Statistika & Metode Ilmiah

METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau
dari segi penerapannya, resiko untuk keliru paling kecil.

LANGKAH-LANGKAH DALAM METODE ILMIAH :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau
hipotesis

4. Mengumpulkan dan mengolah data, menguji hipotesis,

atau menjawab pertanyaan
5. Mengambil kesimpulan

INSTRUMEN

SAMPEL
PERAN STATISTIKA
SIFAT DATA

VARIABEL

METODE ANALISIS
1
 Metode yang berhubungan dengan
penyajian dan penafsiran kejadian yang
bersifat peluang dalam suatu penyelidikan
terencana atau penelitian ilmiah.

 Dalam statistika tercakup dua pekerjaan

penting, yaitu : Penyajian dan penafsiran
data
 Teknik statistik mampu melakukan tiga tugas
penting dalam ilmu pengetahuan, yaitu
menerangkan gejala, meramalkan kejadian dan
mengontrol keadaan.

 Statistik deskriptif merupakan bagian statistik yang

memikul tugas untuk menerangkan suau gejala.

 Statistik inferensia merupakan bagian lain dari

statistik yang membuat ramalan dan mengontrol
kejadian.
 Metode Statistika adalah prosedur-prosedur atau cara-cara
penyajian dan penafsiran data.

Statistika Deskriptif (Descriptive Statistics): Metode

pengumpulan, peringkasan dan penyajian data Descriptive :
bersifat memberi gambaran. Contoh: Tabulasi data, diagram,
grafik perkembangan harga komputer dari tahun-ke tahun

Statistika Inferensia = Statistika Induktif (Inferential Statistics):

Metode analisis, peramalan, pendugaan dan penarikan
kesimpulan Inferential: bersifat melakukan generalisasi
(penarikan kesimpulan). Contoh: Pendugaan parameter,
pengujian hipotesis, peramalan dengan regresi/korelasi.
 Konsep 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)

5
 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. 6
 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.

Himpunan nilai/variate/datum atau informasi lain yg diperoleh dari

observasi, pengukuran dan penilaian) thd suatu obyek atau lebih
Berdasarkan sifat angka :
 Data kontinu, angka-angkanya mrpk deretan angka yg sambung-
menyambung, misal data BB (kg).
 Data diskrit, yaitu data statistik yg tidak mgk berbentuk pecahan,
misal jml buku perpust (buah)

Berdasarkan bentuk angkanya :

 Data tunggal, yaitu data statistik yg angka-angkanya mrpk satu
unit atau satu kesatuan, tdk dikelompokkan
 Data kelompok, yaitu data statistic tiap unitnya terdiri dari
sekelompok angka misal; 80 – 84, 75 – 79

Berdasarkan waktu pengumpulannya :

 Data seketika, yaitu data statistik yg mencerminkan keadaan pada
suatu waktu saja, misal: pada semester gasal 2009/2010
 Data urutan waktu, yaitu data statistik yg mencerminkan keadaan
dari waktu ke waktu secara berurutan, misal jumlah mahasiswa yg
lulus dari tahun 1996 - 2006
8
 Nominal: Tidak ada urutan, urutan tidak menunjukkan
tingkatan (rangking) Tidak ada titik awal Tidak ada
perbedaan, misalnya: Apa warna favorit anda? Ungu, abu-
abu,coklat dsb
 Ordinal: Ada urutan yang menunjukkan tingkatan
(rangking), misalnya : Bagaimana prestasi belajar anda
semester lalu?
1. Sangat Baik
2. Baik
3. Sedang-sedang saja
4. Buruk
5. Sangat Buruk

 Skala Nominal dan Ordinal digunakan berkaitan dengan data

kategorik/kualitatif.
 Contoh
Pertanyaan
1. Berbelanja di toko ini lebih sering lebih baik, supaya dapat
harga diskon untuk produk-produk tertentu :
[ ] sangat setuju [ ] setuju [ ] netral
[ ] tidak setuju [ ] sangat tidak setuju
2. Sebutkan gerai ritel modern yang sering anda
kunjungi: ...................
3. Sebutkan alasan kenapa anda memilih gerai
tersebut : .......................

 Pertanyaan di atas mempunyai jawaban dalam bentuk kata atau

kalimat, meskipun pernyataan nomor satu sudah menyediakan
pilihan jawaban. Jawaban untuk ketiga pertanyaan tersebut
harus dikodekan terlebih dahulu. Pengkodean jawaban pada
nomor 1 harus mengikuti skala ordinal, sedangkan nomor 2
dan 3 mengikuti skala nominal.
 Interval: Ada urutan, ada perbedaan tetapi tidak ada titik awal
(nol mutlak), misalnya: suhu 0°C bukan berarti tidak mempunyai
suhu, tangga nada, IQ.
 Rasio: Ada urutan, ada perbedaan, ada titik awal, misalnya:
Pendapatan Rp. 135 245,23 per bulan: Pendapatan Rp. 0 berarti
tidak ada.
 Skala Interval dan Rasio digunakan berkaitan dengan data
numerik/kuantitatif.
 Data
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
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh 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, motivasi

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
12
 Data

DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan
dalam bentuk bukan
angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
Data yang dinyatakan
dalam bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO

13
 Data
Data Kualitatif Data Kuantitatif

Metode Metode Metode Metode

Tabel Grafik Tabel Grafik

 Distr. Frekuensi  Grafik  Distr. Frekuensi  Plot Titik

 Distr. Frek. Batang  Distr. Frek. Relatif  Histogram
Relatif  Grafik  Distr. Frek. Kum.  Ogive
 % Distr. Frek. Lingkaran  Distr. Frek. Relatif Kum.  Diagram
 Tabulasi silang  Diagram Batang-Daun Scatter
 Tabulasi silang

14
 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

produksi 300000 w anita

sangat jelek jelek cukup baik baik sangat baik

prestasi kerja 15
 Frekuensi

FREKUENSI : banyaknya data untuk satu kelompok/klasifikasi

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
16
 Distribusi Frekuensi

DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan

menghitung banyaknya data dalam satu kelompok/klasifikasi

USIA FREKUENSI Membuat distribusi frekuensi :

20 5 1. Mencari sebaran (range) yakni selisih antara data
paling besar dengan data paling kecil)  35 – 20 =
21 6
15
22 13 2. Menentukan banyak kelas dengan rumus k = 1 +
23 4 3,3 log n  7
24 7 3. Menentukan panjang kelas dengan rumus p =
sebaran / banyak kelas  15/7 = 2
25 7
26 7 KELOMPOK USIA FREKUENSI
27 5 20 – 21 11
28 3 22 – 23 17
29 4 24 – 25 14
30 15 26 – 27 12
31 3 28 – 29 7
33 5 30 – 31 18
35 1 32 - 33 5
34 - 35 1
17
 Ukuran Tendensi Sentral

RATA-RATA : suatu bilangan yang bertindak mewakili sekumpulan bilangan

RATA-RATA HITUNG (RERATA) : jumlah bilangan dibagi banyaknya

X1 + X2 + X3 + … + Xn n
X= Σ Xi
n i =1

Bila terdapat sekumpulan bilangan di mana masing-masing bilangannya memiliki frekuensi,

maka rata-rata hitung menjadi :
k
X f + X2 f2 + X3 f3 + … + Xkfk Σ Xifi
X= 1 1 i =1
f1 + f2 + f3 + … + fk

k
Σ fi
i =1
Cara menghitung :

Bilangan (Xi) Frekuensi (fi) X i fi

70 3 210
Maka : X= 695 = 69.5
63 5 315 10
85 2 170
Jumlah 10 695
1
8
 Median

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 ?

Jika nilai ulangan tersebut adalah : 10 10 8 7 7 6 5 5 5 5 4,

maka rata-rata hitung = 6.55, median = 6
Kesimpulan : nilai 7 termasuk kategori baik sebab berada di atas rata-rata
hitung dan median (kelompok 50% atas)

Jika nilai ulangan tersebut adalah : 8 8 8 8 8 8 7 5 5 4 3,

maka rata-rata hitung = 6.55, median = 8
Kesimpulan : nilai 7 termasuk kategori kurang sebab berada di bawah
median (kelompok 50% bawah)

Jika sekumpulan data banyak bilangannya genap (tidak mempunyai bilangan

tengah) Maka mediannya adalah rerata dari dua bilangan yang ditengahnya.
Contoh : 1 2 3 4 5 6 7 8 8 9 maka median (5+6) : 2 = 5.5

19
 Modus

MODUS : bilangan yang paling banyak muncul dari sekumpulan bilangan,

yang fungsinya untuk melihat kecenderungan dari sekumpulan bilangan tersebut.

Contoh : nilai ulangan 10 10 8 7 7 6 5 5 5 5 4

Maka : s = 6 ; k = 3 ; p =2
rata-rata hitung = 6.55 ; median = 6
modus = 5 ; kelas modus = 5 - 7

Nilai Frekuensi Nilai Frekuensi

10 2 8 – 10 3
8 1 5–7 7
7 2 2–4 1
6 1 Jumlah 11
5 4
4 1
- +
Jumlah 11
Mo X Me

Kurva positif apabila rata-rata hitung > modus / median

Kurva negatif apabila rata-rata hitung < modus / median

2
0
 Ukuran Penyebaran

UKURAN YANG MENYATAKAN HOMOGENITAS / HETEROGENITAS :

1. RENTANG (Range)
2. DEVIASI RATA-RATA (Average Deviation)
3. VARIANS (Variance)
4. DEVIASI STANDAR (Standard Deviation)

Rentang (range) : selisih bilangan terbesar dengan bilangan terkecil.

Sebaran merupakan ukuran penyebaran yang sangat kasar, sebab hanya bersangkutan
dengan bilangan terbesar dan terkecil.

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

21
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

Makin besar simpangan,

makin besar nilai deviasi rata-rata
2
2
 Varians & Deviasi Standar

Varians : penyebaran berdasarkan Kelompok A Kelompok B

jumlah kuadrat simpangan bilangan-
Nilai X X -X (X–X)2 Nilai X X -X (X –X)2
bilangan terhadap rata-ratanya ;
melihat ketidaksamaan sekelompok data 100 45 2025 100 45 2025
90 35 1225 100 45 2025
80 25 625 100 45 2025
n
s2 = Σ (Xi – X) 70 15 225 90 35 1225
2

i=1 n-1 60 5 25 80 25 625

50 -5 25 30 -25 625
40 -15 225 20 -35 1225

Deviasi Standar : penyebaran 30 -25 625 10 -45 2025

berdasarkan akar dari varians ; 20 -35 1225 10 -45 2025
menunjukkan keragaman kelompok data 10 -45 2025 10 -45 2025
Jumlah 8250 Jumlah 15850

√ 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
3
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.

24
 Pengolahan Data

MULAI

Statistik NOMINAL Jenis INTERVAL Statistik

Non Parametrik ORDINAL Data ? RASIO Parametrik

Analisis SATU DUA / LEBIH Analisis

Univariat Jumlah Multivariat
Variabel
?

25
 Pengolahan Data

PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi

• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang

membahas parameter-parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.

• Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-

parameter populasi; jenis data nominal atau ordinal; distribusi data tidak
diketahui atau tidak normal

B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi

• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n sampel atau

beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri.
Contoh : korelasi motivasi dengan pencapaian akademik.

• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel

di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh
motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar
belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.
26
 Populasi : keseluruhan pengamatan. Sampel = Contoh =
sample: himpunan bagian populasi. Ukuran Populasi = N =
banyak anggota populasi. Ukuran Sampel = n = banyak
anggota sampel. Parameter: nilai yang menyatakan ciri
populasi. Statistik (Statistic): nilai yang menyatakan ciri
sampel

Ciri Parameter Statistik

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 dengan statistika mensyaratkan
bentuk data numerik, untuk itu data kategorik
terlebih dahulu harus diubah ke bentuk numerik
dengan memberi bobot pada setiap kategori.

 Salah satu alasan diperlukannya statistik adalah

generalisasi akan parameter suatu populasi yang
dapat diambil dengan hanya meneliti sebagian kecil
anggota populasi (sampel). Generalisasi ini bukan
tanpa kesalahan, tetapi secara statistik, kesalahan
generalisasi dan hal lain yang berhubungan dengan
sampel, pengambilan data, rumus (perhitungan) dan
lain-lain selalu dapat diprediksi.
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.

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.

29
 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.

30
 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.

31