KATA PENGANTAR

tatistika merupakan salah satu cabang matematika yang sangat bermanfaat bagi

S kehidupan dan menopang berbagai disiplin keilmuan lain. Walaupun statistika

merupakan cabang matematika yang relatif baru, namun perkembangannya sangat
pesat dalam lima dasawarsa terakhir. Dengan semakin kompleks dan masif nya data yang
ada pada setiap disiplin keilmuan, statistika seakan mendapat panggilannya untuk
membantu memecahkan berbagi persoalan keilmuan yang ada.
Buku ini menyajikan statistika deskriptif dan inferensial, Selain itu, buku ini
memberikan pemahaman tentang konsep probabilitas dan penggunaanya. Berbagai tema
tersebut diharapkan bisa digunakan untuk mengembangkan keilmuan dan sebagai dasar
dalam mendalami disiplin ilmu yang terkait statistika.
Buku ini menyajikan materi secara singkat dan jelas, sehingga bisa menangkap inti dari
konsep yang dipelajari dengan mudah. Selain itu, buku ini menyajikan contoh soal agar
dapat melakukan refleksi dan evaluasi atas pemahaman yang telah mereka pelajari pada
semester sebelumnya.
Kami tim penulis mengucapkan terima kasih atas semua pihak yang telah
membantu sehingga buku statistika ini bisa selesai. Tidak ada karya yang muncul dari
ruang hampa. Begitu juga dengan karya ini. muatan yang terkandung di dalamnya
merupakan intisari dari berbagai pemikir bidang statistika. Hasil akhir dari karya ini
merupakan tenunan atas berbagai saran dan masukan dari teman sekolompok dan hasil
studi literature dan teknik pengumpulan materi dari berbagai buku. Sebagai sebuah karya
kolektif, tim penulis berharap karya ini juga mampu berguna bagi khalayak umum.
Dengan berbagai kekurangan yang ada, kami membuka kritik dan saran agar diskusi
keilmuan yang konstruktif mampu terjalin dan menjadi buah dari pemikiran yang
bermanfaat bagi bersama.

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ................................................................................................. i

DAFTAR ISI ............................................................................................................... ii
BAB I PENGANTAR STATISTIK .......................................................................... 1
A. Pengertian Satatistik ..................................................................................... 1
B. Hipotesis Penelitian ...................................................................................... 3
C. Macam-Macam Statistik............................................................................... 3
D. Langkah-Langkah Statistik........................................................................... 3
E. Populasi dan Sampel .................................................................................... 5
BAB II DATA DAN PENYAJIAN DATA ............................................................... 6
A. Jenis-Jenis Data ..................................................................................................... 6
B. Penyajian Data ....................................................................................................... 8
C. Pengerjaan Dengan Komputer ........................................................................... 18
BAB III UKURAN KECENDERUNGAN PUSAT & VARIABILITAS ............ 20
A. Ukuran Kecenderungan Pusat ............................................................................ 20
B. Ukuran Variabilitas ............................................................................................. 26
BAB IV SEBARAN FREKUENSI & HISTOGRAM ........................................... 27
A. Pengertian Sebaran Frekuensi ............................................................................ 27
B. Susunan Frekuensi Berkelompok ...................................................................... 27
C. Grafik: Histogram ............................................................................................... 30
BAB V KURVA NORMAL..................................................................................... 32
A. Pengertian Kurva Normal ................................................................................... 32
B. Daerah Kurva Normal......................................................................................... 32
C. Uji Normalitas ..................................................................................................... 33
BAB VI PROBABILITAS & HIPOTESIS ............................................................ 36
A. Populasi dan Sampel ........................................................................................... 36
B. Probabilitas .......................................................................................................... 38
C. Hipotesis Statistik................................................................................................ 38
BAB VII UJI KORELASI ....................................................................................... 40
A. Pengertian Uji Korelasi....................................................................................... 40
B. Macam-macam Korelasi ..................................................................................... 40
C. Formula Uji Korelasi .......................................................................................... 41
BAB VIII UJI REGRESI ........................................................................................ 44
A. Pengertian Uji Regresi ........................................................................................ 44
ii
 B. Persamaan Garis Regresi .................................................................................... 44
C. Asumsi dalam Regresi ........................................................................................ 45
D. Analisis Uji Regresi ............................................................................................ 45
BAB IX UJI BEDA & ANOVA .............................................................................. 48
A. Pengertian Uji Beda dan Anova ......................................................................... 48
B. Macam-macam Uji Beda dan Anova ................................................................ 48
C. Langkah-langkah perhitungan............................................................................ 49
BAB X STATISTIK NONPARAMETRIK ........................................................... 51
A. Pengertian Statistika Non Parametrik ................................................................ 51
B. Macam-macam Uji Non Parametrik .................................................................. 51
C. Langkah-langkah Perhitungan ........................................................................... 51
D. Keunggulan & Kekurangan Statistik Non Parametrik ..................................... 52

iii
 BAB I

PENGANTAR STATISTIK

A. Pengertian Satatistik

Penggunan Statistik sudah ada sebelum abad ke- 18, pada saat itu negara
Babilon, Mesir, dan Roma mengeluarkan catatan tentang nama, usia, jenis kelamin,
pekerjaan, dan jumlah anggota keluarga. Kemudian pada tahun 1500, pemerintahan
Inggris mengeluarkan catatan mingguan tentang kematian dan tahun 1662
dikembangkan catatan tentang kelahiran dan kematian. Baru pada tahun 1772-1791 G.
Achenwall menggunakan istilah statistik sebagai kumpulan data tentang Negara. Tahun
1791- 1799, Dr. E.A.W Zimmesman mengenalkan kata statistika dalam bukunya
Statistical Account of Scotland. Tahun 1880, F. Galton pertama kali menggunakan
korelasi dalam penelitian ilmu hayat. Pada abad 19 Karl Pearson mempelopori
penggunaan metoda statistik dalam berbagai penelitian biologi maupun pemecahan
persoalan yang bersifat sosio ekonomis. Tahun 1918-1935, R. Fisher mengenalkan
analisa varians dalam literatur statistiknya.

Statistik adalah kata yang digunakan untuk menyatakan sekumpulan fakta,

umumnya berbentuk angka-angka yang disusun dalam tabel atau diagram yang
melukiskan atau menggambarkan suatu kumpulan data yang mempunyai arti. Untuk
memudahkan, berikut ini disampaikan beberapa contoh:
a. "Ada 60 % dari penduduk yang memerlukan air bersih, kata 60 % adalah
statistic
b. Statistik vital pragawati tersebut adalah 38 - 33 - 35, rangkaian angka-angka
ini disebut juga "statistik" karena mempunyai arti

Sedangkan statistika menunjukkan suatu pengetahuan yang berhubungan

dengan cara-cara pengumpulan fakta, pengolahan, penganalisisan, dan penarikan
kesimpulan serta pembuatan keputusan yang cukup beralasan berdasarkan fakta yang
ada.

Statistik iyalah sekumpulan angka untuk menerangkan sesuatu , baik angka

1
yang masih acak(belum tersusun) maupun angka yang sudah tersusun dalam suatu
daftar ataupun grafik. kata Statistik berasal dari bahasa latin , yaitu “status” yang
berarti negara atau hal-hal yang berhubungan dengan ketatatnegaraan. Statistik iyalah
sekumpulan cara serta aturan tentang pengumpulan , penganalisaan , pengolahan serta
penafsiran data yang terdiri dari angka-angka. Statistik juga iyalah sekumpulan angka
yang menjelaskan sifat-sifat data ataupun hasil dari pengamatan.

Somantri (2006:18) menyatakan statistik diartikan sebagai kumpulan fakta yang

berbentuk angka-angka yang disusun dalam bentuk daftar atau tabel yang
menggambarkan suatu persoalan. Pengertian ini sejalan dengan pendapat dari Gasperz
(1989:18), yang menyatakan bahwa kata statistik telah dipakai untuk menyatakan
kumpulan fakta, umumnya berbentuk angka yang disusun dalam tabel dan atau
diagram, yang menggambarkan suatu persoalan.

Pasaribu (1975:18) mengatakan ada tiga pengertian statistik. Pengertian

pertama “Statistik merupakan seonggokan atau sekumpulan angka-angka yang
menerangkan sesuatu, baik yang sudah tersusun di dalam daftar yang teratur atau grafik
maupun belum”. Pengertian kedua “Statistik adalah kumpulan dari cara-cara dan
aturan-aturan mengenai pengumpulan data (keterangan mengenai sesuatu),
penganalisaan dan interpretasi data yang berbentuk angka-angka“. Pengertian ketiga
“Statistik adalah bilangan-bilangan yang menerangkan sifat (characteristic) dari
sekumpulan data(pengamatan)“. Sedangkan menurut Furqon (1999:3), Istilah statistik
digunakan untuk menunjukkan ukuran-ukuran, angka, grafik atau tabel sebagai hasil
dari statistika. Istilah Statistik juga digunakan untuk menunjukkan ukuran-ukuran yang
langsung diperoleh dari data sampel untuk menaksir parameter populasinya.

Berdasarkan beberapa pengertian statistik di atas, dapat kami simpulkan bahwa

statistik memiliki dua pengertian. Dalam arti sempit, statistik adalah kumpulan fakta
yang berbentuk angka-angka (baik disajikan dalam bentuk tabel maupun tidak) yang
menggambarkan suatu persoalan. Dalam arti luas, statistik adalah kumpulan cara dan
aturan mengenai pengumpulan, pengolahan, penyajian, penganalisaan, dan interpretasi
data untuk mengambil kesimpulan.

2
B. Hipotesis Penelitian
Hipotesa penelitian adalah dugaan sementara apakah dugaan tersebut benar-
benar terjadi. Sedangkan hipotesa statistik adalah merujuk apakah hasil yang
didapatkan pada pengujian pada sampel itu dapat digunakan untuk keseluruhan
populasi.
Contoh dari hipotesis penelitian adalah ketika menduga bahwa semua pegawai
di instansi pemerintah memiliki pendidikan akhir S1. Membuktikannya, perlu
dilakukan kunjungan atau survei langsung ke instansi milik pemerintah tersebut.
Selanjutnya, perlu dilakukan wawancara dengan semua pegawai di dalamnya.
Jika sudah diberi pertanyaan dan memang terbukti semua pegawainya adalah
lulusan S1. Maka hipotesis penelitian yang dibuat di awal penelitian ada benar adanya
dan kemudian bisa diperkuat dengan landasan teori dari penelitian tersebut. Sehingga di
bagian kesimpulan bisa menjelaskan dengan lebih detail.

C. Macam-Macam Statistik
1. Statistik deskriptif
Teknik statistik yang hanya memberikan informasi data saja tidak untuk menguji
hipotesis (penghitungan frekwensi, grafik, rerata, modus, median, simpangan
baku, range)
2. Statistik inferensial/statistik induktif
Teknik statistik untuk melalukan inferensi atau pengambilan kesimpulan yang
bersifat generalisasi pada sampel untuk semua populasi. Dalam hal ini statistik
untuk menguji hipotesis.

D. Langkah-Langkah Statistik
1. Pengumpulan data
Statistika adalah suatu alat yang akan kita gunakan untuk mempelajari gambaran
tentang fakta (dunia nyata), mempelajari hubungan antara beberapa sifat,
pengaruh satu faktor dengan faktor lainnya, yang semuanya dilakukan terlebih
dulu memindahkan gambaran tentang fakta ke dalam bentuk data-data tertulis.
Dengan hal ini, maka pengumpulan data merupakan satu hal yang harus
dilakukan dengan baik dan benar. Kesalaahan atau tidak baiknya tahap proses

3
 pengumpulan data akan menyebabkan terjadinya kesimpulan yang juga tidak
baik atau bahkan menyesatkan.
2. Pengaturan (organisasi) data
Data yang baru saja dikumpulkan yang belum diolah sama sekali kita namakan
data mentah (raw data). Untuk bisa digunakan untuk berbagai keperluan,maka
raw data ini harus terlebih dulu diedit untuk menghilangkan berbagai kesalahan,
kemudian digolong-golongkan (diklasifikasikan) ke dalam beberapa kelas data
untuk tiap nama variabel yang sesuai. Hingga kemudian kita catat dalam sebuah
tabel yang mudah dibaca untuk keperluan analisis lebih lanjut.
3. Presentasi data
Penyajian data agar lebih mudah dipahami, dan memberikan visual yang
menarik, perlu kita bentuk ke dalam grafik atau diagram. Bentuk grafik atau
diagram apa yang harus dibuta disesuaikan dengan tujuan penyajiannya dan
subyektifitas penyaji. Dalam hal ini, kita bisa membuat diagram batang, diagram
garis, diagram lingkran, dan sebagainya.
4. Analisis Data
Bentuk paling sederhana dari analisis data adalah mengukur (menghitung) nilai
rata-rata data, standar deviasi, dan bentuk distribusi data. Analisis lebih lanjut
yang banyak diperlukan misalnya Penaksiran karakter populasi dari data sampel,
uji hipotsis, uji pengaruh antar variabel, dan sebagainya. Dari tiap jenis analisis,
biasanya terdapat beberapa metode statistik ayng bisa digunakan. Metode mana
yangb harus digunakan, kita sesuaikan dengan sifat data yang kita hadapi dan
kepentingan analisis.
5. Interpretasi Data
Dengan mengamati data (dan hasil olahan data) ditambah dengan informasi dan
pengetahuan lain dari si pengamat (interpreter) akan diambil kesimpulan tertentu
atas sifat-sifat data tersebut. Proses ini dikatakan sebagai interpretasi karena
dalam mengambil kesimpulan, memasukkan juga unsur subyektifitas sesuai
dengan pengetahuan, pengalaman, dan informasi sang interpreter, diman antara
satu dan lain interpreter pasti berbeda unsur subyektifitasnya.

4
E. Populasi dan Sampel
1. POPULASI (Universe) adalah wilayah generalisasi yang terdiri atas obyek yang
mempunyai karakteristik tertentu yang ditetapkan untuk dipelajari. Populasi
tidak selalu berupa orang, tetapi juga ada kemungkinan benda-benda alam, suatu
institusi, atau seseorang. Misalnya kita akan melakukan penelitian budaya kerja
di UNY maka populasinya adalah UNY, dimana di dalam UNy terdapat sifat-
sifat disiplin pegawai, suasana akademis, pola kepemimipinan, dan sebagainya.
Contoh lain, kita aka mempelajari gaya kepemimipinan presiden SBY, maka
Pre4siden SBY merupakan populasi, yang didalamnya terdapat karakteristik
yang akan diamati yang didalamnya termasuk gaya bicara, disiplin pribadi,
hubungan dengan bawahan, dan sebagainya.
2. SAMPEL adalah sebuah himpunan bagian dari sebuah populasi yang berisi
sebagian dari elemen-elemen populasi. Untuk kepentingan generalisasi populasi,
maka sampel yang diambil harus representatif yaitu bisa mewakili sifat-sifat
populasi yang diteliti. Sampel digunakan sebagai obyek studi menggantikan
populasi karena beberpa alasan, diantaranya: 1. Penelitian terhadap populasi
akan memakan waktu yang lama, biaya besar, tenaga banyak, dengan tingkat
ketelitian yang tidak selalu lebih baik, bahan kadang bekerja dengan data yang
besar akan menurunkan tingkat ketelitian, karena faktor kelelahan, kebosanan,
dan ketidaktelitian. 2. Sifat populasi yang tidak memungkinkan dilakukannya
penelitian atas seluruh populasi. Contoh ekstrimnya adalah meneliti ada tidaknya
firus dalam darah seseorang tidak mungkin dilakukan dengan mengambil seluruh
darah orang tersebut untuk diteliti. Dalam bidang bisnis misalnya penelitian daya
tahan produk batu baterei tidak mungkin dilakukan terhadap seluruh batu baterei
yang diproduksi. Dalam kedua contoh ini kita cukup menggunakan sampel saja.
3. Terdapat teknik statistika yang bisa digunakan untuk menduga sifat populasi
dengan menggunakan sifat-sifat sampel yang diketahui. Teknik ini merupakan
metode pendugaan populasi yang sangat baik, karena bersifat obyektif, yang
berarti bisa dirunut kembali, diuji ulang kebenarannya oleh pihak lain, dan bisa
diketahui tingkat kebenaran dugaan.

5
 BAB II

DATA DAN PENYAJIAN DATA

A. Jenis-Jenis Data
Adapun untuk jenis-jenis data dalam statistik, sebagai berikut.
1. Berdasarkan sifatnya
Dilihat dari sifatnya, data dalam statistik terbagi atas;
a. Data kualitatif
Dalam kualitatif yakni data statistik mengacu pada jenis data yang tidak
dinyatakan dalam bentuk angka, atau bisa dikatakan data non-numerik yang
dalam hal ini bisa berupa data nominal atau data ordinal. Penggunaan dalam
contoh analisis data kualitatif ini bisanya dilakukan dalam kasus-kasus terkait
dengan masalah sosial tertentu.
Contoh data statistik kualitatif
Misalnya;
 Warna rambut pemain tim sepak bola
 Warna mobil di tempat parkir
 Nilai huruf siswa di kelas
 Dan lain-lain
b. Data kuantitatif
Data kuantitatif dalam statistik akan senantisa mengacu pada data yang
berbentuk angka atau data numerik yang dilakukan penghitungan secara manual
atau bisajuga dengan aplikasi SPSS (Statistical Product and Service Solutions)
Contoh data statistik kuantitatif
Misalnya saja;
 Jumlah uang yang kita miliki
 Jumlah orang yang tinggal di kota A
 Jumlah siswa yang mengambil statistik
 Angka kemenangan yang diperolej Jokowidodo berdasarkan Quick Count

6
 pada tahun 2019
2. Berdasarkan Skala Pengukuran
a. Data nominal
Data nominal seringkali sebagai data diskrit atau data kategorik, alasannya
karena skala data ini memiliki karakteristik yang terpisah antara satu sama
lainnya, baik pemisahan tersebut terdapat hubungan yang melatarbelakanginya
ataupun tidak.
Contoh data statistik nominal
Misalnya saja;
 1. Kategori jenis kelamin yang terdiri dari wanita dan laki-laki
 2. Kategori status pernikahan, terdiri dari menikah, lajang, dan juga
janda/duda
b. Data Ordinal
Data oridinal bisa dikatakan sebagai serangkaian data yang senantisa menunjuk
pada tingkatan tertinggi dan tertas pada kuesioner ata pertanyaan yang diberikan
kepada responden. Dalam data ini setidaknya menunjukan status yang lebih
tinggi dan rendah.
Contoh data statistik ordinal
Misalnya saja;
“Dalam penelitian memberikan pertanyaan. Apakah anda puas dengan kinerja
Presiden Jokowidodo?”
Jika jawabannya paus maka nilainya 3, jawaban netral nilainya 2, dan tidak
puas mendapatkan nilai 1
c. Data Interval
Data interval bisa dikatakan sebagai data kontinum, alasannya hampir sama
dengan data nominal adapun untuk perbedannya yang paling emncolok ialah
terdapat tingkatan yang lebih tinggi lagi dengan menunjukan jarak antara data
yang satu dengan data yang lainnya.
Contoh data statistik interval
Misalnya saja;

7
  Hasil ujian sekolah di SMA 1 Surakarta
 Hasil pengukuran tinggi badan yang terdapat pada mahasiswa kesehatan
d. Data Rasio
Data rasio menjadi salah satu bentuk data yang termasuk dalam data kontinum,
alasannya karena data ini memiliki karakteristik dan sifat yang menujukan jarak
sama dengan data sebelumnya yaitu interval dan ordinal. Hanya saja untuk
skala pengukuran dalam data rasio ini senantisa menjukan nilai mutlak dan
tidak memberikan nilai.
Contoh data statistik rasio
Misalnya saja;
“Berat badan rosyid adalah 30 Kg dan berat badan Wibi 60 Kg dalam data ini
sudah mutlak menujukan bahwa berat badan Rosyid dua kali dari berat badan
Wibi.”

Contoh Data Statistik

Adapun untuk contoh umum yang ada dalam data statitik. Misalnya saja
1. Penelitian
Jika peneliti bertanya kepada lima teman temannya terkait berapa banyak hewan
peliharaan yang mereka miliki, mereka mungkin memberi peneliti data berikut: 0,
2, 1, 4, 18. (Teman kelima mungkin menghitung setiap ikan akuariumnya sebagai
Dari penjelasan yang dikemukakan.
Setidaknya perlu diketahui bahwa uji hipotesis penelitian sangat penting dalam
menilai statistik sampel yang kita miliki dan faktor-faktor dalam perkiraan
kesalahan sampel untuk menentukan hipotesis mana yang didukung data. Artinya
keterkaitan ini didapatkan jika kita dapat menolak hipotesis statistik nol, hasilnya
signifikan secara statistik, dan data kita mendukung teori bahwa ada efek pada
tingkat populasi.. Itulah tadi artikel yang bisa diberikan pada semua kalangan
berkenaan dengan jenis data statistik dan contohnya yang ada dalam penelitian
B. Penyajian Data
Penyajian data statistik adalah suatu bentuk penataan data statistik agar data
statistik lebih mudah dipandang dan mudah dipahami oleh pengguna data. Tujuannya
8
adalah adalah agar data statistik mudah dimengerti, mudah dianalisis, sehingga proses
pengambilan kesimpulan dan keputusan berdasarkan data menjadi lebih akurat.
Penyajian data statistik biasanya terdiri dari dua bentuk, yaitu:
1. Penyajian data dalam bentuk tabel
2. Penyajian data dalam bentuk grafik
Tabel biasanya menyajikan data dalam bentuk kolom dan baris sedangkan
grafik menyajikan data dalam bentuk gambar visual. Kedua bentuk penyajian data
tersebut akan dijelaskan pada ulasan di bawah ini.

Penyajian Data Dalam Bentuk Tabel

Komponen-komponen yang biasanya harus ada dalam tabel adalah judul tabel,
judul kolom, judul baris, sel-sel tabel dan sumber data. Bentuk penyajian data dalam
berupa tabel adalah sebagai berikut.
1. Tabel Baris Kolom
Tabel baris kolom adalah tabel yang terdiri dari baris dan kolom. Jenis tabel baris
kolom yaitu:
a. Tabel Satu Arah
Tabel satu arah adalah tabel yang berisi satu karakteristik saja. Contoh dari
tabel satu arah adalah sebagai berikut.
Jumlah Sekolah (SD, SMP dan SMA) Dibawah Kementerian Pendidikan dan
Kebudayaan di Provinsi DKI Jakarta, 2019/2020 Semester Ganjil

Sumber: Provinsi DKI Jakarta Dalam Angka 2020

9
 Tabel di atas disebut tabel satu arah karena hanya memiliki satu karakteristik saja
yaitu jumlah sekolah.
b. Tabel Dua Arah
Tabel dua arah adalah tabel yang berisi mengenai dua karakteristik berbeda.
Contoh tabel dua arah adalah sebagai berikut.
Jumlah Sekolah Dibawah Kementerian Pendidikan dan Kebudayaan Menurut Tingkat
Sekolah di Provinsi DKI Jakarta, 2019/2020 Semester Ganjil

Sumber: Provinsi DKI Jakarta Dalam Angka 2020

Tabel di atas di sebut tabel dua arah karena terdiri dari dua karakteristik yaitu
sekolah dan tingkat sekolah.
c. Tabel Tiga Arah
Tabel tiga arah adalah tabel yang berisi mengenai tiga karakteristik yang
berbeda. Contoh tabel tua arah adalah sebagai berikut.
Jumlah Sekolah Dibawah Kementerian Pendidikan dan Kebudayaan Menurut Tingkat
Sekolah dan Status Sekolah di Provinsi DKI Jakarta, 2019/2020 Semester Ganjil

10
 Sumber: Provinsi DKI Jakarta Dalam Angka 2020
Tabel di atas disebut tabel tiga arah karena terdiri dari tiga karakteristik yaitu
sekolah, tingkat sekolah dan status sekolah.
2. Tabel Kontingensi
Tabel kontingensi merupakan tabel baris kolom yang memiliki karakteristik
sendiri yaitu penyajian data dengan 2 faktor atau 2 variabel. Setiap variabelnya
terdiri dari beberapa ketegori bisa dalam bentuk baris, kolom, dan total. Data yang
terdiri dari dua variabel, dengan variabel yang satu terdiri dari bb kategori dan
lainnya terdiri atas kk kategori, sehingga dapat dibuat tabel kontingensi berukuran b
\times kb×k dengan bb menyatakan baris dan kk menyatakan kolom.
Berikut ini adalah contoh tabel kontingensi 2 \times 3.2×3.

11
Penyajian Data Dalam Bentuk Grafik
Grafik adalah bentuk penyajikan data statistik berupa gambar-gambar visual.
Oleh karena itu penyajian data menggunakan grafik akan mempermudah dalam
penyampaian sebuah data.
Pengguna data akan lebih mudah memahami keadaan data yang ditampilkan
melalui grafik daripada tabel karena manusia cenderung lebih menyukai sesuatu yang
disampaikan secara visual daripada melalui kata-kata.
Ada banyak jenis penyajian data dalam bentuk grafik. Berikut akan disajikan
hanya beberapa bentuk saja.
1. Grafik Batang
Grafik batang merupakan grafik yang terdiri batang-batang. Grafik batang
dapat digambarkan secara vertikal maupun Horizontal. Grafik batang terdiri dari
dua bagian yaitu grafik batang tunggal (single bar chart) dan grafik batang
ganda(multiple bar chart). Grafik batang lebih cocok menggambarkan data yang
menunjukkan kuantitas atau data yang bertujuan memberikan perbandingan sebuah
rangkaian data.
Contoh grafik batang tunggal (single bar chart) adalah sebagai berikut.

Contoh grafik batang ganda (multiple bar chart) adalah sebagai berikut

12
2. Grafik Garis
Grafik garis adalah grafik yang posisi titik-titiknya dihubungkan dengan
garis-garis saja. Grafik garis dibuat dengan 2 sumbu XX yang menunjukkan
bilangan bersifat tetap, seperti tahun, ukuran dan lainnya. Sementara pada
sumbu YY ditempatkan bilangan yang sifatnya dapat berubah-ubah seperti jumlah,
harga dan lainnya. Biasaya grafik garis digunakan untuk melihat perkembangan
suatu data dari waktu ke waktu, misalnya perkembangan harga emas setiap hari,
perkembangan inflasi setiap bulan dan lain-lain.
Berikut disajikan contoh grafik garis perkembangan penjualan sparepart mobil
sebuah toko onderdil mobil
Berikut ini data pendapatan penjualan Sparepart Mobil Tahun 2020.

13
3. Grafik Lingkaran
Grafik lingkaran merupakan sebuah grafik yang berbentuk lingkaran yang
dibagi-bagi menjadi beberapa irisan. Umumnya digunakan untuk menyajiakan data
dalam bentuk persentase. Untuk membuat grafik lingkaran, gambarkan sebuah
lingkaran kemudian bagi menjadi beberapa sektor. Tiap sektor berisi kategori data
yang terlebih dahulu diubah kedalam format derajat. Dianjurkan titik pembagian
mulai dari titik tertinggi lingkaran.
Contoh pembentukan grafik lingkaran dapat dilihat pada tabel di bawah ini.

14
 Pertama hitung terlebih dahulu persentase berdasarkan data yang tersedia.
Selanjutnya tiap nilai data diubah kedalam bentuk derajat. Misalnya menjadi pada
baris Kepulauan Seribu, derajatnya adalah \frac{22}{3.963} \times 360 =
2\text{,}003.96322×360=2,00 derajat, Jakarta Selatan derajatya
adalah \frac{828}{3.963} \times 360 = 75\text{,}2°3.963828×360=75,2° derajat,
begitu seterusnya sehingga setiap baris mendapat derajat masing-masing. Total
jumlah derajat keseluruhan adalah 360 derajat.
Grafik lingkaran diperoleh dari pembagian lingkaran berdasarkan derajat yang
dihasilkan.

4. Scatter Plot
Scatter plot adalah kumpulan data yang terdiri atas dua variabel dapat
dibuat dalam sumbu koordinat yang merupakan kumpulan titik-titik yang terpencar
dan garis penghubung antara titik-titik dihilangkan maka disebut scatter
plot. Scatter plot adalah grafik yang menunjukkan hubungan antara dua kelompok
data yang jumlahnya sama.Tujuannya untuk melihat pola hubungan antara 2
variabel apakah linier atau non linier atau tidak berhubungan sama sekali.
Langkah-langkah pembentukan scatter plot yaitu:
a. Kumpulkan pasangan data xx dan y.y.
b. Tentukan nilai maksimum dan minimun untuk kedua variabel xx dan y.y.
c. Tetapkan skala pada sumbu datar xx dan sumbu tegak y.y.
15
d. Buat Plot data.
Berikut adalah pembuatan scatter plot dari tabel di bawah ini.

Bentuk scatter plot yang dihasilkan adalah sebagai berikut.

16
5. Histogram dan Poligon Frekuensi
Histogram adalah suatu daftar distribusi frekuensi yang disajikan dalam
bentuk grafik yang dibangun oleh persegi panjang dengan lebar yang sama dan
berimpit. Dari sebuah histogram kita dapat membuat poligon frekuensi yang
merupakan garis patah-patah yang menghubungkan setiap titik tengah atas persegi
panjang histogram.
Langkah-langkah dalam membuat histogram dan poligon yaitu ;
a. Buatlah sumbu horizontal dan sumbu vertikal yang saling berpotongan.
b. Untuk membantuk histogram, gambarkan batang kelas-kelas interval sesuai
dengan frekuensi pada sumbu horizontal dan sumbu vertikal.
c. Untuk membuat garis poligon, tentukan titik tengah tiap kelas dan hubungkan
nilai titik tengah sesuai dengan nilai frekuensinya.
Contoh akan dibentuk histogram dan poligon dari tabel distribusi frekuensi nilai
ujian mahasiswa sebagai berikut.

Histogram yang terbentuk adalah sebagai berikut.

17
 Poligon yang terbentuk adalah sebagai berikut.

C. Pengerjaan Dengan Komputer

1. Pilih variable view:
a. tuliskan name: nama variabel data maksimal 8 karakter;
b. type: default (numeric);
c. width: default (8) maksudnya angka yang digunakan max 8 digit;
d. desimal: 2;
e. label: keterangan variabel (name);

18
 f. value: kosong jika data interval, diisi jika datanya nominal;
g. missing; none;
h. columns: default 8;
i. aligh: right/center/left;
j. measure: default (interval), dapat diganti ordinal/ nominal. jika variable dua
atau lebih dapat mengisi pada baris variabel berikutnya.
2. Isikan data pada slide data view
3. Simpan data
4. Analyze – descriptive statistic - frequency- pilih statistik hitung-hitungan yang
diinginkan; chart menunjukkan grafik; format menunjukkan ascending values
artinya data ditampilkan dari kecil ke besar, descending values menunjukkan
tampilan data besar ke kecil
5. Ok

19
 BAB III

UKURAN KECENDERUNGAN PUSAT & VARIABILITAS

A. Ukuran Kecenderungan Pusat

Kecenderungan memusat pada hakekatnya adalah cara yang di gunakan untuk
menentukan sifat memusat dari suatu data. Sifat memusat dapat di lihat dari nilai rata-
rata data. Untuk mengetahui nilai rata-rata, maka harus di lakukan pengukuran
kecenderungan memusat berdasarkan data yang di peroleh. Sebenarnya, nilai rata-rata
(average) dapat merupakan nilai yang cukup representatif bagi penggambaran nilai-
nilai yang terdapat dalam data yang bersangkutan. Statistik mengenal bermacam-
macam rata-rata dengan nama-nama yang khas, yaitu rata-rata hitung (mean), median,
modus, rata-rata ukur dan rata-rata harmonis itu semua merupakan jenis rata-rata yang
lazim digunakan sebagai pengukuran lokasi atau pengukuran tendensi sentral (central
tendency) dari sebuah distribusi.
Kecenderungan memusat adalah suatu ukuran yang digunakan untuk
mengetahui kumpulan data mengenai sampel atau populasi yang disajikan dalam tabel
dan diagram, yang dapat mewakili sampel atau populasi. Ada beberapa macam ukuran
kecenderungan memusat, diataranya:
1. Nilai rata-rata (Mean)

20
21
2. Nilai tengah (Median)
Adalah nilai tengah dari kumpulan data yang telah diurutkan dari data terkecil
sampai data terbesar

22
3. Nilai yang paling sering keluar (Modus)
Adalah nilai data yang paling sering muncul atau nilai data yang frekuensinya
paling besar

4. Nilai perempatan (Kuartil)

Adalah ukuran letak yang membagi suatu kelompok data menjadi empat bagian
yang sama besar

23
24
5. Nilai sepersaratus (Persentil)
Adalah nilai yang membagi data menjadi seratus bagian yang sama setelah data
disusun dari yang terkecil sampai terbesar.

25
B. Ukuran Variabilitas
1. Rentang
Rentang skor menunjukkan jarak antara skor tertinggi dan terendah Rentang =
skor tertinggi-terendah
= Xmaks - Xmin
2. Semi inter kuartil

3. Simpangan absolutvarian

4. Varian

5. Deviasi standar

26
 BAB IV

SEBARAN FREKUENSI & HISTOGRAM

A. Pengertian Sebaran Frekuensi

Distribusi frekuensi merupakan suatu keadaan yang menggambarkan
bagaimana frekuensi dari gejala atau variabel yang dilambangkan dengan angka itu
telah tersalur, terbagi, tersebar, dan terpancar. Penggambaran angka (bilangan) atau
penyajian data angka tersebut dapat disajikan dalam bentuk tabel atau grafik/gambar,
yang kemudian dikenal dengan istilah tabel distribusi frekuensi dan grafik distribusi
frekuensi.
Data yang telah diperoleh dari suatu penelitian yang masih berupa data acak
yang dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke
dalam kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut distribusi
frekuensi atau tabel frekuensi. Distribusi frekuensi adalah susunan data menurut kelas
interval tertentu atau menurut kategori tertentu dalam sebuah daftar.
B. Susunan Frekuensi Berkelompok
Frekuensi data kelompok adalah salah satu jenis tabel statistik yang di
dalamnya disajikan pencaran atau distribusi frekuensi dari data angka. Angka-angka
tersebut dikelompokkan (dalam setiap unit terdapat sekelompok angka). Adapun
langkah-langkah membuat tabel distribusi frekuensi data kelompok adalah sebagai
berikut:
1. Mencari range (R) = penyebaran/jangkauan, dengan rumus:
R = Xt – Xr + 1
R=H–L+1
Keterangan:
R = range
Xt (H) = nilai tertinggi
Xr (L) = nilai terendah
2. Menentukan kelas/kelompok. Ada dua cara untuk menentukan kelas ini, yaitu
dengan rumus dan dengan serampangan. Dengan rumus tetap yang diusulkan
27
 Sturgess.
K = 1 + 3,3 log N
Dengan serampangan/sembarangan, yaitu dengan menambah satu kelas lagi, jika
masih terdapat salah satu nilai (skor) yang belum masuk dalam distribusi. Bisa juga
dengan membulatkan ke atas setiap hasil dari penghitungan penentuan
kelompok/kelas.
3. Menghitung lebar kelas (interval kelas) yang disimbolkan dengan i dan dirumuskan
sebagai berikut:
i = R/K
4. Menentukan batas kelas (batas bawah nyata dan batas atas nyata) dengan rumus
berikut:
batas bawah = ujung bawah – 0,5
batas atas = ujung atas + 0,5
5. Menentukan titik tengah kelas (X1) dengan tiga macam cara sebagai berikut:
a. Titik tengah kelas = 0,5 x (batas bawah + batas atas)
b. Titik tengah kelas = 0,5 x (ujung bawah relatif + ujung atas relatif)
c. Titik tengah kelas =(ujung bawah relatif+ujung ATAS RELATIF)/2
6. Membuat tabel distribusi frekuensi berdasarkan hasil R, K, dan i.
Cara pengisian tabel tersebut:
a. Pada kolom interval kelas, mulailah dari angka yang paling kecil dari data
mentah, kemudian diurut sampai empat belas angka sesuai hasil interval, begitu
seterusnya ke atas sampai kelas tertentu sesuai hasil K.
b. Data mentah dari masing-masing angka ditabulasikan untuk menentukan
frekuensi.
c. Dilakukan perhitungan fk (frekuensi komulatif). Nilai fk ini merupakan
akumulasi penjumlahan frekuensi dari bawah ke atas atau sebaliknya,
akumulasi frekuensi dari atas ke bawah. Hal ini dilakukan untuk memastikan
bahwa jumlah frekuensi sesuai dengan jumlah N, sekaligus untuk kepentingan
membuat grafik ogive.
d. Menentukan titik tengah (X1) dari masing-masing data.
Contoh:
28
Terdapat data hasil ulangan bidang studi fiqh sebagai berikut:
65 54 44 32 28 82 29 15
78 64 43 17 41 76 35 50
20 96 21 43 46 29 28 52 N = 40
52 27 36 46 53 37 16 55
35 43 33 37 28 68 36 55
 Mencari range. Dari data tersebut, range-nya (R) adalah sebagai berikut:
R = 96 – 15 + 1
= 81 + 1
= 82
 Menentukan kelas/kelompok dengan rumus Sturgess. Dari data tersebut,
nilai K dapat dicari sebagai berikut:
K = 1 + 3,3 . 1,6
= 1 + 5,28
= 6,28
=6
 Menghitung lebar kelas (interval kelas). Dari data tersebut, i dapat dicari
sebagai berikut:
i =R/K = 82/613,7 = 14
 Menentukan batas kelas. Dari data tersebut diperoleh:
Ujung bawah = 15
Ujung atas = 28
Batas bawah = 15 – 0,5 = 14,5
Batas atas = 28 + 0,5 = 28,5
 Menentukan titik tengah kelas (X1). Dari data tersebut, diperoleh:
(X) = 0,5 (batas bawah + batas atas)
= 0,5 (14,5 + 28,5)
= 0,5 . 43
= 21,5

29
  Mambuat tabel distribusi frekuensi berdasarkan hasil R, K, dan i. Dari data
tersebut, tabel distribusi frekuensi yang terbentuk sebagai berikut:

C. Grafik: Histogram
Seringkali untuk keperluan alnalisis, selain dibuat tabel distribusi frekuensi
relatif dan kumulatif, data disajikan dalam bentuk grafik. Grafik yang berupa gambar
pada umumnya lebih mudah ditangkap dan di ambil kesimpulan secara cepat dari pada
tabel.

Histogram
Grafik histogram atau histogram frequency merupakan suatu grafik segi empat
yang dibentuk di atas absis dengan menggunakan batas bawah nyata dan batas atas
nyata yang berhimpit – himpit. (Rachman utsman,Fathor, 2013 : 53)
Diagram batang digunakan untuk lebih memahami persoalan secara visual.
Dalam diagram batang, lebar batang diambil dari selang kelasdistribusi frekuensinya,
sedangkan frekuensi masing – masing kelas ditunjukan oleh tinggi batang. Diagram
batang memungkinkan kita mudah memahaminya, akan tetapi akan lebih menarik bila
sajian gambar erat kaitannya dengan apa yang disebut histogram. Sajian histogram
berbeda dengan diagram batang dalam hal lebar, yaitu batang digunakannya batas kelas
dan bukan limit kelasnya. Ini dimaksudkan untuk menghilangkan jeda atau ruang antar
batang, sehingga dapat memberikan kesan padat.

Langkah – langkah membuat histogram :

30
1. Buatlah absis ( sumbu mendatar X menyatakan nilai ) dan ordinat ( sumbu tegak Y
menyatakan frekuensi )
2. Buatlah skala absis dan ordinat
3. Buatlah batas kelas dengan cara setiap tepi bawah kelas dikurangi 0,5
4. Membuat tabel distribusi frekuensi untuk membuat grafik histogram

31
 BAB V

KURVA NORMAL

A. Pengertian Kurva Normal

Kurva normal merupakan suatu poligon yang dilicinkan yang mana ordinatnya
memuat frekuensi dan absisnya memuat nilai variabel. Bentuk kurva normal adalah
simetris, sehingga luas rata-rata (mean) ke kanan dan ke kiri masing-masing mendekati
50 %.

B. Daerah Kurva Normal

Ruangan yang dibatasi daerah kurva dengan absisnya disebut daerah kurva
normal. Luas daerah kurva normal biasa dinyatakan dalam persen atau proporsi.
Dengan kata lain luas daerah kurva normal adalah seratus per sen, apabila dinyatakan

32
 dalam persen, dan apabila dinyatakan dengan proporsi, luas daerah kurva normal
adalah satu.

C. Uji Normalitas
Uji normalitas adalah uji yang dilakukan untuk mengecek apakah data
penelitian kita berasal dari populasi yang sebarannya normal. Uji ini perlu dilakukan
karena semua perhitungan statistik parametrik memiliki asumsi normalitas sebaran.
1. Uji Liliefors
Diawali dengan penentuan taraf sigifikansi, yaitu pada taraf signifikasi 5% (0,05)
dengan hipotesis yang diajukan adalah sebagai berikut :
 H0 : Sampel berasal dari populasi yang berdistribusi normal
 H1 : Sampel tidak berasal dari populasi yang berdistribusi normal
Dengan kriteria pengujian :
 Jika Lhitung< Ltabel terima H0, dan
 Jika Lhitung> Ltabel tolak H0
Untuk menerima atau menolak hipotesis nol (H0), dilakukan dengan cara
membandigkan L0 ini dengan nilai kritis L yang terdapat dalam tabel untuk taraf
nyata yang dipilih .

33
2. Uji kolmogorof-smirnov
 Tes satu sampel Kolmogorov-Smirnov adalah suatu tes goodness-of-fit.
Artinya, yang diperhatikan adalah tingkat kesesuaian antara distribusi teoritis
tertentu. Tes ini menetapkan apakah sor-skor dalam sampel dapat secara masuk
akal dianggap berasal dari suatu populasi dengan distributive tertentu itu.
 Konsep dasar dari uji normalitas Kolmogorov Smirnov adalah dengan
membandingkan distribusi data (yang akan diuji normalitasnya) dengan
distribusi normal baku.
 Distribusi normal baku adalah data yang telah ditransformasikan ke dalam
bentuk Z-Score dan diasumsikan normal. Jadi sebenarnya uji Kolmogorov
Smirnov adalah uji beda antara data yang diuji normalitasnya dengan data
normal baku.
 Jika signifikansi ≤ 0,05 berarti terdapat perbedaan yang signifikan, dan jika
signifikansi ≥ 0,05 maka tidak terjadi perbedaan yang signifikan.
 Penerapan pada uji Kolmogorov Smirnov adalah bahwa jika signifikansi ≤ 0,05
berarti data yang akan diuji mempunyai perbedaan yang signifikan dengan data
normal baku, berarti data tersebut tidak normal.
34
 Jika signifikansi ≥ 0,05 berarti tidak terdapat perbedaan yang signifikan antara
data yang akan diuji dengan data normal baku, artinya berarti data yang kita uji
normal.

35
 BAB VI

PROBABILITAS & HIPOTESIS

A. Populasi dan Sampel

1. Populasi
Dalam statistika, populasi adalah sekumpulan data yang mempunyai
karakteristik yang sama dan menjadi objek inferensi, Statistika inferensi
mendasarkan diri pada dua konsep dasar, populasi sebagai keseluruhan data, baik
nyata maupun imajiner, dan sampel, sebagai bagian dari populasi yang digunakan
untuk melakukan inferensi (pendekatan/penggambaran) terhadap populasi
tempatnya berasal. Sampel dianggap mewakili populasi. Sampel yang diambil dari
populasi satu tidak dapat dipakai untuk mewakili populasi yang lain.
Populasi terdiri dari unsur sampling yaitu unsur/unsur yang diambil sebagai
sampel. Kerangka sampling (sampling Frame) adalah daftar semua unsur sampling
dalam populasi sampling. Unsur sampling ini diambil dengan menggunakan
kerangka sampling (sampling frame). Berdasarkan sifatnya, populasi dibagi
menjadi dua, yaitu populasi homogen dan populasi heterogen. Populasi homogen
adalah sumber data yang unsurnya memiliki sifat yang sama dan tidak perlu
mempersoalkan jumlahnya secara kuantitatif. Sedangkan populasi heterogen yaitu
Sumber data yang unsurnya memiliki sifat atau keadaan yang berbeda (bervariasi)
sehingga perlu ditetapkan batas-batasnya secara kualitatif dan kuantitatif.

Jenis Populasi :
Ada dua macam jenis populasi, yaitu populasi terbatas dan populasi tidak terbatas
(tak terhingga).
 Populasi Terbatas Populasi terbatas mempunyai sumber data yang jelas
batasnya secara kuantitatif sehingga dapat dihitung jumlahnya. Contoh :
a. Jumlah penduduk kota Bandung 2.500.000 jiwa.
b. Jumlah 1000 guru SD di Yogyakarta mengikuti prajabatan.
 Populasi Tak Terbatas Populasi tak terbatas yaitu sumber datanya tak dapat

36
 ditentukan batas-batasnya sehingga relatif tidak dapat dapat dinyatakan dalam
bentuk jumlah.
Contoh :
Suatu percobaan seorang bandar akan melemparkan sepasang dadu sampai tak
terhingga kali lemparannya. Maka setiap kali mencatat sepasang bilangan yang
muncul akan mendapatkan sepasang nilai yang tak terhingga pula. Berdasarkan
sifatnya populasi dapat digolongkan menjadi populasi homogen dan populasi
heterogen.
a. Populasi homogen
Populasi homogen adalah sumber data yang unsurnya memiliki sifat atau
keadaan yang sama sehingga tidak perlu mempermasalahkan jumlahnya secara
kuantitatif.
b. Populasi heterogen
Populasi heterogen adalah sumber data yang unsurnya memiliki sifat atau
keadaan yang berbeda (bervariasi) sehingga perlu ditetapkan batas-batasnya
baik secara kuantitatif maupun secara kualitatif. Dalam melaksanakan
penelitian, walaupun tersedia populasi yang terbatas dan homogen , ada kalanya
peneliti tidak melakukan pengumpulan data secara populasi. Tetapi mengambil
sebagian dari populasi yang dianggap mewakili populasi (representative). Hal
ini berdasar pertimbangan yang logis, seperti kepraktisan, keterbatasan biaya,
waktu, tenaga dan adanya percobaan yang bersifat merusak (destruktif).
2. Sampel
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi. Sampel merukan himpunanbagian dari populasi. Sampel penelitian adalah
sebagian dari populasi yang diambil sebagai sumber data dan dapat mewakili
seluruh populasi. Menurut Sugiyono, sampel adalah sebagian dari karakteristik
yang dimiliki oleh populasi.Keuntungan dalam menggunakan sampel yaitu:
memudahkan peneliti, penelitian lebih efisien, lebih teliti dan cermat dalam
pengumpulan data, serta penelitian lebih efektif. Sedangkan sampling adalah suatu
proses memilih sebagian dari unsur populasi yang jumlahnya mencukupi secara
statistik sehingga dengan mempelajari sampel serta memahami karakteristik-
37
 karakteristiknya (ciri-cirinya) akan diketahui informasi tentang keadaan populasi.
B. Probabilitas
Probabilitas dapat diartikan sebagai derajat / tingkat kepastian atau keyakinan
dari munculnya hasil pecobaan statistik. Selain itu juga diartikan sebagai suatu ukuran
seberapa besar suatu kejadian akan terjadi terhadap semua kejadian yang ada. Bila
kejadian E terjadi dalam m cara dari seluruh cara yang mungkin terjadi dimana
masingmasing cara tersebut mempunyai kesempatan atau kemungkinan yang sama
untuk muncul, maka probabilitas kejadian E adalah :

C. Hipotesis Statistik
Hipotesis statistik adalah dugaan sementara terhadap populasi dalam penelitian
kuantitatif di mana kebenarannya masih lemah. Karena hal tersebut kemudian hipotesis
statistik juga perlu diuji guna memastikan kesesuaiannya dengan fakta. Apabila
hipotesis terbukti benar, maka akan digunakan. Sebaliknya, jika tidak maka hipotesis
akan disangkal. Inilah mengapa penyusunan hipotesis diperlukan ketelitian dan wajib
bisa diuji.
Umumnya hipotesis statistik adalah berbentuk variabel seperti binomial,
poisson, dan normal. Semuanya mengandung nilai dari variabel yang selanjutnya
ditulis dengan istilah mean, varians, standar deviasi, dan proporsi.

Jenis hipotesis statistik

Setelah membahas mengenai apa itu hipotesis statistik, berikut adalah jenis
hipotesis statistik yang dapat kita terapkan dalam penelitian.
1. Hipotesis kausalitas
Hipotesis kausalitas adalah dugaan sementara terhadap adanya hubungan sebab-
akibat antara variabel-variabel yang diteliti.
Contoh hipotesis kausalitas adalah penelitian mengenai dampak rokok bagi
kesehatan paru-paru. Jadi, rumusan masalahnya adalah “Adakah pengaruh
konsumsi rokok terhadap kanker paru-paru?”
Hipotesis penelitiannya yaitu:
38
 H0: Tidak ada pengaruh antara konsumsi rokok terhadap kanker paru-paru
H1: Ada pengaruh antara konsumsi rokok terhadap kanker paru-paru
2. Hipotesis asosiatif
Contoh hipotesis asosiatif adalah dugaan sementara antara variabel penelitian di
mana terdapat perkiraan bahwa variabel-variabel tersebut memiliki hubungan atau
berasosiasi.
Contoh rumusan masalahnya yaitu, “Apakah ada hubungan antara penggunaan
game online dan nilai rapor pada siswa?”
Maka kemungkinan hipotesis dari rumusan masalah tersebut adalah:
H0: Tidak ada hubungan antara penggunaan game online dan nilai rapor pada siswa
H1: Ada hubungan antara penggunaan game online dan nilai rapor pada siswa
3. Hipotesis komparatif
Cara membuat hipotesis komparatif adalah dengan merumuskan dugaan sementara
yang bersifat perbandingan pada variabel-variabel penelitian.
Contoh hipotesis statistik dapat diterapkan pada penelitian pendidikan yang
membahas mengenai perbedaan penerapan kurikulum 2013 dan KTSP. Rumusan
masalah dari penelitian tersebut adalah “Adakah perbaikan hasil belajar dari
penerapan kurikulum 2013 dan KTSP?”
Maka hipotesis penelitiannya:
H0: Tidak ada perbaikan hasil belajar dari penerapan kurikulum 2013 dan KTSP
H1: Ada perbaikan hasil belajar dari penerapan kurikulum 2013 dan KTSP

39
 BAB VII

UJI KORELASI

A. Pengertian Uji Korelasi

Korelasi adalah suatu bentuk dan ukuran yang mempunyai sejumlah variabel
tertentu yang membentuk sebuah hubungan yang menggunakan kata yang bersumber
pada korelasi positif yang menyebabkan terjadinya perubahan yang meningkat pada
benda tertentu. Setiap perubahan pada variabel independen akan berpengaruh pada
variabel dependen. Korelasi juga dapat didefinisikan sebagai teknik yang digunakan
untuk menganalisis data statistik, dengan tujuan untuk mengetahui bagaimana
hubungan yang ada pada dua buah variabel, khususnya pada variabel dengan sifat
kuantitatif.
Hubungan yang mungkin terjadi bisa disebabkan karena beberapa hal, baik itu
hubungan kausalitas ataupun timbul secara kebetulan. Dua buah variabel saling
berkorelasi hanya jika perubahan yang terjadi pada suatu variabel akan berdampak pula
pada variabel lainnya, baik itu berubah dengan arah yang masih sama maupun secara
berlawanan. Ketika perubahan yang terjadi searah maka disebut dengan istilah korelasi
positif, sedangkan jika berlawanan, maka disebut korelasi negative.
B. Macam-macam Korelasi
1. Korelasi Parsial
Korelasi parsial adalah metode yang digunakan untuk mengukur bagaimana tingkat
keeratan pada hubungan antar variabel dependen dengan variabel independen.
Dengan demikian, seorang peneliti akan dapat mengendalikan salah satu jenis
variabel yang dipakai dalam penelitian yang dilakukannya.
2. Korelasi Ganda
Korelasi ganda yaitu suatu bentuk korelasi yang dimanfaatkan agar peneliti dapat
melihat berbagai macam hubungan yang mungkin terjadi di antara variabel
independen dan variabel dependen. Dengan menggunakan jenis korelasi yang satu
ini, maka dapat mengaitkannya dengan interkorelasi yang terjadi pada variabel
dependen.
40
 Korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau
hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain.
Korelasi ganda merupakan korelasi yang terdiri dari dua atau lebih variabel bebas
(X1,X2,…..Xn) serta satu variabel terikat (Y). Apabila perumusan masalahnya
terdiri dari tiga masalah, maka hubungan antara masing-masing variabel dilakukan
dengan cara perhitungan korelasi sederhana. Korelasi ganda memiliki koefisien
korelasi, yakni besar kecilnya hubungan antara dua variabel yang dinyatakan dalam
bilangan. Koefisien Korelasi disimbolkan dengan huruf R. Besarnya Koefisien
Korelasi adalah antara -1; 0; dan +1.
3. Korelasi Sederhana
Korelasi sederhana merupakan sebuah teknik statistik yang digunakan untuk
mengukur bagaimana kekuatan yang ada di antara variabel yang ada. Setelah
peneliti menemukan bagaimana kekuatan variabel yang ada, maka kemudian dapat
diketahui hubungan variabel tersebut dalam bentuk angka-angka atau yang dikenal
dengan sifat kuantitatif.
4. Korelasi Positif
Korelasi positif adalah sebuah korelasi yang memiliki hubungan variabel searah.
Korelasi bisa dikatakan positif bila dua faktor (ataupun lebih) yang berkorelasi,
berjalan paralel, maksudnya adalah jika hubungan kedua faktor (ataupun lebih) itu
memperlihatkan arah yang sama persis. Jadi jika salah satu variabel mengalami
kenaikan/ penurunan, variabel yang lain juga akan mengikutinya.
5. Korelasi Negatif
Berbanding terbalik dengan definisi dari korelasi positif. Untuk arti dari korelasi
negatif adalah korelasi yang memiliki variabel dengan arah yang berlawanan atau
berbanding terbalik. Jika didapat salah satu variabel mengalami kenaikan, maka
variabel lain yang ada didalamnya akan mengalami penurunan.
C. Formula Uji Korelasi
Uji korelasi merupakan suatu proses untuk melakukan pengujian terhadap
variabel bebas dan variabel tidak bebas, guna mengetahui bagaimana tingkat keeratan
hubungan keduanya. Korelasi adalah hal yang dibutuhkan dalam penelitian kuantitatif.
Tanpa adanya korelasi, maka peneliti akan sulit mengetahui bagaimana hasil dan
41
kesimpulan dari penelitian yang dilakukannya. Sedangkan yang dimaksud dengan
analisis korelasi merupakan salah satu jenis pengukuran yang diterapkan dalam
statistik. Pada umumnya diterapkan dalam proses pengolahan data.

Koefisien Korelasi
Korelasi adalah sesuatu yang menyatakan sebuah hubungan. Dalam sebuah penelitian,
hubungan ini dapat dinyatakan dalam bentuk angka-angka (koefisien). Sedangkan
untuk arti Koefisien korelasi adalah suatu nilai yang memberikan gambaran bagaimana
hubungan linier yang terjadi di antara dua buah variabel, apakah kuat atau justru lemah.
Pada umumnya, koefisien ini ditunjukkan dengan simbol huruf r.
Nilai r tersebut bisa bervariasi, yakni dari +1 hingga -1. Perlu Anda pahami, nilai r
yang hampir mendekati +1 maupun -1, maka menunjukkan kuatnya hubungan yang
terjadi. Sedangkan, jika nilai r lebih mendekati 0, maka menunjukkan bahwa hubungan
yang terjadi antara variabel yang ada cenderung lemah.
Tanda + dan – menjadi kode yang menunjukkan arah dari hubungan yang terjadi.
Apabila r bernilai positif (+), maka dapat disimpulkan bahwa terjadi hubungan searah.
Sedangkan jika r bernilai negative (-), maka hubungan kedua variabel berlawanan.
Hubungan yang searah ditandai dengan peningkatan variabel dependen dan independen
yang berlangsung secara bersamaan, pun demikian ketika terjadi penurunan.
Sedangkan hubungan yang berlawanan ditandai dengan peningkatan variabel
independen yang justru bersamaan dengan penurunan pada variabel dependen.

42
Rumus Menghitung Nilai Koefisien Korelasi

43
 BAB VIII

UJI REGRESI

A. Pengertian Uji Regresi

Uji regresi merupakan suatu kajian dari hubungan antara satu variabel, yaitu
variabel yang diterangkan (the explained variabel) dengan satu atau lebih variabel,
yaitu variabel yang menerangkan (the explanatory). Apabila variabel bebasnya hanya
satu, maka analisis regresinya disebut dengan regresi sederhana.
B. Persamaan Garis Regresi
Persamaan regresi linier sederhana merupakan suatu model persamaan yang
menggambarkan hubungan satu variabel bebas/ predictor (X) dengan satu variabel tak
bebas/ response (Y), yang biasanya digambarkan dengan garis lurus, seperti disajikan
pada Gambar 1.

Persamaan regresi linier sederhana secara matematik diekspresikan oleh :

44
C. Asumsi dalam Regresi
Menurut Imam Ghozali (2011), uji asumsi klasik terhadap model regresi linier
yang digunakan dilakukan agar dapat diketahui apakah model regresi baik atau tidak.
Tujuan pengujian asumsi klasik adalah untuk memberikan kepastian bahwa persamaan
regresi yang diperoleh memiliki ketepatan dalam estimasi, tidak bias, dan konsisten.
Sebelum melakukan analisis regresi terlebih dahulu dilakukan pengujian asumsi.
Asumsi-asumsi yang harus dipenuhi dalam analisis regresi antara lain: normalitas,
homoskedastisitas, non autokorelasi, non multikolinieritas, dan linearitas.
D. Analisis Uji Regresi
Adapun langkah-langkah yang perlu dilakukan untuk melakukan analisis dan
uji regresi linier sederhana adalah sebagai berikut :
1. Menentukan tujuan dari Analisis Regresi Linear Sederhana
2. Mengidentifikasi variabel predictor dan variabel response
3. Melakukan pengumpulan data dalam bentuk tabel
4. Menghitung X², XY dan total dari masing-masingnya
5. Menghitung a dan b menggunakan rumus yang telah ditentukan
6. Membuat model Persamaan Garis Regresi
7. Melakukan prediksi terhadap variabel predictor atau response
8. Uji signifikansi menggunakan Uji-t dan menentukan Taraf Signifikan
Untuk memberikan pemahaman yang lebih jelas mengenai regresi linier

45
sederhana, dalam kegiatan belajar ini diberikan suatu contoh kasus, yaitu : Suatu data
penelitian tentang berat badan 10 mahasiswa yang diprediksi dipengaruhi oleh
konsumsi jumlah kalori/hari. Bagaimana menganalisis kasus ini ? Untuk menganalisis
kasus ini, hal-hal dilakukan adalah :
a. Tujuan : apakah konsumsi jumlah kalori/hari mempengaruhi berat badan
mahasiswa.
b. Variabel : X (variable bebas/predictor) = jumlah kalori/hari Y (variable tak
bebas/response) = berat badan
Data :

46
47
 BAB IX

UJI BEDA & ANOVA

A. Pengertian Uji Beda dan Anova

Anova adalah sebuah analisis statistik yang menguji perbedaan rerata antar
grup. Grup disini bisa berarti kelompok atau jenis perlakuan. Anova ditemukan dan
diperkenalkan oleh seorang ahli statistik bernama Ronald Fisher. Anova merupakan
singkatan dari Analysis of variance. Merupakan prosedur uji statistik yang mirip
dengan t test. Namun kelebihan dari Anova adalah dapat menguji perbedaan lebih dari
dua kelompok. Berbeda dengan independent sample t test yang hanya bisa menguji
perbedaan rerata dari dua kelompok saja.
Anova digunakan sebagai alat analisis untuk menguji hipotesis penelitian yang
mana menilai adakah perbedaan rerata antara kelompok. Hasil akhir dari analisis
ANOVA adalah nilai F test atau F hitung. Nilai F Hitung ini yang nantinya akan
dibandingkan dengan nilai pada tabel f. Jika nilai f hitung lebih dari f tabel, maka dapat
disimpulkan bahwa menerima H1 dan menolak H0 atau yang berarti ada perbedaan
bermakna rerata pada semua kelompok.
B. Macam-macam Uji Beda dan Anova
Jenisnya adalah berdasarkan jumlah variabel faktor (independen variable atau
variabel bebas) dan jumlah variabel responsen (dependent variable atau variabel
terikat). Pembagiannya adalah sebagai berikut:
1. Univariat:
a. Univariate One Way Analysis of Variance. Apabila variabel bebas dan variabel
terikat jumlahnya satu.
b. Univariate Two Way Analysis of Variance. Apabila variabel bebas ada 2,
sedangkan variabel terikat ada satu.
c. Univariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2,
sedangkan variabel terikat ada satu.
2. Multivariat:
a. Multivariate One Way Analysis of Variance. Apabila variabel bebas dan
48
 variabel terikat jumlahnya lebih dari satu.
b. Multivariate Two Way Analysis of Variance. Apabila variabel bebas ada 2,
sedangkan variabel terikat jumlahnya lebih dari satu.
c. Multivariate Multi way Analysis of Variance. Apabila variabel bebas ada > 2,
sedangkan variabel terikat jumlahnya lebih dari satu.
C. Langkah-langkah perhitungan
1. Memenuhi asumsi
Langkah awal pengujuan Anova adalah memenuhi ketiga asumsi yang menjadi
syarat pengujian.
2. Menghitung mean
Langkah selanjutnya adalah menghitung mean masing-masing kelompok. Setelah
selesai, maka dapat dihitung juga mean keseluruhan atau mean total.
3. Menghitung deviasi
Selanjutnya adalah menghitung deviasi dari nilai mean kelompok juga mean total.
Dari sini akan terlihat variabilitas keseluruhan sampel datanya.
4. Menghitung mean kuadrat
Lalu dihitung nilai mean kuadratnya dari masing-masing kelompok dan total.
Setelah hasil mean kuadrat didapatkan, maka bisa dihitung degree of freedom atau
derajat kebebasannya baik variabel antar kelompok dan variabel dalam kelompok.
Nilai mean kuadrat bisa dikuadratkan, namun akan merepotkan jika sampel dalam
jumlah banyak. Sehingga mean kuadrat juga dapat dihitung dengan cara
membandingkan nilai deviasi kuadrat dibagi dengan nilai derajat kebebasan.
5. Menghitung F-ratio
Langkah selanjutnya adalah mencari nilai F-ratio dengan membandingkan nilai
mean kuadrat antar kelompok dan nilai mean kuadrat dalam kelompok.
6. Membandingkan dengan hipotesis nol
Dari nilai F-ratio yang dihitung kemudian dibandingkan dengan nilai F pada tabel.
Jika nilai F-ratio lebih besar daripada nilai F tabel, hipotesis nol ditolak. Sehingga
mengartikan bahwa terdapat perbedaan yang signifikan antara mean kelompok data.
Namun jika nilai F-ratio lebih kecil atau sama dengan nilai F tabel, maka hipotesis
nol diterima. Hal ini masing-masing kelompok data memiliki nilai mean yang
49
sama, atau tidak ada perbedaan yang signifikan di anatar kelompok-kelompok data
tersebut.

50
 BAB X

STATISTIK NONPARAMETRIK

A. Pengertian Statistika Non Parametrik

Statistik non parametrik adalah uji yang tidak membutuhkan
asumsi parameter apapun untuk populasi yang diuji atau dalam bahasa
sederhana uji ini tidak bergantung pada populasi. Dalam uji statistik non
parametrik, tidak ada parameter yang digunakan dan tidak ada distribusi
yang harus diketahui.
Contoh:
Jika uji parametrik dapat digunakan untuk melihat perbedaan
antara rata-rata nilai Tengah 2 kelompok daratan yang sudah diberi
ranking, dengan data yang sama metode uji statistik non parametrik dapat
digunakan untuk melihat perbedaan antara median mediannya.
Statistik non-parametrik adalah salah satu metode statistik yang dapat
digunakan sebagai alternatif apabila metode statistik parametrik tidak
dapat dilakukan.
Statistik non parametrik tidak memiliki syarat seperti statistik
parametrik. Tidak ada asumsi kenormalan yang wajib kita penuhi seperti
pada statistik parametrik. Dalam statistik non parametrik tidak syarat
mengenai karakteristik populasi induknya.
B. Macam-macam Uji Non Parametrik
1. Uji tanda (sign test)
2. Rank sum test (wilcoxon)
3. Rank correlation test (spearman)
4. Fisher probability exact test.
5. Chi-square test, dll
C. Langkah-langkah Perhitungan

51
 1. Mengidentifikasi: lakukan pengamatan mengenai karakter data yang
akan diuji, apakah jenis data nominal, ordinal, interval atau rasio.
2. Perhatikan ukuran sampel yang diambil dari populasi, apakah
berukuran besar atau kecil*. Besar kecilnya sampel mengikuti
ketentuan literatur.
3. Pastikan anda mengetahui apakah data yang akan di uji memiliki
distribusi tertentu.
D. Keunggulan & Kekurangan Statistik Non Parametrik
1. Kelebihan
a. Mudah dilakukan karena tidak membutuhkan asumsi normalitas
b. Secara umum metode perhitungan yang digunakan tidak
menggunakan perhitungan perhitungan matematik yang rumit.
c. pengujian hipotesis dilakukan secara langsung pada pengamatan
nyata
d. Karena data umumnya bersifat kualitatif sehingga terkadang tidak
dibutuhkan jenjang atau urutan
e. Dapat juga digunakan untuk kelompok populasi berdistribusi
normal sebagai uji pembanding statistik parametrik
2. Kekurangan
a. Pengujian dengan menggunakan metode statistik non parametrik
seringkali mengabaikan beberapa informasi.
b. Kemampuan Uji metode Statistik non parametrik tidak sekuat
metode parametrik
c. Hasil uji metode statistik non parametrik tidak dapat digunakan
untuk mengestimasi karakter populasi. Karena prosesnya sederhana
dan cenderung menggunakan sampel kecil dan tidak berdistribusi
normal. Selain itu penggunaan metode statistik non parametrik
hanya membandingkan dua kelompok tertentu.
d. Tidak melibatkan parameter populasi dalam uji hipotesis

52
e. Skala yang digunakan bersifat lebih lemah.
f. Asumsi pada metode statistik parametrik tidak dipenuhi.

53
 DAFTAR PUSTAKA

Akbar, Purnomo Setiady dan Husaini Usman. 2006. Pengantar Statistika

EdisiKedua. Jakarta : PT Bumi Aksara

Akdon dan Riduwan .2013. Rumus dan Data dalam Analisis Statistika.

Bandung :Alfabeta.

Dajan, Anto, 1986. “Pengantar Metode Statistik Jilid II”. Jakarta :

LP3ESDayan, Anto,1984. Pengantar Metode Statistik Jilid

I, LP3ES, Jakarta.

Furqon. 1999. Statistika Terapan Untuk Penelitian.

AFABETA:BandungGaspersz, Vincent. 1989. Statistika.

Armico:Bandung

Hamid, H.M. Akib dan Nar Herrhyanto. 2008. Statistika Dasar. Jakarta :

UniversitasTerbuka.

Harinaldi, 2005. “Prinsip-prinsip Statistik untuk Teknik dan Sains”. Jakarta :

Erlangga.

Hasan, M. Iqbal. 2011. Pokok – Pokok Materi Statistika 1 (Statistik

Deskriptif). Jakarta :PT Bumi Aksara

Herrhyanto, Nar. 2008. Statistika Dasar. Jakarta: Universitas Terbuka.

Levin, Richard,1984. Statistics for Management, Prentice Hall of India, New

Delhi. Mangkuatmodjo, Soegyarto. 2004. Statistika Lanjutan. Jakarta:

PT Rineka Cipta.

Pasaribu, Amudi. 1975. Pengantar Statistik. Gahlia Indonesia : Jakarta

54
 Rachman,Maman dan Muchsin . 1996. Konsep dan Analisis Statistik.

Semarang : CV.

IKIP Semarang Press

Riduwan . 2010. Dasar-dasar Statistika. Bandung : Alfabeta.

Saleh,Samsubar. 1998. STATISTIK DESKRIPTIP. Yogyakarta : UPP AMP

YKPN. Siregar,Syofian. 2010. Statistika Deskriptif untuk Penelitian

Dilengkapi Perhitungan

Manual dan Aplikasi SPSS Versi 17. Jakarta : Rajawali Pers.

Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi statistika dalam

Penelitian. pustaka ceria : Bandung

Subana,dkk. 2000. Statistik Pendidikan. Pustaka Setia:Bandung

Sudijono, Anas. 2008. Pengantar Statistik Pendidikan. Raja Grafindo

Persada.Jakarta Sudijono, Anas. 2009. Pengantar Statistik Pendidikan.

Jakarta : PT Raja Grafindo Persada.

Sudijono, Anas. 1987. Pengantar Statistik Pendidikan. Jakarta : PT

RajaGrafindo Persada.

Sudjana, M.A., M.SC.2005. METODE STATISTIKA. Bandung: Tarsito

Sugiyono. 2014. Statistika untuk Penelitian. Bandung : Alfabeta.

Supranto, 1994. “Statistik Teori dan Aplikasi Jilid 2”. Jakarta : Erlangga

Usman, Husaini & Setiady Akbar, Purnomo.2006. PENGANTAR

STATISTIKA. Yogyakarta: BUMI AKSARA.

55