1
Statistika & Metode Ilmiah
METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau
dari segi penerapannya, resiko untuk keliru paling kecil.
INSTRUMEN
SAMPEL
PERAN STATISTIKA
SIFAT DATA
VARIABEL
METODE ANALISIS
2
Pengertian Statistika
STATISTIKA :
Kegiatan untuk :
• mengumpulkan 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) 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)
6
Istilah dalam Statistika
Subyek/Obyek
Benda hidup atau mati yg diuji unsur-unsur, sifat dan kelakuannya melalui pengamatan,
pengukuran dan penilaian guna mendapat 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/kriteria 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
VARIABILITAS
Kemungkinan utk bervariasi dari nilai suatu variabel pada suatu populasi atau sampel
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 atau data sensus. 7
Jenis-Jenis Data
Berdasarkan sumber-nya:
Data primer: data yg didapatkan atau dikumpulkan sendiri, misal dgn
melakukan wawancara, observasi atau penelitian lapangan/laboratorium
Data sekunder: data yg didapat dari pihak lain, misal dari data providers
seperti : BPS, LIPI, dll
Berdasarkan jenisnya:
Data Numerik (kuantitatif): dinyatakan dalam besaran numerik (angka),
Misalnya : Data pendapatan per kapita, pengeluaran, harga, jarak, dll.
Data Kategorik (Kualitatif): diklasifikasikan berdasarkan kategori/kelas
tertentu Misalnya :
Kategori Mahasiswa Berprestasi dan Tidak Berprestasi,
Kategori kota kecil, sedang dan besar,
Kategori pendukung partai politik A, B, C, dll.
Interval: Ada urutan, ada perbedaan tetapi tidak ada titik awal (nol
mutlak), misalnya: suhu 0°C bukan berarti tidak mempunyai suhu,
tangga nada, IQ.
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
13
Data
DATA
NOMINAL INTERVAL
ORDINAL RASIO
14
PROSEDUR PENGGUNAAN TABEL & GRAFIK
Data
Data
Data Kualitatif
Kualitatif Data Kuantitatif
15
30
30
20
20
10
10
Jumlah
Count
0
0
administrasi personalia produksi marketing keuangan
administrasi personalia produksi marketing keuangan
bidang pekerjaan
bidang pekerjaan
800000
keuangan
administrasi
700000
600000
personalia
500000
Mean gaji perbulan
Jenis kelamin
400000
marketing laki-laki
prestasi kerja 16
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
17
Distribusi Frekuensi
X1 + X2 + X3 + … + Xn n
X= Σ Xi
n i =1
k
Σ fi
i =1
Cara menghitung :
MEDIAN : nilai tengah dari sekumpulan data setelah diurutkan yang fungsinya
Membantu memperjelas kedudukan suatu data.
Contoh : diketahui rata-rata hitung nilai ulangan dari sejumlah siswa adalah 6.55.
Pertanyaannya adalah apakah siswa yang memperoleh nilai 7
termasuk istimewa, baik, atau biasa-biasa saja ?
20
Modus
2
1
Ukuran Penyebaran
Contoh : A : 100 90 80 70 60 50 40 30 20 10
B : 100 100 100 100 100 10 10 10 10 10 X = 55
C : 100 100 100 90 80 30 20 10 10 10 r = 100 – 10 = 90
Rata-rata
22
Deviasi Rata-rata : penyebaran Deviasi rata-rata
Berdasarkan harga mutlak simpangan
Kelompok A Kelompok B
bilangan-bilangan terhadap rata- Nilai X X-X |X – X| Nilai X X-X |X – X|
ratanya.
100 45 45 100 45 45
90 35 35 100 45 45
80 25 25 100 45 45
70 15 15 90 35 35
60 5 5 80 25 25
Rata-rata 50 -5 5 30 -25 25
40 -15 15 20 -35 35
30 -25 25 10 -45 45
20 -35 35 10 -45 45
10 -45 45 10 -45 45
Jumlah 0 250 Jumlah 0 390
DR = 250 = 25 DR = 390 = 39
10 10
n
|Xi – X|
Rata-rata DR = Σ n
i=1
√ 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
2
4
KUARTIL, DESIL, PERSENTIL
Kuartil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi empat bagian
yang sama besar.
Ada 3 jenis yaitu kuartil pertama (Q1) atau
kuartil bawah, kuartil kedua (Q2) atau kuartil
tengah, dan kuartil ketiga (Q3) atau kuartil atas.
Desil
Kelompok data yang sudah diurutkan
(membesar atau mengecil) dibagi sepuluh
bagian yang sama besar.
25
Pengolahan Data
MULAI
26
Pengolahan Data
Rata-rata μ = myu x
Standar σ = sigma s
Deviasi,Simpangan Baku
Ragam, Variance σ² s²
proporsi π p atau p
Bias suatu sampel: perbedaan ciri sampel dengan ciri populasi tempat
sampel diambil. Sampel yang baik adalah sampel dengan bias minimal. Cara
mendapatkan sampel dengan bias minimal adalah dengan mengambil
secara randon (acak).
Pengolahan Data
rasio
• Mempertimbangkan jenis sebaran/distribusi data, yaitu apakah data
Statistika Nonparametrik
Membutuhkan data dengan data ordinal dan nominal
30
Statistik Parametrik dan Non Parametrik
Statistik Parametrik : digunakan untuk menguji parameter
populasi melalui statistik , atau menguji ukuran populasi melalui
data sampel.
Pengertian parameter populasi adalah data yang diperoleh
dengan mencatat semua elemen yang menjadi obyek penelitian
dan merupakan nilai yang sebenarnya (true value). Sedangkan
pengertian statistik disini adalah data yang diperoleh dari sampel
dan merupakan nilai perkiraan (estimated value).
Parameter populasi antara lain meliputi : rara-rata (µ), simpangan
baku (σ), varians (σ²). Sedangkan statistiknya adalah : rata-rata (x
bar), simpangan baku (s) dan varians (s²).
Uji Hipotesis Statistik : ialah pengujian parameter melalui statistik
(data sampel). Oleh karena itu penelitian yang berhipotesis
statistik adalah penelitian yang menggunakan data sampel.
Statistik Non Parametrik : tidak menguji parameter populasi,
tetapi menguji distribusi.
31
Statistik Parametrik dan Non Parametrik
Penggunaan statistik Parametrik dan Non Parametrik tergantung
pada asumsi dan jenis data yang akan dianalisis.
Statistik Parametrik memerlukan terpenuhi banyak asumsi, antara
lain asumsi yang utama adalah data yang dianalisis harus
berdistribusi normal, selanjutnya dalam penggunaan salah satu test
mengharuskan data homogin, dalam regresi harus terpenuhi asumsi
linieritas.
Statistik Non Parametrik tidak menuntut terpenuhi banyak asumsi,
misalnya data yang dianalisis tidak harus berdistribusi normal. Oleh
karena itu statistik non parametrik sering disebut sebagai distribusi
bebas (free distribution)
Statistik Parametrik banyak digunakan untuk menganalisis data
interval dan rasio. Sedangkan Statistik Non Parametrik banyak
digunakan untuk untuk menganalisis data nominal dan ordinal.
32
t-test ; Korelasi Product Moment
Dalam Statistik Parametrik diperlukan syarat bahwa data yang akan dianalisis
harus berdistribusi normal. Untuk itu perlu dilakukan pengujian normalitas data.
T-test : 1) untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk
interval dan ratio , maka digunakan t-test satu sampel.
2) untuk menguji hipotesis komparatif dua sampel berpasangan bila
datanya berbentuk interval dan ratio, digunakan t-test sampel berpasangan.
t = x - µ0
s/√n
di mana : t = nilai t yang dihitung , x = rata-rata , µ0 =nilai yang dihipotesiskan
s = simpangan baku sampel , n = jumlah anggota sampel.
33
t-test, Korelasi Product Moment
Korelasi : menunjukkan adanya hubungan antara dua variabel atau lebih serta
menunjukkan besarnya (kuat/lemahnya) hubungan antara dua variabel
tersebut.
Koefisien Korelasi ( r ) merupakan kriteria untuk mengukur hubungan antar
variabel secara kuantitatif yang nilainya terletak antara – 1 dan 1
r = 1 , hubungan variabel X dan Y adalah sangat kuat dan positif
r = - 1 , hubungan variabel X dan Y adalah sangat lemah dan negatif
r = 0 , hubungan variabel X dan Y lemah sekali atau tidak ada hubungan.
Berikut ini adalah rumus Karl Pearson (Product Moment) :
r = n . Σ XY - ΣX . ΣY .
√n.ΣX² - (ΣX)². √n.ΣY² - (ΣY)²
Koefisien Determinasi (Kd) : menunjukkan berapa persen fluktuasi atau variasi
variabel Y yang disebabkan oleh variabel X , dengan rumus :
Kd = r²
34
POLA HUBUNGAN PADA DIAGRAM SCATTER
y y y
x x
x
Hubungan Positif
Hubungan Negatif Tidak ada hubungan
Jika X naik, maka
Jika X naik, maka antara X dan Y
Y juga naik dan
Y akan turun dan
jika X turun, maka
jika X turun, maka
Y juga turun
Y akan naik
35
Analisis Regresi Linear Sederhana
a = ΣY - b. ΣX
n n
36
Normalitas, Hipotesis, Pengujian
Distribusi Normal : kurva berbentuk bel, simetris, simetris terhadap sumbu yang
melalui nilai rata-rata
Kurtosis = keruncingan
Skewness = kemiringan
3
8
Normalitas, Hipotesis, Pengujian
5% 2.5% 2.5%
Ho : b = i
Jika Ho ditolak, maka Ha diterima ; daerah penolakan bisa berada di sebelah kiri
39
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.
( - )
t =
1. Uji t satu sampel s / √n
Menguji apakah satu sampel sama/berbeda dengan rata-rata populasinya
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
41
Uji t
D
t= s Di mana D = rata-rata selisih skor pasangan
D
√ ΣD2 – (ΣD)2
sD = Σ d2 Σ d2 =
N(N-1) 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
α
Diperoleh rata2d = 66.28 ; rata2c = 73.84 ; t hitung = -8.904
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
4
2
Uji Keterkaitan
POSITIF NEGATIF
makin besar nilai variabel 1 makin besar nilai variabel 1
menyebabkan makin besar menyebabkan makin kecil
pula nilai variabel 2 nilai variabel 2
Contoh : makin banyak waktu contoh : makin banyak waktu
belajar, makin tinggi skor bermain, makin kecil skor
Ulangan korelasi positif Ulangan korelasi negatif
antara waktu belajar antara waktu bermain
dengan nilai ulangan dengan nilai ulangan
NOL
tidak ada atau tidak menentunya hubungan dua
variabel
contoh : pandai matematika dan jago olah raga ;
pandai matematika dan tidak bisa olah raga ; tidak
pandai matematika dan tidak bisa olah raga
korelasi nol antara matematika dengan olah raga
43
Uji Keterkaitan
. KORELASI PEARSON :
pakah di antara kedua variabel terdapat hubungan, dan jika ada hubungan bagaimana
rah hubungan dan berapa besar hubungan tersebut.
Digunakan jika data variabel kontinyu dan kuantitatif
Contoh :
10 orang siswa yang memiliki waktu belajar berbeda dites dengan tes IPS
Siswa : A B C D E F G H I J
Waktu (X) : 2 2 1 3 4 3 4 1 1 2
Tes (Y) : 6 6 4 8 8 7 9 5 4 6
Apakah ada korelasi antara waktu belajar dengan hasil tes ?
Siswa X X2 Y Y2 XY
A
B
ΣX ΣX2 ΣY ΣY2 ΣXY
4
4
Uji Keterkaitan
Contoh :
10 orang siswa yang memiliki perilaku (sangat baik, baik, cukup, kurang) dibandingkan
dengan tingkat kerajinannya (sangat rajin, rajin, biasa, malas)
Siswa : A B C D E F G H I J
Perilaku : 2 4 1 3 4 2 3 1 3 2
Kerajinan : 3 2 1 4 4 3 2 1 2 3
Apakah ada korelasi antara perilaku siswa dengan kerajinannya ?
Siswa A B C D
Perilaku
Kerajinan
d
d2 Σd2
45
Uji Chi-Square (X2)
Chi-Square (tes independensi) : menguji apakah ada hubungan antara baris dengan
kolom pada sebuah tabel kontingensi. Data yang digunakan adalah data kualitatif.
Σ (O – E)2
O = skor yang diobservasi
X2 = Di mana
E = skor yang diharapkan (expected)
E
Contoh :
Terdapat 20 siswa perempuan dan 10 siswa laki-laki yang fasih berbahasa Inggris, serta
10 siswa perempuan dan 30 siswa laki-laki yang tidak fasih berbahasa Inggris.
Apakah ada hubungan antara jenis kelamin dengan kefasihan berbahasa Inggris ?
Ho = tidak ada hubungan antara baris dengan kolom
H1 = ada hubungan antara baris dengan kolom
P L Σ
O E (O-E) (O-E)2 (O-E)2/E
a b
Fasih a 20 (a+b)(a+c)/N
c d b 10 (a+b)(b+d)/N
Tidak fasih
c 10 (c+d)(a+c)/N
Σ d 30 (c+d)(b+d)/N
df = (kolom – 1)(baris – 1)
Jika X2 hitung < X2 tabel, maka Ho diterima
Jika X2 hitung > X2 tabel, maka Ho ditolak
4
6
Uji Chi-Square (X2)
47
Uji Anova
Anova : menguji rata-rata satu kelompok / lebih melalui satu variabel dependen / lebih
berbeda secara signifikan atau tidak.
MULTIVARIAT ANOVA
Variabel dependen lebih dari satu dan kelompok berbeda
Contoh : apakah rata-rata ulangan dan pandangan siswa
terhadap IPS berbeda berdasarkan klasifikasi Sekolah dan
kelompok penelitian
48
Uji Anova
RJKa k J2 J2 Di mana :
JKa = Σ j
-
F= nj N J = jumlah seluruh data
RJKi j=1 N = banyak data
k nj k J2 k = banyak kelompok
j
Jki = Σ Σ X2ij - Σ nj = banyak anggota kelompok j
n
j=1i=1 j=1 j Jj = jumlah data dalam kelompok j
Contoh :
Apakah terdapat perbedaan pandangan terhadap IPS siswa SD, SLTP, SMU ?
Ho : μ1 = μ2 = μ3 (tidak terdapat perbedaan sikap)
SELAMAT MENELITI
50
Notes: Inferensial
52
komparatif
t test: Parametrik-bdgkn mean
X kuadrat: Beda frekuensi
Multivariat
53