penarikan
Inferensial
kesimpulan
• Deskriptif
Skala Interval
untuk data yang Skala Rasio
menunjukkan Pada dasarnya
adanya
penggolongan yang
Skala sama dengan
mempunyai besaran skala interval,
sama dan berdiri
kotinu jadi dapat
Pengukuran bedanya skala ini
menggunakan
diukur. Misal: hasil anglka absolut.
tes IQ.
Skala Ordinal
menunjukkan status atau
tingkat kedudukan individu
yang satu terhadap yang
lain dalam karakteristik
tertentu (simpulan yang
ditarik bahwa salah satu
individu lebih besar/kecil
dibanding lainnya). Misal:
data tentang penghasilan
diklasifikasi, yaitu kaya,
sedang, miskin.
Teknik Analisis Statistik dalam Penelitian Empirik
• Bila peneliti berhubungan dengan dua variabel kontinu,
maka digunakan analisis korelasi parametrik Pearson
Product Moment.
• Bila peneliti berhubungan dengan dua variabel ordinal,
maka digunakan analisis Spearman Rank Order.
• Bila peneliti berhubungan dengan dua variabel nominal,
maka digunakan Chi Squares Analisys.
• Bila peneliti berhubungan dengan variabel bebas
nominal dan variabel terikat interval, maka digunakan
analisis T-Test.
• Bila peneliti berhubungan dengan variabel bebas dan
variabel terikat ordinal, maka digunakan analisis non
parametrik Mann-Whitney U-test.
• Gunakan ANOVA untuk analisis lebih dari dua kondisi
atau lebih dari satu variabel bebas.
Pembagian
Statistik
Statistik
Statistik Seluruh data yang menjadi objek penelitian.
Deskriptif/Deduktif
Induktif/Interens Menggambarkan dan
Membicarakan syarat
aturan tentang
menganalisis
sekelompok data tanpa • Populasi
bagaimana menarik menarik
kesimpulan dari analisa kesimpulan/intference
sampel. terhadap kelompok data
yang lebih besar.
Sebagian dari populasi.
• Sampel
Variabel • Variabel yang nilainya
selalu bulat dalam
Total 100
TKBn = BKAn-1 + BKBn
2
= 62 + 63 = 62,5
2
60 33 85 52 65 77 84 65 57 74
71 81 35 50 35 64 74 47 68 54
80 41 61 91 55 73 59 53 45 77
41 78 55 48 69 85 67 39 76 60
94 66 98 66 73 42 65 94 89 88
• Range = 98 - 33 = 65
• Banyak interval kelas : k = 1 + 3,322 Log.50 = 6,64 (7 kelas)
• Besar interval kelas
C= range = 65= 9,28 = 10
banyak kelas 7
Tabel : 1
Kelas Tally Frekuensi fk Cm f.rel (%) fk.pol (%)
30 – 39 IIII 4 4 34,5 8 8
40 – 49 IIII I 6 10 44,5 12 20
50 – 59 IIII III 8 18 54,5 16 36
60 – 69 IIII IIII II 12 30 64,5 24 60
70 – 79 IIII IIII 9 39 74,5 18 78
80 – 89 IIII II 7 46 84,5 14 92
90 – 99 IIII 4 50 94,5 8 100
żf = 50 100 %
Dari tabel 1 terlihat :
2. Data dikelompokkan
k
Ẋ = Cm . fi
c=1 Cm = class mark (nilai tengah)
k fi = frekuensi
fi
c=1
[ ]
Mo = TB + c . s1
s1 + s2
[ ]
Mo = TA + c . s2
s1 + s 2
dimana :
Mo = modus
s1 = (f mo - fsb . mo)
s2 = (f mo - fsd . mo)
Ukuran Variasi
adalah ukuran yang menyatakan seberapa jauh
penyimpangan nilai-nilai data dari nilai pusatnya.
(measure of dispersion)
1 n
dẊ = Z |(X ᶘ - Ẋ)|
n
ᶘ =1
b. Data dikelompokkan
1 k
dẊ = |(Cm - Ẋ)|.f ᶘ
n Z
ᶘ =1
Standart Deviation (Simpangan Baku)
s= √ 1 n (X - Ẋ)2
n Z ᶘ
ᶘ =1
b. Data dikelompokkan
s= √ 1 k (Cm - Ẋ)2.f
Z ᶘ
n
ᶘ =1
Ukuran Variasi Relatif, Simetri dan
Keruncingan
1. Ukuran Variasi Relatif
s
v = . 100%
V = koefisien variasi
S = simpangan baku
Ẋ
semakin kecil nilai v, Ẋ = rata-rata
semakin seragam/terdistribusi seragam
2. Ukuran Kesimetrisan/Kecondongan
• Bila distribusi simetris (Karl Pearson)
Ẋ = Md = Mo
• Bila asimetris : Ẋ ≠ Md ≠ Mo
Koefisien Kecondongan Pearson
(Coeffisient Skewness Pearson)
(Ẋ - Mo)
sk = s