JURUSAN PETERNAKAN
FPT-UHO
1
KONTRAK BELAJAR
Mahasiswa harus menghadiri kuliah <80%
Hadir di kelas (ruang zoom meeting) < 10 menit
sebelum kuliah dimulai
Berpakaian rapih (pakai sepatu dan baju berkera)
Mengerjakan tugas-tugas yang diberikan
Ikut terlibat dalam mengerjakan tugas kelompok
Melaksanakan praktikum dan terlibat dalam
pembuatan laporan
Mempelajari materi kuliah yang diberikan
Mengikuti kuis, UTS dan UAS.
2
METERI PEMBELAJARAN
3
TUJUAN PEMBELAJARAN
PENDAHULUAN
5
PENGERTIAN
• Statistik:
- Suatu kumpulan angka yang tersusun lebih
dari satu angka
- Data yang diperoleh dari hasil observasi
berupa data cacahan atau data ukuran.
• Dalam statistika tercakup dua pekerjaan
penting, yaitu : Penyajian dan
penafsiran....DATA informasi
6
PENGERTIAN
• Statistika adalah:
1. ilmu yang mempelajari tentang teknik
pengumpulan data, penyajian data dan
analisis data untuk penarikan kesimpulan
terhadap populasi
2. metode yang berhubungan dengan penyajian
dan penafsiran kejadian yang bersifat
peluang dalam suatu penyelidikan terencana
atau penelitian ilmiah
7
PENGERTIAN
Biostatistika yaitu penerapan metode statistika dalam
memecahkan permasalahan dalam bidang biologi
•Mencari deskripsi suatu variable
•Mencari hubungan antar variable
•Menentukan perbedaan respon akibat perlakuan yang diberikan
Statistik diperlukan sbg alat utk membantu memecahkan
berbagai masalah melalui penelitian
Penelitian = penyelidikan/pencarian yg sistematik thd
kebenaran yg blm terungkap (Leedy, 1974)
8
Ciri-ciri penelitian :
• dimulai dg adanya pertanyaan
• membutuhkan pernyataan yg jelas
• membutuhkan perencanaan
• dilakukan secara bertahap
• mengajukan hipotesis
• mengemukakan fakta dan makna dg
benar
• bersifat sirkuler
9
Dalam melakukan suatu penelitian harus
dilandasi dengan penggunaan metode
ilmiah
Syarat metode ilmiah:
•Dasar :- fakta/data reliable, valid, ternilai
- teori yg relevan
•Sifat : universal, obyektif. Jujur dan
terbuka
•Logis, kritis, analistis, dinamis dan inovatif
10
Data kasar (raw data) diperoleh dari
hasil pengukuran suatu variable
pada sample yg diambil dari suatu
populasi menggunakan teknik
pengambilan sample tertentu
Langkah-langkah kegiatan statistika utk
menangani data kasar :
1.Pengumpulan data
2.Pengolahan data (diurutkan atau
digolongkan)
3.Penyajian data dalam tabel atau grafik
4.Penafsiran sajian data
5.Analisa data
6.Penafsiran dan pengambilan kesimpulan
7.Pemanfaat penafsiran dan kesimpulan utk
penentuan kegiatan penelitian lbih lanjut
Poin 1,2,3,4,7 disebut statistik deskriptif = stat.
Deduktif (tanpa analisis, tanpa generalisasi, tanpa
pengujian hipotesis, dan hanya melakukan
perhitungan-perhitungan saja)
Disajikan dalam bentuk tabel distribusi frekuensi
(mean, modus, median), bar-diagram, histogram,
polygon, dll
Poin 5,6 disebut statistik inferensial = stat. Induktif (dg
analisis, generalisasi, pengujian hipotesis)
Uji t,z, F
13
TIPE DATA STATISTIK
• Data nominal
Kualitatif
• Data ordinal
• Data interval
Kuantitatif
• Data rasio
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
14
TIPE DATA STATISTIK
DATA ORDINAL :
Data berskala ordinal adalah data yang diperoleh
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 (1= tidak puas; 2= kurang
puas; 3=cukup puas; 4=puas; 5=sangat puas)
15
TIPE DATA STATISTIK
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,
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
KLASIFIKASI JENIS DATA
17
MENURUT SIFAT
18
SIFAT DATA
DATA KUALITATIF
Data kualitatif = berbentuk kategori & atribut,
diperoleh dari hasil pengamatan
DATA KUANTITATIF
• berbentuk bilangan, diperoleh dari kegiatan
pengukuran
1. Data diskrit= diperoleh dengan cara menghitung
atau membilang, misal jumlah kursi per ruang ada
40 buah.
2. Data kontinyu= diperoleh dengan cara mengukur,
misal tinggi badan 165 cm
19
JENIS-JENIS DATA
1. Jenis kelamin
2. Warna bunga
3. Habitat, dll
Data Kualitatif
1. Jumlah
kloroplas
2. Jumlah
DATA trombosit
Data Diskret
3. Jumlah sel, dll
Data Kuantitatif
1. Berat badan
2. Jarak kota
3. Luas tanah,
Data Kontinu dll
20
CARA PENGUMPULAN DATA
• Wawancara
• Observasi langsung
• Angket
• Studi Pustaka
21
STATISTIKA MENURUT FUNGSINYA
• Statistika Deskriptif
• Statistika Inferensial
23
PENYAJIAN DATA
24
TUJUAN PENYAJIAN DATA
• Memberi gambaran yang sistematis tentang
peristiwa-peristiwa yang merupakan hasil
penelitian atau observasi,
• Data lebih cepat ditangkap dan dimengerti,
• Memudahkan dalam membuat analisis data,
dan
• Membuat proses pengambilan keputusan
dan kesimpulan lebih tepat, cepat, dan
akurat.
25
CARA PENYAJIAN DATA
BENTUK TABEL
• Tabel satu arah
Yaitu tabel yang memuat keterangan mengenai satu hal atau
satu karakteristik saja. Misalnya data Produksi kedelai
menurut jenis varietas yang ditanam.
26
BENTUK TABEL
• Tabel dua arah
Yaitu tabel yang menunjukkan hubungan dua hal atau dua
karakteristik yang berbeda. Misalnya data Produksi kedelai
menurut jenis varietas dan daerah panen
27
BENTUK TABEL
• Tabel tiga arah
Yaitu tabel yang menunjukkan hubungan tiga hal atau tiga
karakteristik yang berbeda. Misalnya data hasil pengamatan
produksi kedelai (ton/ha) menurut jenis varietas, daerah
panen, dan jenis tanah.
28
BENTUK 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
keuangan
administrasi
700000
600000
personalia
500000
Mean gaji perbulan
Jenis kelamin
400000
marketing laki-laki
30
ISTILAH DALAM STATISTIKA
• Obyek = benda hidup atau mati yg diuji unsur-unsur, sifat
dan kelakuannya melalui pengamatan, pengukuran dan
penilaian guna mendpt info atau nilai-nilai yg berguna
mengenai benda tsb
• VARIABEL
Suatu sifat dari obyek atau unsur dari obyek yg dpt diamati
atau diukur shg menghasilkan nilai, ukuran atau kriteria lain
yg dpt bervariasi
• VARIATE
Angka/nilai ukuran/keriteria lain yg dicapai suatu variabel
pada suatu individu atau unit statistik
• VARIASI
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu
variabel pada populasi atau sampel
31
ISTILAH DALAM STATISTIKA
• VARIABILITAS
Kemungkinan utk bervariasi dr nilai suatu variable pd
suatu populasi atau sample
PARAMETER
suatu variabel terukur yg digunakan sbg kriteria utk
mengevaluasi suatu populasi atau sistem
• NILAI PARAMETRIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan atau data sensus, masih harus di analisis.
NILAI STATISTIK
suatu nilai dari suatu parameter yg diperoleh dari
perhitungan sampel atau data sensus.
32
JENIS STATISTIKA
Statistika Parametrik:
• Membutuhkan pengukuran kuantitatif dengan
data interval atau rasio
• mempertimbangkan jenis sebaran/distribusi
data, yaitu apakah data menyebar normal atau
tidak.
• Contoh metode statistika parametrik: uji-z (1
atau 2 sampel), uji-t (1 atau 2 sampel), korelasi
pearson, Perancangan Percobaan (1 or 2-way
ANOVA parametrik), dll.
ISTILAH DALAM STATISTIKA
Statistika Nonparametrik:
• Membutuhkan data dengan data ordinal dan
nominal
• Merupakan statistika bebas sebaran (tdk
mensyaratkan bentuk sebaran parameter
populasi, baik normal atau tidak).
• Contoh metode Statistika non-
parametrik:Binomial test, Chi-square test,
Median test, Friedman Test, dll.
34
PERTANYAAN
1. Uraikan perbedaan tipe data interval dan
rasio dan berikan contoh
2. Uraikan perbedaan sifat data kualitatif dan
data kuantitatif dan berikan contoh
3. Jelaskan tujuan penyajian data
4. Uraikan perbedaan statistika deskriptif dan
inferensia
5. Jelaskan macam-macam bentuk penyajian
data secara grafik dan berikan contohnya
35
DISTRIBUSI FREKUENSI
36
Distribusi Frekuensi
• Bentuk pengelompokan data untuk
menggambarkan distribusi data
37
Prosedur Umum Penyusunan
Tabel Dist Frekuensi
• Tentukan banyaknya kelas
• Tentukan lebar kelas
• Hitung frekuensi untuk setiap kelas
38
Contoh tabel dist frekuensi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2 Pendidikan Frekuensi
Kelompok ke-3 f3
Kelompok ke-i fi S1 62
Kelompok ke-k fk S2 19
k S3 9
n = Σ fi 90
i=1
k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1 39
Contoh Soal
• Susun data berikut dalam tabel dist frekuensi
USIA FREKUENSI
20 5
21 6
22 13
23 4
24 7
25 7
26 7
27 5
28 3
29 4
30 15
31 3
33 5
35 1 40
Langkah-langkah
• Tentukan rentang
RENTANG: NILAI DATA TERBESAR – NILAI DATA TERKECIL
41
Catatan tentang panjang kelas
DATA PANJANG KELAS (p)
42
Lanjutan langkah-langkah
• Tentukan nilai ujung bawah kelas interval
pertama
Boleh mengambil nilai data terkecil
atau nilai data yang lebih kecil dari nilai data
terkecil
43
Kembali ke contoh..
USIA FREKUENSI Membuat distribusi frekuensi :
20 5 1. Mencari rentang 35 – 20 = 15
21 6 2. Menentukan banyak kelas k = 1 + 3,3 log n 7 atau
8
22 13
3. Menentukan panjang kelas p = 15/7 = 1,9 2 atau 3
23 4
24 7 KELOMPOK USIA FREKUENSI
25 7
20 – 21 11
26 7
22 – 23 17
27 5
24 – 25 14
28 3
26 – 27 12
29 4
30 15
28 – 29 7
31 3 30 – 31 18
33 5 32 - 33 5
35 1 34 - 35 1 44
USIA FREKUENSI
20 5
21 6
22 13 KELOMPOK FREKU-
23 4 USIA ENSI
24 7 20 – 22 ?
25 7 23 – 25 ?
27– 29 ?
26 7
30 – 32 ?
27 5
33 – 35 ?
28 3
29 4
30 15
31 3
33 5
35 1 45
Latihan Soal
• Berikut diberikan data mengenai hasil ujian
tengah semester, Mata Kuliah Statistika
mahasiswa Peternakan. Susun data dalam
tabel distribusi frekuensi!
65 72 67 82 72 91 67 73 71 70
85 87 68 86 83 90 74 89 75 61
65 76 71 65 91 79 75 69 66 85
95 74 73 68 86 90 70 71 88 68
46
Macam-macam tabel distribusi
frekuensi
47
Bentuk tabel distribusi frekuensi
relatif
Nilai Frekuensi Frekuensi Relatif
Data (%)
a-b f1 f1’
c-d f2 f2’ Dimana:
e-f f3 f3’ fi
g-h f4 f4’ fi ' n
x100%
i-j f5 f5’ f
i 1
i
Jumlah n 100
48
Bentuk tabel dist frek kumulatif
Nilai Frekuensi Frekuensi Kumulatif
Data
a-b f1 f1
c-d f2 f1+f2
e-f f3 f1+f2+f3
g-h f4 f1+f2+f3+f4
i-j f5 f1+f2+f3+f4+f5
• dengan i
fk
fi ' k 1
x100%
n 50
CONTOH TABEL DIST FREK, KUM, REL, REL KUM
51
Macam-macam bentuk diagram
• Data tidak terkelompok : diagram batang,
diagram lingkaran, garis, gambar (simbol)
52
Histogram dan poligon frekuensi
• Histogram mrpk bentuk diagram batng yg
digunakan untuk menggambarkan dist
frekuensi
53
Contoh Histogram
58
UKURAN PEMUSATAN
59
Statistik
• Ukuran lokasi (pemusatan)
• Ukuran dispersi (sebaran)
• Ukuran kemiringan
• Ukuran keruncingan
60
Ukuran lokasi ukuran cenderung memusat
rata-rata hitung
• Rata-rata rata-rata ukur
rata-rata harmonik
• Median
• Modus
61
Rata-rata hitung data tersebar
• Data tersebar (tdk berkelompok)
n
x i
x i 1
n
62
Rata-rata hitung data terkelompok
1. Tanda kelas 2. rata-rata duga
k k
fx i i fd i i
x i 1
x AM p i 1
n n
fx i i
x i 1 Mean = 358/20 = 17,9
n
64
Contoh menghitung rata-rata
Kelas interval Tanda kelas (xi) fi di fidi
AM Yg
dipilih 13-15 14 5 (14-20)/3
(14-14)/3 == -2
0 -10
0 xi AM
di
16-18 17 6 -1
1 -6
6 p
19-21 20 7 0
2 14
0
22-24 23 2 1
3 2
6
jumlah
Jumlah 20 -14
26
fd i i
x AM p i 1
n
x1 x2 x3
dimana x2 x3 x4 dan seterusnya
• Rata-rata harmonis n
Rh n
1
i 1 xi
66
RATA-RATA UKUR
• Keterangan:
U = rata-rata ukur (rata-rata geometrik)
n = banyaknya sampel
Π = Huruf kapital π (pi) yang menyatakan jumlah dari hasil kali unsur-unsur data.
Rata-rata geometrik sering digunakan dalam bisnis dan ekonomi untuk
menghitung rata-rata tingkat perubahan, rata-rata tingkat pertumbuhan, atau
rasio rata-rata untuk data berurutan tetap atau hampir tetap atau untuk rata-rata
kenaikan dalam bentuk persentase.
• 1. Rata-Rata Ukur data Tunggal
• Contoh 1:
Berapakah rata-rata ukur dari data 2, 4, 8?
• Jawab:
»
» ATAU
67
Rata-rata Harmoni
Contoh:
• Tuan A melakukan perjalanan dengan kereta dari Bandung ke Sidoarjo
pulang pergi. Bandung ke Sidoarjo berkecepatan 90 km/jam, tetapi
waktu pulang mampir dulu ke yagyakarta dengan kecepatan 70 km/jam,
kemudian hari berikutnya dilanjutkan lagi perjalanan menuju Bandung
dengan kecepatan 80 km/jam, berapakah kecepatan rata rata ?
Penyelesaian:
* Kecepatan Pertama X1 = 90 km / jam : * Kecepatan Kedua X2 = 70 km /
jam
* Kecepatan Ketiga X3 = 80 km / jam: n = 3
0,0143
68
Modus
• Data kualitatif gejala yang sering terjadi
69
Contoh mencari modus
• Data tidak terkelompok
70
Modus pada data terkelompok
b1
Mo = Bb + p
b1 b 2
dengan
Bb = batas bawah kelas interval yang mempunyai frekuensi
tertinggi
b1 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval yang lebih rendah.
b2 = selisih frekuensi tertinggi dengan frekuensi dari kelas
interval yang lebih tinggi.
p = panjang kelas.
71
Contoh mencari modus
• Data terkelompok
72
Median untuk data tidak
terkelompok
• Jika jumlah data (n) genap
n n2
nilai data ke - nilai data ke -
2 2
Me =
• 2
n 1
Me = nilai data ke -
2
74
Contoh mencari median
• Jumlah data (n) ganjil
75
Median data terkelompok
n
F
2
Me Bb p
fm
dengan
Bb : batas bawah kelas interval yang mengandung Me
77
Hubungan Mean, Modus dan Median
Hubungan empiris antara ketiganya:
Mo +2 M = 3Me
78
Ukuran dispersi ukuran cenderung menyebar
• Kuartil
• Desil
• Persentil
79
Kuartil untuk data tidak berkelompok
i
Ki n 1 , i 1, 2, 3
4
dengan
Ki : letak kuartil ke i
n : banyaknya data
80
Contoh mencari Kuartil
i
Sebelum Setelah K i n 1
diurutkan diurutkan 4
1 1
K1 9 1 2
20 20
80 40 4 2
75 50
60 60 Artinya K1 terletak antara data ke
2 50
dan 60 data ke 3
85 75
40 80
Nilai K1
60 85 = nilai data ke 2 + ½(data ke 3 - data ke 2)
90 90 = 40 + ½(50 -40)
= 45
81
Kuartil data berkelompok
i
n F
K i Bb p 4 , i 1, 2, 3
f
Ki
dengan
Ki : letak kuartil ke i
Bb : batas bawah kelas interval yang mengandung Ki
83
Desil untuk data tidak berkelompok
i
Di n 1 , i 1, 2, ..., 9
10
dengan
Di : letak desil ke i
n : banyaknya data
84
Contoh mencari Desil
Setelah i
diurutkan
Di n 1 , i 1, 2, ..., 9
10
20 6
D6 10 1 6,6
40 10
50
60 Artinya D6 terletak antara data ke 6 & ke 7
60 Nilai D6
75
= nilai data ke 6 + 0,6(data ke 7 - data ke 6)
80
85 = 75 + 0,6(80 -75)
90 = 78
96
85
Desil data berkelompok
i
10 n F
D i Bb p , i 1, 2, ..., 9
f Di
dengan
Di : letak desil ke i
Bb : batas bawah kelas interval yang mengandung Di
fD : frekuensi kelas interval yang mengandung Di
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Di
p : panjang kelas interval
86
Contoh mencari Desil
Interval f f.kum i
10 n F
30 – 39 2 2 Di Bb p , i 1, 2, ..., 9
40 – 49 3 5 f Di
50 – 59 11 16
3
60 – 69 20 36
10 100 16
70 – 79 32 68 D3 59,5 10
20
80 – 89 25 93
90 - 99 7 100 59,5 7 66,5
87
Persentil untuk data tidak berkelompok
i
Pi n 1 , i 1, 2, ..., 99
100
dengan
Pi : letak persentil ke i
n : banyaknya data
88
Contoh mencari Persentil
i
Setelah
diurutkan
Pi n 1 , i 1, 2, ..., 99
100
20 57
P57 10 1 6,27
40 100
50
60 Artinya P57 terletak antara data ke 6 & ke 7
60 Nilai P57
75
80
= nilai data ke 6 + 0,27(data ke 7 - data ke 6)
85 = 75 + 0,27(80 -75)
90 = 76,35
96
89
Persentil data berkelompok
i
100 n F
Pi Bb p , i 1, 2, ..., 99
f Pi
dengan
Pi : letak persentil ke i
Bb : batas bawah kelas interval yang mengandung Pi
fP : frekuensi kelas interval yang mengandung Pi
F : frekuensi kumulatif sebelum kelas interval yang
mengandung Pi
p : panjang kelas interval
90
Contoh mencari Desil
Interval f f.kum
i
100 n F
30 – 39 2 2
Pi Bb p , i 1, 2, ..., 99
40 – 49 3 5 f Pi
50 – 59 11 16
96
100 100 93
60 – 69 20 36
P96 89,5 10
70 – 79 32 68 7
80 – 89 25 93 Pi 89,5 4,29 93,79
90 - 99 7 100
Range
Deviasi rata-rata
DR
xi x
n
92
Contoh menghitung deviasi rata-rata
Data xi x xi x
285
20 -37 37 x 57
5
80 23 23
88
DR 17,6
75 18 18
5
60 3 3
50 -7 7
x i 285 x i x 88
93
Ukuran dispersi ukuran cenderung menyebar
s2
n 1 n n 1
untuk data berkelompok
tanda kelas variansi duga
f x x n fi x i fi x i f d f d
2 2 2 2 2 2 2
i i p i p i
s2 s2
n 1 n n 1 n n2
d
xi x
x AM
p 94
Ukuran dispersi ukuran cenderung menyebar
xi x n xi x i
2 2 2
s
n 1 n n 1
untuk data berkelompok
tanda kelas standar deviasi duga
fi x i x n fi x i fi x i i fid
2 2 2 2 2
f d
s sp
n 1 n n 1 n n
d
xi x
, x AM
p
95
Contoh menghitung variansi dan deviasi standar
data tersebar
xi2
Data
s2
5 18525 285 2
20 400 5 4
80 6400
92625 81225 11400
75 5625 570
20 20
60 3600
s 570 23,87
50 2500
x i 285 x i 2 18525
ix x 2
n x i ( x i
2 2
s2
n 1 n n 1
96
Contoh menghitung variansi dan deviasi standar
data berkelompok
Kelas Tanda fi xi
2 xifi
fi x i 2
interval kelas (xi)
13-15 14 5 196 70 980
16-18 17 6 289 102 1734
19-21 20 7 400 140 2800
22-24 23 2 529 46 1058
jumlah 20 358 6572
f x x n fi x i fi x i
2 2 2
i i
s2
n 1 n n 1
f d 9 20 9 6
2
f d
2 2 2 2
p p
s
2 i
i
s2 9 0 ,81 8,19
n n2 20 20 2
s 8,19 2 ,86 98
Ukuran Kemiringan (Skewness)
- +
Mo X Me
99
Rumus untuk Ukuran Kemiringan
x - Mo
Koefisien kemiringan pertama Perason KK
s
3 x - Me
Koefisien kemiringan kedua Perason KK
s
K 3 2 K 2 K1
Menggunakan nilai kuartil KK
K 3 - K1
101
Ukuran Keruncingan (Kurtosis)
1
K 3 K1
K 2
P90 P10
102
Kriteria untuk mengetahui model distribusi dari
koefisien kurtosis
Jika koefisien kurtosis kurang dari 0,263 maka
distribusinya adl platikurtik
Jika koefisien kurtosis sama dengan 0,263
maka distribusinya adl mesokurtik
Jika koefisien kurtosis lebih dari 0,263 maka
distribusinya adl leptokurtik
103
Contoh menghitung koefisien kemiringan dan
ukuran keruncingan
K1 12 ,5 3
5 - 0 15,5
Kelas Tanda fi 5
interval kelas (xi)
K2 15,5 3
10 - 5 18
13-15 14 5 6
K3 18,5 3
15 - 11 20 ,21
16-18 17 6
7
19-21 20 7
P10 12 ,5 3
2 - 0 13,7
22-24 23 2 5
P90 18,5 3
18 - 11 21,5
jumlah 20 7
20 15 25 15 21 19 16 17 25 19 21 20 19 19 21
17 20 16 21 20 21 16 20 17 19 20 19 17 21 19
20 16 19 19 17 20 21 19 19 21 19 17 20 19 15
105
POPULASI DAN SAMPEL
106
Populasi dan sampel
Populasi
Sampel
Parameter Statistik
107
Populasi dan sampel
Populasi adalah data kuantitatif yang
menjadi objek telaah
• Sampel
– Sampel adalah sebagian dari jumlah dan karateristik
yang dimiliki oleh populasi.
Teknik sampling
• Teknik sampling adalah teknik pengambilan sampel.
• Secara skematis, teknik sampling seperti gambar berikut
Teknik sampling
1. Probability Sampling
• Probability sampling adalah teknik sampling yang memberikan peluang
yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi
anggota sampel. Teknik ini meliputi
2. Nonprobability Sampling
• Nonprabability Sampling adalah teknik yang tidak memberi
peluang/kesempatan sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel.
a. Sampling Sistematis
• Sampling Sistematis adalah teknik penentuan sampel
berdasarkan urutan dari anggota populasi yang telah diberi
nomor urut.
• Misalnya anggota populasi yang terdiri dari 100 orang.
– Dari semua anggota itu diberi nomor urut, yaitu nomor 1
sampai dengan nomor 100. Pengambilan sampel dapat
dilakukan dengan nomor ganjil saja, genap saja, atau
kelipatan dari bilangan tertentu, misalnya kelipatan dari
bilangan lima. Untuk ini maka yang diambil sebagai sampel
adalah nomor 5, 10, 15, 20, dan seterusnya sampai 100.
Teknik sampling - Nonprobability Sampling
b. Sampling Kuota
• Sampling Kuota adalah teknik untuk menentukan sampel dari
populasi yang mempunyai ciri-ciri tertentu sampai jumlah
(kuota) yang diiginkan.
• Sebagai contoh, akan melakukan penelitian terhadap pegawai
golongan II, dan penelitian dilakukan secara kelompok.
– Setelah jumlah sampel ditentukan 100, dan jumlah
anggota peneiiti berjumlah 5 orang, maka setiap anggota
peneliti dapat memilih sampel secara bebas sesuai dengan
karateristik yang ditentukan (golongan II) sebanyak 20
orang.
c. Sampling Aksidental
• Sampling Aksidental adalah teknik penentuan sampel
berdasarkan kebetulan, yaitu siapa saja yang secara
kebetulan bertemu dengan peneliti dapat digunakan sebagai
sampel, bila dipandang orang yang kebetulan ditemui itu
cocok sebagai sumber data.
Teknik sampling - Nonprobability Sampling
d. Sampling Purposive
• Sampling Purposive adalah teknik penentuan sampel
dengan pertimbangan tertentu. Misalnya akan
melakukan penelitian tentang disiplin pegawai, maka
sampel yang dipilih adalah orang yang ahli dalam
bidang kepegawaian saja.
e. Sampling Jenuh
• Sampling Jenuh adalah teknik penentuan sampel bila
semua anggota populasi digunakan sebagai sampel.
Hal ini sering dilakukan bila jumlah populasi relatif
kecil, kurang dari 30 orang. Istilah lain sampel jenuh
adalah sensus, dimana semua anggota populasi
dijadikan sampel.
Teknik sampling - Nonprobability Sampling
f. Snowball Sampling
• Snowball sampling adalah teknik penentuan sampel yang mula-mula
jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya
untuk dijadikan sampel. Begitu seterusnya, sehingga jumlah sampel
semakin banyak. Ibarat bola salju yang menggelinding, makin lama
semakin besar. Pada penelitian kualitatif banyak menggunakan sampel
Purposive dan Snowball.
Cara Melakukan Teknik Sampling
• Beberapa kriteria yang perlu diperhatikan dalam mengambil sampel
adalah sebagai berikut:
– Tentukan dulu daerah generalisasinya.
– Berilah batas-batas yang tegas tentang sifat-sifat populasi.
– Tentukan sumber-sumber informasi tentang populasi.
– Pilihlah teknik sampling dan hitunglah besar anggota sampel yang
sesuai dengan tujuan penelitiannya.
– Rumuskan persoalan yang akan diteliti.
– Tentukan/cari keterangan mengenai populasi yang akan diteliti.
– Definisikan unit-unit, istilah yang diperlukan.
– Tentukan unit sampling yang diperlukan.
– Tentukan skala pengukuran yang akan dipergunakan.
– Cari keterangan yang ada kaitannya dengan permasalahan yang
akan dibahas.
– Tentukan ukuran sampel yang akan dianalisis.
Cara melakukan teknik sampling
• Atau 25 orang jadi paling sedikit diperlukan 25 orang sebagai sumber data.
Penentuan Besarnya Anggota Sampel
• Contoh 2
• Untuk menaksir berapa tingkat kepuasan kerja pegawai di lembaga
B diperlukan sebuah sampel. Taraf kepercayaan yang dikehendaki
99%. Perbedaan antara yang ditaksir dengan tolok ukur yang
ditetapkan tidak lebih dari 10%. Jika diketahui simpangan bakunya
20% maka ukuran sampel dapat dihitung dengan rumus sebagai
berikut:
• Dimana
• n = Ukuran sampel yang diperlukan
• b = Perbedaan antara yang ditaksir dengan tolok ukur penafsiran
• z = Harganya tergantung pada taraf kepercayaan yang ditetapkan.
(lihat keterangan pada contoh pertama).
• σ = Simpangan baku
Penentuan Besarnya Anggota Sampel
• Contoh 2
• Untuk menaksir berapa tingkat kepuasan kerja pegawai di lembaga B
diperlukan sebuah sampel. Taraf kepercayaan yang dikehendaki 99%.
Perbedaan antara yang ditaksir dengan tolok ukur yang ditetapkan
tidak lebih dari 10%. Jika diketahui simpangan bakunya 20% maka
ukuran sampel dapat dihitung dengan rumus sebagai berikut.
131
TABEL NORMAL Z
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
TABEL NORMAL Z
0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
Tabel t-Student
df\p 0.40 0.25 0.10 0.05 0.025 0.01 0.005 0.0005
1 0.324920 1.000000 3.077684 6.313752 12.70620 31.82052 63.65674 636.6192
2 0.288675 0.816497 1.885618 2.919986 4.30265 6.96456 9.92484 31.5991
3 0.276671 0.764892 1.637744 2.353363 3.18245 4.54070 5.84091 12.9240
4 0.270722 0.740697 1.533206 2.131847 2.77645 3.74695 4.60409 8.6103
5 0.267181 0.726687 1.475884 2.015048 2.57058 3.36493 4.03214 6.8688
6 0.264835 0.717558 1.439756 1.943180 2.44691 3.14267 3.70743 5.9588
7 0.263167 0.711142 1.414924 1.894579 2.36462 2.99795 3.49948 5.4079
8 0.261921 0.706387 1.396815 1.859548 2.30600 2.89646 3.35539 5.0413
9 0.260955 0.702722 1.383029 1.833113 2.26216 2.82144 3.24984 4.7809
10 0.260185 0.699812 1.372184 1.812461 2.22814 2.76377 3.16927 4.5869
11 0.259556 0.697445 1.363430 1.795885 2.20099 2.71808 3.10581 4.4370
12 0.259033 0.695483 1.356217 1.782288 2.17881 2.68100 3.05454 4.3178
13 0.258591 0.693829 1.350171 1.770933 2.16037 2.65031 3.01228 4.2208
Tabel t-Student
df\p 0.40 0.25 0.10 0.05 0.025 0.01 0.005 0.0005
15 0.257885 0.691197 1.340606 1.753050 2.13145 2.60248 2.94671 4.0728
16 0.257599 0.690132 1.336757 1.745884 2.11991 2.58349 2.92078 4.0150
17 0.257347 0.689195 1.333379 1.739607 2.10982 2.56693 2.89823 3.9651
18 0.257123 0.688364 1.330391 1.734064 2.10092 2.55238 2.87844 3.9216
19 0.256923 0.687621 1.327728 1.729133 2.09302 2.53948 2.86093 3.8834
20 0.256743 0.686954 1.325341 1.724718 2.08596 2.52798 2.84534 3.8495
21 0.256580 0.686352 1.323188 1.720743 2.07961 2.51765 2.83136 3.8193
22 0.256432 0.685805 1.321237 1.717144 2.07387 2.50832 2.81876 3.7921
23 0.256297 0.685306 1.319460 1.713872 2.06866 2.49987 2.80734 3.7676
24 0.256173 0.684850 1.317836 1.710882 2.06390 2.49216 2.79694 3.7454
25 0.256060 0.684430 1.316345 1.708141 2.05954 2.48511 2.78744 3.7251
26 0.255955 0.684043 1.314972 1.705618 2.05553 2.47863 2.77871 3.7066
27 0.255858 0.683685 1.313703 1.703288 2.05183 2.47266 2.77068 3.6896
28 0.255768 0.683353 1.312527 1.701131 2.04841 2.46714 2.76326 3.6739
29 0.255684 0.683044 1.311434 1.699127 2.04523 2.46202 2.75639 3.6594
30 0.255605 0.682756 1.310415 1.697261 2.04227 2.45726 2.75000 3.6460