STATISTIKA PENDIDIKAN

Dipersiapkan Oleh:
Dr. H. Karnadi Hasan, M.Pd

Fakultas Ilmu Tarbiyah dan Keguruan IAIN Walisongo Semarang

Jl. Prof. Dr. Hamka (Kampus II) Ngaliyan Semarang 50185
Phone: (024)7601295 Fax.(024)7615387
Nama : Dr. H. Karnadi Hasan, M.Pd.

Alamat :
1. Rumah:
Perum. Green Semesta Jl. Aldebaran II/02 RT.11 RW.02 Wates
Ngaliyan Semarang.
Mobile Phone: 081 228 210 442
e-mail: karnadi@walisongo.ac.id
2. Kantor :
Fakultas Ilmu Tarbiyah & Keguruan IAIN Walisongo
Jl. Prof. Dr. Hamka (Kampus II) Ngaliyan Semarang 50185
Phone: (024)7601295 Fax.(024)7615387
 PERTANYAAN MENDASAR

1. Apa yang dimaksud dengan “Statistik”?

2. Kapan dan dimana kita bisa menggunakan
“Statistik”?
3. Mengapa perlu “Statistik”?
4. Bagaimana menggunakan “Statistik”?
5. Teknik/prosedur apa saja yang ada di dalam
statistik?
 PENGERTIAN STATISTIKA
Asal kata “Statistic ”:
Statia : catatan administrasi pemerintahan di US
Stochos : “anak panah” (bahasa Yunani), sesuatu yang
mengandung ketidak pastian
Statistik : Data
Statistika : Ilmu yang mempelajari cara
pengumpulan data, pengolahan data, analisis data
serta penyajian data sehingga menjadi suatu
informasi yang berguna bagi pengambilan
keputusan
 KONSEP DASAR STATISTIKA

1. Statistik adalah kumpulan data berupa angka, disajikan

dalam bentuk tabel, gambar, diagram. Misalnya: statistik
penduduk, statistik mahasiswa, statistik kelahiran bayi.
2. Statistika adalah pengetahuan mengenai pengumpulan
data, klasifikasi data, penyajian data, pengolahan data,
penarikan kesimpulan dan pengambilan keputusan
berdasarkan alasan yang cukup memadai.
3. Statistika terapan adalah statistika yang membahas cara-
cara penggunaan statistik, antara lain untuk keperluan
penelitian.
 Batasan/ Limitasi Pengunaan
Statistika :

1. Statistika hanya dipergunakan untuk

data yang bersifat kuantitatif
2. Statistika tidak membahas data
individual
 Manfaat Statistika :

1. Statistika menggambarkan data dalam bentuk tertentu.

2. Statistika dapat menyederhanakan data yang kompleks
menjadi data yang mudah dimengerti.
3. Statistika merupakan teknik untuk membuat perbandingan.
4. Statistika dapat memperluas pengalaman individu.
5. Statistika dapat memberi petunjuk bagi perumusan kebijakan.
6. Statistika dapat mengukur besaran-besaran dari suatu gejala.
7. Statistika dapat membantu menentukan hubungan sebab
akibat.
 JENIS DAN FUNGSI
STATISTIKA

(1) Statistika Deskriptif (statistika deduktif)

(2) Statistika Inferensial (Statistika induktif)
 STATISTIKA DESKRIPTIF
(STATISTIKA DEDUKTIF)
1. Metode statistika untuk menggambarkan sifat-sifat
dari data hasil amatan (sampel) yang dikumpulkan,
dan disusun agar menjadi bermakna
2. Penerapan metode statistika untuk pengumpulkan
data, penyusunan data, penyajian data,dan
menganalisis data kuantitatif dalam bentuk tabel,
grafik, maupun diagram.
 Mulai
KERJA STATISTIKA
DESKRIPTIF
Pengumpulan data mentah

Tidak
Apakah data perlu
disederhanakan?
Ya

Penyusunan tabel distribusi

frekuensi

Penyajian distribusi frekuensi

dalam bentuk grafik (jika
diperlukan)
Perhitungan ukuran-ukuran
untuk mengikhtisarkan
karakteristik data

Berhenti
 STATISTIKA DESKRIPTIF

Satistika deduktif adalah metode

statistika yang digunakan untuk
menggambarkan sifat-sifat dari data
hasil amatan (sampel) yang telah
dikumpulkan, disusun, dan diolah
guna memberikan arti ttg suatu gejala/
peristiwa.
 Ruang Lingkup
Statistika Deskriptif

• Kegiatan statistika yang dimulai

dari menghimpun data, menyusun
data, mengklasifikasikan data,
mengolah data/ menganalisis, dan
menyajikan data dari hasil amatan
(sampel).
 FUNGSI STATISTIKA DESKRIPTIF

Membuat data agar menjadi berrmakna

1. Penyajian data :
- Dengan tabel/ grafik
- Dengan gambar
- Dengan diagram
2. Kecenderungan Pemusatan (Ukuran Tendensi Sentral)
- Mean (rerata)
- Median (nilai tengah)
- Modus (nilai yang sering muncul)
3. Kecenderungan Penyebaran (Ukuran Tendensi
Penyebaran)
- Rentangan
- Simpangan (deviasi), simpangan baku
- Varians
1. Statistika yang digunakan untuk menganalsiis
data dg cara mendeskripsikan data yang telah
terkumpul sebagaimana adanya tanpa
bermaksud membuat kesimpulan yang berlaku
umum (generalisasi)
2. Statistik deskriptif dapat digunakan bila peneliti
hanya ingin mendeskripsikan data sampel, dan
tidak ingin membuat kesimpulan yang berlaku
untuk populasi dimana sampel diambil.
 STATISTIKA INFERENSIAL
(STATISTIKA INDUKTIF)

• Statistika yang digunakan untuk membuat perkiraan

data hasil amatan (sampel) terhadap populasi (obyek
yang menjadi sasaran pengamatan).
• Menggunakan hasil amatan untuk membuat perkiraan
kondisi yang tidak diamati (dari sampel ke populasi)
• Generalisasi, uji hipotesis
POPULASI DAN SAMPEL

Inferensial
Populasi

Sampel Deskriptif
 Mulai
KERJA STATISTIKA
DESKRIPTIF &
Pengumpulan Data INFERENSIAL
S
T
A
T Pengolahan Data
I
S
I
K Penyajian Hasil Olahan Data
A (ikhtisar data) S
T
D A
E T
S
K Ya Penggunaan hasil olahan data sampel I

R
Data diperoleh dari utk menaksir/atau menguji
S
I
I Sampel karakteristik populasi yang K
P A
T dihipotesiskan
I
Tidak
I
F N
Penyajian distribusi frekuensi Penarikan kesimpulan tentang F
dalam bentuk grafik (jika karakteristik populasi yang E
diperlukan) ditelaah R
E
N
S
Berhenti I
A
L
 Untuk Apa Inferensi dilakukan?
1. Generalisasi data sampel ke populasi penelitian
2. Pengujian hipotesis:
a) Menghubungkan: Uji keterkaitan variabel, kontribusi
variabel
b) Membandingkan: Uji perbedaan, pengaruh
3. Membuat prediksi: membuat perkiraan konstribusi variabel
bebas (independent) terhadap variabel terikat (dependent)
dalam penelitian.
 Contoh penggunaan :
(1) Analisis Regresi: menguji bentuk hubungan
fungsional variabel X sebagai prediktor terhadap
variabel Y sebagai kriterium.
a) Regresi linier sederhana (Y atas X),
dimana Ŷ = a + bX
b) Regresi linier ganda (Y atas X1 dan X2),
dimana Ŷ = a0 + b1X1 + b2X2
 (2) Analisis Korelasi: menguji tingkat hubungan antar
variabel (apakah variasi skor suatu variabel diikuti
secara konsisten oleh variasi skor variabel lain).

– Derajat hubungan disebut koefisien korelasi,

dilambangkan dengan r
– Kadar kontribusi variabel bebas terhadap variabel terikat
disebut koefisien determinasi dilambangkan dengan r2, R2
– I r I ≤ 1 (-1≤ r ≤ +1 )
r = 0 (tak ada hubungan)
r = +1 (terhadap hubungan positif sempurna)
r = - 1 (terdapat hubungan negatif sempurna)
 FOKUS PENELITIAN KUANTITATIF

1. Variabel: unit yang memiliki karakteristik yang

bervariasi.
2. Angka: karakteristik dilambangkan dengan angka.
Setiap variasi menggunakan (lambang) angka yang
berbeda.
3. Pengukuran: proses pemberian angka pada
karakteristik.
4. Skor: angka hasil pengukuran.
5. Data: kumpulan hasil pengukuran yang berupa skor.
 MACAM-MACAM DATA

I. DATA KATEGORI : data yang membedakan satu

variasi karakteristik dari lainnya.
1. Nominal : skor/ angka yang sekedar membedakan
Cth. 1 = laki-laki, 2 = perempuan
2. Ordinal : skor/ angka yang membedakan disertai
adanya urutan tertentu
Cth. 1 = juara I, 2 = juara II, 3 = juara III.
 II. DATA KUANTITAS : data yang menunjukkan
tingkatan yang sistematis.

1. Diskrit : skor/angka yg diperoleh melalui hitungan

Cth. jumlah siswa dlm kelas, banyaknya buku yang
dimiliki). Di antara dua angka (mis. 2 dan 3 buku) tidak
dimungkinkan ada angka lain (mis. 2,4 buku).
2. Kontinum : skor/angka yang diperoleh melalui
pengukuran, di mana di antara dua angka (mis. 2 dan
3 kg) dimungkinkan adanya angka yang tak terbatas
(mis. 2,003 kg):
 Data Kontinum dibedakan :
1. Interval : skor/angka yang menunjukkan
tingkatan yg konsisten, dengan angka nol
bersifat arbitrer/titik tertentu dalam rentangan.
Cth. hasil belajar, tahun, 0C.
2. Rasio : skor/angka yang menunjukkan tingkatan
yg konsisten, dengan angka nol bersifat mutlak.
Cth. berat dalam kg, kecepatan, dsb.
 DATA MENURUT SUMBER

1. Data primer (primary data) : data yang

diperoleh dari pengamatan/pencatatan
langsung
2. Data sekunder (secondary data) : data yang
diperoleh dari data
 BAGAIMANA DATA DAPAT
DIKUMPULKAN?

Data dikumpulkan dengan menggunakan

Teknik Pengumpulan Data, berupa :
1. Tes
2. Angket
3. Wawancara
4. Pengamatan
 PENYAJIAN DATA
Data yang telah dikumpulkan dengan teknik
pengumpulan data tertentu, kemudian dapat
disajikan dalam bentuk :
1. Tabel
2. Grafik
3. Diagram
 Jenis Tabel Statistik
1. Tabel arah tunggal (one-way table)
2. Tabel arah majemuk (multi-way table)
- Tabel dua arah (two-way table)
- Tabel tiga arah (three-way table)
 Grafik Statistik :

• Grafik Batang (Bar Chart)

• Grafik Garis (Line Chart)
• Grafik Lingkaran (Piechart)
• Diagram Pencar (Scatter Diagram)
• Kartogram (Cartogram)
• Piktogram (Pictogram)
 Contoh Grafik Statistik
Angka Putus Sekolah Jenjang Pendidikan Dasar
di Jawa Tengah Tahun 2005/2006

1,4
1,2
1
0,8
0,6
0,4
0,2
0
SD MI SMP MTs
% 0,24 0,28 0,8 1,27

Sumber: Dinas Pendidikan Provinsi

 Contoh Grafik : Pertumbuhan Kondisi Mutu SMP

Negeri/Swasta di Jawa Tengah, berdasarkan

Nilai UAN :
2000

1500

1000

500

0
2001/2002 2002/2003 2003/2004 2004/2005 2005/2006

A (Baik Sekali) B (Baik) C (Sedang) D (Kurang) E (Kurang Sekali)

A : Nilai Rata-rata UAN > 7,5

B : Nilai Rata-rata UAN antara 7,49 – 6,5
C : Nilai Rata-rata UAN antara 6,49 – 5,5
D : Nilai Rata-rata UAN antara 5,49 – 4,5
E : Nilai Rata-rata UAN < 4,49
 DISTRIBUSI FREKUENSI

• Distribusi frekuensi (frequency distribution)

bentuk pengelompokan data untuk
menggambarkan distribusi data
• Distribusi frekuensi dapat dinyatakan dalam:
- Tabel distribusi frekuensi
- Histogram atau poligon frekuensi
 Apa Distribusi Frekuensi?

• Distribusi Frekuensi atau Tabel Frekuensi

adalah suatu tabel yang banyaknya kejadian/
frekuensi didistribusikan ke dlm kelompok-
kelompok/ kelas-kelas yang berbeda.
 CONTOH DISTRIBUSI FREKUENSI
Tabel 1.
Distribusi Frekuensi Indeks Prestasi Akademik
25 Mahasiswa Mawapala Semester Gasal 2010

Interval Frekuensi

1,50 - 2,00 2
2,01 - 2,50 5
2,51 - 3,00 10
3,01 – 3,50 5
3,51 – 4,00 3
 Prosedur Penyusunan
Tabel Distribusi Frekuensi:

1. Tentukan banyaknya kelas

2. Tentukan lebar setiap kelas interval
3. Hitung frekuensi untuk setiap kelas
 MENYUSUN TABEL DISTRIBUSI FREKUENSI

1. Menentukan jumlah kelas

Dengan menggunakan formula STURGES,
dimana k = 1 + 3,3 log n
k = jumlah kelas
n = banyaknya data
3,3 = bilangan konstanta
2. Menentukan interval kelas, dgn rumus:
i = Rentang Nilai : k
 Lanjutan …………

3. Rentang Nilai = Nilai Tertinggi Data (–)

Nilai Terendah Data
4. Memasukkan masing-masing Frekuensi
pada Kelas-kelas interval dan
menjumlahkannya
 Contoh Data

Diperoleh 46 Data sbb :

77 80 86 67 85 72 75 65 70 90 63 77 66 72 95
75 65 77 79 65 72 60 84 66 70 80 66 92 90 82
86 80 70 70 75 75 77 84 75 70 63 82 82 92 79
86
 Diketahui hasil data:

• N = 46
• Nilai tertingggi = 95
• Nilai terendah = 60
• Rentang (r) = 95 – 60 = 35
• Banyak kelas interval (k = 1 + 3,3 log n) = 6
• Panjang kelas (i = r/k) = 6
 Tabel : Distribusi Frekuensi Data

No Kelas Interval Frekuensi Frekuensi Relatif

Absolut (%)
1. 60 – 65 6 13,04
2. 66 – 71 9 19,57
3. 72 – 77 12 26,09
4. 78 – 83 8 17,39
5. 84 – 89 6 13,04
6. 90 – 95 5 10,87
Jumlah 46 100
 Σ fi x i
1) Menghitung Mean (X) dengan rumus : X = ——
Σ fi

Kelas Interval fi xi fixi

60 – 65 6 62,5 375
66 – 71 9 68,5 616,5
72 – 77 12 74,5 894
78 – 83 8 80,5 644
84 – 89 6 86,5 519
90 – 95 5 92,5 462
Σ 46 3511
 Σ fixi
Rumus : X = ———
Σ fi

3511
X = ——— = 76,33
46
 Σ fi (xi - X)2
2) Menghitung SD (s) dengan rumus : s2 = —————
n–1
Kelas Interval fi xi (xi-X) (xi-X)2 fi. (xi-X)2

60 – 65 6 62,5 -13,83 191,2689 1147,6134

66 – 71 9 68,5 -7,83 61,3089 551,7801
72 – 77 12 74,5 -1,83 3,3489 40,1868
78 – 83 8 80,5 4,17 17,3889 139,1112
84 – 89 6 86,5 10,17 103,4289 620,5734
90 – 95 5 92,5 16,17 261,4689 1307,3445
Σ 46 3806,6094

s2 = 3806,6094 : 45 = 84,5913
s = √ 84,59132 = 9,1974
 3) Menghitung Median (Me) dengan rumus :
1/2n – F
Me = b + p ﴾ ———– )
f

Keterangan :
b = batas bawah kelas median, ialah kelas dimana median
akan terletak
p = panjang kelas median
n = ukuran sampel atau banyak data
F = Jumlah frekuensi sebelum kelas median
f = frekuensi kelas median
Berdasarkan data di atas diperoleh nilai :
• Median terletak pada kelas interval ke tiga
• b = 71,5; p = 6; f = 12; dan F = 15
sehingga diperoleh harga median seperti berikut :

23 – 15
Me = 71,5 + 6 ﴾ –––––– ﴿
12
75,5 = 4 + 71,5 =
 4) Menghitung Modus (Mo) dengan rumus :
b1
Mo = b + p ﴾ ———–﴿
b1 + b2

Keterangan :
b = batas bawah kelas modus
p = panjang kelas modus
b1 = selisih antara frekuensi modus dengan frekuensi
sebelumnya
b2 = selisih antara frekuensi modus dengan frekuensi
sesudahnya
Berdasarkan data di atas diperoleh nilai :
• Kelas Modus terletak pada kelas interval ke tiga
• b = 71,5; p = 6; b1 = 12 – 9 = 3; dan
b2 = 12 – 8 = 4
sehingga diperoleh harga modus sbb :
3
Mo = 71,5 + 6 ﴾ ––––––﴿
3+4
= 71,5 + 2,57
= 74,07
 X – Mo
Karena ———
s
76,33 – 74,07
= ——————
9,1974
= 0,2457

maka poligon condong ke kanan.

 MEMBUAT GRAFIK

Data yang telah DIHIMPUN KEMUDIAN disusun

dengan rapih berbentuk distribusi frekuensi dapat
digambarkan dengan membuat grafik :
1.Histogram
2.Poligon, dan
3.Ogive
 GRAFIK HISTOGRAM
– Histogram adalah grafik yang menggambarkan suatu
distribusi frekuensi dengan bentuk segi empat
– Histogram pada dasarnya adalah rangkaian dari berbagai
bidang segi empat yang masing-masing bidang
menunjukkan banyaknya frekuensi yang terkandung
pada masing-masing interval kelasnya.
– Manfaat histogram antara lain masing-masing bidang
segi empat menunjukkan jumlah frekuensi yang ada pada
masing-masing kelas.
 Langkah-langkah membuat Histogram

1. Buatlah absis (sumbu mendatar (X) yang menyatakan nilai)

dan ordinat (sumbu tegak (Y) yang menyatakan frekuensi);
2. Berilah nama pada masing-masing sumbu dengan cara,
sumbu absis diberi nama nilai interval kelas dan ordinat
diberi nama frekuensi;
3. Buatlah skala absis dan ordinat;
4. Buatlah batas kelas dengan cara:
a) Ujung bawah interval kelas dikurangi 0,5.
b) Ujung atas interval kelas pertama ditambah ujung bawah
inteval kelas kedua dan dikalikan setengah.
 Lanjutan ……….

Contoh :
Kelas Interval Batas Kelas Frekuensi
59,5 6
60 – 65 65,5
9
66 – 71 71,5
72 – 77 77,5 12
78 – 83 83,5 8
84 – 89 89,5 6
90 – 95 95,5 5

Jumlah 46 100
 Cth : Gambar Histogram

14

12
10

8
Frekuensi

4
2

0
59,5 65,5 71,5 77,5 83,5 89,5 95,5
Interval Kelas
 POLIGON FREKUENSI

• Poligon Frekuensi adalah grafik garis yang menghubungkan

nilai tengah tiap sisi atas yang berdekatan dengan nilai tengah
jarak frekuensi mutlak masing.masing.
• Perbedaan antara Histogram dan Poligon :
a) Histogram menggunakan batas kelas sedangkan poligon
menggunakan titik tengah.
b) Grafik histogram berwujud segi empat sedangkan grafik
poligon berwujud garis-garis atau kurva yang saling
berhubungan satu dengan lainnya.
 OGIVE

• Ogive adalah distribusi frekuensi kumulatif yang

menggambarkan diagramnya dalam sumbu tegak dan
mendatar atau eksponensial.
• Ogive menggunakan batas kelas (batas nyata) berbeda dengan
poligon yang menggunakan titik tengah.
• Grafik ogive menggambarkan distribusi frekuensi kumulatif
secara meningkat dengan menggunakan batas kelas (batas
nyata).
 Cth Grafik Ogive

Kelas Interval Batas Kelas Frekuensi (f) (f) Meningkat

59,5
60 – 65 65,5 6
6
66 – 71 71,5 15
9
72 – 77 77,5 27
12 35
78 – 83 83,5 8
84 – 89 89,5 41
6 46
90 – 95 95,5
5
46
 Tugas 1 :
Diperoleh 50 Data sbb :
60 33 85 52 65 77 84 65 57 74 71 81 35 50 35 64
74 47 68 54 80 41 61 91 55 73 59 53 45 77 40 78
55 48 69 85 67 39 76 60 94 66 98 66 73 42 65 94
89 88

1.Buatlah Tabel Distribusi Frekuensinya

2.Hitung Mean, SD, Median, dan Modusnya
PENGUKURAN TENDENSI SENTRAL DAN
UKURAN PENEMPATAN

1. Rata-rata Hitung (Mean)

2. Median
3. Modus (Mode)
 KONSEP DASAR PENGUKURAN TENDENSI
SENTAL DAN UKURAN PENEMPATAN

1. Suatu rangkaian data mempunyai tendensi untuk

terkonsentrasi/ terpusat pada nilai sentral
2. Suatu nilai disebut sebagai nilai sentral, apabila:
1. Nilai sentral tersebut mewakili rangkaian data
2. Perhitungannya harus didasarkan pd seluruh data
3. Perhitungannya harus objektif
4. Dalam suatu rangkaian data hanya ada 1 nilai sentral
X1

1. Rata-rata (mean)
- Nilai yang mewakili/ mendeskripsikan kecenderungan
seluruh data dalam kelompok.
- Harga rata-rata dari kelompok data, diperkirakan
dapat mewakili seluruh data yg ada dalam kelompok
tsb.
- Rumus:

Jml skor seluruh individu ∑X 64

X= = = 6,4
Banyaknya individu dlm klp = N 10
 Kelebihan Mean :

1. Mean mempunyai sifat obyektif;

2. Mean mudah dihitung dan dimengerti;
3. Perhitungan mean didasarkan pada data
keseluruhan, sehingga dapat mewakili suatu
rangkaian data;
4. Mean mempunyai stabilitas sampel.
 Kelemahan Mean :
1. Mean mudah dipengaruhi oleh nilai yang ekstrim,
artinya apabila suatu rangkaian data terdapat nilai
ekstrim, maka nilai ekstrim inilah yg sangat
menentukan terhadap mean;
Cth : 2, 3, 100, maka mean = 105/3 : 35
2. Pada distribusi yg condong, nilai rata-rata
menjadi kurang mewakili;
Cth : Nilai UAN SMP “X” 25, 32, 33, 35, 90 maka
dapat dihitung 215/5 = 43,00
 2. Median (Me): disebut juga sebagai Ukuran Letak, yaitu nilai yang berada
di tengah-tengah urutan data seluruh subyek dalam sampel, yang
membagi dua (50% dengan nilai di atasnya, dan 50% dengan nilai di
bawahnya).

Langkah-langkah penghitungan:
1. Mengurutkan data seluruh subyek dari yang terkecil atau
sebaliknya.
2. Bila jumlah subyek ganjil  mencari skor yang berada pada
urutan yang berada di tengah.
3. Bila jumlah subyek genapdua skor yang berada pada urutan
yang berada di tengah dijumlahkan kemudian dibagi dua.
 Contoh Perhitungan Median:
NO. URUT DATA
1 4
2 5
3 5
4 6
5 7
6 8
7 8
8 9
9 9
Me = 7  Karena berada di tengah-
tengah urutan.
NO. URUT DATA
1 4
2 5
3 5
4 6
5 7
6 8
7 8
8 8
9 9
10 10
Me = (7+8)/2 = 7,5.
 Kelebihan Median (Me) :

1. Pada data yang tersusun Me mudah dihitung;

2. Me tidak dipengaruhi oleh nilai ekstrim;
3. Pada distribusi yang condong Me lebih mewakili dari pada nilai
rata-rata (mean);
4. Pada tabel frekuensi dengan kelas yang terbuka Me dapat dihitung.
 Kelemahan Median (Me) :

1. Untuk menghitung Me harus menyusun data, pada data

yang banyak hal ini menjadi tidak praktis;
2. Me kuang dikenal dari pada nilai rata-rata (mean);
3. Me tidak dapat dipergunakan untuk perhitungan lebih lanjut,
artinya dari beberapa Me tidak dapat dihitung Me secara
keseluruan;
4. Pada tabel frekuensi yang diskrit kadang-kadang tidak ada
Me.
3. Modus (Mo) :
nilai dari beberapa data yang mempunyai
frekuensi terbesar dalam suatu distribusi atau
nilai yang sering terjadi dalam kelompok data.
Contoh dalam tabel tersebut di atas (slide
61),maka modusnya (Mo ) = 8, karena
bilangannya paling banyak di antara skor
yang ada.
 Kelebihan dan Kelemahan Modus
(Mo) :
1. Mo mudah dimengerti. 1. Perhitungan Mo lebih
2. Mo tidak dipengaruhi oleh sukar dari nilai rata-
nilai yang ekstrim. rata.
3. Pada distribusi yang 2. Mo tidak tegas
condong Mo lebih mewakili
dirumuskan, artinya
dari pada nilai rata-rata
(mean). kadang-kadang ada
Mo dan kadang-
kadang tidak ada Mo.
PENGUKURAN TENDENSI PENYEBARAN
(DISPERSI)

1. Varians (Variance)
2. Koefesien Varians (Covariance)
3. Simpang Baku (Standar Deviation)
 Pengertian Ukuran Penyebaran

• Penyebaran adalah perserakan dari

data individual terhadap nilai rata-rata.
• Data yang bersifat homogen akan
mempunyai penyebaran (dispersi) yang
kecil, sedangkan data yang bersifat
heterogen penyebarannya akan besar.
 Kegunaan Pengukuran Tendensi
Penyebaran :

1. Untuk menentukan apakah suatu nilai rata-rata

dapat mewakili suatu rangkaian data ataukah tidak.
2. Untuk mengadakan perbandingan terhadap
variabilitas data.
3. Membantu penggunaan ukuran statistka, misalnya
dalam membandingkan antara ukuran sampel
terhadap ukuran populasi, ataukah dalam
pengujian hipotesis apakah 2 sampel berasal dari
populasi yang sama ataukah tidak.
 PENGUKURAN KECENDERUNGAN
PENYIMPANGAN

1. Varians atau Variance dilambangkan dg s2

(untuk sampel), σ 2 (untuk populasi) adalah nilai
yang menunjukkan tingkat penyebaran data dalam
suatu kelompok.
∑x 2

Rumus : s 2x =
d.k.
 LANGKAH-LANGKAH MENCARI VARIANS

1. Mencari nilai x (selisih setiap skor [X] dari

mean [X]): x = X – X
2. Mencari nilai x2  (x).(x)
3. Menjumlahkan nilai x2  ∑x2
4. Menghitung derajat kebebasan (d.k.) 
d.k. = n-1.
5. Membagi ∑x2 dengan d.k.  ∑x2 : d.k.
2. Kovarian atau Covariance s2XY (untuk sampel),
σ2XY (untuk populasi): nilai yang menunjukkan tingkat
penyebaran data dari dua variabel secara bersama
dalam suatu kelompok.
∑xy
Rumus : s2 xy =
d.k.
 LANGKAH-LANGKAH MENCARI KOVARIANS:

1. Mencari nilai x (selisih setiap skor [X] dari mean [X]):

x = X – X dan nilai y (selisih setiap skor [Y] dari
mean [Y]): y = Y – Y
2. Mencari nilai xy  (x).(y)
3. Menjumlahkan nilai xy  ∑xy
4. Menghitung derajat kebebasan/d.k. = d.k. = n - 1.
5. Membagi ∑xy dengan d.k.  ∑xy : d.k.
 CONTOH PENGHITUNGAN VARIAN (s2x dan s2y ),
KOVARIAN (s2xy ), dan SD (sx dan sy):

NO. X x = X-X x2 Y y = Y-Y y2 xy

1 6 -0,4 0,16 7 -0,1 0,01 0,04
2 5 -1,4 1,96 8 0,9 0,81 -1,26
3 6 -0,4 0,16 7 -0,1 0,01 0,04
4 8 1,6 2,56 6 -1,1 1,21 -1,76
5 6 -0,4 0,16 6 -1,1 1,21 0,44
6 7 0,6 0,36 8 0,9 0,81 0,54
7 6 -0,4 0,16 8 0,9 0,81 -0,36
8 9 2,6 6,76 9 1,9 3,61 4,94
9 4 -2,4 5,76 5 -2,1 4,41 5,04
10 7 0,6 0,36 7 -0,1 0,01 -0,06
∑X= 64 ∑x2= 18,4 ∑Y= 71 ∑y2= 12,9 ∑xy=7,6
X = 6,4 Y = 7,1
d.k. = n - 1 = 10 - 1 = 9
 Varian X (s2x) dan Varian Y (s2y) :

∑x2 18,4
s2x = = = 2,04
d.k. 9

∑y2 12,9
s2y = = = 1,43
d.k. 9
 Kovarians X dan Y (s2xy):

∑xy 7,6
s2xy = = = 0,84
d.k. 9
Standar Deviasi X (sx) dan Y (sy) :
 TUGAS 2 :

Diketahui data hasil tes sbb :

1. Data Skor Tes Matematika (X) :
65, 50, 55, 65, 55, 70, 65, 70, 55, 70, 50, 55
2. Data Nilai Ujian Statistika (Y) :
85, 74, 76, 90, 85, 87, 94, 98, 81, 91, 76, 74
Hitunglah :
1) Kecenderungan Pemusatan Datanya
2) Kecenderungan Penyimpangannya Datanya
‫شكرا كثيرا‬
Ila al Liqa’