Mengapa perlu Statistika di Pendidikan?

Evaluasi program pendidikan

Penelitian kuantitatif

Penelitian pendidikan Perlu olah data dan

interpretasi

Tidak terpaku pada ”angka”

tetapi analisa/kualitatif dari
SKRIPSI angka tersebut

Penelitian
Pendidikan
KONSEP DASAR

1. statistic sebagai ilmu penunjang

2. statistic sebagai atribut kuantitatif
 1. Konsep Statistika
STATISTIKA :
Kegiatan untuk :
• mengumpulkan data
• menyusun data KEGUNAAN

?
• menyajikan data
• menganalisis data dengan metode tertentu
• menginterpretasikan hasil analisis

Melalui fase

STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian atau seluruh data
(pengamatan) untuk memberikan informasi tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
 2. Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.

LANGKAH-LANGKAH DALAM METODE ILMIAH :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis

4. Mengumpulkan dan mengolah data, menguji hipotesis,

atau menjawab pertanyaan

5. Mengambil kesimpulan

INSTRUMEN

SAMPEL

SIFAT DATA
PERAN STATISTIKA
VARIABEL

METODE ANALISIS
 3. Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO
 4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan

DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi
di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi

DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender

DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku
 5. Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang

membahas parameter-parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik membahas parameter-

parameter populasi; jenis data nominal atau ordinal; distribusi data tidak
diketahui atau tidak normal

B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n

sampel atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri..
• Analisis BIVARIAT
• Contoh : korelasi motivasi dengan pencapaian akademik
• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n
sampel di mana analisis antar variabel dilakukan bersamaan. Contoh :
pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh
faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor
sekolah.
 7. Penyajian Data

TABEL
Tabel 1. 1 Bi dang Pekerj aan berdasarkan Latar Belakang Pendidikan

Count
pendidikan
SMU Akademi Sarjana Jumlah
bidang administ rasi 1 8 6 15
pekerjaan personalia 1 7 8
produksi 4 3 5 12
marketing 2 14 11 27
keuangan 3 4 6 13
Jumlah 10 30 35 75

bidang pe k e rjaan
GRAFIK administrasi
personalia
produksi
marketing
keuangan

Pies show counts

 8. Membuat Tabel

TABEL : penyajian data secara rinci. Terdiri atas kolom dan baris

Kolom pertama : LABEL

KOLOM
Kolom kedua …. n : Frekuensi atau label
TABEL
BARIS Berisikan data berdasarkan kolom

Tabel Tabulasi Silang

Pendapat tentang penggunaan media

Asal Sekolah pembelajaran Jumlah
Sangat Perlu Tidak Tidak Sangat
perlu tahu perlu tdk
perlu
SMK Buleleng
SMK Tabanan
SMK Karangasem
SMK Gianyar
SMK Denpasar
Jumlah
 9. Membuat Grafik

GRAFIK : penyajian data dengan benar dan cepat, tetapi tidak rinci untuk
memberikan informasi.

Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)

Jenis Grafik :
4
• Grafik Batang (Bar)
Sumbu tegak

3
• Grafik Garis (line)
2
• Grafik Lingkaran (Pie)
1
• Grafik Interaksi (Interactive)
0
1 2 3 4
Titik
pangkal Sumbu datar
 10. Jenis Grafik

Grafik Batang (Bar) Grafik Garis (line)

30 30

20 20

10 10

Jumlah
Count

0 0
administrasi personalia produksi marketing keuangan administrasi personalia produksi marketing keuangan

bidang pekerjaan bidang pekerjaan

Grafik lingkaran (pie) Grafik Interaksi (interactive)

800000

keuangan
administrasi

700000

600000

personalia
500000
Mean gaji perbulan

Jenis kelamin
400000
marketing
laki-laki
produksi
300000 w anita
sangat jelek jelek cukup baik baik sangat baik

prestasi kerja
 11. Frekuensi

FREKUENSI : banyaknya data untuk satu kelompok/klasifikasi

KELOMPOK FREKUENSI
Kelompok ke-1 f1 Pendidikan Frekuensi
Kelompok ke-2 f2
S1 62
Kelompok ke-3 f3
S2 19
Kelompok ke-i fi
S3 9
Kelompok ke-k fk
90
k
n = Σ fi
i=1

k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1
 12. Distribusi Frekuensi

DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan menghitung

banyaknya data dalam satu kelompok/klasifikasi

USIA FREKUENSI Membuat distribusi frekuensi :

1. Mencari sebaran (range) yakni selisih antara data paling besar
20 5
dengan data paling kecil) + 1  35 – 20 + 1= 16
21 6 2. Menentukan banyak kelas dengan rumus k = 1 + 3,3 log n
22 13 7
1. Menentukan panjang kelas dengan rumus
23 4 p = sebaran / banyak kelas  16/7 = 2
24 7
25 7 KELOMPOK USIA FREKUENSI
26 7 20 – 21 11
27 5 22 – 23 17
28 3 24 – 25 14
29 4 26 – 27 12
30 15 28 – 29 7
31 3 30 – 31 18
33 5 32 - 33 5
35 1 34 - 35 1
KELOMPOK USIA FREKUENSI NILAI TENGAH

13. Grafik
20-21 11 20,5
Poligon
22-23 17 22,5

24-25 14 24,5

26-27 12 26,5

28-29 7 28,5

30-31 18 30,5

32-33 5 32,5

34-35 1 34,5
KELOMPOK USIA FREKUENSI NILAI NYATA

14. Grafik
20-21 11 19,5-21,5
Histogram
22-23 17 21,5-23,5

24-25 14 23,5-25,5

26-27 12 25,5-27,5

28-29 7 27,5-29,5

30-31 18 29,5-31,5

32-33 5 31,5-33,5

34-35 1 33,5-35,5

BUATLAH GRAFIK HISTOGRAMNYA!

 13. Ukuran Tendensi Sentral
a. Mean
RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan
RATA-RATA HITUNG (RERATA/mean) : jumlah bilangan dibagi banyaknya

X + X2 + X3 + … + Xn n
X= 1 Σ Xi
n i =1

n
Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,
maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1
f 1 + f2 + f 3 + … + f k i =1

k
Σ fi
Cara menghitung : i =1

Bilangan (Xi) Frekuensi (fi) Xi fi

70 3 210
63 5 315
Maka : X = 695 = 69.5
10
85 2 170
Jumlah 10 695
 b. Median

MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya membantu
memperjelas kedudukan suatu data.

Contoh : diketahui rata-rata hitung/mean nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?

Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,

maka rata-rata hitung = 6.55, median = 6
Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata hitung
dan median (kelompok 50% atas)

Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,

maka rata-rata hitung = 6.55, median = 8
Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah median
(kelompok 50% bawah)

Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan tengah)
Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5
 c. Modus

MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan,

yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.

Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4

Maka : s = 6 ; k = 3 ; p =2
rata-rata hitung/mean = 6.55 ; median = 6
modus = 5 ; kelas modus = 5 - 7

Nilai Frekuensi Nilai Frekuensi

10 2 8 – 10 3
8 1 5–7 7
7 2 2–4 1
6 1 Jumlah 11
5 4
4 1
Jumlah 11 - +
Mo X Me

Kurva positif apabila rata-rata hitung > modus / median

Kurva negatif apabila rata-rata hitung < modus / median
Tugas
• Diberikan data nilai untuk mata kuliah statistic mahasiswa dari 100
mahasiswa sebagai berikut:
90 85 80 75 70 75 70 65 90 95

90 60 60 90 60 70 90 73 92 80

83 65 70 95 65 75 90 75 95 85

85 70 75 87 60 70 95 76 90 84

80 84 80 87 75 70 95 78 90 83

75 80 85 80 75 70 90 70 85 87

75 80 70 80 75 80 60 65 86 88

70 80 75 80 80 80 60 68 82 89

63 85 75 80 90 85 75 67 76 60

50 95 75 85 90 85 80 70 78 67
1. Sajikan data tersebut dalam bentuk grafik
2. Tentukan frekuensi data
3. Tentukan nilai modus, median
4. Berapa prosentase siswa yang mendapatkan nilai 90?
5. Berapa prosentase siswa yang mendapatkan nilai 75?
6. Perapa prosentase siswa yang mendapatkan nila 65?
Tugas
• Diberikan data nilai mahasiswa pada mata kuliah pemrograman
sebagai berikut:
45 60 62 63 66 47 50 60 62 70

42 55 75 72 67 45 52 50 66 68

40 70 70 75 68 40 53 53 65 67

50 60 78 70 70 66 54 65 67 65

52 45 66 43 75 67 55 60 75 64

55 56 65 56 80 65 60 75 70 60
1. Sajikan data tersebut dalam bentuk grafik
2. Tentukan frekuensi data
3. Tentukan nilai modus, median, quartile
4. Tentukan nilai frekensi kumulatif dan frekuensi relative?
5. Berapa prosentase siswa yang mendapatkan range nilai 65-70?
6. Berapa prosentase siswa yang mendapatkan nilai 70-75?
7. Sajikan/tuliskan informasi yang anda dapatkan dari hasil analisa
data tersebut!
UKURAN PENYEBARAN
UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :
1.RENTANG (Range)
2.DEVIASI RATA-RATA (Average Deviation)
3.VARIANS (Variance)
4.DEVIASI STANDAR (Standard Deviation)

Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.

Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan
dengan bilangan terbesar dan terkecil.

Contoh : A : 100 90 80 70 60 50 40 30 20 10
X = 55
B : 100 100 100 100 100 10 10 10 10 10
r = 100 – 10 = 90
C : 100 100 100 90 80 30 20 10 10 10
Deviasi Rata-rata : penyebaran Nilai X X-X |X – X| Nilai X X-X |X – X|
Berdasarkan harga mutlak simpangan 100 45 45 100 45 45
bilangan-bilangan terhadap rata- 90 35 35 100 45 45
ratanya. 80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25
50 -5 5 30 -25 25
Makin besar simpangan, 40 -15 15 20 -35 35
makin besar nilai deviasi rata-rata 30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
n
DR = Σ |Xi – X| Jumlah 0 250 Jumlah 0 390

i=1 n
DR = 250 = 25 DR = 390 = 39
10 10

Makin besar simpangan,

makin besar nilai deviasi rata-rata
Varians : penyebaran berdasarkan Kelompok A Kelompok B
jumlah kuadrat simpangan bilangan- Nilai X X -X (X–X)2 Nilai X X -X (X –X)2
bilangan terhadap rata-ratanya ; 100 45 2025 100 45 2025
melihat ketidaksamaan sekelompok data
90 35 1225 100 45 2025
80 25 625 100 45 2025
n
s = Σ (Xi – X)
2 70 15 225 90 35 1225
2

i=1 n-1 60 5 25 80 25 625

50 -5 25 30 -25 625
40 -15 225 20 -35 1225

Deviasi Standar : penyebaran 30 -25 625 10 -45 2025

berdasarkan akar dari varians ; 20 -35 1225 10 -45 2025

menunjukkan keragaman kelompok data 10 -45 2025 10 -45 2025
Jumlah 8250 Jumlah 15850

8250 15850
n s= √ 9 = 30.28 s= √ 9 = 41.97
√ Σ (Xi – X)
2
s=
i=1 n-1
Kesimpulan :
Kelompok A : rata-rata = 55 ; DR = 25 ; s = 30.28
Kelompok B : rata-rata = 55 ; DR = 39 ; s = 41.97
Maka data kelompok B lebih tersebar daripada kelompok A
POPULASI, SAMPLE DAN PENGUJIAN
NORMALITAS DATA
• Populasi adalah wilayah generalisasi yang terdiri atas: obyek/subyek
yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan
oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya
• Misal: melakukan penelitian di sekolah X
• Artinya: sekolah X mempunyai populasi yang bisa berupa jumlah
subyek/orang dan karakteristik subyek/orang

• Kesimpulannya: populasi merupakan sekumpulan orang/subyek dan

objek yang diamati
SAMPLE

• Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi
• Penelitian terkait dengan keterbatasan biaya, tenaga dan waktu
• Maka jika populasi pesar, peneliti dapat mengambil sample yang
diambil dari populasi tersebut
• Syarat, sample harus representative (mewakili dari populasi yang
ada)
TEKNIK SAMPLING
• Teknik sampling adalah merupakan teknik pengambilan sampel.

Teknik Sampling

Probability Non probability

Sampling sampling

1. Simple random sampling

1. Sampling sistematis
2. Proportionate stratified
2. Sampling kuota
random sampling
3. Sampling incidental
3. Disproportionate
4. Purposive sampling
stratified random
5. Sampling jenuh
sampling
6. Snowball sampling
4. Area (cluster) sampling
Probability sampling: teknik pengambilan sampel yang memberikan
peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih
menjadi anggota sampel

• Simple random sampling: homogen, pengambilan anggota sampel

dari populasi secara acak
• Cluster sampling (Area sampling): teknik sampling daerah digunakan
untuk menentukan sampel bila obyek yang akan diteliti atau sumber
data sangat luas
• Proportionate stratified random sampling: tidak homogen dan
berstrata secara proporsional
• Contoh: lulusan S1=40 org; S2=45 org; S3=60 org
• Disproportinate stratified random sampling: strata tidak professional
• Contoh: lulusan S1=3 org; S2=2 org; S3=3 org; SMU=600 org; SMP=450org
Nonprobability sampling adalah teknik pengambilan sampel
yang tidak memberi peluang/kesempatan sama bagi setiap
unsur atau anggota populasi
• Sampling sistematis: teknik pengambilan sampel berdasarkan urutan
dari anggota populasi yang telah diberi nomor. Misal nomor 1 s/d 100
• Sampling kuota: teknik menentukan sampel dari populasi yang
mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang ddinginkan
• Sampling incidental: teknik penentuan sampel berdasarkan
kebetulan, yaitu siapa saja yang secara kebetulan/incidental bertemu
dengan peneliti dapat digunakan sebagai sampel
• Sampling purposive: teknik penentuan sampel dengan pertimbangan
tertentu
• Sampling jenuh: teknik penentuan sampel bila semua anggota
populasi dijadikan sampel
• Snowball sampling: teknik penentuan sampel yang dimulai dengan
jumlah kecil, kemudian membesar
Cermatilah: tabel penentuan jumlah sampel dari populasi
tertentu dengan taraf kesalahan 1%, 5% dan 10%

• Contoh 1: misalnya populasi berjumlah 300. bila dikehendaki

kepercayaan sampel terhadap populasi 95% atau tingkat kesalahan
5%, maka jumlah sampel yang diambil ?
• Contoh 2: akan dilakukan penelitian kepada kelompok masyarakat
yang berjumlah 1000 orang, yang dikelompokkan berdasarkan
jenjang pendidikan, yaitu lulusan SMP = 350; SMK = 200; S1 = 100; S2
= 200; S3 = 150 (populasi berstrata)
• Untuk populasi 1000 dengan taraf kesalahan 5%, maka jumlah sampelnya =
258
• SMP = 350/1000 X 258 =
• SMK = 200/1000 X 258 =
• S1 = 100/1000 X 258 =
• S2 = 200/1000 X 258 =
• S3 = 150/1000 X 258 =
NORMALITAS DATA

• Suatu data yang membentuk distribusi normal bila jumlah data di

atas dan dibawah rata-rata adalah sama, demikian juga simpangan
bakunya.
 Normalitas, Hipotesis, Pengujian

Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata

Kurtosis = keruncingan

Skewness = kemiringan

+3s  +2s  -s   +s  +2s  +3s

68%
95%
99%

• Lakukan uji normalitas

• Rasio Skewness & Kurtosis berada –2 sampai +2
Rasio = nilai
Standard error
• Jika tidak berdistribusi normal, lakukan uji normalitas non parametrik (Wilcoxon,
Mann-White, Kendall)
 Normalitas, Hipotesis, Pengujian

Hipotesis : uji signifikansi (keberartian) terhadap hipotesis yang dibuat ;

berbentuk hipotesis penelitian dan hipotesis statistik (H0) ;
hipotesis bisa terarah, bisa juga tidak terarah ;
akibat dari adanya Ho, maka akan ada Ha (hipotesis alternatif) yakni
hipotesis yang akan diterima seandainya Ho ditolak

HIPOTESIS TERARAH TIDAK TERARAH

Hipotesis Siswa yang belajar bahasa lebih Ada perbedaan keseriusan siswa
Penelitian serius daripada siswa yang antara yang belajar bahasa dengan
belajar IPS yang belajar IPS
Hipotesis Nol Siswa yang belajar bahasa tidak Tidak terdapat perbedaan
(Yang diuji) menunjukkan kelebihan keseriusan belajar siswa antara
keseriusan daripada yang belajar bahasa dan IPS
IPS
Ho : b < i Ho : b = i
Ha : b > i Ha : b ≠ I
 Normalitas, Hipotesis, Pengujian

Pengujian : bila Ho terarah, maka pengujian signifikansi satu pihak

bila Ho tidak terarah, maka pengujian signifikansi dua pihak

Pengujian signifikansi satu arah (hipotesis terarah):

Siswa yang belajar bahasa tidak menunjukkan kelebihan keseriusan daripada
yang belajar IPS Ho : b < i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan berada di sebelah kanan

5% 2.5% 2.5%

Daerah penerimaan hipotesis Daerah Daerah Daerah penerimaan hipotesis Daerah

penolakan penolakan penolakan
hipotesis hipotesis hipotesis

Pengujian signifikansi dua arah (hipotesis tidak terarah):

Tidak terdapat perbedaan keseriusan belajar siswa antara bahasa dan IPS
Ho : b = i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri atau kanan
 Uji t

Uji t : menguji apakah rata-rata suatu populasi sama dengan suatu harga tertentu atau
apakah rata-rata dua populasi sama/berbeda secara signifikan.

1. Uji t satu sampel

Menguji apakah satu sampel sama/berbeda dengan ( - )
rata-rata populasinya t =
• hitung rata-rata dan std. dev (s) s / √n
• df = n – 1
α
• tingkat signifikansi ( = 0.025 atau 0.05)
• pengujian apakah menggunakan 1 ekor atau 2 ekor
• diperoleh t hitung ; lalu bandingkan dengan t tabel : jika t hitung > t tabel Ho ditolak

Contoh :
Peneliti ingin mengetahui apakah guru yang bekerja selama 8 tahun memang berbeda
dibandingkan dengan guru lainnya.
Ho : p1 = p2
Diperoleh rata2 = 17.26 ; std. Dev = 7.6 ; df = 89 ; t hitung = 11.55
α
Berdasarkan tabel df=89 dan = 0.05 diperoleh t tabel = 1.987
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
guru yang bekerja selama 8 tahun secara signifikan berbeda dengan
guru lainnya
 Uji t
2. Uji t dua sampel bebas
Menguji apakah rata-rata dua kelompok yang tidak berhubungan sama/berbeda

(Σx2 + Σy2) (1/nx + 1/ny)

√
(X – Y)
t= Di mana Sx-y =
Sx-y (nx + ny – 2)

Contoh :
Peneliti ingin mengetahi apakah ada perbedaan penghasilan (sebelum sertifikasi) antara
guru yang lulusan S1 dengan yang lulusan S3
Ho : Pb = Pk
Diperoleh : rata2 x = 1951613 ; y = 2722222 ; t hitung = - 7.369
α
Berdasarkan tabel df=69 dan = 0.025 diperoleh t tabel = 1.994
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Rata-rata penghasilan guru yang S1 berbeda secara signifikan dengan
penghasilan guru yang S3
 Uji t

3. Uji t dua sampel berpasangan

Menguji apakah rata-rata dua sampel yang berpasangan sama/berbeda

D
t= s Di mana D = rata-rata selisih skor pasangan
D

ΣD2 – (ΣD)2
sD =
√ Σ d2
N(N-1)
Σ d2 =
N

Contoh :
Seorang guru ingin mengetahui efektivitas model pembelajaran diskusi. Setelah selesai
pembelajaran pertama, ia memberikan tes dan setelah selesai pembelajaran kedua
kembali ia memberikan tes. Kedua hasil tes tersebut dibandingkan dengan harapan
adanya perbedaan rata-rata tes pertama dengan kedua.
Ho : Nd = Nc
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
α
Berdasarkan tabel df=163 dan = 0.05 diperoleh t tabel = 1.960
Kesimpulan : t hitung > t tabel sehingga Ho ditolak
Terdapat perbedaan yang signifikan antara hasil tes pertama dengan
hasil tes kedua, sehingga ia menyimpulkan model diskusi efektif
meningkatkan hasil belajar siswanya
TUGAS
1. Buktikan apakah data berikut membentuk kurva normal atau tidak?

24 40 55 43 30 24
25 45 67 45 56 29

15 64 28 28 27 30

30 20 12 26 18 14

37 56 16 15 17 12

69 26 47 10 42 16
TUGAS

2. Hitunglah nilai rata-rata, varians dan simpangan baku sampel

60 70 65 80 70 65 75 80 70 75

3. Lakukan uji t sample bebas pada data berikut:

Lulusan SMK : 60; 70; 50; 80; 95; 55; 45; 60; 40; 60
Lulusan S1: 75; 85; 80; 75; 80; 60; 55; 90; 95; 55

4. Lakukan uji t sample bebas pada data berikut:

Diberikan data kelompok 1: 4, 6, 8, 10, 12, 14, 16
Diberikan data kelompok 2: 104, 106, 108, 110, 112, 114, 116
TUGAS (sebagai pengganti pertemuan tanggal 17/18 Oktober dan 24/25
Oktober 2019)
• Instruksi pelaksanaan pengerjaan tugas
• Gunakan referensi untuk mengerjakan tugas ini
• Terdapat 10 nomor soal, kumpulkan softcopy dalam format pdf
• Pelajari kembali terkait materi:
• Penelitian dan statistic
• Statistik deskriptif
• Populasi, sampel dan pengujian normalitas data

1. Jelaskan menurut pendapat yang didasari atas refrensi yang terpercaya,

apakah perbedaan pokok penelitian survey, eksperimen dan kualitatif
2. Jelaskan fungsi statistic dalam penelitian
3. Bagaimana cara memilih teknik statistic untuk menguji hipotesis
4. Sebutkan teknik pengambilan sampling yang saudara ketahui, berikan
contoh penelitiannya
5. Jelaskan mengapa dalam teknik statistic kita harus mempelajari dan
membuktikan bahwa data tersebut normal dan homogen, kapan kita
perlu membuktikan bahwa data yang akan dianalisis harus berdistribusi
normal?
6. Tentukan nilai homogenitas data berikut, jelaskan manakah data yang
lebih homogen:
a. 2. 8. 5. 6. 4. 8. 12. 14. 15. 10
b. 8. 4. 8. 4. 5. 6. 8. 8. 4. 6.
7. Hitunglah nilai mean, median, modus, standar deviasi, simpangan serta
varians dari data berikut:
2 8 4 2 8 9 4 16 8 3

3 6 4 10 7 8 5 4 4 4

4 5 12 5 18 20 6 22 4 30

4 6 5 15 2 4 24 25 4 32

8. Buktikan apakah data tersebut terdistribusi normal?

9. Karena terdapatnya penurunan motivasi belajar peserta didik pada mata pelajaran
Administrasi system jaringan di SMKN ABC di Singaraja, maka akan dilakukan penelitian untuk
mengetahui tingkat hasil belajar pada mapel “Administrasi system jaringan” di kelas X TKJ.
Berdasarkan observasi kelas terhadap penilaian hasil belajar, maka peneliti mengajukan
hipotesis bahwa peserta didik yang mendapatkan nilai tertinggi adalah sebesar “65”
50 20 40 15 20

30 25 60 10 15

45 30 45 20 30

50 45 50 25 35

Berdasarkan hipotesis tersebut, maka telah dilakukan pengumpulan data terhadap 20 peserta
didik. pengambilan sampel 30 dipilih secara random sampling. Data nilai hasil belajar 20
peserta didik adalah sebagai berikut:
• Diberikan hipotesis sebagai berikut:
• Hipotesis nol (Ho): penilaian hasil belajar yang didapatkan peserta didik paling besar
adalah 65
• Hipotesis alternative (Ha): penilaian hasil belajar peserta didik lebih dari 65
• Lakukan pengujian hipotesis
10. Lakukan analisa data pada soal No. 9 untuk melakukan statistic deskriptif! Bagaimana
karakteristik data dan analisa yang diperoleh?
MATERI UTS
• Penelitian dan statistic
• Pengertian statistic
• Variabel penelitian
• Paradigma penelitian
• Peranan statistic dalam penelitian
• Statistik deskriptif
• Pengertian statistic deskriptif
• Penyajian data (tabel, tabel distribusi frekuensi, grafik, diagram lingkaran)
• Pengukuran gejala pusat (modus, median, mean) untuk data tunggal
• Pengukuran gejalan pusat (modus, media, mean) untuk data berkelompok
• Konsep dasar pengujian hipotesis
• Hipotesis deskriptif
• Hipotesis komparatif
• Hipotesis hubungan
• Populasi, sampel dan pengujian normalitas data
• Populasi
• Sampel
• Teknik sampling