis alternatif (Hipotesis kerja/penelitian/
deklaratif).
F. Rumusan Hipotesis
Dalam rumusannya hipotesis dibagi dua, yaitu:
1. Hipotesis Deskriptif
Hipotesis tentang nilai suatu variabel mandiri, tidak membuat
perbandingan atau hubungan antara satu variabel dengan variabel
lainnya.
2. Hipotesis Komparatif
Pernyataan hipotesis yang menunjukkan dugaan nilai dalam satu
variabel atau lebih pada sampel yang berbeda, atau suatu hipotesis yang
membandingkan antara satu variabel dengan satu atau lebih variabel
lainnya.
3. Hipotesis Asosiatif
Pernyataan yang menunjukkan dugaan tentang hubungan antara dua
variabel atau lebih.
A. Pendahuluan
Hubungan kausal atau hubungan sebab akibat selalu terjadi di dalam
kehidupan sehari-hari. Tidak jarang juga peristiwa itu terjadi kepada kita, dimana
kita ingin melihat apakah antara suatu hal dengan hal lainnya itu memiliki
hubungan sebab akibat atau tidak. Misalnya hubungan antara biaya promosi
dengan hasil penjualan. Untuk menyelidiki hal tersebut, kita membutuhkan
beberapa data antara kedua hal yang ingin diteliti hubungannya, kedua hal
tersebut dapat kita anggap sebagai variabel yang mempengaruhi dan variabel
yang dipengaruhi. Data yang telah didapat akan dianalisis dengan suatu metode
yang disebut analisis regresi.
155
B. Analisis Regresi
Analisis regresi merupakan analisis hubungan antara dua atau lebih variabel
yang dituangkan dalam bentuk persamaan yang sesuai guna meramalkan rata-
rata variabel dependen atau terikat bagi variabel independen atau bebas yang
tertentu.
Dalam analisis regresi, dikenal dua jenis variabel yaitu variabel terikat atau
respon (variabel dependent) yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya yang dinotasikan dengan Y, dan yang kedua adalah
variabel prediktor (variabel independent) yaitu variabel yang bebas yang tidak
dipengaruhi oleh variabel lainnya yang dinotasikan dengan X.
Bentuk atau model persamaan regresi dapat dibagi dua, yaitu persamaan
regresi linier dan non linier. Akan tetapi regresi yang sering digunakan dan
banyak dipelajari termasuk dalam modul ini hanya akan dikemukakan regresi
linier. Model regresi linier dapat dituliskan dalam bentuk persamaan matematis
sebagai berikut:
Yi = βo + βi Xi + Єi
Untuk model regresi linier juga dibagi dua, yaitu regresi linier sederhana
dan regresi linier berganda. Regresi linier sederhana adalah model regresi
yang hanya melibatkan satu variabel independent dengan variabel dependent,
sedangkan untuk regresi linier berganda adalah model regresi yang melibatkan
lebih dari satu variabel independent dengan variabel dependent. Adapun kedua
model regresi tersebut akan dibahas sebagai berikut.
C. Regresi Sederhana
Cara mencari persamaan regresi sederhana, dapat dilakukan dengan
menggunakan metode kuadrat terkecil (least square method).
Y = a + bX
dimana: Y = Variabel dependent atau variabel terikat
X = Variabel Independent atau variabel bebas
a = Y, dimana X = 0, disebut nilai kontanta
b = Koefisien regresi atau besarnya pertambahan/pengurangan Y
apabila X bertambah 1 unit.
Untuk mencari nilai “a” dan “b” dipergunakan penurunan rumus sebagai
berikut:
Y = a + bX
ΣY = na + b ΣX
ΣXY = a ΣX + b ΣX2
n ∑ XY − (∑ X )(∑ Y )
s=
n ∑ X 2 − (∑ X )2
(∑ Y ) (∑ X )
= a −b
n n
Contoh:
Berikut diketahui biaya overhead dan tingkat produksi dari sebuah pabrik
diberikan sebagai berikut:
Produksi (X) 5 6 7 8 9 10 11
Biaya Overhead (Y) 12 11,5 14 15 15,4 15,3 17,5
Pertanyaan:
1. Tentukan persamaan garis regresinya
2. Berapa biaya overhead, apabila pabrik memproduksi sebanyak 20 unit.
D. Regresi Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis
ini untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah masing-masing variabel independen berhubungan
positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila
nilai variabel independen mengalami kenaikan atau penurunan. Data yang
digunakan biasanya berskala interval atau rasio.
Y = a + biXi
Contoh:
Seorang Manajer Pemasaran deterjen merek “ATTACK” ingin mengetahui
model persamaan garis regresi, dan ingin mengetahui keputusan konsumen
membeli produknya, bila diketahui data hasil observasi sebagai berikut:
Penyelesaian:
X1 X2 Y X1X2 X1Y X2 Y X12 X22
10 7 23 70 230 161 100 49
2 3 7 6 14 21 4 9
4 2 15 8 60 30 16 4
6 4 17 24 102 68 36 16
8 6 23 48 184 138 64 36
7 5 22 35 154 110 49 25
4 3 10 12 40 30 16 9
6 3 14 18 64 42 36 9
7 4 20 28 140 80 49 16
6 3 19 18 114 57 36 9
60 40 170 267 1.102 737 406 182
10(182)(1.102) − (267)(737)
b1 =
10(406)(182) − 71289
2.005.640 − 196.779
b1 =
738.920 − 71289
1.808.861
=b1 = 2,71
667.631
10(406)(737) − (267)(1.102)
b2 =
10(406)(182) − (267)2
2.992.220 − 294.234
b2 =
738.920 − 71.289
2.697.986
b2 = = 4,04
667.631
1. Uji t
Uji t pada dasarnya menunjukan seberapa jauh pengaruh satu variabel
independen secara individual menerangkan variasi variabel terikat (Ghozali,
2006). Pengujian parsial regresi dimaksudkan untuk mengetahui apakah
variabel bebas secara individual mempunyai pengaruh terhadap variabel
terikat dengan asumsi variabel yang lain itu konstan. Untuk melakukan
pengujian t dapat digunakan dengan rumus sebagai berikut:
b
t=
Sb
dimana:
t : Nilai t hitung
b : koefisien regresi
Sb : standar error dari koefisien regresi
Produksi (X) 5 6 7 8 9 10 11
Biaya Overhead (Y) 12 11,5 14 15 15,4 15,3 17,5
Pertanyaan:
Lakukan pengujian hipotesis, bahwa produksi berpengaruh signifikan
terhadap biaya overhead!
Penyelesaian:
Langkah pertama: Menentukan rumusan hipotesis
Ho : β1 = 0
Ho : β1 ≠ 0
Se =
∑ (Yi − Y )2
n−2
2,887
=
7−2
= 0,7598
1
Sb1 = Se
(n − 1)S 2 x
1
Sb1 = 0,7598
(7 − 1)4,6667
Sb1 = 0, 1436
b 0,911
t
= = = 6, 34
Sb 0, 1436
2. Uji F
Uji F pada dasarnya menunjukan seberapa jauh pengaruh variabel
independen secara simultan menerangkan variasi variabel terikat (Gujarati,
2001). Pengujian simultan regresi dimaksudkan untuk mengetahui apakah
variabel bebas secara simultan mempunyai pengaruh terhadap variabel
terikat dengan asumsi variabel yang lain itu konstan. Untuk melakukan
pengujian F dapat digunakan dengan rumus sebagai berikut:
S 12
F=
S 22
dimana:
F : Nilai F hitung
A. Pendahuluan
Dalam analisis korelasi, kita mempelajari pengukuran tentang derajat
keeratan antara variabel X dengan Y atau menentukan kuat tidaknya hubungan
kedua variabel atau lebih. Ukuran yang dipergunakan untuk mengukur kuat
tidaknya hubungan tersebut adalah dengan koefisien korelasi.
B. Teknik Korelasi
Terdapat bermacam-macam teknik korelasi yang dapat digunakan. Teknik
korelasi mana yang akan dipakai tergantung pada jenis data yang akan dianalisis.
Berikut berbagai Teknik korelasi berdasarkan jenis skala pengukuran datanya.
167
Jenis Skala Pengukuran Data Teknik Korelasi Yang Digunakan
1. Korelasi Pearson
Rumusan Koefisien korelasi:
n ∑ XY − (∑ X )(∑ Y )
r=
(n(∑ X 2 ) − (∑ X )2 )(n(∑ Y 2 ) − (∑ Y )2 )
Dimana:
r : Koefisien Korelasi
X : Variabel Independen atau Variabel Bebas
Y : Variabel Dependent atau Variabel Terikat
n : Banyaknya pasangan data
2. Product Moment
∑ xy
r=
∑ x 2. ∑ y2
dimana:
x = (X – X)
y = (Y – Y)
3. Spearman Rank
6 ∑ D2
r=
n(n2 − 1)
dimana: D = Rx - Ry
Data berikut menunjukkan Skor mentah nilai mata kuliah Bahasa Inggris
dengan Skor TOEFL untuk 5 Mahasiswa sebagai berikut :
Penyelesaian:
Terlebih dahulu dihitung nilai koefisien korelasi Pearson (r) dengan bantuan
tabel sebagai berikut:
2 2
X Y XY X Y
105,6 182,0 19219,20 11151,36 33124,00
100,0 180,5 18050,00 10000,00 32580,25
98,5 151,0 14873,50 9702,25 22801,00
102,5 155,0 15887,50 10506,25 24025,00
110,5 175,5 19392,75 12210,25 30800,25
517,1 844,0 87422,95 53570,11 143330,50
r n − 2 0,485 5 − 2
=t = = 0,96
1 − r2 1 − 0,4852
3. Kriteria untuk mengetahui daerah penolakan atau penerimaan Ho
ditentukan oleh :
a. Distribusi student (t)
b. α = 0,05
c. Uji dua pihak
d. Dk = n – 2 = 5 – 2 = 3
Diminta :
1. Hitunlah koefisien korelasi Pearson (r) antara Gaya Kepemimpinan
dengan kinerja pegawai dan antara Komunikasi Interpersonal dengan
kinerja pegawai. Kemudian tentukan interpretasinya masing-masing!
2. Tentukan berapa besarnya pengaruh, dan besarnya pengaruh lain dari
soal no.1 di atas!
3. Lakukan pengujian hipotesis, apakah:
Gaya kepemimpinan mem
A. Pengantar SPSS
SPSS adalah sebuah program komputer yang digunakan untuk membuat
analisis statistika. SPSS dipublikasikan oleh SPSS Inc. SPSS (Statistical Package
for the Social Sciences atau Paket Statistik untuk Ilmu Sosial) versi pertama
dirilis pada tahun 1968, diciptakan oleh Norman Nie, seorang lulusan Fakultas
Ilmu Politik dari Stanford University, yang sekarang menjadi Profesor Peneliti
Fakultas Ilmu Politik di Stanford dan Profesor Emeritus Ilmu Politik di University
of Chicago.
Semula SPSS hanya digunakan untuk ilmu social saja, tapi perkembangan
berikutnya digunakan untuk berbagai disiplin ilmu sehingga kepanjangannya
berubah menjadi “Statistical Product and Service Solution” (Nisfiannoor,
Muhammad, Pendekatan Statistika Modern Untuk Ilmu Social, Salemba
Humanika, 2009:15.)
173
SPSS digunakan oleh peneliti pasar, peneliti kesehatan, perusahaan survei,
pemerintah, peneliti pendidikan, organisasi pemasaran, dan sebagainya. Selain
analisis statistika, manajemen data (seleksi kasus, penajaman file, pembuatan
data turunan) dan dokumentasi data (kamus metadata ikut dimasukkan
bersama data) juga merupakan fitur-fitur dari software dasar SPSS.
SPSS dapat membaca berbagai jenis data atau memasukkan data secara
langsung ke dalam SPSS Data Editor. Bagaimanapun struktur dari file data
mentahnya, maka data dalam Data Editor SPSS harus dibentuk dalam bentuk
baris (cases) dan kolom (variables). Case berisi informasi untuk satu unit
analisis, sedangkan variable adalah informasi yang dikumpulkan dari masing-
masing kasus.
6. Klik Next untuk melanjutkan
7. Isi data User Name dan Organization sesuai keinginan sobat, bisa diisi
dengan data bebas
10. Pilih No
11. Klik Next untuk melanjutkan
12. Pilih Yes
15. Klik Next untuk melanjutkan
16. Pilih I accept the terms in the license agreement.
20. Klik OK
22. Klik Next untuk melanjutkan
24. Klik Next untuk melanjutkan
25. Klik Next untuk melanjutkan
27. Klik Yes untuk melakukan restart