• Statistik inferensial adalah teknik analisis data yang digunakan untuk

menentukan sejauh mana kesamaan antara hasil yang diperoleh dari

suatu sampel dengan hasil yang akan didapat pada populasi secara
keseluruhan. Jadi statistik inferensial membantu peneliti untuk
mencari tahu apakah hasil yang diperoleh dari suatu sampel dapat
digeneralisasi pada populas
• Statistik inferensial adalah metode yang berhubungan dengan analisis
data pada sampel untuk digunakan untuk penggeneralisasian pada
populasi. Penggunaan statistic inferensial didasarkan pada peluang
(probability) dan sampel yang dipilih secara acak (random).
Standard Error

• Peluang setiap sampel sangat identik dengan populasinya sangat kecil (nill) meskipun
inferensi populasi didapat dari informasi sampel.Penerapan random sampling tidak
menjamin karakteristik sampel sama persis dengan populasi. Variasi prediksi antara
mean disebut sampling error. Sampling error ini tidak bisa dihindari dan ini bukan
kesalahan peneliti. Yang menjadi persoalah adalah apakah error tersebut semata-mata
hasil sampling error atau merupakan perbedaan yang bermakna yang akan pula
ditemukan pada papulasi yang lebih besar.
• Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi normal yang
besarnya berbeda-bedadan error tersebut cenderung membentuk kurva normal yang
menyerupai lonceng.
• Faktor utama yang mempengaruhi standard error adalah jumlah sampel. Semakin
banyak sampelnya, semakin kecil standard errornya. Ini menunjukkan bahwasampel
penelitian semakin akurat bila banyak sampelnya.
Pengujian Hipotesis

• Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti

mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya.
Misalnya, kita ingin menerapkan program baru dalam pelajaran membaca.
Pada rencana penelitian dikemukanan hipotesis penelitian yang memprediksi
perbedaan skor siswa yang menjalni program baru tadi dengan proglam lama,
dan hipotesis nol (0), yang memprediksikan skor kedua kelompok tidak akan
berbeda. Setelah data dihitung mean dan standar deviasinya dan hasilnya
menunjukkan skor siswa dengan program baru lebih tinggi (berbeda secara
signifikan) daripada siswa yang mengikuti program lama, maka hipotesis
penelitian diterima dan hipotesis nol ditolak. Yang berarti bahwa program baru
tersebut efektif untuk diterapkan pada program membaca. Intinya, pengujian
hipotesis adalah proses evaluasi hipotesis nol, apakah diterima tau ditolak.
Uji Signifikansi

• Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua

skor. Signifikansi merujuk pada tingkat statistik dari probabilitas
dimana dengannya kita bisa menolak hipotesis nol. Uji signifikansi
dilakukan dengan menentukan tingkat probabilitas praseleksi yang
dikenal dengan tingkat signifikansi (α). Tingkat probailitas ini
dijadikan dasar untuk menolak atau tidak menolak hipotesis nol.
Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100).
Adapula yang menggunakan 0.01. Semakin kecil nilai probabilitasnya,
semakin kecil pula kemungkinan temuan tersebut diperoleh karena
disebabkan oleh peluang.
Distribusi Z dan Mengukur Normalitas Data
• Distribusi normal diperkenalkan pada abad ke-19, diawali oleh kemajuan yang sangat
pesat dalam pengukuran. Para pakar matematika pada waktu itu dihadapkan pada suatu
masalah bahwa apabila pengukuran dilakukan berulang-ulang, maka akan diperoleh hasil
yang berbeda-beda. Dari semua hasil pengukuran yang diperoleh akan timbul masalah
nilai manakah yang dianggap paling tepat. Kesepakatan yang dilakukan oleh para pakar
matematika ketika itu adalah yang dianggap paling tepat yaitu nilai rata-rata dari
pengukuran tersebut dan semua penyimpangannya dianggap sebagai suatu kesalahan.
• Nama lain distribusi normal adalah distribusi Gauss yaitu distribusi probabilitas yang
paling banyak digunakan dalam berbagai analisis statistika.
• Gauss telah mengamati hasil dari percobaan yang dilakukan secara berulang-ulang, dan
dia telah menemukan hasil yang paling sering, yaitu nilai rata-rata. Penyimpangan baik ke
kanan atau ke kiri yang jauh dari rata-rata terjadi semakin sedikit, sehingga jika disusun
akan terbentuk distribusi yang simetris.
• Distribusi normal sangat sesuai dengan distribusi empiris sehingga dapat
dikatakan bahwa semua kejadian yang alami akan membentuk distribusi
normal. Dengan menggunakan alasan ini maka distribusi ini dikenal sebagai
distribusi normal dan grafiknya dikenal sebagai kurva normal atau kurva
Gauss. Distribusi normal merupakan suatu alat statistik yang sangat penting
untuk menaksir dan meramalkan peristiwaperistiwa yang lebih luas.
Distribusi normal banyak digunakan dalam berbagai bidang statistika,
misalnya distribusi sampling rata-rata akan mendekati normal, meski
distribusi populasi yang diambil tidak berdistribusi normal. Distribusi
normal juga banyak digunakan dalam berbagai distribusi dalam statistika,
dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.
• Sifat dari distribusi normal
antara lain:
 rata-ratanya (mean) = µ dan
deviasi standarnya = σ,
 maksimumnya terjadi di x = µ
 bentuknya simetris terhadap x = µ,
 titik beloknya tepat di x = µ ± σ,
 jika kurvanya mendekati nol secara
asimtotik, maka x semakin jauh dari x = µ,
 luas totalnya sama dengan 1
• Suatu distribusi normal tidak hanya memiliki satu kurva, tetapi merupakan kumpulan
dari kurva yang mempunyai ciri-ciri yang sama sehingga harus ditentukan satu
pegangan sebagai distribusi normal yang standar
• Sebuah kurva normal memegang peranan yang penting dalam menghitung peluang
(probabilitas). Hal ini disebabkan daerah yang ada di dalam kurva tersebut
menunjukkan besarnya peluang. Dalam ilmu statistik, luas daerah tersebut telah
disusun dalam sebuah tabel distribusi normal standar.
• P(x1< x < x2) adalah probabilitas variabel random x yang mempunyai nilai antara x1
dan x2. Nilai tersebut adalah luas dari di bawah kurva normal antara x = x1 dan x = x2.

• Perhitungan integral normal ini sangatlah sulit sehingga dibuat tabel nilai rapat
probabilitasnya. Tabel untuk semua nilai µ dan σ sangatlah sulit untuk dibuat semua
sehingga dibuatlah tabel normal standar (baku). Distribusi normal standar adalah
distribusi normal dengan rata-rata (µ) = 0 dan deviasi standar (σ) = 1.
• Fungsi densitas dari distribusi normal standar adalah:

• Proses standarisasi dapat dilakukan dengan transformasi rumus (kurva normal standar):

x = nilai variabel random,

µ = rata-rata distribusi,
σ = deviasi standar,
z = nilai standar, yaitu besarnya penyimpangan suatu nilai terhadap rata-rata
UJI NORMALITAS DAN
HOMOGENITAS DATA
Uji Normalitas
• Uji normalitas adalah uji yang dilakukan untuk
mengecek apakah data penelitian kita berasal dari
populasi yang sebarannya normal.
• Uji ini perlu dilakukan karena semua perhitungan
statistik parametrik memiliki asumsi normalitas
sebaran.
• Formula/rumus yang digunakan untuk melakukan suatu
uji (t-test misalnya) dibuat dengan mengasumsikan
bahwa data yang akan dianalisis berasal dari populasi
yang sebarannya normal.
• Data yang normal memiliki kekhasan seperti mean, median dan
modusnya memiliki nilai yang homogen.
• Selain itu juga data normal memiliki bentuk kurva yang sama, bell
curve.
• dengan mengasumsikan bahwa data dalam bentuk normal, analisis
statistik baru bisa dilakukan.
• cara melakukan uji asumsi normalitas, yaitu menggunakan analisis Chi
Square dan Kolmogorov-Smirnov.
• Distribusi normal merupakan salah satu distribusi yang paling penting kita akan hadapi.
Ada beberapa alasan untuk ini:
1. Banyak variabel dependen, umumnya diasumsikan terdistribusi secara normal dalam
populasi. Artinya, kita sering berasumsi bahwa jika kita mendapatkan seluruh populasi
pengamatan, distribusi yang dihasilkan akan sangat mirip dengan distribusi normal.
2. Jika kita dapat mengasumsikan bahwa variabel setidaknya mendekati terdistribusi
normal, maka teknik ini memungkinkan kita untuk membuat sejumlah kesimpulan
(baik yang tepat atau perkiraan) tentangnilai-nilai variabel itu.
3. Menguji normalitas data kerapkali disertakan dalam suatu analisis statistika inferensial
untuk satu atau lebih kelompok sampel. Normalitas sebaran data menjadi sebuah
asumsi yang menjadi syarat untuk menentukan jenis statistik apa yang dipakai dalam
penganalisaan selanjutnya
• Uji normalitas biasanya digunakan untuk mengukur data berskala ordinal,
interval, ataupun rasio.
• Jika analisis menggunakan metode parametrik, maka persyaratan
normalitas harus terpenuhi yaitu data berasal dari distribusi yang normal.
Jika data tidak berdistribusi normal, atau jumlah sampel sedikit dan jenis
data adalah nominal atau ordinal maka metode yang digunakan adalah
statistik non parametrik.
• Uji normalitas digunakan untuk mengetahui apakah data yang diperoleh
terdistribusi normal atau tidak. Dasar pengambilan keputusan adalah jika
nilai Lhitung> Ltabel maka H0 ditolak, dan jika nilai Lhitung< Ltabel maka
H0 diterima
Hipotesis statistik yang digunakan:
• H0 : sampel berdistribusi normal
H1 : sampel data berdistribusi tidak normal

• Apabila sebaran data suatu penelitian yang mengungkapkan

kemampuan siswa ternyata diketahui tidak normal hal itu bukan
berarti harus berhenti penelitian itu sebab masih ada fasilitas statistik
nonparametrik yang dapat dipergunakan apabila data tadi tidak
berdistribusi normal.
Uji Normalitas
• Uji Liliefors
• Uji kolmogorof-smirnov,
• Uji chi square, dan sebagainya.