1. PENDAHULUAN
2. TABEL & GRAFIK
3. UKURAN GEJALA PUSAT
4. UKURAN DISPERSI & VARIASI
5. REGRESI LINEAR SEDERHANA
6. POPULASI DAN SAMPLING
7. DISTRIBUSI NORMAL
B. Pengertian dan Jenis Statistika
Statistika adalah bagian dari matematika yang secara
khusus membicarakan cara-cara pengumpulan, analisis dan
penafsiran data.
- Statistika Deskriptif
untuk memperoleh gambaran/ ukuran-ukuran
tentang data yang ada di tangan (ukuran sampel,
ukuran populasi)
1. Statistika Parametrik
Jenis ini didasarkan pada model distribusi normal
2. Statistika Nonparametrik
Statistik ini tidak didasarkan pada suatu model distribusi
tertentu
Jika data yang diperoleh tidak valid maka kegiatan analisis &
penafsiran data yang mengikutinya tidak valid.
2. Jenis data & skala pengukuran Kuantitatif
Data dapat digolongkan menjadi data diskrit & data
kontinu.
1. Data Nominal
Data ini memiliki skala yang bersifat kategorikal /
pengelompokan (jenis kelamin, warna kulit, agama), digunakan untuk
mengenali identitas subyek.
2. Data Ordinal
Data ini memiliki skala yang menunjukkan perbedaan
tingkatan subjek secara kuantitatif (data yang dinyatakan
dalam bentuk peringkat atau rangking)
Data ini selain memiliki sifat yang dimiliki data nominal juga
menunjukan kedudukan subjek dalam suatu kelompok pada
suatu variabel. Termasuk aplikasi skala likert
3. Data Interval
Selain memiliki kedua ciri diatas, data ini juga memiliki sifat kesamaan
jarak (equality of interval) antara nilai yang satu dengan nilai yang lain
4. Data Rasio
Hasil pengukuran merupakan contoh data rasio panjang (M), berat (kg). Data rasio
dapat disusus dalam data interval dan ordinal.
D. Penelitian Kuantitatif
Menurut Sukaji, 1992: kemajuan pesat negara2 industri maju dan negara2
industri baru ternyata lebih tergantung pada mutu SDM, kegiatan
penelitian serta inovasi teknologi daripada Sumberdaya alam.
2. Penggolongan penelitian
- Penelitian eksperimental: termasuk eksperimen semu
yang tidak melakukan random assigment. Penelitian
eksperimental dari penelitian lainnya adalah
adanya manipulasi peubah bebas.
- Penelitian Korelasional
Penelitian korelasional sendiri merupakan Penelitian yang
peubah bebasnya tidak dimanipulasi
3. Penggolongan peubah penelitian
Beberapa jenis peubah yang sangat penting dipahami antara lain (4):
a. Peubah bebas, yaitu peubah yang mempengaruhi peubah
lain
b. Peubah terikat, yaitu peubah yang dipengaruhi oleh
peubah lain
c. Peubah Moderator, yaitu peubah yang mempengaruhi secara jelas
(terukur) hubungan antara peubah bebas dengan peubah terikat
(memperkuat / memperlemah hubungan), misal kehadiran anak dalam
hub keluarga
d. Peubah Intervening, yaitu mempengaruhi variabel bebas & terikat
tetapi tidak terukur, antara IQ dan nilai ujian tetapi ada intervening
kondisi anak
e. Peubah Kontrol, yaitu peubah yang pengaruhnya kepada
peubah terikat dikendalikan. Misal mempertahankan temperatur
dalam eksperimental.
Pengaruh curah hujan terhadap
Jumlah pasien dan pendapatan RS
5. Validitas Penelitian
Validitas penelitian diklasifikasikan menjadi:
1. Validitas Internal, berkaitan dengan keyakinan peneliti
tentang kesahihan hasil penelitian
2. Validitas Eksternal, berkaitan dengan tingkat generalisasi
penelitian yang diperoleh
1. Paradigma sederhana
2. Paradigma sederhana berurutan
3. Paradigma ganda dengan 2 variabel
independen
4. Paradigma ganda dengan 3 variabel
independen
5. Paradigma ganda dengan 2 variabel dependen
6. Paradigma Jalur sederhana
7. Paradigma jalur ganda
Data statistik dan hasil penelitian sering disajikan dalam
bentuk tabel & grafik. Sebuah grafik atau tabel dapat
mewakili ratusan atau ribuan kata dalam suatu bentuk yang
kompak dan menarik.
2. Banyak Kelas:
Banyak kelas menunjukkan jumlah interval kelas yang
diperlukan untuk mengelompokan suatu perangkat data
(Rumus Sturges).
bk=1+3,3 log n
3. Panjang Kelas:
Panjang kelas (p) atau interval (I) menunjukkan banyaknya
R
angka (nilai) yang tercakup oleh suatu interval kelas
P
bk
4. Interval Kelas:
Untuk menyusun interval kelas, perlu ditentukan dahulu
bilangan awal untuk interval kelas pertama (paling bawah)
- merupakan kelipatan dari P
5. Frekuensi:
Frekuensi setiap kelas dapat diperoleh dengan cara mentally
(turus) setiap nilai yang ada pada interval kelas masing-
masing dan kemudian menjumlahkan banyaknya tally (turus)
yang didapat
Contoh
1. Histogram
Merupakan suatu grafik yang menggambarkan sebaran
frekuensi suatu perangkat data dalam bentuk batang
2. Frekuensi Poligon
pada Histogram diasumsikan bahwa skor-skor pada interval
kelas meyebar secara merata.
% 90
80
60
50
40
30
20
10
0
195.0 294.9 394.9 494.9 594.9 694.9 794.9 894.9 994.9
Penghasilan dalam ribuan rupiah
Belanja Litbang IPTEK
12.96%
11.88% 39.00%
4.59%
31.58%
X= X
n
k
X= fiXi
i-1
k
ni
i-1
Contoh kelas data dan Mean
n
X= fiXi
i-1
n
B. Median
merupakan titik/ nilai yang membagi seperangkat data menjadi dua
bagian sama banyak
P(n/2-fk11)
Me= X11+
fi
dimana:
Me : Median
X11 : batas nyata bawah kelas median
p : panjang kelas
n : banyak data
fk11: frekuensi kumulatif interval kelas di bawah kelas median
fi : frekuensi kelas median
Mencari Median data Kelas
P(n/2-fk11)
Me= X11+
fi
b1
Mo b p
b1 b2
dimana:
b : batas bawah interval kelas dengan frekuensi terbanyak
p : panjang kelas
b1 : frekuensi terbanyak - frekuensi kelas sebelumnya
b2: frekuensi terbanyak - frekuensi kelas sesudahnya
Contoh Modus data Kelas
Penghasilan Banyaknya Tenaga Titik Tengah fi Xi
(dalam ribuan rupiah) (fi) (Xi)
195.0 -294.9 7 245 1715,0
295.0 - 394.9 9 345 3105,0
394.0 - 494.9 16 445 7120,0
495.0 - 594.9 21 545 11445,0
595.0 - 694.9 14 645 9030,0
695.0 - 794.9 9 745 6705,0
795.0 - 894.9 4 845 3380,0
895.0 - 994.9 3 945 2835,0
995.0 - 1095 1 1045 1045,0
b1 b= 495,0 ; p= 100
Mo b p b1= 21- 16
b1 b2 b2= 21 - 14
D. Hubungan antara Modus, median & Rata-rata
gambar dibawah menunjukkan perbandingan letak modus,
median & rata-rata dalam tiga macam bentuk distribusi
a. Data yang distribusinya simetris
Mo= Me= X
X X Me Mo Mo Me X
Mo
Me
A. Rentang (R)
Merupakan ukuran yang paling sederhana dan kasar tentang
variasi suatu perangkat data. Rentang dapat diartikan juga
sebagai selisih antara skor terbesar dan skor terkecil pada suatu
perangkat data
Rentang jarang digunakan utuk menggambarkan variasi perangkat data, karena
beberapa alasan berikut yang saling berkaitan (Shavelson, 1988: Ferguson &
Takane, 1989):
1. Rentang merupakan ukuran yang tidak stabil
2. Rentang tidak mencerminkan pola variasi suatu distribusi
data
3. Rentang bergantung pada besarnya sampel (n)
n
S = (Xi -)2
2
i=1
n
dimana:
S2 : variasi sampel
Xi : skor (nilai) ke-I pada suatu perangkat data
: rata-rata populasi
n : jumlah populasi (banyaknya data)
2
S S
Besaran variasi dan simpangan baku sangat bergantung pada
skala data. Data yang dicatat dalam skala satuan cenderung
memiliki simpangan baku yang lebih kecil daripada data yang
dicatat dalam skala puluhan
Perlu dicari suatu ukuran variasi yang tidak terlalu
tergantung kepada skala data. Masalah ini memunculkan
pemikiran untuk menggunakan rasio simpangan baku terhadap
rata-ratanya yang kemudian dikenal istilah koefisien variasi
(KV) yang dapat diperoleh dengan menggunakan rumus
KV= s
X
Variasi antara suatu perangkat data dapat dibandingkan
dengan variasi perangkat data lain dengan cara
membandingkan kaefisien variasinya tanpa harus khawatir
terhadap skala datanya karena koefesien variasi telah
memperhitungkan perbedaan skala data.
Contoh Sederhana
Data: 2, 2, 3, 3, 4, 4, 5, 5, 6, 6
Tentukan:
Rata2 (mean)
2
Variasi (s )
Simpangan Baku (s)
Koefisien variasi (KV)
E. Skor Baku (z)
merupakan skor mentah dikurangi rata-ratanya
skor baku (yang dikembangkan dengan z dan
dikenal dengan sebutan z-score) dapat diperoleh
dengan rumus
_
xi x
z
S
Model Regresi sederhana mengatakan pada kita bahwa setiap nilai pada
peubah Y merupakan jumlah dari tiga komponen, yaitu Intercept,
koefesien regresi kali nilai pada peubah X, dan galat prediksi ( R )
yˆ 1 X 1
b = Intercept
b1 = koefisien regresi
Menemukan Harga 0 dan 1
0 Y 1 X
n xy x y
ˆ1
n x 2 ( x) 2
1
Kolom tabel yang diperlukan untuk menemukan koefesien
dengan menggunakan rumus
No X Y X2 XY
1 8 10 64 80
2 7 8 49 56
3 7 9 49 63
4 5 6 25 30
5 4 5 16 20
6 3 2 9 6
7 2 2 4 4
No x y x2 xy y2
1 8 10 64 80 100
2 7 8 49 56 64
3 7 9 49 63 81
4 5 6 25 30 36
5 4 5 16 20 25
6 3 2 9 6 4
7 2 2 4 4 4
S 36 42 216 259 314
rata2 5.142857 6
11
10
f(x) = 1.39351851851852 x − 1.16666666666667
9 R² = 0.966472520908005
8
7
6 Series1
Linear (Series1)
5 Linear (Series1)
4
3
2
1
0
1 2 3 4 5 6 7 8 9
Koefisien Korelasi ( r )
1,00 r 1,00 xy
r n 1
x 2
y 2
n 1 n 1
a) Akurasi sampel
Sampel yang akurat adalah sejauh mana statistik sampel dapat
mengestimasi parameter populasi dengan tepat. Akurasi
berkaitan dengan tingkat keyakinan (confidence level). Semakin
akurat suatu sampel, akan semakin tinggi tingkat keyakinan bahwa
statistik sampel mengestimasi parameter dengan tepat.
b) Presisi sampel
Sampel yang presisi adalah sejauh mana penelitian berdasarkan
sampel dapat merefleksikan realitas populasinya dengan teliti.
Presisi menunjukkan tingkat ketepatan hasil penelitian
berdasarkan sampel yang menggambarkan karakteristik
populasinya.
Skema dan Teknik Teknik Sampling
Sampling
Distribusi normal dapat dipandang sebagai model atau dasar teori statistika
moderen
Distribusi normal adalah suatu model yang didefinisikan dengan rumus:
2
1 x
1
y e 2
2
Dimana
y = ordinat grafik
x = skor yang diperoleh
m = rata2 populasi
s = simpangan baku populasi = 3,1416
e = 2,7183
Distribusi normal berbentuk lonceng (bell-shape) sehingga sering
disebut bell shape distribution. Model ini memiliki empat
karakteristik:
Unimodal: satu modus
Simetrik : distribusi sebelum dan sesudah median sama
Modus = Median = Mean
Asimtotik : kurva distribusi tidak akan menyentuh absisnya
Daerah dibawah kurva normal
2. Tentukan Mean, Median dan Modus data kelas di atas. Berdasar hasilnya
bagaimana tipe distribusinya
3.Berdasar data sebelumnya tentukan
ukuran dispersinya dengan:
Variasi (s2)
Simpangan Baku (s)
Koefisien variasi (kv)
4.Tentukan 8 data untuk x dan y yang
memiliki kecenderungan yang sama:
Buat tabel dengan kolom x, y, x2, xy, y2
Tentukan nilai intercept (b0) dan koefisien
regresinya (b1)
Tentukan koefisien korelasinya (r)
Bagaimana pendapat tentang hasil yang didapat
Referensi