Statistika Pendidikan
.
Statistika pendidikan & Kegunaan
Bab 1&2
Kata Kunci:
• Konsep dasar statistik & statistika
• Peranan statistik dalam penelitian
• Jenis statistik
• Komponen dasar analisis statistik
Kompetensi:
• Memahami konsep statistik & statistika
• Menjelaskan peranan statistik dalam penelitian
• Mendeskripsikan jenis statistik
• Mendiskripsikan komponen dasar analisis statistik
Konsep Dasar Statistik & Statistika:
.
Fungsi statistik dalam quantitative research:
• Media/ alat bantu menggambarkan peristiwa
• (melalui visualisasi/ angka/ grafik)
Sbg alat bantu keberhasilan penggunaan statistik tergantung
pemakaiannya
.
!!!
• Statistik merupakan matakuliah yg mudah
dipelajari & dipahami
• Tepat cara belajar
• Tekun & cermat
STATISTIKA:
ilmu pengetahuan (yang membahas cara/ metode & aturan tsb
Cara mempelajari statistika:
Kajian empiris teoritis Kajian pemanfaatan penggunaan
• Memerlukan dasar matematika kuat (praktis)
mendalam
• Membahas dalil, rumus, model math
terkait proses temuan dalil & rumus. • Penggunaan rumus, dalil, hasil dari
statistika teoritis
• (tidak membahas penurunan dalil &
rumus)
• (konsentrasi bagaimana dalil / rumus
digunakan scr tepat)
Peran Statistik dlm Penelitian
.
Peran membantu peneliti:
1. Menentukan sampel (sehingga penelitian efisien, akurat,
dipertanggungjawabkan validitasnya)
2. Memaparkan data dalam angka & grafis
3. Membaca data terkumpul keputusan tepat)
4. Melihat ada/tidak hub antar variabel
5. Melihat perbedaan kelompok objek satu dengan lain
6. Prediksi yang akan datang
7. Intepretasi / penarikan kesimpulan data terkumpul
D.Jenis Statistik:
• 1. Stat Deskriptif & Inferensial
• 2. Stat Parametrik & Non Parametrik
• 3. Stat Pendidikan
Dintinjau dari sudut pandang fungsi stats:
• Prasyarat: asumsi dasar tentang distribusi data & jenis data yang
terkumpul dari populasi & sampel & teknik sampling
Prasyarat asumsi dasar agar dpt pakai parametric:
• sampling acak/ random jika menggunakan sampel
• Data terkumpul bersifat homogeny (terutama jika sampel/
populasi kecil)
• Jenis data berskala interval atau rasio
bebas
control intervening
var
moderator terikat
a. Var bebas & Terikat
Variabel Bebas/ independent: Variabel terikat/ dependent:
• Independen, stimulus, input, prediktor • Var dependen, respon, output, kriterium
• (Diduga) berpengaruh pd keragaman • Variabel yg terpengaruh /menjadi akibat
variabel lain yang mengikuti variabel bebas
• Sebagai sebab/ perubahan variabel
dependen lain
X Y
Contoh:
Pengaruh media pembelajaran…pada kualitas pembelajaran…
Pengaruh motivasi …pada hasil belajar.
b. Var moderator X2
• Mempengaruhi (memperkuat/ memperlemah) hub antara var
bebas X1-var terikat Y
• Bisa disebut var bebas kedua (X2)
• Contoh :
• Hubungan antara tingkat pemahaman agama & tingkat
pengamalan ibadah diperkuat dengan fasilitas yang memadahi.
• Pengaruh pelatihan terhadap prestasi kerja dengan moderator
motovasi.
b. Var moderator
X1 Y
X1
Y
X2 X2
• Variabel bebas pertama bersama sama • Variabel bebas kedua dijadikan pengontrol
variable bebas kedua , sehingga hasil (moderator) terhadap kemurnian
pengaruh variable bebas terhadap variable pengaruh variable bebas pertama terhadap
terikat akan lebih besar. variable terikat.
c. Variabel Intervening:
• Variabel yang secara teoritis mempengaruhi (memperkuat,
memperlemah) hubungan antar variabel bebas dan terikat namun
tidak terukur/ sulit diukur
Contoh :
Kecerdasan berpengaruh pada peningkatan prestasi belajar
Kecerdasan mjd tidak berpengaruh ketika sakit, frustrasi, kacau.- sakit dll intervening
Variabel yg memiliki intervensi / memiliki pengaruh juga namun tidak/ sulit diukur.
X1 X2 Y
d. Variabel kontrol
• Yang dikendalikan atau dikondisikan dalam keadaan konstan
• Sehingga tidak pengaruhi hub var bebas-var terikat
• Lazim dalam penelitian eksperimen membandingkan dua kelompok.
Contoh:
Ingin meneliti beda pengaruh microteaching (X1) pada kemampuan praktek mengajar (Y) mhs kelas A & kelas B
Variabel control dapat berupa tempat praktek, kondisi kelas, guru pamong, media. (X2)
Note:
• Penentuan atribut/ peran variable apakah sebagai variable bebas,
terikat, moderator, intervening, control harus memperhatikan
konteks , konsep teoritis, hasil pengamatan empiris di lokasi
• Lakukan kajian teoritis dengan studi pendahuluan pd objek
Populasi & sampel Penelitian
Ingat kembali Stat inferensial: • Dari pernyatan tersebut maka apa yng
• menarik kesimpulan dari var terteliti yang disebut…
diperoleh dari sample digeneralisasi
pada populasi.
Generalisasi :
Pemberlakuan hasil kesimpulan penelitian
terhadap seluruh objek (populasi)
berdasarkan data yang diperoleh dari
sebagian data yg diteliti sebagai wakil
(sampel)
populasi
• Seluruh objek yang akan dikenai generalisasi dari kesimpulan
penelitian.
Sampel
• Wakil tsb yang diteliti sebagai sampel
generalisasi
• Pemberlakuan hasil penelitian terhadap seluruh object berdasar
data yang diperoleh dari sebagian objek terteliti yg dijadikan wakil
Sampel yang baik:
• Memiliki ciri , sifat, karakter sesuai dengan populasi yag diwakili
representatif
populasi
Populasi & sample
populasi
S
Dasar pemikiran sampling:
Pertimbangan 1: Pertimbangan 2:
• Bisa jadi penelitian mengambil sabagian Heterogenitas:
dari populasi agar praktis sample • Makin heterogen makin besar sampel &
research (terbatas waktu-fasilitas-dana- sebaliknya
kesempatan) • Prinsip: menemukan informasi
• Atau melibatkan seluruh wilayah (sensus) keseluruhan populasi, melalui data yang
population research terkumpul dari sebagian anggota populasi
yang terwakili.
• Selanjutnya dilakukan generalisasi
Sampling Design:
Terdapat dua macam design:
• Pribability sampling design probability
• Non Probability sampling design sampling
Non
probability
Ad. Probabilty Sampling Design
• Rancangan penentuan sampel , dg memberi kesempatan peluang
yg sama pd seluruh anggota populasi utk terpilih sebagai sample
• Biasanya dilakukan dengan teknik random
Lima Macam Random Sampling:
1. Sistematic Random Sampling
2. Simple Random Sampling
3. Stratified Random Sampling
4. Multi State Random sampling
5. Cluster Random Sampling
Sistematic random sampling:
• Sampel ditentukan dengan cara / strategi tertentu
Contoh :
• menentukan jumlah populasi menentukan jumlah sampel diinginkan
• sampel pertama dipilih acak, sampel kedua diambil pada interval berikutnya , dst
Contoh kasus:
Populasi = 1000 orang
Sampel ditetapkan = 100 orang
Maka 1000/100 = 10 lalu dibuat interval kelas dengan lebar 10
1. Sampel pertama pada kelas interval 1, di pilih acak diperoleh urutan ke 5
2. Sampel kedua pada urutan 5+10, ketiga 5+10+10
Simple Random Sampling
• Tanpa kelas interval, cukup menentukan jumlah populasi dan jumlah sampel yg diinginkan.
Contoh:
• Jumlah Populasi 260
• Jumlah sampel yg diinginkan 100
• 100 orang langsung dipilih acak pada 260 populasi
• Random dengan : undian, tabel bilangan random
Stratified
Proportional RS
Stratified
RS
Stratified
Nonproportional
RS
Stratified proportional RS
• Populasi distratakan
• Ditentukan sampel scr proportional jika populasi besar maka
sampel yg diambil besar pula
• Dan sebaliknya
Contoh:
• Ingin mengambil 100 sampel dari populasi 300 siswa
• Scr Proporsional jenis kelamin& kelas
Kelas 1 2 3 jumlah
L P L P L P
A Ni:16 19
B Ni: 15 21
C 17 18
48 58
N= 300
.
Random 1:
• Proporsional (kelompok besar akan terwakili besar)
Rumus :
n = Ni/N . S
n: jml sampel per kelompok proporsional
Ni : Jumlah sub populasi
N : Jml seluruh populasi
S: jml sampel yg diinginkan
Kelas Jenis Ni
Kelamin (jumlah
sub pop)
IA L 16 (16/300) x 100=53,3 5
P 19 (19 6
1B L 15 (15 5
P 21 (21 7
.
Random 2: stratified non proportional random sampling.
• Peneliti bebas menentukan jumlah sampel dimasing masing
strata.
• Tetap harus memperimbangkan represantatif sampel
Random 3: multi stage stratified random sampling
• Mempertimbangkan perimbangan / proporsion ataupun
• tanpa mempertimbangkan perimbangan/ proportion
Langkah :
• Populasi di stratified dahulu (berdasar ciri sifat)
• Penentuan sampel random & bertahap
Contoh :
Populasi sekolah penerap MBs di propinsi A
Terebar di kota madya AA, Kabupaten AB, AC, AD
Kecamatan, Desa
Ada yang lancar (L)
Tidak Lancar (TL)
Cara:
• Merandom kota/kabupaten lalu ditentukan yang L dan TL
• Pentahapan dengan kriteria sama di wilayah kec & desa
.
Cluster Random sampling:
• Random dilakukan atas dasar himpunan/kelompok
• Mempertimbangkan besar kecil anggota kelompok
• Bisa jadi secara kebetulan sampel lebih besar dari kelompok non
sampel & sebaliknya
Rancangan sample non probabilitas:
• Purposive
• Quota
• Accidental
• Snowball
Ad. Purposive:
• Sengaja menentukan suatu objek akan dijadikan sampel
berdasar asumsi subjek diduga kuat dapat mewakili yang lain
Ad. Quota
• Menentukan jumlah sampel yg diinginkan atas dasar
pertimbangan representatif atau kemudahan menghitung
• Misal menentukan sampel 100
Ad. Accidental:
• Sample diambil, ditentukan berdasar orang/ benda ditemui, lalu
asal dipilih/diambil
Ad. Snowball sampling:
• Sampel semula sedikit
• Lalu berkembang banyak seperti bola salju bergulir
B C
E F G H
Menentukan Ukuran Sampel:
• Tidak ada standard baku dalam sampling
• Tergantung heterogenitas/homogenitas populasi
• Penting memperhatikan keterwakilan populasi
Rumusan :
• n= jumlah sampel
• N=jumlah populasi
• e=nilai kritis= batas ketelitian=batas signifikansi=persen
kelonggaran ketidak telitian karena salah sampling
Contoh soal:
• Populasi penelitan 9000 orang
• Kesalahan / taraf signifikansi yg dipersyaratkan 5%
• Berapa idealnya jumlah sampel yg diambil?
… hutungan
• = 382,978 =383
Menentukan Sampel dg Tabel:
•.
Menentukan sampel dg pertimbangkan desain penelitian:
1. Penelitian Deskriptif:
• Minimal 10% dari populasi
• Minimal 20% dari populasi jika populasi sangat kecil
2. Penelitian Korelasi:
• Minimal 30 orang dari populasi
4.Eksperimen
• Minimal 15 orang/kelompok