STATISTIKA
Disusun guna memenuhi tugas mata kuliah Statistika
Dosen Pengampu : Rahmat Saputra, S.E., M.T.
Disusun Oleh :
1
KATA PENGANTAR
Puji syukur kehadirat Tuhan yang Maha Esa atas segala rahmat, taufik dan
hidayah-Nya sehingga makalah ini dapat diselesaikan tepat pada waktunya. Penulisan
makalah yang berjudul “Laporan Praktikum Statistika” ini dalam rangka memenuhi
tugas mata kuliah Statistika.
Makalah ini dapat penulis selesaikan berkat adanya bimbingan dan bantuan
dari berbagai pihak. Oleh karena itu, sudah sepantasnyalah pada kesempatan ini
penulis menyampaikan ucapan terima kasih kepada semua pihak, terutama Dosen
Pengampu Statistika yang telah memberikan masukan demi kelancaran dan
kelengkapan makalah ini. Akhimya, semoga tulisan yang jauh dari sempuma ini ada
manfaatnya.
Penyusun
2
DAFTAR ISI
KATA PENGANTAR...................................................................................................2
DAFTAR ISI.................................................................................................................3
BAB I PENDAHULUAN.............................................................................................5
A. Latar Belakang................................................................................................5
B. Rumusan Masalah...........................................................................................6
C. Tujuan Makalah:.............................................................................................6
BAB II PEMBAHASAN..............................................................................................7
A. MODUL 1 - POPULASI DAN SAMPEL......................................................7
1) Pengertian Populasi dan Sampel, Contoh, dan Perbedaannya....................7
2) Macam Teknik Pengambilan Sampel..........................................................8
B. MODUL 2 - DATA......................................................................................13
1) Pengertian Data Statistik...........................................................................13
2) Fungsi Data Statistik.................................................................................13
3) Jenis-Jenis Data Statistik dan Contohnya..................................................14
C. MODUL 3 - METODE PENGUMPULAN DATA......................................16
1) Jenis Data Statistik....................................................................................16
2) Metode dan Cara Pengumpulan Data Statistik..........................................17
D. MODUL 4 – ANALISIS DATA...................................................................19
1) Pengertian Analisis Statistik Deskriptif....................................................19
2) Skewness...................................................................................................19
3) Kurtosis.....................................................................................................23
E. MODUL 5 - UJI INSTRUMEN...................................................................24
1) Validitas....................................................................................................25
2) Reliabilitas.................................................................................................26
F. MODUL 6 – UJI HOMOGENITAS................................................................28
1) Pengertian Uji Homogenitas.....................................................................28
2) Kaidah Uji Homogenitas...........................................................................29
3) Perbedaan Uji Homogenitas dengan Uji Normalitas................................29
4) Perbedaan Uji Homogenitas dengan Uji Homoskedastisitas....................30
5) Jenis Teknik dalam Uji Homogenitas.......................................................30
3
G. MODUL 7 - UJI NORMALITAS.................................................................32
1) Pengertian Uji Normalitas.........................................................................32
2) Metode Chi Square Dalam Uji Normalitas...............................................33
3) Syarat Uji Chi-Square dalam Uji Normalitas............................................34
4) Contoh Uji Chi-Square dalam Analisis Normalitas..................................35
BAB III PRAKTIKUM...............................................................................................37
A. Analisis Statistic Desktiptif...........................................................................37
B. Uji Validitas..................................................................................................37
H. Uji Reliabilitas..............................................................................................40
I. Uji Homogenitas..............................................................................................42
J. Uji Normalitas..................................................................................................42
BAB III PENUTUP.....................................................................................................43
A. Kesimpulan...................................................................................................43
K. Kritik.............................................................................................................43
L. Saran.............................................................................................................43
DAFTAR PUSTAKA.....................................................................................................i
4
BAB I
PENDAHULUAN
A. Latar Belakang
Statistika memainkan peran utama dalam pengembangan pengetahuan dan
keahlian profesional. Mata kuliah ini memberikan dasar penting dalam pengumpulan
dan analisis data, memungkinkan individu membuat keputusan berbasis bukti. Dalam
era informasi saat ini, pemahaman statistika menjadi krusial untuk menghadapi
kompleksitas tantangan di berbagai bidang studi. Statistika membantu peneliti
merancang eksperimen dan menganalisis data dengan validitas tinggi, memastikan
hasil yang dapat diandalkan. Keberadaannya juga memungkinkan pengambilan
keputusan yang terinformasi, menghindarkan dari kesalahan interpretasi dan
memastikan kebijakan yang lebih efektif berdasarkan data yang kuat.
Penguasaan statistika bukan hanya penting dalam akademis, tetapi juga krusial
dalam berbagai profesi. Dalam bisnis, kesehatan, dan sains, statistika menjadi alat
esensial untuk analisis pasar, pengembangan pengobatan, dan inovasi teknologi.
Dengan demikian, keterampilan statistika menjadi landasan bagi kesuksesan
profesional, membantu individu menghadapi kompleksitas tantangan di dunia yang
terus berubah.
B. Rumusan Masalah
Bagaimana konsep populasi dan sampel dapat diterapkan dalam konteks
penelitian?
Apa peran dan signifikansi data dalam proses penelitian?
Apa saja metode pengumpulan data yang umum digunakan dan bagaimana
penerapannya dalam penelitian?
Bagaimana proses analisis data dapat mendukung interpretasi hasil penelitian?
5
Mengapa uji instrumen penting dalam penelitian dan bagaimana
melaksanakannya dengan benar?
Apa yang dimaksud dengan uji homogenitas, dan bagaimana uji ini dapat
mempengaruhi hasil penelitian?
C. Tujuan Makalah:
Menjelaskan konsep populasi dan sampel serta peran mereka dalam desain
penelitian.
Menganalisis pentingnya data sebagai elemen kunci dalam penelitian dan
bagaimana data dapat membentuk landasan temuan penelitian.
Mendiskusikan metode pengumpulan data yang umum digunakan, merinci
langkah-langkah implementasinya, dan mempertimbangkan kelebihan dan
kelemahan masing-masing.
Menjelaskan proses analisis data sebagai langkah kritis dalam mendapatkan
makna dari informasi yang terkumpul.
Menyoroti pentingnya uji instrumen dalam memastikan alat pengukuran yang
valid dan reliabel dalam konteks penelitian.
Menjelaskan konsep uji homogenitas, perannya dalam memastikan
homogenitas kelompok, dan dampaknya terhadap hasil penelitian.
BAB II
PEMBAHASAN
A. MODUL 1 - POPULASI DAN SAMPEL
1) Pengertian Populasi dan Sampel, Contoh, dan Perbedaannya
a. Pengertian Populasi
Populasi adalah keseluruhan kumpulan individu, objek, atau elemen yang
memiliki karakteristik yang sama dan menarik minat peneliti. Populasi merupakan
kelompok besar yang ingin kita ambil kesimpulan atau generalisasi tentangnya.
6
Populasi dapat memiliki beragam ukuran, mulai dari kecil hingga sangat besar.
Misalnya, jika kita ingin meneliti preferensi makanan pada penduduk sebuah negara,
populasi dalam hal ini adalah seluruh penduduk negara tersebut.
b. Pengertian Sampel
Sampel, di sisi lain, adalah subset atau bagian dari populasi yang dipilih untuk
diobservasi dan dianalisis. Sampel digunakan karena seringkali tidak memungkinkan
atau tidak praktis untuk mengumpulkan data dari seluruh populasi. Dengan
menggunakan sampel, peneliti dapat membuat perkiraan atau generalisasi tentang
populasi secara keseluruhan.
Prosedur pemilihan sampel yang tepat sangat penting agar sampel dapat mewakili
populasi dengan baik. Misalnya, dalam penelitian tentang preferensi makanan di
negara tersebut, kita bisa memilih 1000 responden dari populasi penduduk sebagai
sampel.
Ukuran
Populasi merujuk pada keseluruhan kelompok individu atau objek, sedangkan
sampel adalah subset yang dipilih dari populasi. Populasi dapat berukuran besar,
sementara sampel memiliki ukuran yang lebih kecil.
7
Representasi
Populasi mencakup seluruh kelompok yang ingin dijelajahi, sementara sampel
mencerminkan karakteristik dan variasi dari populasi secara proporsional.
Penggunaan
Populasi digunakan untuk membuat pernyataan umum atau generalisasi tentang
keseluruhan kelompok, sementara sampel digunakan untuk mengambil informasi
yang mewakili populasi dengan cara yang lebih efisien.
Dalam penelitian dan analisis data, pemahaman yang jelas tentang populasi dan
sampel sangat penting. Memilih sampel yang representatif dan mempertimbangkan
batasan dan keunikan dari populasi dapat membantu memastikan keakuratan dan
keabsahan temuan penelitian.
a. Probability Sampling
Probability sampling merupakan jenis dalam teknik pengambilan sampel yang
melakukan pengambilan sampelnya dengan random atau acak. Metode ini
memberikan seluruh anggota populasi kemungkinan (probability) atau kesempatan
yang sama untuk menjadi sampel terpilih. Teknik jenis ini sesuai digunakan untuk
populasi yang besaran anggotanya dapat kita tentukan terlebih dahulu. Metode ini
menggunakan analisis statistik untuk membantu penentuan sampel terpilihnya.
Terdapat beberapa model atau jenis lain dari teknik random, yaitu:
8
Pengambilan Sampel Acak Sederhana (Simple Random Sampling)
Jenis ini melakukan pengambilan sampel secara acak melalui cara yang sederhana
seperti pengundian atau menggunakan pendekatan bilangan acak. Kelebihan
penggunaan metode ini yaitu dapat mengurangi bias atau kecenderungan berpihak
pada anggota populasi tertentu dan dapat mengetahui adanya kesalahan baku
(standard error) dalam penelitian. Sementara itu kelemahan dalam penggunaan
metode ini yaitu rendahnya jaminan mengenai sampel yang terpilih dapat bersifat
representatif atau dapat mewakili populasi yang dituju.
9
Selain itu, jika populasi memiliki pengulangan karakteristik yang relatif tetap maka
sampel akan cenderung sama atau bersifat seragam.
b. Non-Probability Sampling
Teknik pengambilan sampel non-probability merupakan cara pengambilan sampel
dengan tidak memberi peluang atau kesempatan sama bagi setiap unsur atau anggota
populasi yang dipilih menjadi sampel. Menurut Supardi (1993), teknik sampling non
probability akan sesuai apabila dipilih untuk populasi yang sifatnya infinit atau
besaran anggota populasinya belum atau tidak dapat ditentukan terlebih dahulu
sebelumnya.
10
Purposive Sampling
Teknik purposive sampling adalah teknik penentuan sampel yang didasarkan pada
pertimbangan peneliti mengenai sampel-sampel mana yang paling sesuai, bermanfaat
dan dianggap dapat mewakili suatu populasi (representatif). Teknik pengambilan
sampel ini cenderung lebih tinggi kualitas sampelnya. Karena peneliti telah membuat
kisi atau batas berdasarkan kriteria tertentu yang akan dijadikan sampel penelitian.
Misal seperti didasarkan pada ciri demografi, gender, jenis pekerjaan, umur dan lain
sebagainya. Teknik ini termasuk teknik pengambilan sampel yang cukup sering
digunakan dalam penelitian.
Kelebihan dari metode ini di antaranya tujuan dari penelitian dapat dengan mudah
terpenuhi, sampel dapat bersifat lebih relevan dengan desain penelitian, cara ini
cenderung lebih murah dan mudah untuk dilaksanakan. Sementara itu kekurangannya
sama dengan teknik pengambilan sampel secara acak yaitu tidak adanya jaminan
bahwa sampel dapat mewakili populasi yang ditentukan.
Snowball Sampling
Biasa dikenal juga dengan teknik pengambilan sampel bola salju. Teknik ini
menentukan sampel berdasarkan wawancara dengan sampel sebelumnya atau dengan
cara korespondensi. Melakukan pengambilan sampel dengan teknik ini artinya kita
bisa meminta informasi dari sampel pertama untuk mendapatkan sampel berikutnya,
demikian secara terus menerus hingga akhirnya seluruh kebutuhan sampel penelitian
dapat terpenuhi. Teknik pengambilan sampel dengan metode bola salju ini sangat
cocok untuk penelitian mengenai hal-hal yang sifatnya cukup sensitif dan
membutuhkan privasi tingkat tinggi dari respondennya. Misal penelitian tentang
penyintas kekerasan seksual, penderita HIV, kelompok waria serta kelompok-
kelompok khusus lainnya.
Accidental Sampling
Sesuai dengan namanya, teknik pengambilan sampel jenis ini menentukan sampel
secara tidak sengaja (accidental). Peneliti akan mengambil sampel pada orang yang
kebetulan ditemuinya pada saat itu. Misalnya penelitian dilakukan pada populasi
11
pelanggan toko A, peneliti cukup menunggu di depan toko A lalu menetapkan sampel
kepada siapapun orang yang melakukan transaksi jual-beli di toko A tanpa melihat
umur, gender, profesi, dan lain sebagainya.
Quota Sampling
Teknik pengambilan sampel ini dilakukan dengan menentukan kuota atau jumlah
dari sampel penelitian terlebih dahulu. Prinsip penentuannya sama dengan accidental
sampling. Tetapi peneliti menetapkan terlebih dahulu jumlah sampel yang akan
diperlukan. Misal peneliti menetapkan penelitian dilakukan setiap hari selama satu
minggu dengan menetapkan jumlah sampel penelitian sebanyak 100 orang. Apabila
peneliti pada hari itu telah memenuhi kuota dengan memperoleh 100 orang maka
selesai tugas peneliti untuk mencari sampel penelitian. Kelebihan menggunakan
teknik ini dalam pengambilan sampel yaitu bersifat praktis karena sampel penelitian
sudah diketahui sebelumnya. Sementara kekurangannya yaitu bias penelitian yang
cenderung cukup tinggi dapat terjadi.
B. MODUL 2 - DATA
Data statistik adalah jenis data yang termasuk bagian dari informasi faktual yang
kemudian direkam dan umumnya dibutuhkan dalam sebuah analisis. Data statistik
tentu erat kaitannya dengan statistik atau statistika, yang tentunya dalam proses
analisisnya melibatkan sejumlah bentuk alat statistik, termasuk di dalamnya adalah
data statistik.
12
pengelolaan inilah yang kemudian akan menjadi bagian dari informasi aktual yang
dikumpulkan oleh para peneliti untuk mendapatkan analisis data yang valid.
a. Fungsi inferensial
Yang dimaksud dengan fungsi inferensial adalah statistik sebagai sebuah estimasi
atau hipotesis yang kemudian dijadikan landasan dalam memprediksi suatu hal yang
berdasarkan data, gejala, dan peristiwa. Misalnya, untuk melakukan estimasi nilai
populasi. Di mana estimator yang diberikan berdasarkan uji matematis yang bisa
dipercaya.
b. Fungsi Deskriptif
Selanjutnya, fungsi statistik adalah untuk memberikan penjelasan atau keterangan
secara deskriptif mengenai data dari suatu peristiwa yang sebelumnya sudah
dihimpun melalui berbagai proses penelitian. Selain memberikan nilai, nantinya data
statistik yang diperoleh ini juga memiliki sebuah makna karakter. Karakteristik adata
inilah yang nanti akan digunakan dalam membuat keputusan.
a. Data Kualitatif
Data kualitatif menggambarkan data yang sesuai dengan kategori, sehingga
terkadang juga disebut sebagai data kategoris. Jenis data ini tidak bersifat numerik,
13
namun masih bisa menggunakan nilai numerik (contoh 1 untuk wanita dan 0 untuk
pria) walaupun tidak memiliki arti matematis. Data kualitatif dapat dibedakan jadi
dua, yaitu:
Data nominal yang mewakili unit diskrit dan digunakan untuk melabeli variabel
yang tidak memiliki nilai kuantitatif. Contohnya:
1. Laki-laki
2. Perempuan
Data ordinal yang mengutamakan urutan nilai sebagai hal penting dan signifikan,
tapi perbedaan tidak terlalu diketahui. Skala ordinal biasanya berupa ukuran
konsep non-numerik namun ditempatkan berurutan, contohnya seperti di bawah
ini:
2. Tidak Setuju
3. Biasa saja
4. Setuju
5. Sangat Setuju
b. Data Kuantitatif
Data kuantitatif disebut juga sebagai data numerik, sebab mewakili nilai numerik
seperti seberapa banyak atau seberapa sering. Nilai atau data numerik membantu
memberikan informasi terkait jumlah hal tertentu. Misalnya seperti ukuran tinggi,
panjang, berat badan, atau bahkan tekanan darah seseorang. Data kuantitatif juga bisa
dibagi menjadi dua jenis, yaitu:
14
Data diskrit yang merupakan informasi yang hanya bisa mengambil nilai tertentu
dan tidak dapat dibuat lebih presisi, sebab informasinya hanya berisi sejumlah
nilai yang mungkin terbatas. Contohnya, sesuatu yang dapat dihitung dengan
bilangan bulat (seperti angka dadu 1, 2, sampai 6) ataupun jenis skema bilangan
tetap (seperti ukuran sepatu 34, 35, 36).
Data kontinu yang dapat mengambil nilai apapun, umumnya dalam batas-batas
tertentu, dan dapat dibagi menjadi bagian yang lebih halus. Contohnya seperti
kisaran suhu, tinggi badan seseorang.
Data interval menyusun unit secara berurutan yang memiliki perbedaan yang
sama, sehingga kita dapat mengetahui perbedaan yang tepat antara nilai-nilai
tersebut. Bedanya dengan data kontinu, kita bisa menambah dan mengurangi tapi
kita tidak bisa menghitung rasio.
Data rasio memungkinkan analisis jadi lebih luas, karena kita bisa
menambahkan, mengurangi, atau membagi variabel-variabel yang ada. Misalnya
seperti tinggi, berat, durasi.
15
jauh dan hal ini sangat berpengaruh pada riset yang kamu jalankan nantinya. Adapun
jenis-jenis data tersebut, seperti:
a. Data Primer
Data primer merupakan data yang kamu peroleh sendiri tanpa memakai data dari
pihak lain. Jenis data ini lebih mudah dikendalikan, sehingga validitas datanya lebih
terpercaya. Namun, untuk memperoleh data tersebut cukup sulit karena kamu
membutuhkan usaha lebih dalam mencarinya. Mencari data ini juga memiliki
kekurangan sendiri, karena sulit mencari narasumber dan membutuhkan waktu yang
tidak sedikit. Jadi, jika kamu memiliki waktu yang terbatas maka mencari data primer
kurang dianjurkan.
b. Data Sekunder
Data sekunder merupakan data yang bisa kamu dapatkan dari sumber lain seperti
perusahaan, BPS, dan lainnya. Jadi, kamu langsung mendapatkan sekumpulan data
sesuai kebutuhan yang telah dikumpulkan pihak lain. Cara ini memang lebih mudah
dan lebih banyak. Namun, data sekunder memiliki kekurangan tersendiri. Contohnya
saja, terkadang data yang ada tidak lengkap, validasi datanya dipertanyakan, dan
kamu harus mendownload dan memilah satu per satu untuk mencari variabel dan data
yang dibutuhkan. Tapi, jika kamu mencari data yang terlalu spesifik dan jarang
disediakan institusi data lainnya, maka kamu harus mencari data ini secara manual.
16
a. Observasi Langsung
Cara pertama yang bisa kamu lakukan adalah dengan melakukan observasi
langsung. Salah satu dari beberapa metode pengumpulan data ini biasa dilakukan
untuk riset sains yang biasa dilakukan di laboratorium. Contohnya, untuk mahasiswa
di jurusan pertanian bisa melakukan riset tentang efek zat tertentu terhadap
pertumbuhan tumbuhan padi. Tentunya, pertumbuhan padi ini tidak akan terjadi
sehari atau dua hari. Untuk melihat perkembangannya secara lengkap kamu harus
melakukan observasi secara rutin setiap hari dan mencatat perkembangannya. Tentu
observasi langsung bisa dilakukan untuk riset sosial namun cara ini lebih umum
dipakai pada penelitian sains. Observasi ini tidak hanya penting untuk mencari data
tetapi memeriksa objek tersebut agar riset lancar.
b. Wawancara
Cara berikutnya adalah dengan melakukan wawancara langsung kepada
narasumber. Tentunya sebelum melakukan wawancara kamu harus membuat daftar
pertanyaan yang mengarah pada perolehan data yang diinginkan. Kamu harus
menghubungi narasumber ini terlebih dahulu apakah mereka bersedia atau tidak
menjadi narasumber. Jika bisa dikunjungi maka lebih baik bertemu langsung untuk
wawancara. Namun, jika narasumber jauh dari tempat tinggal masing-masing maka
kamu bisa menelepon atau wawancara online dengan zoom meeting. Wawancara
merupakan cara pengumpulan data yang sangat efektif karena kamu bisa mengetahui
langsung kondisi real dari objek penelitian. Biasanya kamu akan mengisi jawaban
dari pertanyaan yang telah disusun sendiri berdasarkan informasi yang diberikan
narasumber.
c. Kuesioner
Pengumpulan data statistika berikutnya adalah dengan memakai kuesioner. Mirip
dengan wawancara dimana kamu harus membuat daftar pertanyaan kemudian
membuat jawaban dengan kategori tertentu. Perbedaannya adalah kamu tidak perlu
melakukan wawancara untuk mengisi kuesioner ini. Biasanya kuesioner diberikan
kepada calon narasumber yang kemudian nanti dikumpul setelah selesai diisi oleh
17
narasumber tersebut. Jika dahulu kuesioner harus diberikan langsung ataupun dikirim
melalui pos dan email, sekarang dengan bantuan online pengisian kuesioner menjadi
lebih mudah dan cepat. Banyak sekali jasa survey yang mengirimkan kuesioner
kepada narasumber tertentu secara online. Bahkan kamu bisa mengirimkan link-nya
ke grup WhatsApp atau lainnya. Kamu bisa membagikan kuesioner untuk mengetahui
interest calon konsumenmu nanti.
d. Eksperimen
Pencarian data statistik berikutnya bisa dilakukan dengan eksperimen. Ketika
mendengar eksperimen pastinya banyak orang yang mengira bahwa ini berkaitan
dengan sains semata. Padahal bentuk eksperimen bisa juga dilakukan untuk studi
sosial seperti ekonomi, melihat perilaku konsumen terhadap isu ataupun produk
tertentu. Hanya saja, eksperimen membutuhkan desain riset, waktu, modal dan
dedikasi yang besar. Karena eksperimen dilakukan untuk melihat efek dan hasil atas
perlakuan tertentu. Jadinya, kamu harus membuat desain riset yang baik agar bisa
mendapatkan data yang tepat. Jika desain awalnya salah, maka data yang didapat
tidak valid. Akhirnya, kamu harus mengulangi eksperimen tersebut dari tahap awal.
Tentunya hal ini tidak menguntungkan dan menghabiskan banyak hal. Karenanya
pencarian data dari eksperimen tidak cocok untuk mahasiswa di semester akhir
karena keterbatasan tersebut. Cara pengumpulan statistik di atas merupakan cara yang
paling umum digunakan. Melalui cara tersebut kamu bisa memperoleh data yang
dibutuhkan untuk riset baik itu untuk kepentingan pendidikan ataupun perusahaan.
18
tersebut, peneliti dapat mengidentifikasi nilai simpangan, rata-rata (mean), modus,
median, dan sebagainya.
2) Skewness
Skewness adalah ukuran statistik yang menilai asimetri distribusi probabilitas. Ini
mengukur sejauh mana data miring atau bergeser ke satu sisi. Kemiringan positif
menunjukkan ekor yang lebih panjang pada sisi kanan distribusi, sedangkan
kemiringan negatif menunjukkan ekor yang lebih panjang pada sisi kiri. Skewness
membantu dalam memahami bentuk dan outlier dalam kumpulan data. Jika nilai
variabel independen tertentu (fitur) tidak seimbang, bergantung pada modelnya,
kemiringan tersebut dapat melanggar asumsi model atau dapat mengurangi
interpretasi pentingnya fitur.
Dalam statistik, skewness adalah derajat asimetri yang diamati pada distribusi
probabilitas yang menyimpang dari distribusi normal simetris (kurva lonceng) pada
kumpulan data tertentu. Kumpulan data yang miring, nilai tipikal berada di antara
kuartil pertama (Q1) dan kuartil ketiga (Q3). Distribusi normal membantu
mengetahui kemiringan. Jika kita berbicara tentang distribusi normal, data
terdistribusi secara simetris. Distribusi simetris tidak mempunyai kecondongan
karena semua ukuran tendensi sentral terletak di tengah.
Ketika data terdistribusi secara simetris, sisi kiri dan kanan berisi jumlah
observasi yang sama. (Jika kumpulan data memiliki 90 nilai, maka sisi kiri memiliki
45 observasi, dan sisi kanan memiliki 45 observasi.). Tapi, bagaimana jika tidak
19
terdistribusi secara simetris? Data tersebut disebut data asimetris, dan kecondongan
waktu mulai terlihat.
a. Jenis Kemiringan
b. Kemiringan Positif atau Kemiringan Kanan (Kemiringan Positif)
Dalam statistik, distribusi yang miring positif atau miring ke kanan mempunyai
ekor kanan yang panjang. Ini adalah jenis distribusi yang ukuran-ukurannya tersebar,
tidak seperti data yang terdistribusi secara simetris di mana semua ukuran tendensi
sentral (mean, median, dan mode) sama satu sama lain. Hal ini menjadikan Distribusi
Kecondongan Positif menjadi jenis distribusi yang mean, median, dan modus
distribusinya positif, bukan negatif atau nol.
Dalam kondisi skewed positif, rata-rata data lebih besar daripada median
(sejumlah besar data didorong ke sisi kanan). Dengan kata lain, hasilnya condong ke
arah bawah. Rata-ratanya akan lebih besar dari median karena median adalah nilai
tengah dan modus selalu merupakan nilai yang paling sering muncul. Kemiringan
positif yang ekstrem tidak diinginkan untuk suatu distribusi, karena tingkat
kemiringan yang tinggi dapat menyebabkan hasil yang menyesatkan. Alat
transformasi data membantu membuat data yang miring mendekati distribusi normal.
Untuk distribusi yang condong positif, transformasi yang terkenal adalah transformasi
log. Transformasi log mengusulkan penghitungan logaritma natural untuk setiap nilai
dalam kumpulan data.
20
c. Kemiringan Negatif atau Kemiringan Kiri (Kemiringan Negatif)
Distribusi yang condong negatif atau miring ke kiri mempunyai ekor kiri yang
panjang; ini adalah kebalikan dari distribusi yang condong positif. Dalam statistik,
distribusi miring negatif mengacu pada model distribusi di mana lebih banyak nilai
diplot di sisi kanan grafik, dan ekor distribusi menyebar di sisi kiri. Dalam kondisi
condong negatif, rata-rata data lebih kecil dari median (sejumlah besar data didorong
ke sisi kiri). Distribusi Kecondongan Negatif adalah jenis distribusi yang mean,
median, dan modus distribusinya negatif, bukan positif atau nol.
Median adalah nilai tengah, dan modus adalah nilai yang paling sering muncul.
Karena distribusi yang tidak seimbang, median akan lebih tinggi daripada mean .
21
Karena koefisien korelasi Pearson berbeda dari -1 (hubungan linier negatif
sempurna) hingga +1 (hubungan linier positif sempurna), termasuk nilai 0 yang
menunjukkan tidak ada hubungan linier, Saat kita membagi nilai kovarians dengan
deviasi standar, nilai tersebut benar-benar menskalakan hingga kisaran terbatas -1
hingga +1. Itu secara akurat menunjukkan kisaran nilai korelasi. Koefisien skewness
Pearson yang pertama membantu jika data menyajikan mode tinggi. Namun, jika data
mempunyai mode rendah atau mode yang beragam, koefisien Pearson yang pertama
tidak disukai, dan koefisien Pearson yang kedua mungkin lebih unggul, karena tidak
bergantung pada mode tersebut.
Aturan praktisnya :
3) Kurtosis
Kurtosis adalah ukuran statistik yang mengkuantifikasi bentuk distribusi
probabilitas. Ini memberikan informasi tentang ekor dan puncak distribusi
dibandingkan dengan distribusi normal. Kurtosis positif menunjukkan ekor yang
lebih berat dan distribusi yang lebih tinggi, sedangkan kurtosis negatif menunjukkan
ekor yang lebih ringan dan distribusi yang lebih datar. Kurtosis membantu dalam
menganalisis karakteristik dan outlier suatu dataset. Ukuran Kurtosis mengacu pada
22
keterekoran suatu distribusi. Tailedness mengacu pada seberapa sering outlier terjadi.
Puncak dalam distribusi data adalah sejauh mana nilai data terkonsentrasi di sekitar
mean . Kumpulan data dengan kurtosis tinggi cenderung memiliki puncak yang jelas
di dekat mean, menurun dengan cepat, dan memiliki ekor yang besar. Kumpulan data
dengan kurtosis rendah cenderung memiliki puncak datar di dekat rata-rata, bukan
puncak yang tajam.
23
Leptokurtik (Kurtosis > 3)
Leptokurtik memiliki ekor yang sangat panjang dan tebal, yang berarti
kemungkinan terjadinya outlier lebih besar. Nilai kurtosis yang positif menunjukkan
bahwa sebarannya memuncak dan mempunyai ekor yang tebal. Kurtosis yang sangat
positif menunjukkan suatu distribusi di mana lebih banyak angka yang terletak di
bagian ekor distribusi, bukan di sekitar mean.
Mesokurtik (Kurtosis = 3)
Mesokurtik sama dengan distribusi normal, artinya kurtosis mendekati 0. Dalam
Mesokurtik, distribusinya cukup luas, dan kurvanya memiliki puncak sedang.
1) Validitas
Validitas menunjukkan kinerja kuesioner dalam mengukur apa yang diukur.
Berbagai macam validitas antara lain sebagai berikut :
a. Validitas Konstruksi
Suatu kuesioner yang baik harus dapat mengukur dengan jelas kerangka dari
penelitian yang akan dilakukan. Misalkan akan mengukur konsep tentang kepuasan
pelanggan, maka kuesioner tersebut dikatakan valid jika mampu menjelaskan dan
mengukur kerangka konsep kepuasan pelanggan.
24
b. Validitas Isi
Validitas ini adalah suatu alat yang mengukur sejauh mana kuesioner atau alat
ukur tersebut mewakili semua aspek yang dianggap sebagai kerangka konsep.
c. Validitas Prediktif
Validitas prediktif adalah kemampuan dari kuesioner dalam memprediksi perilaku
dari konsep.
Untuk menguji apakah instrumen yang digunakan valid atau tidak dengan korelasi
pearson. Cara analisisnya adalah mengkorelasikan antara masing-masing nilai pada
nomor pertanyaan dengan nilai total dari nomor pertanyaan tersebut. Selanjunya
koefisien korelasi yang diperoleh r masih harus diuji signifikansinya dengan
membandingkannya dengan tabel r. Butir pertanyaan dikatakan valid jika nilai r
hitung > r tabel atau nilai p < 0,05
Yang dimaksud dengan uji validitas adalah suatu data dapat dipercaya
kebenarannya sesuai dengan kenyataan. Menurut Sugiyono (2009:172) bahwa valid
berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya
diukur. Valid menunjukan derajat ketepatan antara data yang sesungguhnya terjadi
pada objek dengan data yang dapat dikumpulkan oleh peneliti.
Uji validitas dalam penelitian ini digunakan analisis item yaitu mengkorelasikan
skor tiap butir dengan skor total yang merupakan jumlah dari tiap skor butir. Jika ada
item yang tidak memenuhi syarat, maka item tersebut tidak akan diteliti lebih lanjut.
Syarat tersebut menurut Sugiyono (2009:179) yang harus dipenuhi yaitu harus
memiliki kriteria sebagai berikut :
25
2) Reliabilitas
Reliabilitas menunjukkan bahwa kuesioner tersebut konsisten apabila digunakan
untuk mengukur gejala yang sama di lain tempat. Perlu diketahui bahwa yang diuji
reliabilitas hanyalah nomor soal yang sahih saja. Metode yang biasa digunakan untuk
uji kehandalan adalah teknik ukur ulan dan teknik sekali ukur. Teknik sekali ukur
terdiri atas teknik genap gasal, belah tengah, belah acak, kuder richardson, teknik
hoyd dan alpha cronbach.
26
Indikator pengukuran reliabilitas menurut Sekaran (2000: 312) yang membagi
tingkatan reliabilitas dengan kriteria sebagai berikut : Jika alpha atau r hitung:
Menurut Ety rochaety (2007:50) syarat minimum koefisien korelasi 0,6 karena
dianggap memiliki titik aman dalam penentuan reliabilitas instrumen dan juga secara
umum banyak digunakan dalam penelitian. Uji relibilitas pada lembar observasi
menggunaan inter-rater reliabiliti. Pengujian untuk lembar observasi menggunakan
inter-rater reliabiliti yaitu dilakukan oleh 2 orang rater atau obsever kemudian
dihitung dengan menggunakan rumus Cohen Kappa. Rumus Cohen Kappa adalah
sebagai berikut:
Keterangan :
27
Po : Proporsi frekuensi kesepakatan
Pe : Kemungkinan sepakat
N : Jumlah keseluruhan nilai yang menunjukkan munculnya gejala yang
teramati
?N1 : Jumlah nilai kategori pertama untuk pengamat pertama
?N2 : Jumlah nilai kategori pertama untuk pengamat kedua
Nilai Kappa menurut Bhisma Murti (1997) nilai tingkat reliabilitas antar rater
menjadi tiga kategori antara lain:
28
Pengujian ini merupakan persyaratan sebelum melakukan pengujian lain,
misalnya T Test dan Anova. Pengujian ini digunakan untuk meyakinkan bahwa
kelompok data memang berasal dari sampel yang sama.
29
Namun yang menjadi letak perbedaannya antara kedua uji ini adalah dari segi
prinsip penggunaan. Jika uji normalitas dilakukan pada semua uji parametrik, tidak
berlaku pada uji homogenitas. Uji homogenitas hanya dipakai ketika menguji
perbedaan antara kedua kelompok atau beberapa kelompok yang berbeda subjeknya
atau sumber datanya. Dalam analisis regresi, uji homogenitas tidak diwajibkan karena
regresi tidak melihat perbedaan dari beberapa kelompok. Namun uji homogenitas
dipakai sebagai prasyarat dari uji independen t-test.
30
menyimpulkan sebuah data homogen atau tidak maka kalian dapat menentukan
hasilnya dari nilai signifikansinya.
Apabila nilai signifikansi kurang dari 0,05 maka dapat dikatakan bahwa data
tersebut homogen. Namun jika nilai signifikansinya melebihi dari 0,05 dapat
disimpulkan bahwa data tersebut bervariasi atau homogen.
b. Bartlett Test
Ada juga Uji Bartlett yang digunakan untuk menguji homogenitas suatu data.
Pada uji ini digunakan untuk melihat kesamaan antara dua atau lebih varian. Uji
Bartlett dilakukan dengan menggunakan fungsi statistik likelihood ratio dengan
memodifikasi beberapa jumlah yang terkait dengan ukuran sampel.
Ada catatan yang perlu diingat bagi peneliti yang ingin melakukan pengujian
datanya. Uji Bartlett bisa digunakan apabila data yang digunakan telah diuji
normalitas dan hasilnya normal. Apabila tidak terindikasi normal maka bisa
menggunakan Uji Levene.
31
c. Cochran Q Test
Uji Cochran atau Cochran Q Test digunakan untuk mengetahui atribut apa saja
yang dianggap sah (valid), dimana peneliti mengeluarkan atribut-atribut yang dinilai
tidak sah berdasarkan kriteria-kriteria statistik yang dipakai.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji normalitas. Karena belum tentu data yang lebih dari
30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang banyaknya
32
kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu suatu
pembuktian. uji statistik yang dapat digunakan diantaranya adalah: Uji Chi-Square,
Kolmogorov Smirnov, Lilliefors, Shapiro Wilk, Jarque Bera.
Keterangan :
X2 = Nilai X2
Oi = Nilai observasi
33
Tabel Pembantu Uji Normalitas
Keterangan :
Z = Transformasi dari angka batas interval kelas ke notasi pada distribusi normal
pi = Luas proporsi kurva normal tiap interval kelas berdasar tabel normal
Oi = Nilai observasi
Signifikansi:
34
4) Contoh Uji Chi-Square dalam Analisis Normalitas
Contoh:
Selidikilah dengan α = 5%, apakah data tersebut di atas berdistribusi normal ? (Mean
= 157.8; Standar deviasi = 8.09)
Penyelesaian :
1. Hipotesis :
2. Nilai α
35
Luasan pi dihitung dari batasan proporsi hasil tranformasi Z yang dikonfirmasikan
dengan tabel distribusi normal atau tabel z.
4. Derajat Bebas
Df = ( k – 3 ) = ( 5 – 3 ) = 2
5. Nilai tabel
6. Daerah penolakan
Menggunakan gambar
36
7. Kesimpulan: Populasi tinggi badan mahasiswa berdistribusi normal α = 0,05.
BAB III
PRAKTIKUM
A. Analisis Statistic Desktiptif
Xxx
B. Uji Validitas
Untuk melakukan uji validitas, maka peneliti juga dapat menggunakan aplikasi
SPSS untuk melakukan uji tersebut, berikut adalah beberapa tahapan untuk
melakukan uji validitas dengan menggunakan SPSS:
37
1. Pada menu di SPSS, pilih Analyze -> Correlate -> Bivariate
38
3. Setelah hasilnya muncul, maka kita bisa interprestasikan hasil uji validitas
tersebut
Nilai r hitung 0,543 > r tabel 0,361, dan nilai Sig. (2-tailed) 0,002 < 0,005,
maka berdasarkan dasar pengambilan keputusan dalam analisis korelasi di atas dapat
disimpulkan bahwa ada korelasi atau hubungan antara item_X4 dengan Skor_total.
Dengan demikian dapat diartikan bahwa item X4 pada kuesioner tersebut adalah
“VALID”.
Dasar Keputusan :
Tingkat Signifikansi
α = 5% = 0,05
39
r hitung (nilai koefisien korelasi) > r tabel = Valid
H. Uji Reliabilitas
Setelah kita pastikan kuesioner tersebut teruji validitasnya, selanjutnya kita akan
melakukan Uji Reliabilitas untuk melihat konsistensi dari hasil kuesioner yang ada.
40
2. Pada jendela baru (Reliability Analysis) pindahkan seluruh variabel,
kemudian pada model ini, gunakan Alpha dan OK.
3. Setelah hasilnya muncul, maka kita bisa interprestasikan hasil uji reliabilitas
tersebut
41
Nilai r hitung 0,756 > r tabel 0,361. Dengan demikian dapat diartikan bahwa data
di atas adalah “Konsisten / Reliabel”.
Dasar Keputusan :
Tingkat Signifikansi
α = 5% = 0,05
r hitung (cronbach alpha) > r tabel = Reliabel (Konsisten)
r hitung (cronbach alpha) < r tabel = Tidak Reliabel (Konsisten)
I. Uji Homogenitas
Xxx
J. Uji Normalitas
Xxx
42
BAB III
PENUTUP
A. Kesimpulan
Dari pembahasan di atas, dapat disimpulkan bahwa konsep populasi dan sampel
menjadi dasar penting dalam desain penelitian, memastikan generalisasi temuan ke
keseluruhan kelompok yang relevan. Data, baik kuantitatif maupun kualitatif,
menjadi elemen kunci dalam penelitian, memberikan dasar bagi analisis dan temuan.
Metode pengumpulan data seperti survei, eksperimen, dan observasi memberikan
kerangka kerja untuk mendapatkan informasi yang relevan dan akurat. Analisis data,
baik secara statistik maupun interpretatif, membantu dalam mengekstraksi makna dari
data yang terkumpul.
Uji instrumen dan uji homogenitas muncul sebagai langkah-langkah kritis untuk
memastikan kevalidan alat pengukuran dan homogenitas kelompok, yang pada
gilirannya mempengaruhi keabsahan kesimpulan penelitian. Penggunaan metode
yang tepat dan penerapan uji instrumen yang cermat dapat meningkatkan
kepercayaan hasil penelitian.
K. Kritik
Meskipun pembahasan telah mencakup aspek-aspek utama, keterbatasan ruang
lingkup dan kedalaman pembahasan mungkin menjadi kritik. Beberapa topik, seperti
teknik-teknik khusus dalam analisis data atau pemilihan sampel yang lebih kompleks,
dapat menjadi tambahan berharga namun terabaikan dalam pembahasan ini. Oleh
karena itu, pemahaman lebih lanjut dan eksplorasi lebih mendalam mungkin
diperlukan untuk pemahaman yang lebih menyeluruh.
L. Saran
Untuk penelitian atau pembahasan lebih lanjut, disarankan untuk memperdalam
pemahaman tentang teknik-teknik analisis data kuantitatif atau kualitatif tertentu.
Selain itu, eksplorasi lebih lanjut tentang metode pengumpulan data yang inovatif dan
relevan dengan perkembangan teknologi informasi dapat memperkaya pengetahuan
43
di bidang ini. Dalam konteks uji instrumen dan uji homogenitas, penelitian lebih
lanjut dapat dilakukan untuk memahami praktik terbaik dan pertimbangan etis dalam
mengimplementasikan uji tersebut.
44
DAFTAR PUSTAKA
Modul 2 - Data
Prasmulyeli. 02 Juli 2022. Apa Itu Data Statistik, Jenis, dan Contohnya. Diakses pada
08 Desember 2023 melalui https://prasmuleli-cc.id/blog/apa-itu-data-statistik-jenis-
dan-contohnya
Gawali, Suvarna. Analystics Vidhya. 17 Juli 2023. Skewness dan Kurtosis: Panduan
Singkat (Diperbarui 2023). Diakses pada 08 Desember 2023 melalui
https://www.analyticsvidhya.com/blog/2021/05/shape-of-data-skewness-and-kurtosis/
Khrisna. Data Riset. 22 August 2013. Uji Instrumen. Diakses pada 07 Desember 2023
melalui https://datariset.com/olahdata/detail/olah-data-jogja-uji-instrumen
i
Modul 6 – Uji Homogenitas
Maulid, Reyvan. DO Lab. 20 Juli 2022. Contoh Teknik Analisis Data dalam Uji
Homogenitas. Diakses pada 07 Desember 2023 melalui https://dqlab.id/contoh-
teknik-analisis-data-dalam-uji-homogenitas
ii
iii