tatistika merupakan salah satu cabang matematika yang sangat bermanfaat bagi
Penulis
i
DAFTAR ISI
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.
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
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.”
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
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.
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.
17
Poligon yang terbentuk adalah sebagai berikut.
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
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
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
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.
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
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 %.
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
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.
39
BAB VII
UJI KORELASI
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
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
50
BAB X
STATISTIK NONPARAMETRIK
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
Akdon dan Riduwan .2013. Rumus dan Data dalam Analisis Statistika.
Bandung :Alfabeta.
I, LP3ES, Jakarta.
Armico:Bandung
Hamid, H.M. Akib dan Nar Herrhyanto. 2008. Statistika Dasar. Jakarta :
UniversitasTerbuka.
Erlangga.
PT Rineka Cipta.
54
Rachman,Maman dan Muchsin . 1996. Konsep dan Analisis Statistik.
Semarang : CV.
Dilengkapi Perhitungan
Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi statistika dalam
RajaGrafindo Persada.
Supranto, 1994. “Statistik Teori dan Aplikasi Jilid 2”. Jakarta : Erlangga
55